信用平穩下商業銀行信用風險測度模型及應用

收稿日期： 2014-01-12

基金項目： 國家社會科學基金（13BGL041）

作者簡介： 顧海峰（1972—），男，江蘇蘇州人，金融學博士后，東華大學旭日工商管理學院金融系研究員、博士生導師（副），研究方向：金融理論、金融工程與金融風險管理。

摘 要：科學高效的商業銀行信用風險測度模型，是實現商業銀行信用風險監測目標的重要保障。商業銀行信用風險主要來源于貸款企業層面，貸款企業信用質量狀況將對應著商業銀行信用風險水平。對此，從貸款企業的財務與非財務兩個層面設計信用風險的測度指標體系，運用模糊綜合評判法構建信用平穩下商業銀行信用風險測度模型，并給出信用風險測度模型的應用實例。研究發現，在信用平穩下，依賴于專家評判及打分方式，使得模糊綜合評判法對于解決商業銀行信用風險測度問題具有很好的操作便利性；也可為我國商業銀行體系構建科學高效的信用風險監測機制提供重要的理論指導與決策參考。

關鍵詞： 信用平穩；商業銀行；信用風險；測度模型；模糊綜合評判法

中圖分類號：F830.9 文獻標識碼： A 文章編號：1003-7217（2014）05-0008-05

一、問題提出及研究述評

2008年全球金融危機的爆發及其演變，已充分暴露出全球商業銀行體系，尤其是中小商業銀行在信用風險管理方面存在著較大缺陷，這種缺陷不僅體現在信用風險管理的環節方面，還體現在信用風險管理的效能方面。由于金融市場中信息不對稱的客觀存在，容易引發逆向選擇與道德風險問題，從而商業銀行可能面臨一定程度的貸款損失。因此，商業銀行還應當注重信用風險監測環節，即揭示信用風險傳導機理，測度信用風險水平。信用風險監測環節主要針對貸款之前的風險審核管理，通過測度貸款企業的信用質量，來準確反映商業銀行面臨來自于貸款企業的信用風險水平。若測度結果不符合商業銀行放貸標準，則商業銀行拒絕放貸，從而將劣質企業群體排斥在貸款之外，有效降低商業銀行面臨來自于貸款企業的信用風險。可見，信用風險監測是商業銀行信用風險管理的重要環節。此外，運用模糊綜合評判法來構建信用平穩下的商業銀行信用風險測度模型，有助于提升信用風險管理效能。從信用風險管理的環節與效能分析中可以發現，信用風險測度模型是商業銀行信用風險監測機制的重要內容，構建科學高效的商業銀行信用風險測度模型，是實現商業銀行信用風險監測目標的重要保障。

國內外對于商業銀行信用風險測度研究在方法方面居多。其中，Jorion（1996）運用VAR方法構建了基于VAR方法的信用風險測度模型[1]；Saunders（1999）對VAR方法進行了修正及拓展，使得測度結果更為精確[2]；Jeffrey（2000）提出了期望違約概率模型[3]；Jose和Marc（2000）對Credit Metrics模型進行了分析與拓展，提出了兩階段風險測度方法[4]；Gordy（2000）將Credit Metrics模型與風險附加法模型（CreditRisk+）進行了實證比較[5]；Albanese等（2003）考察了流動性障礙下的信用風險測度問題，提出了基于流動性障礙的風險測度模型[6]；Steven等（2004）將政策周期與政治民主引入發展中國家主權信用風險的評價問題，建立了發展中國家主權信用風險測度模型[7]；Wand等（2008）將小數據集合運用于貝葉斯神經網絡模型，探討金融機構操作中的信用風險測度方法[8]。國內方面，郭英見等（2009）提出了基于信息融合的商業銀行信用風險測度模型[9]；吳沖等（2009）采用模糊積分支持向量機集成技術，構建了商業銀行信用風險評估模型[10]；白保中等（2009）運用Copula函數法對銀行資產組合信用風險進行了測度[11]；李江等（2008）通過壓力測試方法來評估銀行信用風險[12]。

綜合國內外文獻發現，現有文獻較多涉及方法論層面探討信用風險測度問題，尚未涉及對信用環境進行分類，并考察不同信用環境下的信用風險測度問題，對此，本文將運用模糊綜合評判法，探討信用平穩環境下的信用風險測度問題。

