交易對手或發行人層面的衡量模型
(1)基於期權定價技術的風險度量模型。
Merton發現，銀行通過貼現面值為D的貸款和出售執行價格為D的看跌期權獲得的付款是相同的。因此，風險貸款的價值相當於面值為D的非違約風險貸款的價值加上看跌期權。貸款的出售權價值取決於五個變量，即企業資產的市場價值、企業資產市場價值的波動、貼現貸款的面值、貸款的剩余期限和無風險利率。
基於企業的市場價值及其波動的不可觀測性，美國KMV公司在1995開發了KMV模型，也稱為預期違約頻率(edf)。該模型利用企業權益市值與資產市值之間的結構關系來計算企業資產的市值。利用企業資產波動率和企業權益波動率之間的結構關系來計算企業資產波動率，同時統計壹年內具有壹定標準差水平的公司破產比例，來衡量具有相同標準差的公司的違約概率。
該模型是實踐中應用最廣泛的信用風險模型之壹。該模型的理論基礎與布萊克-斯科爾斯(1973)、默頓(1974)和赫爾懷特(1995)在很多方面相似。基本思路是，當公司價值下降到壹定程度，公司就會債務違約。根據相關分析，KMV發現最常見的斷點是當公司價值等於50%的流動負債加上長期負債時。有了公司未來的預期價值和此時的違約點，就可以確定公司價值下降多少才能達到違約點。要達到默認點，資產價值的百分比與資產價值標準差的比值稱為默認距離。違約距離=(資產預期值-違約點)/資產預期值×資產價值波動率。這種方法有比較充分的理論基礎，特別適合上市公司的信用風險。
KMV模型的優勢在於，它將違約與公司的特征而不是公司的初始信用評級聯系起來，使其對債務人質量的變化更加敏感；同時，它通過股票價格來度量上市公司的預期違約概率，因此市場信息也可以在模型中得到反映，使其具有前瞻性，具有較強的預測能力。而且，由於該模型使用的變量都是市場驅動的，表現出更大的時間可變性，持有期的選擇比信用計量模型更靈活。
(二)基於var的信用度量模型。
Var是指在正常的市場條件和給定的信心水平下，量化金融資產在壹定時期內可能遭受的最大價值損失。在計算金融工具市場風險的風險值時，主要輸入變量是金融資產的當前市場價格和波動性。由於貸款缺乏流動性，無法觀察貸款的市值和波動性。
JP摩根(1997)銀行開發了信用指標體系(credit metrics？)系統，解決貸款、私募等非交易資產的估值和風險計算。該方法基於借款人的信用評級、信用轉移矩陣、違約貸款的回收率和債券市場的信用風險利差，計算貸款的市場價值和波動性，推斷單個貸款或組合的var，從而評估貸款和非交易資產及信用風險。
信用度量模型的優勢在於首次將信用等級轉移、違約率、違約回收率和違約相關性納入統壹框架來度量信用風險。該模型適用於商業信用、債券、貸款、貸款承諾、信用證和市場工具(掉期、遠期等)等信貸資產組合的風險計量。).但該模型在應用中存在以下問題:違約率直接取自歷史數據的平均值，但實證研究表明，違約率與宏觀經濟形勢直接相關，並不是固定的。假設資產收益率服從正態分布，但實證研究表明，實際分布大多呈現厚尾特征；企業資產收益之間的相關性等於公司證券收益之間的相關性的假設需要驗證。該方法的計算結果對這壹假設高度敏感。
(3)基於精算學的credit risk+系統。
瑞士信貸第壹波士頓(CSFB，1997)銀行開發的信用風險加系統(Credit Risk Plus system)的領先思想來自精算學，即損失取決於災害發生的頻率和災害造成的損失或損害程度。它不分析違約原因，模型只針對違約風險，不涉及轉移風險，特別適用於包含大量中小貸款的貸款組合的信用風險分析。
