信用監控KMV模型： KMV模型把貸款看做期權，融入了股票市場價格，認為當公司市場價值下降到某一水平後，公司就會對其債務違約，由此將股權價值與信用風險有機聯絡起來。 KMV公司提出了預期違約頻率EDF模型。該模型利用Black-Scholes期權定價公式，根據企業股權市值與資產市值之間的結構性關係、企業資產市值波動程度和企業股權市值變動程度之間關係，求出企業資產市值及其波動程度。計算出所有涉及變數值，便可以用信用監測模型測算出借款企業的預期違約率。 KMV模型通過對歷史上的違約和破產概率進行分析，得到了違約距離與違約概率之間的關係。KMV公司利用其自身優勢建立起了一個全球範圍企業和企業違約資訊資料庫，根據此資料庫可以計算出各類信用等級企業經驗預期違約頻率，從而產生以這種經驗預期違約頻率為基礎的信用值。 KMV優點： 1.可以反映風險水平差異的程度，特別適用於上市公司信用風險評估。 2.由於以股票市場資料位基礎，該模型包含更多市場資訊，因而認為能更好預測未來。 3.該模型是建立在當代企業理財理論和期權理論的基礎之上，具有很強的理論基礎做依託。 KMV缺點： 1.模型的適用範圍受到限制，不適用於非上市公司。 2.必須使用估計技術來獲得資產價值、企業資產收益率的期望值和波動值。 3.利率事先確定的假定限制了將KMV模型對長期貸款（一年以上）和其他利率敏感性工具的應用。 4.風險利差隨風險債券到期日趨向於零。 5.該模型基本上屬於一種靜態模型，該模型的基礎是莫頓模型假設，即借貸企業管理層一旦將企業的債務結構確定下來，則隨後企業的債務結構就不變。無論其資產價值增長多少，企業的債務結構也不會變動，但實際情況並非如此。 6.該模型假設企業的資產價值服從正態分佈，依次為基礎計算出企業理論上的預期違約率，在現實中，並非所有借貸企業都符合模型中資產價值呈正態分佈的假定。 7.該模型不能夠對長期債務的不同型別進行分辨。 信用計量Credit Matrics模型

核心思想：信貸資產價值的變化不僅收到違約事件的影響，而且也會收到信貸質量變化的影響。為了反映信貸質量變化，Credit Metrics模型採用盯市的概念來計算信用風險值，將信用風險與債務人的信用等級轉移聯絡在一起，構造一個模擬信貸資產所有潛在變化以及違約波動的組合計量框架。 在非正態分佈下，Credit Matrics模型採用蒙特卡羅模擬法。蒙塔卡羅模擬法是一種金融機構經常使用的隨機模擬技術，它可以對各種金融資產及各類金融衍生工具進行定價。在金融和證券市場的研究中，人們用蒙特卡羅模擬法模擬出投資組合在指定日期的各個不同的價格走勢，然後從分佈中一目瞭然地讀出投資組合的受險價值量。 優點： 首次將受險價值的方法運用在信用風險的量化度量和管理上，並將單一信用工具放入資產組合中衡量其對整個組合風險狀況的作用，使用了邊際風險貢獻的概念，可以清楚地看出各種信用工具在整個組合的信用風險中的作用，最終為投資者進行組合管理和決策提供科學的量化依據。 缺點： 1.Credit Matrics假定同一信用評級內所有的債務人都具有相同的評級轉移概率，並用歷史的平均轉移概率來近似未來的評級轉移概率。事實上，根據KMV的研究，這兩條假設都不成立。 2.模型用來重估債券價值的無風險利率是決定性的，沒有反映出市場風險以及潛在的經濟環境變化。 3.在估計違約相關性方面，模型用股票相關性來代替資產相關性，這可能導致不精確的估計。 信貸資產組合CPV模型

信貸資產組合模型假定信用等級在不同時期的遷移概率不是固定不變的。 模型中包括兩個重要的組成部分： 1.多因素系統違約風險模型，用來模擬各個國家不同行業的各種信用級別群體違約和信用等級轉移概率的聯合條件分佈。 2.計算資產組合信貸敞口離散時間的損失分佈 CPV模型可以看成是對Credit Matrics的補充，它克服了Credit Matrics中不同時期的評級轉移矩陣固定不變的缺點。 優點： 考慮了各種影響違約概率和信用等級變化的巨集觀因素，給出了具體的損失分佈模型，對所有風險暴露都採用盯市法，可以應用於不同的國家和行業。 缺點： 1.模型關於違約事件與巨集觀經濟變數之間的關係的假設太過牽強，忽略了影響違約事件的一系列微觀經濟因素，尤其是企業個體的特徵。 2.模型的資料要求過於複雜，而每一個國家、每一個行業的違約資訊，往往較難獲得，模型的應用有一定的侷限性。 信用風險Credit Risk+模型

該模型主要基於保險精算理論的違約式模型來計算債券或貸款組合的損失分佈。 死亡率模型 將貸款或債券的違約看做貸款或債券的死亡，以保險精算技術測算違約概率並進行相應的管理。