二、信用平穩下商業銀行信用風險測度指標體系設計

考慮到商業銀行信用風險主要來源于貸款企業層面，貸款企業的信用質量狀況對應著商業銀行的信用風險水平，且兩者之間存在著負相關關系①。對此，商業銀行可以通過對貸款企業信用質量進行測度，來準確反映商業銀行自身面臨來自于貸款企業的信用風險水平。商業銀行信用風險的測度過程，就是貸款企業信用質量的測度過程。此外，為準確反映商業銀行面臨來自于貸款企業的信用風險，我們分別從貸款企業的財務與非財務層面遴選出信用風險測度指標體系。具體設計過程如下：

（一）信用風險的財務性測度指標體系②

商業銀行面臨來自于貸款企業的信用風險程度主要通過貸款企業的經營水平、盈利水平、償債水平等中間變量來綜合反映。考慮到貸款企業的這些中間變量，可以通過貸款企業的相關財務性指標來直接反映，將它們稱為“財務性變量”。

（1）經營水平變量。主要反映貸款企業的資金運作與資產盤活效率，由資產周轉率、庫存周轉率、應付款周轉率、應收款周轉率等指標來綜合決定。

（2）盈利水平變量。主要反映貸款企業的利率獲取效率，由銷售利潤率、營業利潤率、資產報酬率等指標來綜合決定。

（3）償債水平變量。主要反映貸款企業的債務償還效率，由資產負債率、流動比率、速動比率、凈資產收益率等指標來綜合決定。

（二）信用風險的非財務性測度指標體系③

商業銀行面臨來自于貸款企業的信用風險程度，除了依賴于貸款企業的財務性變量之外，還依賴于履約狀況水平、管理水平、生態環境、領導水平、創新水平、發展潛力等中間變量。考慮到這些中間變量是通過財務數據之外的相關經驗統計而得到的，將它們稱為“非財務性變量”。

（1）履約水平變量。主要反映貸款企業的歷史履約效率，由貸款履約率、合同履約率等指標來綜合決定。

（2）管理水平變量。主要反映貸款企業的經營管理效率，由銷售管理、資金管理、質量管理、技術管理等指標來綜合決定。

（3）生態環境變量。主要反映貸款企業的行業經營環境，由行業景氣度、行業競爭性、行業政策性等指標來綜合決定。

（4）領導水平變量。主要反映貸款企業的高管領導效率，由領導層的個人信用、學歷水平、經營理念、經營業績等指標來綜合決定。

（5）創新水平變量。主要反映貸款企業的技術創新效率，由創新人力、創新物力、創新財力、創新效益方面的投入等指標來綜合決定。

（6）發展潛力變量。主要反映貸款企業的發展潛力程度，由行業政策、市場份額、潛在效益等指標來綜合決定。

（三）信用風險測度指標體系的基本架構

依據上述分析，給出商業銀行信用風險測度指標體系的基本架構，即：信用風險測度指標體系主要由財務性測度指標體系與非財務性測度指標體系兩大部分構成。具體指標體系及符號分別見表1、表2所示。

三、信用平穩下商業銀行信用風險測度模型構建

在信用平穩環境下，運用模糊綜合評判法中的專家評判及打分方式來設定各個測度指標的相應權重，盡管存在一定的主觀性，但是對測度結果影響較小，且操作便利。具體建模過程與方法如下：

1.測度指標的權重設定及反向標準化處理。為設定信用風險測度指標權重，模糊綜合評判法中通常采用專家評判及打分方式來實現，專家依據歷史經驗對反映各個變量的相關測度指標權重進行評判及打分，從而確定各個測度指標對關聯變量的權重系數。以mijk表示測度指標Xijk對變量Xij的權重，則反映變量Xij的權重向量為Mij=（mij1，mij2，…，mijl）。

通過專家打分方式還可以獲得各個測度指標的實際取值。考慮到財務性測度指標均屬于無量綱的比例，取值范圍自然位于[0，1]區間內；對于非財務性測度指標，例如測度指標Xijk，專家依據經驗數據給出測度指標Xijk的上、下限閥值max Xijk與min Xijk，再通過反向標準化運算ijk=max Xijk-Xijkmax Xijk-min Xijk，使得指標數值ijk必然分布于[0，1]內。此外，通過上述反向標準化處理，使得商業銀行信用風險水平與來自貸款企業的測度指標取值之間由原來的負相關性轉換為正相關性。

