银行贷款的信用风险一直是银行业面临的主要风险，各国银行业及监管当局对此高度重视。我国银行业正处于新兴市场及转轨时期，从商业银行发展现状来看，银行贷款信用风险呈增大趋势，因此加强信用风险管理尤为重要。而如何对商业银行信用风险进行有效地管理就成为银行监管者关注的主要问题之一。 本文针对商业银行贷款组合信用风险管理中存在的两个基本问题：一、如果贷款发生违约时，具体损失有多少；二、银行要准备多少资本金才能应付风险造成的损失，就相关内容做了详细的数值计算和深入探讨。论文内容使用了VaR(Value-at-Risk，风险在险价值)方法，以贷款组合损失作为衡量信用风险的尺度，分别基于违约模型和Credit Metrics模型进行了信用风险的量化分析。VaR方法是为了适应当前的风险管理的需要，以规范的技术全面地衡量风险尤其是市场风险而产生的。VaR方法为银行风险的测量提供了一个简单可行的方法，以其对风险计量的科学、实用、准确和综合的特点而受到包括监管部门在内的国际金融界的普遍欢迎，迅速发展成为风险管理的一种标准，它不仅可用于市场风险管理，还可用于信用风险量化管理。具体地，本文就一国外银行的贷款组合实例进行实证测算和分析研究，并对两个模型计算所得结果做了比较。从结果可以看出，这两个模型均能较好地度量银行贷款信用风险，其计算所得的VaR值比较接近，说明在给定置信水平下所能达到的最大损失和所能达到的价值上的损失在数值上是相近的；不过，违约模型下贷款损失的标准差要比Credit Metrics模型下的贷款价值偏离其均值的标准差要大些；此外，结论还表现出二者在计量资本金要求上有所差异。 文中以MatLab数学统计软件为开发工具，利用Monte Carlo模拟方法，编制了完整的求解VaR值的程序代码。应用实践表明该算法程序具有执行效果好、可读性强的特点。文章最后简述了模型存在的问题以及在我国商业银行应用中存在的不足，并就我国银行业在风险管理中如何更好地采用VaR方法做了探讨，着重提出了完善我国信用评级体系的对策建议，构想了建立模内容摘要型参数即违约率数据库的方案。 论文内容结构如下: 前言。阐述了信用风险管理对商业银行的重要性;介绍了论文的选题动机、工作重点、研究目的及主要内容。 第一章模型概述。简述VaR理论，并介绍了基于VaR方法的两种信用风险模型:违约模型和Credit MetricS模型及其建立过程。 第二章模型的应用，为本文的核心部分。本章利用Monte Carlo随机模拟的方法，以实例的形式对违约模型和Credit Metrics模型在银行信用风险管理中的应用作了分析探讨与比较研究。 第三章问题及建议。就信用风险模型本身存在的难点及其在我国商业银行应用中存在的问题作了阐述，并提出对策建议。最后总结全文，并对以后的工作进行了展望。