基本思想
1、信用風險取決於債務人的信用狀況，而企業的信用狀況由被評定的信用等示。因此，信用計量模型認為信用風險可以說直接源自企業信用等級的變化，並假定信用評級體系是有效的，即企業投資失敗、利潤下降、融資渠道枯竭等信用事件對其還款履約能力的影響都能及時恰當地通過其信用等級的變化而表現出來。信用計量模型的基本方法就是信用等級變化分析。轉換矩陣（Transition Matrix一般由信用評級公司提供），即所有不同信用等級的信用工具在一定期限內變化（轉換）到其他信用等級或維持原級別的機率矩陣，成為該模型重要的輸入數據。
2、信用工具（包括債券和貸款等）的市場價值取決於債務發行企業的信用等級，即不同信用等級的信用工具有不同的市場價值，因此，信用等級的變化會帶來信用工具價值的相應變化。根據轉換矩陣所提供的信用工具信用等級變化的機率分布，同時根據不同信用等級下給定的貼現率就可以計算出該信用工具在各信用等級上的市場價值（價格），從而得到該信用工具市場價值在不同信用風險狀態下的機率分布。這樣就達到了用傳統的期望和標準差來衡量資產信用風險的目的，也可以在確定的置信水平上找到該信用資產的信用值，從而將Var的方法引入到信用風險管理中來。
3、信用計量模型的一個基本特點就是從資產組合而並不是單一資產的角度來看待信用風險。根據馬柯威茨資產組合管理理論，多樣化的組合投資具有降低非系統性風險的作用，信用風險很大程度上是一種非系統性風險，因此，在很大程度上能被多樣性的組合投資所降低。另一方面，由於經濟體系中共同的因素（系統性因素）的作用，不同信用工具的信用狀況之間存在相互聯繫，由此而產生的系統性風險是不能被分散掉的。這種相互聯繫由其市場價值變化的相關係數（這種相關係數矩陣一般也由信用評級公司提供）表示。由單一的信用工具市場價值的機率分布推導出整個投資組合的市場價值的機率分布可以採取馬柯威茨資產組合管理分析法。
4、由於信用計量模型將單一的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，而不是孤立地衡量某一信用工具自身的風險，因而，該模型使用了信用工具邊際風險貢獻這樣的概念來反映單一信用工具對整個組合風險狀況的作用。邊際風險貢獻是指在組合中因增加某一信用工具的一定持有量而增加的整個組合的風險（以組合的標準差表示）。通過對比組合中各信用工具的邊際風險貢獻，進而分析每種信用工具的信用等級、與其他資產的相關係數以及其風險暴露程度等各方面因素，可以很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，最終為投資者的信貸決策提供科學的量化依據。
分析
方法
受險價值模型就是為了度量一項給定的資產或負債在一定時間裡和在一定的置信度下其價值最大的損失額。
一支交易股票的受險價值，如圖。
VaR方法度量非交易性金融資產如貸款的受險價值時則會遇到如下問題：
1.因為絕大多數貸款不能直接交易，所以市值P不能夠直接觀察到。
2.由於貸款的市值不能夠觀察，也就無法計算貸款市值的變動率σ。
3.貸款的價值分布離常態分配狀偏差較大。
“信用度量制”方法
信用度量制是通過掌握借款企業的資料如:
（1）借款人的信用等級資料
（2）下一年度該信用級別水平轉換為其它信用級別的機率
（3）違約貸款的收復率
計算出非交易性的貸款和債券的市值P和市值變動率σ，從而利用受險價值方法對單筆貸款或貸款組合的受險價值量進行度量的方法。
比較
KMV模型與creditmetrics模型是目前國際金融界最流行的兩個信用風險管理模型。兩者都為銀行和其它金融機構在進行貸款等授信業務時衡量授信對象的信用狀況，分析所面臨的信用風險，防止集中授信，進而為實現投資分散化和具體的授信決策提供量化的、更加科學的依據，為以主觀性和藝術性為特徵的傳統信用分析方法提供了很好的補償。然而，從上述的介紹和分析中，我們又可以明顯地看到這兩個模型在建模的基本思路上又相當大的差異，這些差異還主要表現在以下幾個方面。
KMV模型對企業信用風險的衡量指標edf主要來自於對該企業股票市場價格變化的有關數據的分析，而creditmetrics模型對企業信用風險的衡量來自於對該企業信用評級變化及其機率的歷史數據的分析。這是兩者最根本的區別之一。
由於KMV模型採用的是企業股票市場價格分析方法，這使得該模型可以隨時根據該企業股票市場價格的變化來更新模型的輸入數據，得出及時反映市場預期和企業信用狀況變化的新的edf值。因此，kmv模型被認為是一種動態模型，可以及時反映信用風險水平的變化。然而，creditmetrics採用的是企業信用評級指標分析法。企業信用評級，無論是內部評級還是外部評級，都不可能象股票市場價格一樣是動態變化的，而是在相當長的一段時間內保持靜態特徵。這有可能使得該模型的分析結果不能及時反映企業信用狀況的變化。
同時，也正是因為kmv模型所提供的edf指標來自於對股票市場價格實時行情的分析，而股票市場的實時行情不僅反映了該企業歷史的和當前的發展狀況，更重要的是反映了市場中的投資者對於該企業未來發展的綜合預期，所以，該模型被認為是一種向前看（forward-looking）的方法，edf指標中包含了市場投資者對該企業信用狀況未來發展趨勢的判斷。這與creditmetrics模型採用的主要依賴信用狀況變化的歷史數據的向後看（backward-looking）的方法有根本性的差別。kmv的這種向前看的分析方法在一定程度上克服了依賴歷史數據向後看的數理統計模型的“歷來可以在未來複製其自身”的缺陷。
KMV模型所提供的edf指標在本質上是一種對風險的基數衡量法，而creditmetrics所採用的與信用評級分析法則是一種序數衡量法，兩者完全不同。以基數法來衡量風險最大的特點在於不僅可以反映不同企業風險水平的高低順序，而且可以反映風險水平差異的程度，因而更加準確。這也更加有利於對貸款的定價。而序數衡量法只能反映企業間信用風險的高低順序，如bbb級高於bb級，卻不能明確說明高到什麼程度。
creditmetrics採用的是組合投資的分析方法，注重直接分析企業間信用狀況變化的相關關係，因而更加與現代組合投資管理理論相吻合。而kmv則是從單個授信企業在股票市場上的價格變化信息入手，著重分析該企業體現在股價變化信息中的自身信用狀況，對企業信用變化的相關性沒有給予足夠的分析。
