近年来，在金融全球化的背景下，商业银行如何准确的估计违约概率是提高风险管理水平的重要步骤。巴塞尔协议II要求商业银行建立严格的统计程序，来估计和校验违约概率和评级转移概率。在违约数据及其缺少的情况下，建立这样的统计程序是非常困难的。随着我国银行业开放程度的加深，学习发达国家银行业采用的风险模型，对我国银行业抵御各种国际冲击有着重要的指导意义。　　本文主要讨论了投资级低违约组合的违约概率估计问题及模型预测力的评估问题。其引入的潜在因素模型（广义线性混合模型）及信用等级转移模型（信用评级过程模型）都是从宏观视角讨论债务人违约概率受宏观经济形势的影响。充分的考虑了各个信用等级的债务人异质性问题，通过加入不可观测宏观经济扰动变量来考察评级转移相关性，并且使用贝叶斯估计原理，在有很少违约数据的情况下，对该信用评级过程模型进行校验，展示了模型预测的评估方法。一般来说，银行要根据每个债务人当前的信用质量，对其分配一个信用等级。信用质量的评估包含许多系统变量（由宏观经济扰动产生）和债务人自身的特定变量，相同的信用等级的不同企业往往存在较大差异。针对不同债务人的异质性差异，采用典型债务人这一抽象概念，讨论了典型债务人的违约概率情况。在违约数据缺少的情况下，采用了两种方法来测试模型的预测力——离差信息标准（DIC）和样本外测试。最后，采用标准普尔1993-2009年信用评级转移数据集亚洲版，对信用评级过程模型进行了验证及广义线性混合模型及信用评级过程模型预测性能的比较。