信用是我们日常生活中不可或缺的一部分,信用风险作为金融机构(特别是银行)面临的最主要风险之一,直接影响了现代社会经济生活的诸多方面,也影响着国家的宏观经济政策及经济的发展,乃至影响到全球经济的稳定与健康发展。伴随着金融危机的频繁发生且影响日益广泛,企业违约事件大规模涌现,社会各界已深刻意识到对信用风险度量方法的研究在资产定价及风险管理工作中越发重要的地位,源于美国的次贷危机产生的一连串反应使全球的金融和经济都遭受严重的打击,也使得人们对风险特别是信用风险的管理更加关注、对模型的预测效果更加重视。与此同时,伴随着我国金融体制改革的不断深化,金融市场对外开放程度的日益加深,国内金融市场受到世界经济的影响也随之愈来愈大,这对我国信用风险的管理水平提出更加高的要求,相比发达国家,我国信用风险管理技术尚处于起步阶段,对于信用风险度量及管理的改革必将成为我国金融机构下一步工作的重点。本文首先介绍了信用风险的相关理论和国内外对此进行的研究及现状,从中可以看出信用风险度量模型的发展方向,文中将信用风险度量方法分为传统的信用度量方法、多元统计度量方法和现代信用风险度量方法三类,并且依次介绍了他们的主要内容、特征以及优缺点；其次,着重介绍了Logit模型和KMV模型的数学原理、参数选取以及使用方法,然后介绍了CAP曲线和ROC曲线,这两个曲线在对模型判别能力的比较分析方面效果明显。在模型的实证部分中,选取我国化工行业上市公司作为样本,利用回归拟合的Logit模型以及基于期权定价理论的KMV模型进行信用风险的预测。在对Logit模型进行参数估计时,选取了2011年85家上市公司和23组财务数据作为估计样本,利用主成分分析方法提取出7个公因子以减小过度拟合和多重共线性对模型精度的影响,然后用这7个因子对参数进行拟合估计,最后基于2012年55家上市公司作为测试样本对Logit模型进行模型的检测。对于KMV模型,选取相同的2012年的55家上市公司的股票市场价格、负债价值、无风险利率以及增长率等指标,对其进行违约概率预测。对Logit模型和KMV模型的预测能力进行分析,进一步应用CAP曲线、ROC曲线以及Brier Score对它们的预测精度进行比较,得出结论,无论从图形还是指标都能看出KMV模型的预测精度明显高于Logit模型,主要原因有：Logit模型主要限于评估公司的财务表现,而忽视了诸如宏观经济、行业周期等非财务因素对于信用风险的影响；Logit模型利用二分变量对模型进行拟合具有发散的违约预测概率以及较高的布莱尔分数,因此对于样本外的预测不是很理想；财务数据体现的是公司的历史情况,缺乏时效性。从模型的预测结果来看,无论是Logit模型还是KMV模型,第一类错误发生的概率都明显大于第二类错误发生的概率,这说明对于非违约公司的预测精度远大于违约公司的预测精度。最后是对本文的总结,包括实证分析的结论、模型的局限性以及对于信用风险管理的几点建议。本文从对比分析角度对目前比较流行的信用风险度量模型进行了比较,采用定性与定量相结合的方法,力求全面深入地对问题进行阐述和剖析。