随着我国金融体制改革不断深入、金融行业对外开放水平不断扩大、金融创新产品日益丰富与复杂,国内商业银行在经营管理过程中面临的风险形式趋于多样化,这种复杂的风险形式也对国内银行的经营管理水平提出了更高的要求。目前,国内商业银行在经营过程中,主要面临着信用风险、市场风险、流动性风险和操作风险等风险形式,其中,信用风险是商业银行所面临的最重要也是最古老的一类风险。金融史上因信用风险管理不当造成银行破产的实例不胜枚举。随着金融市场的迅猛发展,国际监管的压力逐步增强,银行间竞争的日趋激烈,商业银行必须对自身的信用风险进行更加灵活、积极和主动的管理。为此本文以金融学、投资学、数量经济学等理论为基础,深入分析了信用风险量化管理中的一种常用分析模型一logit模型,对其理论推导,软件实现,模型运用等都作了详细介绍。选取大量上市公司作为研究样本,提取每个样本公司的多个财务数据进行深入的统计分析,最终构建了基于logit模型的商业银行信用风险量化模型,检验结果显示,该模型对商业银行的信用风险预测准确率非常高,值得在实践中推广使用。从结构上讲本文一共分为包含绪论在内的五大部分。第一部分主要讲了本文的研究背景以及国内外学者在信用风险量化管理的研究领域做出的重要成绩。首先阐述了信用风险量化管理的研究背景及研究的迫切性。伴随着人类迈入21世纪,国际金融环境和经济环境也变得日益复杂,次贷危机、欧洲债务危机等金融灾害对全球金融机构影响巨大,我国的商业银行也无法避免的受到了冲击；与西方发达国家的商业银行相比,在当前我国的经济金融发展阶段,信贷业务仍然是我国各商业银行的主要经营业务种类,利息收入依然是银行的最主要收入来源,而这背后是巨大的信贷资产,蕴含着巨大的信用风险,因此,相比国外银行业,国内商业银行的信用风险更为严重；另外,与西方发达国家的商业银行相比,国内银行业的信用风险管理水平还很低,对信用风险的量化管理能力还处于比较低级的阶段,而且国内商业银行可以用来转移信用风险的各种工具比较缺乏,总之,目前国内银行在信用风险管理领域与西方发达国家的商业银行之间仍然存在很大差距。第二部分介绍了信用风险研究的理论基础及信用风险的内涵、特征,指出本文研究的信用风险为狭义的信用风险即信贷违约风险。一般来讲,信用风险是指交易对象无力履约的风险,也是债务人未能如期偿还其债务造成违约而给经济主体的经营带来的风险。随着商业银行经营管理水平的不断提高,各种业务的逐渐演变和发展,信用风险有了广义和狭义之分,广义的信用风险是指所有因客户违约(不守信)所引起的风险,如资产业务中的借款人不按时还本付息引起的资产质量恶化；负债业务中的存款人大量提前取款形成挤兑,加剧支付困难；表外业务中的交易对手违约引致或有负债转化为表内负债,等等。狭义的信用风险通常是指信贷风险,在商业银行经营发展历史的很长一段时间里,都将信用风险等同于信贷风险。本文总结了信用风险相对其他风险形式所具有的七大特征：信用风险的概率分布明显不同于市场风险的概率分布,不符合正态分布的条件；道德风险在信用风险的形成中起重要作用；信用风险具有显著的传递性；具有明显的非系统性风险的特征；信用悖论现象；信用风险诱发因素的复杂性；信用风险数据收集困难性。另外,本部分介绍了信用风险管理的理论基础,当前发达国家商业银行普遍使用的信用风险控制技术和量化模型均是以传统的金融理论为基础,如：美国经济学家Markowitz提出的现代资产组合管理理论、威廉夏普提出的资本资产定价理论、期蒂芬·罗斯提出的套利定价理论等。第三部分、第四部分是本文的重点,包括了本文实证的主体。由于信用风险度量的logit模型构建过程较为复杂,中间包括了大量的数理统计分析过程,另外,logit函数本身就相对比较复杂,为此,本文专门拿出第三部分系统、全面的介绍logit模型构建中使用到的各种统计分析方法,尤其是主成分分析方法及logit函数的相关理论,因此,也可以说,第三部分是第四部分的理论铺垫,第四部分是第三部分的理论应用。本文的第三部分先后详细介绍了统计分析中的独立样本T检验方法、主成分分析方法的基本原理及该方法中主成分个数确定的问题、logit函数模型相关理论。经过详细介绍,我们可以发现,主成分分析方法是将现实生活中众多相关、重叠的信息进行合并和综合,将原始的多个变量和指标变成较少的几个综合变量和综合指标,以利于分析判定的一种多元统计分析方法,从数学角度来看,这是一种降维处理技术。而logit函数模型是一种二元离散选择模型,它可以形象的刻画在-定的约束条件下,备选项只有两个的前提下,这两种各选项分别出现的可能性大小。第四部分是本文的实证分析部分,详细的描述了基于logit模型的商业银行信用风险量化模型的构建过程。实证研究之初,首先要选择样本,本文从深交所和上交所分别选择了32家*ST公司和32家非*ST公司作为信用风险研究的样本集,并将这64家公司分为两个组：预测样本组和检验样本组。本文的研究是基于各个上市公司的财务状况信息来进行的,因此,本文针对每一家上市公司都选取了六大类财务指标：盈利能力指标、成长性指标、流动性与偿债能力指标、资产管理效率指标、现金流量指标、市场监管指标,共计19个具体财务指标作为构建logit模型的基本元素。为了得到能够显著区分*ST公司和非*ST公司的那些财务指标,本文运用统计分析方法：独立样本T检验方法对事先选取的19个财务指标进行显著性检验,根据显著性检验结果并结合财务指标的经济意义筛选出15个财务指标进行下一步计算。显然,如果直接运用15个财务指标来构造logit模型的话,模型将过于复杂,最关键的是财务指标之间不可避免的会出现多重共线性问题,影响模型的有效性。为了避免这些情况的出现,本文运用多元统计分析方法：主成分分析方法对15个财务指标进行了综合、简化,得出五个能够表达原来15个指标绝大部分信息的主成分。然后基于logit回归分析方法中的logit回归模型,运用得出的五个主成分构造了我国商业银行信用风险量化模型。最后,本文对该模型进行了全面的实证检验,将64家样本公司的财务数据输入该模型,对该模型得出的数据和上市公司本来的状况进行对比,发现该模型准确率很高,对商业银行管理、量化其面对的企业违约风险具有很高的指导意义,本模型为商业银行进行贷款决策提供了-个很好的工具。模型的检验结果显示,基于logit模型的信用风险量化模型对上市公司信用风险的预测准确率非常高,平均准确率达到了92.1875%。相比较而言,本模型对*ST公司的判定准确率较高为93.75%,而对非*ST公司的判定准确率为90.625%。第五部分是本文的总结,该部分对本文的研究进行了综合阐述。本论文尚有一些不足之处,本文使用的logit模型仅仅是二元选择模型,对上市公司信用风险的分类较为粗略,如果使用多元logit模型进行实证研究,则信用风险的量化将更加精确。但是如果采用多元logit模型刻画信用风险的话,需要首先将上市公司进行多组分类,而目前这种资料、数据收集极为困难。因此本文无法运用多元logit模型研究企业的信用风险,这不得不说是本文写作过程中笔者最大的遗憾。论文的遗憾与不足,希望在我今后的学习工作中,能够进一步学习与研究,有所突破。