信用风险度量模型是用来反映资产或贷款质量的。也就是说，它能够直接或间接地体现出贷款可能发生的损失。然而，对于大型的商业银行来说，信用风险度量模型应能体现出借款人的违约概率以及发生违约时的贷款损失率。与此同时，信用风险评级不仅能够反映当期的贷款信用等级，还应反映出未来损失发生变化的趋势。风险度量模型所提供的指标应该能够清晰地与其他银行或是巴塞尔协定中的规定指标进行对比，以便对银行的经营绩效进行评价。

(一)KMV模型

该模型的优点是：KMV模型是一个动态模型，将借款公司的股价信息转换成信用信息，对借款公司质量的变化比较敏感，同时市场信息也被反映在模型当中，具有一定的前瞻性，模型的预测能力较强。

KMV模型在实际运用中存在的不足是：一是着重于违约预测，忽视了企业信用等级的变化，只适于评估与企业资产价值直接联系的信贷资产(基本上只是贷款)的风险；二是该模型适用于上市公司的信用风险评估，由于我国的股市并不是一个有效的市场，上市公司的股票价格常常背离公司的实际价值，企业资产价值特别是国有企业的资产价值并不能够完全反映到股票市值中，从而影响了模型预测的精确性。但是，该模型可以运用到对跨国集团信贷资产的风险管理上，跨国企业的信贷资产很大部分以其母公司为担保人，而其母公司所在国家的股票市场是比较成熟有效的；三是模型基于资产价值服从正态分布的假设和实际不相符，模型不能够对长期债务的不同类型进行分辨。

(二)信用度量术模型

该模型具有两个优点：一是该模型属于MTM(market to market)模型，并据此计算信用风险的VaR值，这与国有商业银行的经营理念基本吻合； 二是该模型首次将组合管理理念引入信用风险管理领域，适用于商业信用、债券、贷款、贷款承诺、信用证、以及市场工具(互换、远期等)等信贷资产组合的风险计量。

该模型的局限在于：

一是该模型对信用风险的评判很大程度上依赖于借款人的信用等级的变化，在我国现有的信用环境下，出现大量损失的概率可能较高。

二是模型假设信用等级转移概率是一个稳定的马尔可夫过程，而实际中信用等级转移与过去的转移结果之间有很高的相关性。

三是该模型假设无风险利率是事先决定的，我国债券市场尚不发达，还没有形成合理的基础利率，而基础利率是计算贷款现值的重要因素。

四是在我国目前还没有比较客观、权威的信用评级公司，没有现成的企业信用等级转换概率和不同信用等级企业违约回收率数据资料。在商业银行历史贷款资料库中，某一信用级别的企业在不同时期转换成另一信用级别的概率可能是不相同的，某一信用级别的企业在各个时期违约回收率的均值可能也是不同的。这些不同时期的转换概率和企业违约回收率均值就构成了混沌时间序列。如果假设经济的宏观因素没有大的波动，就可以利用构成的混沌时间序列来预测短期未来的信用等级转换概率矩阵和企业违约回收率均值。有了这些数据，国有商业银行就可以应用信用度量术模型量化和管理信用风险。

五是该模型在实际运用中需要能够做好信用等级评估工作的高素质的工作人员，另外由于该模型采用了蒙特卡罗模拟，运算量较大，以国有商业银行现有的电脑网络系统，每次计算VAR值都需要几个小时甚至十几个小时，这样的速度有时可能无法满足业务发展的需要。

(三)宏观模拟模型

宏观模拟模型将宏观经济因素对信用等级转移概率的影响引入模型之中，对所有的风险暴露都采用盯市法，弥补了信用度量术的不足。从实际应用的角度看，模型需要国家和各个行业的违约数据作为基础。由于我国的信用风险量化处于起步阶段，还没有建立完善的数据库，因此在使用该模型时缺乏基础条件。