2.建立信用風險測度等級集及分布區間集。

根據中國銀行業按照五大級別對貸款風險進行分類管理的原則，將商業銀行信用風險測度等級也劃分為五個等級，分別為正常（A級）、輕度（B級）、中輕（C級）、中度（D級）、重度（E級）。考慮到測度指標已進行了反向標準化處理，且各個測度指標取值與信用風險水平之間呈現正相關性，即：反向標準化處理后的測度指標數值越大，則對應的信用風險水平就越大。此外，對經過標準化處理后的各個測度指標取值進行加權平均運算，得到各個變量值的范圍也必然在[0，1]區間內。然后，再次對各個變量進行加權平均運算，最后得到的信用風險測度結果也必然分布于[0，1]區間內。對此，將[0，1]區間劃分為五個子區間，每個子區間分別對應著某個風險測度等級，為便于操作，對[0，1]區間進行均勻分割，即：將[0，0.2）對應的風險等級設定為正常（A級）；將[0.2，0.4）對應的風險等級設定為輕度（B級）；將[0.4，0.6）對應的風險等級設定為中輕（C級）；將[0.6，0.8）對應的風險等級設定為中度（D級）；將[0.8，1]對應的風險等級設定為重度（E級）。

3.給出測度指標隸屬向量及評判隸屬矩陣。

假設參與風險評價的專家人數為P，專家對任意測度指標Xijk按照A、B、C、D、E等級進行打分評價，則指標Xijk對應于A級的隸屬度為wijk1=PAP，其中PA表示認定該指標值為A級的專家人數，將對應于每個等級的隸屬度以橫向量形式表示，即可得到變量Xij的隸屬向量Wijk=（wijk1，wijk2，wijk3，wijk4，wijk5）。考慮到任意變量Xij可由若干個測度指標Xijk（1≤k≤l）來綜合反映，于是得到變量Xij的評判隸屬矩陣為：

Wij=Wij1

Wij2

Wijl=

wij11wij12wij13wij14wij15

wij21wij22wij23wij24wij25

wijl1wijl2wijl3wijl4wijl5

4.計算風險測度結果及評判信用風險等級

下面，將變量Xij的評判隸屬矩陣進行加權平均運算，得到變量Xij的隸屬向量：

Aij=（mij1，mij2，…，mijl）×

wij11wij12wij13wij14wij15

wij21wij22wij23wij24wij25

wijl1wijl2wijl3wijl4wijl5=

（aij1，aij2，…，aij5）

對隸屬向量Aij進行標準化運算ijk=aijk∑5k=1aijk，得到歸一化隸屬向量ij=（ij1，ij2，…，ij5）。

以各個歸一化隸屬向量ij=（ij1，ij2，…，ij5）為橫向量形成矩陣形式，即可得到兩大主變量X1與X2的隸屬矩陣分別為：

W1=111112…115

121122…123

131132…133

W2=211212…215

…………

261262…265

以mij表示變量Xij對主變量Xi的權重，則反映主變量X1與X2的權重向量分別為M1=（m11，m12，m13），M2=（m21，m22，…，m26），對主變量Xi的隸屬矩陣進行加權平均運算，得到主變量Xi的隸屬向量為Ai=Mi·Wi=（ai1，ai2，…，ai5），i=1，2。再對Ai進行標準化運算ij=aij∑5j=1aij，得到歸一化隸屬向量i=（i1，i2，…，i5），還可得到信用風險的隸屬矩陣為W=1112…15

2122…25。最后，結合主變量對信用風險的權重向量M=（m1，m2），即可得到信用風險的隸屬向量為A=M·W=（a1，a2，…，a5），通過標準化運算i=ai∑5i=1ai，得到信用風險的歸一化隸屬向量=（1，2，…，5）。此外，取五大等級區間的中間值建立權重向量S=（0.1，0.3，0.5，0.7，0.9），則信用風險測度結果為f=·ST。考慮到0≤f≤1，則f必然落在某個等級區間內，即可認定測度結果對應的風險等級。

四、商業銀行信用風險測度模型應用：實例分析

（一）設定測度指標隸屬向量數據及相關權重

假設某商業銀行邀請10位專家組成員對某貸款企業進行評判及打分，專家組依據貸款企業的財務及非財務數據，對各個測度指標對應的相關數據進行了反向標準化運算處理，并按照A、B、C、D、E順序對各個測度指標進行了評判及打分，并對相關測度指標及變量的權重系數進行了設定，具體結果分別由表3、表4給出。

