信用风险度量技术从主观的定性分析一直发展到目前精确的定量分析，大大的提高了技术度量的准确率。发展历程主要体现为：传统的定性度量方法，基于财务报表信息的信用风险模型，神经网络计算方法，基于资本市场理论和信息科学的现代信用风险模型。45821
早期的信用风险度量方法是指专家们运用专家分析法，分析借款人的基本特征，从而主观的判断出借款人信用风险，这类方法中的经典算法是信贷5C法，5C法指标主要体现在：品格（Character）、资本（Capital）、偿付能力（Capacity）、抵押品（Collateral）、周期的形势（Cycle Conditions）。
定性分析是主观性判断，外界干扰因素影响很大，能直接影响到判断结果，所以一些不再从借款人的基本特征出发而是以借款人财务报表信息为基础的定量分析方法开始兴起，按照构建方法的不同，分为了多元判别分析（Multivariate Discrimination Analysis, MDA）和Logistics分析等等
Altman（1968）借鉴多元判别法的思想建立了Z-score判别模型[1]，该模型以美国制造业的上市公司作为研究样本，选取出相同数量的破产和正常营业的上市公司，在众多的财务变量指标中筛选出5个综合指标，然后结合统计学方法计算出一个Z计分值，最后通过这计分值的大小来判断这个上市公司会不会产生违约导致风险失控现象。
继Altman之后，业界众多学者用不同的技术建立信用风险度量模型，Ohlson（1980）采用Logistics模型，将美国制造业的上市公司作为研究样本，选取2163家公司，其中破产公司有105家，在众多财务指标中选用9个指标作为变量建立模型，并对行业其他公司进行财务实证研究,结果模型度量精度达到了84%[2]。
Merton[3]（1974）把Black-Scholes的期权定价理论应用信用风险度量模型上，把公司财务看作是公司的资产或有权益的，对上市公司信用风险进行定量分析，该模型的思想让现代金融学的信用风险水平度量开创了一个新的局面，打开了新的信用风险定价思路。
KMV公司在1995年借鉴了Merton的理论思想，建立KMV信用风险度量模型[4]，该模型采用一种特殊形式的期权定价方法来度量公司未来发生违约的概率，从而判断上市公司未来是否发生风险失控，出现违约现象。
在1997年，摩根银行牵头多家著名金融机构一起研究开发了Credit Metrics模型，该模型的建立需要多种参数，如等级迁移矩阵、资产之间的相关系数、远期收益率等，因为获取这些参数需要长期累计，所以Jones and Mingo（1999）[5]，Nyfeler（2000）[6]，Forest and Kpmecpeat（2000）[7]，对该模型进行了新的研究和拓展，成为发达国家常用的信用风险度量模型之一。
2国内研究现状
中国对信用风险的研究较国外发达国家相对滞后，信用风险的度量模型较少，但随着改革开放，经济发展突飞猛进，上市公司的信用风险控制就显得越来越重要，国内学者也开始加快对信用风险度量研究的进程。国内的研究整体思路是借鉴国外学者研究成果，建立符合中国经济发展实情的模型。
卢世春和欧阳植[8]深入研究信用风险度量分类判别模型，利用聚类分析和判别分析法论文网，建立了关于商业银行风险跟踪预测模型。同年，陈静[9]将股票市场上被特处理的的上市公司定义为财务不健康的公司，并选取3年内数量相同、行业相匹配的2组上市公司（组1为财务不健康的ST公司，组2为财务健康的公司）进行单变量分析和多元线性判定分析，两种方法结果相比之下，单变量分析较多元线性判定分析的度量准确率差。
在21世纪初，吴世农和卢贤义[10]选用2组数量相同但财务健康程度不一样的上市公司作为研究样本，采用Fisher线性判定分析、多元线性回归分析和逻辑回归分析等三种方法，分别建立出三种不同的模型。随后，张后奇、刘月平和江明波等[11]两位也从财务层面上对上市公司信用风险进行研究，选取从1993年就开始亏损并且每股净资产低于1元的公司作为样本，使用Logistics回归分析建立模型并实证验证，其结果表明该模型具有显著的预测判别作用。 信用风险度量技术国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_47412.html