随着经济的全球化,银行业的开放程度逐渐加大,如何防范金融风险已是我国银行业面临的重大课题。而在商业银行所面临的风险中,信用风险贯穿于商业银行经营活动的始终,这也说明了信用风险管理的重要性。本文主要介绍了一种信用风险管理模型——违约概率(PD)模型。在国际上,对违约概率模型变量的选择上形成两种基本方法。第一种方法,一般称为逐步回归。它使用一个方便的计算算法,将可能的模型数限制为一个相当小的数。虽然它不对应于选择一个模型的任何特定的准则,但它在实践中被频繁地使用。第二种方法使用对所有自变量的可能子集进行计算的准则统计量。它随着几种计算所有可能回归的快速算法的发展,而逐渐被应用于实践中。而本文采用新的变量选择方法,主要依据是自变量对因变量的相关性程度,通过计算变量的(?)Veight Of Evidence(WOE)和Information Value(信息值)来实现。本文还着重介绍了在实践中最为常用的Logistic回归模型。并通过构造ROC曲线和CAP曲线对建立的模型的优劣进行评价。在Schweizer & WolR(1981)中,Copula-词被首先定义为论文关键字。Copula一词的中文翻译为“关联函数”,用于度量随机变量间的相关性。本文主要使用随机变量相关性度量指标Kendall’s tau和Spearman’s rho。本文最后还为某商业银行的一个行业建立了信用评级模型,说明了我们模型的合理性。