表3 財務性測度指標對應的隸屬向量及權重數據

（二）依據評判隸屬矩陣計算歸一化隸屬矩陣

依據上述隸屬向量數據及相應權重，可得到各個變量的評判隸屬矩陣；對評判隸屬矩陣及對應權重向量進行加權平均運算，可得到各個變量Xij的隸屬向量Aij；再對各個隸屬向量Aij進行標準化運算，可得到兩大主變量X1與X2的隸屬矩陣：

W1=0.50.350.1500

0.460.30.2400

0.380.30.240.080

W2=0.370.230.220.180

0.390.270.270.070

0.50.30.200

0.440.280.2800

0.370.380.2500

0.360.320.3200

再結合權重向量M1=（0.3，0.4，0.3），M2=（0.2，0.2，0.2，0.2，0.1，0.1），即可得到兩大主變量Xi（i=1，2）的隸屬向量分別為A1=（0.448，0.315，0.213，0.024，0），以及A2=（0.323，0.292，0.215，0.05，0），再進行標準化運算，即可得到信用風險的隸屬矩陣為：

W=0.4480.3150.2130.0240

0.3670.3320.2440.0570

最后，依據主變量對信用風險的權重向量M=（0.5，0.5），得到信用風險的隸屬向量A，再對A進行標準化運算，得到信用風險的歸一化隸屬向量=（0.4075，0.3235，0.2285，0.0405，0）。

（三）計算風險測度結果及評判信用風險等級

選取五大等級區間的中間值建立權重向量S=（0.1，0.3，0.5，0.7，0.9），依據信用風險測度公式f=·ST，即可計算出信用風險值為f=0.2904。顯然，商業銀行來自于樣本貸款企業的信用風險測度結果分布于[0.2，0.4）區間內，該區間所對應的風險等級為輕度（B級）。進一步分析還可以發現，信用風險值f=0.2904，逼近輕度（B級）對應區間的中心位置，對此，將信用風險等級認定為輕度（B級）的可靠性程度較高。此外，一般模糊分析法通常依據歸一化隸屬向量的最大隸屬度來作出判斷，若將上述實例運用一般模糊分析法思路，得到的結論是：信用風險等級屬于正常（A級），因為歸一化隸屬向量的最大隸屬度為0.4075，恰好對應于正常（A級）位置。考慮到對應于B級與C級的隸屬度之和遠大于A級對應的最大隸屬度，說明被認定為B級或C級的可能性也較大。顯然，一般模糊分析法的測度結論相對比較粗糙。通過對上述結論的比較分析發現，運用模糊綜合評判法所得到的測度結果相對可靠，尤其是對于解決信用平穩環境下的信用風險測度問題，具有明顯的優越性。

五、結論與展望

以上探討了信用平穩下商業銀行信用風險測度問題。一方面，從貸款企業的財務與非財務兩個層面入手，設計了信用風險測度指標體系，在此基礎上，運用模糊綜合評判法，構建了信用平穩下商業銀行信用風險測度模型，并給出了信用風險測度模型的應用實例。通過實例分析發現，與一般模糊分析法相比較，模糊綜合評判法對于解決信用平穩環境下的信用風險測度問題具有較高的可靠性與優越性。但是，在信用突變環境下，模糊綜合評判法則具有較大的局限性，因為一旦測度指標發生突變，依賴于專家評判及打分方式得到的測度結果容易發生等級的“過度跳躍”，導致風險測度結果的不穩定性，從而缺乏一定的說服力。

商業銀行信用風險測度問題是金融學領域的重大問題，尤其是2008年全球金融危機的爆發及其演變，展開這方面研究對于提升我國銀行業風險管理能力具有重要意義。對此，探討不同信用環境下的商業銀行信用風險測度問題，還有待于進一步探討，希望我們的研究能為這方面的后續研究提供重要的基礎性鋪墊。

注釋：

①

貸款企業信用質量越高，說明貸款企業貸款償還能力越大，則商業銀行面臨來自于貸款企業層面的信用風險水平越低；貸款企業信用質量越低，說明貸款企業貸款償還能力越小，則商業銀行面臨來自于貸款企業層面的信用風險水平越高。因此，兩者之間存在負相關性。

②所謂信用風險的財務性測度指標體系，就是通過貸款企業財務報告數據能夠直接反映信用風險水平的相關因子集合。

③所謂信用風險的非財務性測度指標體系，就是通過財務數據之外的相關經驗統計能夠間接反映信用風險水平的相關因子集合。

參考文獻：

[1]Jorion P.Risk： measuring the risk in value at risk[J]. Financial Analysts Journal， 1996，（11）：198-221.

