伴随着经济全球化进程的逐渐深入，中国在经济体制改革的过程中，商业银行在金融体系中的地位越来越突出，它是社会的分配中心，资源的调剂中心和信息的集散中心。自从各大商业银行上市后，以其为主体的多元化金融体系已经形成。

在社会主义市场经济中，随着我国对外开放程度的逐步加深，经济金融中的风险也是客观存在的，银行作为金融体系中的主体部分，其风险也是不可忽视的客观存在。过高的信用风险会影响商业银行的发展，进而影响中国金融体系的稳定性和持续发展，对中国经造成不利的影响。因此，对银行业的风险现状进行合理的评估以及如何降低商业银行的信用风险是当今金融领域颇为重要的课题。

《巴塞尔新资本协议》的出台为信用风险的研究提供了新的思路，它提出了两种计量信用风险的方法：其一是标准法，其二是内部评级法。其中内部评级法是该协议的核心内容。它让银行在进行信用风险管理的过程中更加注重量化分析，更加关注风险计量的精准与敏感性，新资本协议代表着未来银行业风险管理和资本监管的发展方向。但是我国上市商业银行于在2014年4月才开始开始采用资本

管理高级方法计量资本，所以在信用风险的评估中仍存在不足之处，与西方发达国家仍存有较大的差距。这就要求我国商业银行应该不断提高信用风险度量水平，加强对信用风险的防控力度，管理好信用风险，提高自身在国内外金融市场中的竞争力。随着资本市场的不断发展与完善，各个上市商业银行的数据信息趋于透明化，对其反映出的信息进行定量计算和分析进而得出信用风险的现状是一种较为科学和全面的评估方式。因此在新的形势下，通过资本市场认识商业银行的信用风险，减少不确定因素，降低风险，已成为一个急需解决的问题。

本文通过对度量信用风险的几种模型的对比分析，发现KMV模型较为适合我国的国情。但是由于国内运用KMV模型对上市商业银行的信用风险研究较少，因此，如何建立一个数据容易取得，操作简单、易于理解并且适用于上市银行业的信用风险度量模型具有重大的现实意义。

国外研究现状：

KMV模型是由美国旧金山的信用风险评估公司—KMV公司开发出来的,它是以Black-Scholes期权定价理论以及Merton企业债务定价理论为理论基础。自从KMV模型推出以来，国内外很多学者都对KMV模型进行了探索和研究。

由于西方发达国家的银行信用体系起步较早，衍生产品发展迅速，学者们和实践者对商业银行信用风险管理的研究成果积累较多。它最初起源于1972年，是布莱克(Black )、斯科尔斯(Scholes)和默顿(Merton)对于期权定价模型的研究。随后默顿将期权定价模型应用于风险贷款和证券估价，为日后更多的学者将期权定价模型应用于度量信用风险提供了思路，且KMV模型就是一个很好的尝试。上世纪八十年代初期，McQuown与Vasicek对BSM模型进行了改进，使之能够应用于贷款授信与贷款的投资组合管理，改进后的模型能够考虑到企业的负债水平、股价及其浮动情形，比改进前的分析更加准确。上世纪八十年代早起，KMV公司利用期权定价模型计算DD，建立了庞大的企业信用资料数据库。Michel Crouhy，Dan Galai，Robert Mark(2000)对Credit Metrics模型、KMV模型、Credit Risk 模型和Credit PortfolioView模型通过列举例子分别进行了详细的理论介绍，并根据它们的优缺点做了比较分析。2000年，Stefan Blochwitz,Thilo Liebig及Mikael Nvberg将KMV公司研发出的非上市公司模型和德国公司使用的财务比率方法进行比较，得出KMV模型对信用质量的分析更为准确。2000年，R.Sobehart, C.Keenan和M. Stein开发出的由四个量化指标构成的验证方法采用前推检验，对六个信用风险量化技术方法进行对比，结果显示KMV模型预测风险准确性最高。2002年，M Kurbat和I Korablev选用1991年一2001年间上千家美国公司的数据作为样本，使用水平确认和校准的方法对KMV模型进行了检验，证实KMV模型的输出结果EDF值实际上是偏态分布，并且样本规模的大小、样本公司的资产相关性的大小和EDF的偏态分布对EDF的预测结果有很大的影响。2003年Peter Crodlbie和Jeff Bohn，以金融类公司为样本应用KMV模型，结果显示EDF在这些公司发生信用事件或破产前可以准确、灵敏地检测到信用质量的变化。随后2005年，Jeff Bohn以美国市场一些公司1996-2004年的数据为研究对象，验证了KMV模型能比其它模型更有效的识别ST与非ST公司，表明对上市公司违约风险有很好的指示作用。2004年《巴塞尔新资本协议》中使用内部评级法管理信用风险，并推荐使用KMV模型进行内部评级。2008年，Korablcvamp;Dwycr 选取了美国、欧洲和东亚三个区域，时间跨度为10年的数据样本，经过实证分析计算，以及对KMV模型与传统的Z值积分模型、Merton模型和KMV模型进行综合比较。证实了KMV模型对信用风险的预测基本上不受样本选取和时间跨度的限制。2009年，罗伯和戴维基于CVaR思想对传统的KMV模型进行了修正，进而对样本企业进行了实证研究，企业的资产市场价值及其收益率被当作新的比较对象，计算不同行业的贷款企业的违约距离和预期违约概率。2011年，Lee利用遗传算法寻找最优的违约点，改进后的模型的预测精度较高。2012年，艾伦、鲍威尔和辛格为了避免误差，选取了在欧洲金融危机期间来自十个不同行业的多家上市企业作为对象，选择了另一个指标违约距离来替代违约概率来衡量信用风险的大小。2013年，Allen和Kramadibrata，采用一样的方法对10年间的11个行业的信用风险状况进行了综合实证研究。

国内研究现状：