如何对信用风险进行度量和管理是商业银行经营永恒的主题。近年来商业银行面临的信用风险越来越大,越来越复杂,备受银行体系以及经济主体乃至监管当局所关注。本文以商业银行为视角,研究其风险管理最重要的一环,即对贷款企业信用风险的度量与管理,以期对发展中的我国商业银行提供技术和方法。本文首先界定信用风险概念和特点,对风险管理领域的理论背景、信用风险度量方法以及国内外的研究状况进行全面的归纳和整理,为本文的研究提出思路和方向。研究以风险度量方法的改进和实证分析为重点,运用上市公司所披露的财务信息,建立了上市公司信用风险评价指标体系,提出信用风险度量的模糊神经网络方法。通过与上海某商业银行的合作,对其1999-2005年的贷款明细和公司财务数据进行了系统研究,运用粗糙集理论的约简功能,从中选出最能反映企业信用状况的8项财务指标,再应用神经网络方法进行信用评价。实证研究表明所提方法具有较高精度。本文利用CCER提供的上市公司个股行情数据和财务数据,进行了KMV方法的实证研究,对其违约距离计算公式进行了对比和改进,得出了适合中国国情的具体操作方法。对于非上市公司信用风险的动态度量问题,本文研究了KMV模型发展而来的PFM模型,并结合我国实际情况进行改进,采用神经网络估计方法估计非上市公司的资产价值和波动率,用资产保值增值率代替资产的连续回报,进行违约距离计算。实证研究表明,本文所提方法对我国上市公司、非上市公司具有较好的信用风险评价和预测能力。本文论述了风险管理组织机构的优化,信息系统的完善、风险管理文化和理念的培育对信用风险量化管理的重要意义,提出银行进行这些方面改革的具体思路。最后,总结了全文的主要研究成果,并对今后的研究方向进行了分析。