[2]Saunders A.Credit risk measurement： new approaches to value at risk and other paradigms[M]. John Wiley and Sons， Inc，1999：368-392.

[3]Jeffrey， R. B.a survey of contingent claims approaches to risky debt valuation[J].Journal of Risk Finance，2000，（3）：53-70.

[4]Jose A. Lopez， Marc R. Saidenberg，evaluating credit risk models[J]. Journal of Banking and Finance，2000，（24）：151-165.

[5]Gordy， M. B.A comparative anatomy of credit risk models[J]. Journal of Banking and Finance，2000，（24）：119-149.

[6]Albanese C， Campolieti J.，Chen O. and zavidonov a. Credit Barrier Models[J]. Risk Magazine，2003，（16）：357-388.

[7]Steven A. Block and Paul M. Vaaler.The price of democracy：sovereign risk rationing，bond spreads and political business cycles in developing countries[J].Journal of International Money and Finance，2004，（23）：917-946.

[8]Wand S C， Liu X H and Zhang P Q.Learning bayesian networks structure from small data set in operation risk analysis[J]. Journal of System & Management，2008，（4）：448-454.

[9]郭英見，吳沖. 基于信息融合的商業銀行信用風險評估模型研究[J].金融研究，2009，（1）：95-106.

[10]吳沖，郭英見，夏晗. 基于模糊積分支持向量機集成的商業銀行信用風險評估模型研究[J].運籌與管理，2009，（2）：115-119.

[11]白保中，宋逢明，朱世武. Copula函數度量我國商業銀行資產組合信用風險的實證研究[J].金融研究，2009，（4）：129-142.

[12]李江，劉麗平. 中國商業銀行體系信用風險評估——基于宏觀壓力測試的研究[J].當代經濟科學，2008，（6）：66-73.

（責任編輯：寧曉青）

Study on Application and Commercial Bank Credit Risk

Measurement Model

under Credit Stability Based on

Fuzzy Comprehensive Evaluation Method

GU Hai feng

（Glorious Sun School of Business and Management of Donghua University， Shanghai 200051， China）

Abstract：A scientific credit risk measurement is an important safeguard for commercial banks to fulfill the credit risk monitoring goal. The credit risk mainly comes from loaned enterprises， and the credit quality of loaned enterprises corresponds to banks' credit risk level. This paper formulates a credit risk measurement index from financial and nonfinancial two levels of loaned erterprises， applying fuzzy comprehensive evaluation method， constructing commercial bank credit risk measurement model under credit stability， and giving a practical example of model application. It shows that under credit stability， weight assignment relying on expert evaluation style offers fuzzy comprehensive evaluation method good operation convenience to solve the problem of commercial bank credit risk measurement. The research result will provide important theoretical guidance and decision making reference for China commercial bank system to construct the scientific and efficient credit risk monitoring mechanism.

Key words：Credit stability； Commercial bank； Credit risk； Measurement model； Fuzzy comprehensive evaluation method

[2]Saunders A.Credit risk measurement： new approaches to value at risk and other paradigms[M]. John Wiley and Sons， Inc，1999：368-392.

[3]Jeffrey， R. B.a survey of contingent claims approaches to risky debt valuation[J].Journal of Risk Finance，2000，（3）：53-70.

[4]Jose A. Lopez， Marc R. Saidenberg，evaluating credit risk models[J]. Journal of Banking and Finance，2000，（24）：151-165.

[5]Gordy， M. B.A comparative anatomy of credit risk models[J]. Journal of Banking and Finance，2000，（24）：119-149.

[6]Albanese C， Campolieti J.，Chen O. and zavidonov a. Credit Barrier Models[J]. Risk Magazine，2003，（16）：357-388.

[7]Steven A. Block and Paul M. Vaaler.The price of democracy：sovereign risk rationing，bond spreads and political business cycles in developing countries[J].Journal of International Money and Finance，2004，（23）：917-946.

[8]Wand S C， Liu X H and Zhang P Q.Learning bayesian networks structure from small data set in operation risk analysis[J]. Journal of System & Management，2008，（4）：448-454.

[9]郭英見，吳沖. 基于信息融合的商業銀行信用風險評估模型研究[J].金融研究，2009，（1）：95-106.

[10]吳沖，郭英見，夏晗. 基于模糊積分支持向量機集成的商業銀行信用風險評估模型研究[J].運籌與管理，2009，（2）：115-119.

