对违约概率的研究一直以来是学者关注的重点，模型随着假设条件从简单到贴近实际和关注角度的变化发展出结构模型、简约模型和信用VaR模型。这些模型的最终意图都是发展出一套科学系统的体系来度量或预测违约概率，以求合理定价或防范未来可能发生的损失。而对于另一项风险因子违约损失率，大都认为其属于统计范畴而少有重视，直到近些年，不良资产的增加违约事件的增多才带动一些学者和机构对损失率的研究。这类研究基本涉及统计方法、分布形态、影响因素等方面，其中在分布形态研究上，目前主要分为两类：一类是利用直方图等统计手段观察分布形态，计算均值和方差；一类是使用回收率样本做某种分布函数的参数估计得到分布函数的显示形式，最常见的是假设服从Beta分布。但是有时候这两种方式会呈现出一种矛盾的现象，如有实证研究发现，某些级别的贷款和债券回收率不一定呈现偏斜或单峰的分布形态，而是多峰，这就造成了Beta分布拟合的局限。为此，本文研究一种能够解决边界偏差问题、符合回收率分布在闭区间之实际的边界核非参数估计方法，并对穆迪公司违约贷款和公司债的统计数据做了密度估计实证分析。首先，本文概括性介绍了非参数估计方法的原理、类别，对其中常用的核估计方法进行了具体介绍，细致阐述了评价核估计绩效的诸指标和由此得到的最优窗宽选择办法。实际窗宽选择中，我们选用Alexandre提出的解方程法，它集合了插入法思想与迭代算法。然后，本文分析了常规对称核在无界和有界区间上统计性质的差异，发现在无界区间上运行良好的对称核在有界区间上产生了“边界问题”，这会导致其在边界区域不满足渐进一致和无偏性，不适宜直接使用。对此，本文将非对称核和在边界处使用边界核的思想应用到解决方案中，给出两种代表性核——Beta核和边界核，随后理论推导其偏差、方差、积分均方误差等统计性质，并进行蒙特卡洛数值模拟。本文发现两种核均能较为有效地解决边界问题，其中以边界核的统计性质更优。在具体运用上，本文还给出了边界核在边界区域的变窗宽选择方法，它有助于改善在样本点稀疏的边界处的估计效果。最后，本文选取穆迪公司公布的6年间违约贷款和公司债回收率数据，分别用上文挑选出的边界核和传统Beta分布方法对回收率密度估计做实证分析。为分析含经济低迷期和不含低迷期数据的异同，本文将数据分为两类，一类为含低迷期的全部数据，一类为剔除低迷期数据。分析结果发现，从图形即可直观观察到边界核的巨大优势，MISE结果进一步证实了两者效果的差异。随后，本文进行卡方检验的拟合优度检验，检验结果表明两类数据的非参数估计效果都落在拒绝域外而Beta分布的结果均落在拒绝域内，表明非参数估计拟合效果好于Beta分布。进一步，文本引进Bootstrap抽样对两者的差异程度进行进一步衡量，在三组数据上发现了明显差异。综上所述，本文考虑边界效应，使用边界核对违约回收率进行密度估计，使不通过事先设定分布函数而观察回收率分布成为可能。理论上为回收率及信用风险模型的精确建模打下基础，实际中，投资者更关注极端事件的发生，为投资者配置经济资本和监管者的监管提供了依据。