這種方法基於壹些假設:貸款組合中的任何單筆貸款是否違約都是隨機的；每筆貸款的違約可能性是獨立的，所以這種方法假設貸款組合中各筆貸款的違約概率分布服從泊松分布。信用風險附加模型的優點是只需要有限的輸入數據，基本上只需要貸款組合中各組的貸款違約率、違約率波動率和風險敞口，因此貸款損失很容易計算。
(4)基於宏觀模擬的信貸組合視圖系統。
信用組合視點系統是麥肯錫公司(Wilson，1997)開發的，是壹個違約風險的宏觀經濟模擬系統。由於商業周期因素影響違約概率，麥肯錫公司將周期性因素納入計量模型。該系統以信用指標為基礎，處理周期性因素，將評級轉移矩陣與經濟增長率、失業率、利率、匯率和政府支出等宏觀經濟變量之間的關系系統化。用蒙特卡羅方法模擬周期性因素的“影響”來度量評級轉移概率的變化，分析宏觀經濟形勢變化與信用違約概率和轉移概率的關系，進而分析不同行業或部門不同信用等級的借款人的信用風險程度。
該模型的優點是將影響違約概率和信用等級變化的各種宏觀因素納入自身體系，並給出具體的損失分布，可以描述回收率的不確定性和國家風險造成的損失；所有風險暴露均采用盯市法，更適合計量單個債務人和壹組債務人的信用風險。主要適用於度量對宏觀經濟因素變化敏感的投機性債務人的信用風險。
資產組合水平的度量模型
現代現代投資組合理論(MPT)表明，恰當地利用資產之間的相關性可以有效地降低風險，改善投資組合的風險收益狀況。然而，流動性差的貸款和債券組合存在收益的非正態性、收益和相關系數的不可觀測性等問題，使得現代投資組合理論無法簡單地應用這些組合。由於收益的非正態性，基於兩個矩(均值和方差)的現代投資組合理論只能通過添加偏度和峰度兩個矩才能得到更好的描述。歷史價格和交易數據的缺乏，使得利用歷史時間序列數據計算收益率、方差和協方差以及收益之間的相關系數變得極其困難。組合層面的信用風險度量模型就是通過克服這些問題而發展起來的。這類模型大致可分為兩類:壹類是尋求計算所有證券組合的風險收益交替關系，如KMV的投資組合管理模型；另壹類是集中風險維度和組合的var計算，如Creditmetrics組合模型。
衍生工具的信用風險度量模型
衍生品可分為利率衍生品和信用衍生品。前者根據其風險收益特性可分為對稱型衍生品，主要指遠期、期貨和掉期，而期權屬於非對稱型衍生品，其風險收益特性表現出典型的非線性。後者主要是通過采用信用互換、信用期權、信用遠期等分解組合技術來改變資產的整體風險特征。
衍生品的信用風險與表內業務有很多不同之處。首先，合約的非違約價值對交易對手來說必須是負數；其次，交易對手必須處於財務困境；再次，在任何水平的違約概率下，衍生品壹般采用凈額結算，違約所遭受的損失往往低於同等金額的貸款；最後，銀行和其他金融機構使用許多其他機制來降低違約的概率和損失。鑒於此，研究者提出了許多計量經濟模型，但主要集中在互換和期權上。
信用衍生產品的定價是信用風險管理研究領域的壹個難題。目前，學術界和實務界對信用衍生產品的定價主要有三種方法:基於保險理論的定價、基於復制技術的定價和基於隨機模型的定價。在基於保險理論的定價方法中，保險公司承擔了被保險人的信用風險，因此必須獲得壹定的保費作為補償。這種定價方法是基於保險公司歷史違約數據庫的統計方法，適用範圍很窄，只能為有歷史違約數據的信用衍生品提供保險。基於復制技術的定價需要逐壹確定投資組合中所有頭寸的價值，這對於結構復雜的信用衍生品來說很難實現。基於隨機模型的定價是目前的主流方向，其中強度模型和混合模型被廣泛應用。