[11]白保中，宋逢明，朱世武. Copula函數度量我國商業銀行資產組合信用風險的實證研究[J].金融研究，2009，（4）：129-142.

[12]李江，劉麗平. 中國商業銀行體系信用風險評估——基于宏觀壓力測試的研究[J].當代經濟科學，2008，（6）：66-73.

（責任編輯：寧曉青）

Study on Application and Commercial Bank Credit Risk

Measurement Model

under Credit Stability Based on

Fuzzy Comprehensive Evaluation Method

GU Hai feng

（Glorious Sun School of Business and Management of Donghua University， Shanghai 200051， China）

Abstract：A scientific credit risk measurement is an important safeguard for commercial banks to fulfill the credit risk monitoring goal. The credit risk mainly comes from loaned enterprises， and the credit quality of loaned enterprises corresponds to banks' credit risk level. This paper formulates a credit risk measurement index from financial and nonfinancial two levels of loaned erterprises， applying fuzzy comprehensive evaluation method， constructing commercial bank credit risk measurement model under credit stability， and giving a practical example of model application. It shows that under credit stability， weight assignment relying on expert evaluation style offers fuzzy comprehensive evaluation method good operation convenience to solve the problem of commercial bank credit risk measurement. The research result will provide important theoretical guidance and decision making reference for China commercial bank system to construct the scientific and efficient credit risk monitoring mechanism.

Key words：Credit stability； Commercial bank； Credit risk； Measurement model； Fuzzy comprehensive evaluation method

[2]Saunders A.Credit risk measurement： new approaches to value at risk and other paradigms[M]. John Wiley and Sons， Inc，1999：368-392.

[3]Jeffrey， R. B.a survey of contingent claims approaches to risky debt valuation[J].Journal of Risk Finance，2000，（3）：53-70.

[4]Jose A. Lopez， Marc R. Saidenberg，evaluating credit risk models[J]. Journal of Banking and Finance，2000，（24）：151-165.

[5]Gordy， M. B.A comparative anatomy of credit risk models[J]. Journal of Banking and Finance，2000，（24）：119-149.

[6]Albanese C， Campolieti J.，Chen O. and zavidonov a. Credit Barrier Models[J]. Risk Magazine，2003，（16）：357-388.

[7]Steven A. Block and Paul M. Vaaler.The price of democracy：sovereign risk rationing，bond spreads and political business cycles in developing countries[J].Journal of International Money and Finance，2004，（23）：917-946.

[8]Wand S C， Liu X H and Zhang P Q.Learning bayesian networks structure from small data set in operation risk analysis[J]. Journal of System & Management，2008，（4）：448-454.

[9]郭英見，吳沖. 基于信息融合的商業銀行信用風險評估模型研究[J].金融研究，2009，（1）：95-106.

[10]吳沖，郭英見，夏晗. 基于模糊積分支持向量機集成的商業銀行信用風險評估模型研究[J].運籌與管理，2009，（2）：115-119.

[11]白保中，宋逢明，朱世武. Copula函數度量我國商業銀行資產組合信用風險的實證研究[J].金融研究，2009，（4）：129-142.

[12]李江，劉麗平. 中國商業銀行體系信用風險評估——基于宏觀壓力測試的研究[J].當代經濟科學，2008，（6）：66-73.

（責任編輯：寧曉青）

Study on Application and Commercial Bank Credit Risk

Measurement Model

under Credit Stability Based on

Fuzzy Comprehensive Evaluation Method

GU Hai feng

（Glorious Sun School of Business and Management of Donghua University， Shanghai 200051， China）

Abstract：A scientific credit risk measurement is an important safeguard for commercial banks to fulfill the credit risk monitoring goal. The credit risk mainly comes from loaned enterprises， and the credit quality of loaned enterprises corresponds to banks' credit risk level. This paper formulates a credit risk measurement index from financial and nonfinancial two levels of loaned erterprises， applying fuzzy comprehensive evaluation method， constructing commercial bank credit risk measurement model under credit stability， and giving a practical example of model application. It shows that under credit stability， weight assignment relying on expert evaluation style offers fuzzy comprehensive evaluation method good operation convenience to solve the problem of commercial bank credit risk measurement. The research result will provide important theoretical guidance and decision making reference for China commercial bank system to construct the scientific and efficient credit risk monitoring mechanism.

Key words：Credit stability； Commercial bank； Credit risk； Measurement model； Fuzzy comprehensive evaluation method