长久以来，信贷风险一直是制约商业银行正常经营的重要因素之一。2010年发布的巴塞尔协议再次对商业银行所面临的上市公司信贷风险相关问题又提出了新的要求，因此基于逐渐开放的金融市场，为了准确度量出商业银行所面临的信贷风险大小，并建立适合我国金融借贷市场的商业银行信贷风险度量模型显得极其关键。生存分析作为一种动态的时点预测计量模型，如今正广泛运用于与金融相关的研究领域，与传统的商业银行信贷风险度量模型相比，生存分析方法具有一定的优越性，因此本文将尝试采用生存分析中的 Cox比例风险模型来测度商业银行所面临的信贷风险值，并动态的展示该模型的时点预测能力。　　首先讲述生存分析的基本概念以及在信贷风险度量领域的适用性和优越性，并引入生存分析中的 Cox比例风险模型，对其基本原理、估计方法以及检验方法做简单分析。其次从偿债能力、营运能力、盈利能力和发展能力四个方面对样本指标进行选取，最终选取300个样本和28个指标，并对选取的样本数据进行缺失值和异常值的处理。接着对所选的指标进行Kruskal-Wallis非参数检验、多重共线性检验以及比例风险假设检验从而筛选合适的指标进行建模。然后根据所筛选指标以及基准生存函数的估计值建立最终的 Cox比例风险模型，并绘制出上市公司生存函数曲线图和危险函数曲线图，通过实证检验，其结果通过了似然比检验和Wald检验。最后运用ROC曲线得出模型具有较高的判别能力。　　另外，为了排除所选取的分界点的不同以及样本比例选择的不同对模型判别能力预测的影响，首先将样本分为建模样本和检验样本，分别对ST与非ST上市公司按照1:1、1:2以及1:3的比例进行样本分配，并选择不同的分界点判断上市公司是否被 ST。实证表明：选择正常样本占总样本的比例作为分界点时模型的判别能力较高，预测准确率较高。最后选择传统的信贷风险度量方法Logistic回归模型，利用现有数据进行建模，并将之与 Cox比例风险模型进行判别能力对比，经过比较发现虽然这两种度量方法的预测准确率都较高，但是 Cox比例风险模型有着比Logistic回归模型更优越的时点预测能力分析，是一个动态预测模型，因此在商业银行信贷风险度量上具有较大的实用价值。