纵观近几年国际信用风险领域的研究,信用风险分析方法呈现出明显的从主观定性向客观定量发展的趋势,即从主观判断分析法和传统的财务比率评分法转向以多变量、依赖于资本市场理论和计算机信息科学的动态计量分析方法以及现代信用风险计量模型发展的趋势。　　 而我国商业银行的风险管理长期以来,都是以定性分析、经验分析为主,定量分析和各种财务工具的运用为辅,更没有集多种技术于一体的动态量化的信用风险管理技术。目前我国商业银行信用风险的计量技术大多仍处于传统的比率分析阶段,商业银行等机构主要使用计算贷款风险度的方法进行信用风险评估,信用风险分析的标的依然单一。从2001年起,我国商业银行先后改革了信用等级分类方法,引入了几种国际先进的综合分析和量化评级手段,建立起信用等级评定的计算机信息系统,使信用等级分类上了一个新的台阶。然而现实生活中,信用等级等数据更多的只是被简单运用于授信放贷时的主观评判参考之一,而并没有在此基础上,对这些数据进行进一步的加工提炼,结合这些数据的有机动态变化来对贷款生命周期中的信用风险进行测量与管理。　　 随着我国经济体制改革的逐步深入,银行业的迅猛发展,及市场机制的不断完善,我国进入了“后WTO时代”更加国际化、白热化的银行业竞争时代,现行的信用风险计量方法将日益成为我们商业银行发展中的“瓶颈”问题。因此,我们应博采众长,并在此基础上建立有自己特色的定量模型来解决信用风险计量问题。本论文研究的目的就在于此。　　 论文主要研究商业银行贷款组合的VaR风险定量分析技术,并以此计量结果为基础进行贷款风险测量和质量分析。　　 论文中,信用风险计量的内部模型采用改进的CreditMetricsTM模型,即关键的模块采用银行自身的数据生成带有自身特色的转移概率矩阵。信用风险的具体度量采用VaR技术。实证中分别使用了VaR的解析法和蒙特卡罗模拟,这两种方法相互结合进行贷款组合风险价值的定量分析。而贷款行业之间的相关性则采用经实证检验有效的特定的Copula模型进行研究,从而有效地克服了线性相关系数的局限性,使得本方法实用范围更加广泛。　　 综上所述,在国内商业银行现有的内外部环境所能充许的定量条件下,可以利用本论文所使用的方法进行多个银行的贷款数据建模,并测量出各商业银行的信用风险状况及具体风险点所在。也可以在某个商业银行的总行范围内使用,从而可测量出各下属分行的信用风险状况并进行对比分析,以便及早提示风险预警。而风险状况及具体风险点所在可涉及多个层次多个方位,如某个地区、某个分行、某个行业、某笔具体贷款甚至某几笔具体关联贷款的组合。根据特定需求,还可以进一步调整参数,以用于更具体更个性化的风险评价或预警。　　 本论文的创新方面主要有以下几点:　　 首先,国内将VaR技术综合运用到商业银行信用风险管理机制的分析研究虽然也有一些,但大都缺乏大样本实证空间。本文运用某股份制商业银行某一级分行2006至2008年初的贷款历史数据共计418笔,外加1254个信用等级数据进行实证。数据量较大,且数据信息较新,对于研究国内商业银行风险管理机制有一定的现实意义。　　 其二,在CreditMetricsTM模型的实证研究中,没有机械地引用穆迪(Moody)或标准普尔(Standard&Poor)公布的参考转移概率矩阵等数据。因为我国商业银行目前大都采用内部评级法来评估信用风险,其得到的信用等级与穆迪或标准普尔评级标准不甚一致。在这样的国情基础上,如果直接引用穆迪或标准普尔的一些对应级别的数据是极不科学的,不能对评级进行细分。针对这种情况,本论文在实证过程中,对样本数据进行了充分的挖掘.比如涉及到计算样本数据的信用等级转移概率矩阵时,采用历史分析的办法推导出了样本数据的自有加权转移概率矩阵。　　 其三,论文在实证过程中,针对不同的功能模块设计了大量的Matlab和Visual Basic程序,对大量的Excel电子表格及Txt文本等金融数据进行了计算机交互操作。文中实证分析中所涉及的每一个步骤(包括每一张表格)都是由电脑运算生成的,并留有相应的函数程序源代码或活动电子表格脚本。在此基础上,如若需要对另外一家银行的信用风险进行分析,则只要提供相应的信贷数据,即可快速得到对应的信用风险分析结论,具有较强的现实重复可操作意义。　　 最后,在贷款行业相关性研究中,使用沪深股市的行业指数为样本数据,从而估算出行业收益率,以解决目前我们银行业普遍缺乏不同贷款行业的收益率数据的问题。在此基础上,本文采用Copula函数对银行贷款收益进行分层分析,并创造性地拟合了Extreme Value边缘分布-Clayton Copula结构的风险模型。并对此模型进行了系统的参数估计和检验,并最终有效通过。