(四)信用风险附加法模型

该模型的主要优势体现在：易于求出债券及其组合的损失概率和边际风险分布；模型集中于违约分析，所需估计变量很少，只需要违约和风险暴露的分布即可；该模型处理能力很强，可以处理数万个不同地区、不同部门、不同时限等不同类型的风险暴露；根据组合价值的损失分布函数可以直接计算组合的预期损失和非预期损失的值，比较简便。该模型的劣势在于：与KMV模型一样，只将违约风险纳入模型，没有考虑市场风险，而且认为违约风险与资本结构无关；没有考虑信用等级迁移，因而任意债权人的债务价值是固定不变的，它不依赖于债务发行人信用品质和远期利率的变化与波动。尽管违约概率受到一些随机因素的影响，但风险暴露并不受这些因素的影响；每一频段违约率均值的方差并不完全相同，否则会低估违约率；不能处理非线性金融产品，如期权、外币掉期。

(五)死亡率模型

该模型的主要优势：比较容易利用死亡率表来计算单个债券和债券组合的预期损失及其波动率，特别是计算债券组合很方便；死亡模型是从大量样本中统计出来的一个模型，所以采用的参数比较少。该模型主要劣势：没有考虑不同债券的相关性对计算结果的影响；没有考虑宏观经济环境对死亡率的影响，因而需要时时更新死亡率表；数据更新和计算量很大；不能处理非线性产品，如期权、外币掉期。

信用风险度量模型在银行内的作用是多方面的：一方面，银行可以利用它来进行贷款审批和确定问题贷款；另一方面，银行还能利用它来进行资产组合监控管理、资产定价、利润分析以及对损失准备金的数量进行详细的估算。一个优秀的风险度量模型能够帮助银行更准确地把握其面临的信用风险，并且根据银行的不同经营方针，在盈利和风险之间找到一个适当的平衡点。对于大型的商业银行来说，风险度量模型必须能对不同贷款资产的信用风险进行不同等级的划分，并能对整个资产组合的整体风险做出正确的估计。

信用度量模型作为新巴塞尔协议框架，其意义在于确定银打所承担的风险水平；对贷款等各种金融产品进行合理定价；合理配置银行资本，抵御各种风险。

下面以基于VaR的风险度量模型为例来说明在新巴塞尔议框架下风险度量模型的积极意义。

2001年， 巴塞尔委员会发布了旨在替代旧版巴塞尔协议的《新巴塞尔资本协议》(以下简称新巴塞尔协议) 。在此框架下，商业银行面临的风险被分为三类：信用风险、市场风险和操作风险。

VaR被运用于商业银行风险管理始于对于市场风险的监管。传统的市场风险管理技术可以分为灵敏性分析和波动性分析两类，但这两种方法在精确度、依赖性和全面性等方面存在明显的缺陷，而正如Jorion指出的那样，VaR方法他用规范的统计技术，全面地衡量市场风险，很好地弥补了灵敏性分析和波动性分析的缺陷，将市场风险管理技术提升到了一个新的高度 巴塞尔委员会也明确了用VaR方法结合内部模型法来度量银行面临的市场风险的规定。

信用风险是商业银行面临的风险中最重要的一类风险，由于信用风险本身的一些特点， 运用VaR对其进行度量存在技术上的困难。但是随着数量技术的发展，新一代金融工程学家运用新的建模技术和分析方法建立了一些暴于VaR技术的信用风险度量模型。其中比较著名的有CIBC提出的CreditVaR 系列方法和J．P.Mrgan提出的CreditMetrics。

在商业银行皿临的风险中,操作风险一直以来缺乏明确定义和足够关注，在新巴塞尔协议中一项重要的修改，就是将操作风险纳入风险资本的计算和监管框架。新巴塞尔协议中提供了多种可供选择的计算操作风险资本盒的方法，其中比较复杂的损失分布法就需要运用VaR方法来确定操作风险资本。