20世纪末期,全球的经济的高速发展,但世界金融市场的波动变化越来越剧烈,所以各国的银行及金融机构面临的信用风险也越来越大,逐步暴露出越来越多的金融事件,如雷曼兄弟的倒闭,上世纪俄罗斯国家银行的违约,美国的次贷危机等,给世界经济的发展带来沉重的打击,体现出信用风险管理中的许多问题,也暴露出现有的信用风险管理理论与方法的不足。因此需要比较成熟和完善的风险判别、度量和预防的技术手段。于是便诞生了现代信用风险度量模型,之后得到了快速的发展,目前主流的信用风险度量模型有KMV模型,Credit Metrics (信用度量)模型,Credit Portfolio View (信贷组合)模型等。但这些主流的风险度量模型大都是建立在已给定或假设样本以及模型参数分布假设已知的基础上,并且对样本的选取也有一些限制,要求样本量一般要比较大。但在实际中尤其在信用市场里,有效的大样本数据的获取是很难的,而且可供参考的有效历史数据更少,所以这些模型在获取有效大样本以及假定模型参数的分布是件非常困难的事而且误差会比较大,甚至会无法计算。本文介绍一种新的风险度量方法——基于Bootstrap方法的风险度量法,特别是在样本很小的情况下,得到的新的样本数据(Bootstrap样本)将更加接近总体的大样本,这样才能利用传统的风险度量模型去计算信用风险。本文研究工作主要分为四个部分：第一部分为第1、2章。第1章介绍了本文写作的目的和意义,相关的国内外研究现状,和本文的研究思路及文章的结构安排；第2章简单介绍信用风险理论,以及3个经典的信用风险度量模型的基本理论,并逐次说明3个模型的优点和存在的问题。第二部分为第3章,简单介绍Bootstrap方法的基本理论,发展历程,实现过程以及稳定分布的基本理论。第三部分为第4章,实证分析基于Bootstrap方法的三种主流风险度量方法在信用风险市场中应用。阐述了基于Bootstrap方法的三种主流风险度量模型的基本思想和操作过程。对基于BSM公式的KMV模型中的参数——预期违约概率EDF是通过Bootstrap样本的经验分布来求解的,并估计经验分布分位数的置信区间；对基于VAR的传统Credit Metrics模型一般假设其债务价值服从正态分布,而本文在此假设其债务价值服从Bootstrap样本的一般经验分布即稳定分布来进行实证；对于传统的Credit Portfolio View模型中的参数——违约概率(Y)一般是在已给定分布的小样本条件下进行计算的,而本文在此是通过Bootstrap大样本来进行实证,最后分别对基于大,小样本的情况下进行数据精度比较和参数检验。第四部分为第5章,对论文工作进行了总结并指出了仍需解决的问题和今后的研究方向。