·内部违约经验。银行可使用内部违约经验估计违约概率，前提是证明估计的违约概率反映了授信标准以及生成数据的评级体系和当前评级体系的差异。在数据有限或授信标准、评级体系发生变化的情况下，银行应留出保守的、较大的调整余地。如果采用多家银行汇集的数据，需证明风险暴露池中其他银行的内部评级体系和标准能够与本行比较。
·映射外部数据。银行可将内部评级映射到外部信用评级机构或类似机构的评级，将外部评级的违约概率作为内部评级的违约概率。评级映射应建立在内部评级标准与外部机构评级标准可比，并且对同样的债务人内部评级和外部评级可相互比较的基础上。银行应避免映射方法或基础数据存在偏差和不一致的情况，所使用的外部评级量化风险数据应针对债务人的违约风险，而不反映债项的特征。
·统计违约模型。对任一级别的债务人，银行可以使用违约概率预测模型得到的每个债务人违约概率的简单平均值作为该级别的违约概率。
违约概率和违约频率的区别：事前和事后的区别。
假设商业银行当年将100个客户的信用等级评为BB级，该评级对应的平均违约概率为1%;第二年观察这组客户，发现有2个客户违约，则2∕100×100%=2%就是违约频率。可见，违约频率是事后检查的结果，而违约概率是分析模型作出的事前预测，二者存在本质的区别。违约频率可用于对信用风险计量模型的事后检验，但不能作为内部评级的直接依据。违约概率和违约频率通常情况下是不相等的，两者之间的对比分析是事后检验的一项重要内容。
2.客户信用评级的发展
从国际银行业的发展历程来看，商业银行客户信用评级大致经历了专家判断法、信用评分法、违约概率模型分析三个主要发展阶段。
(1)专家判断法：是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。专家系统是依赖高级信贷人员和信贷专家自身的专业知识、技能和丰富经验，运用各种专业性分析工具，在分析评价各种关键要素基础上依据主观判断来综合评定信用风险的分析系统。一般而言，专家系统在分析信用风险时主要考虑两方面因素：与借款人有关的因素、与市场有关的因素。
①与借款人有关的因素：
声誉：借款人的声誉是在其与商业银行的历史借贷关系中反映出来的，如果该借款人过去总能及时、全额地偿还本金与利息，那么他就具有良好的声誉，也就能较容易或以较低的价格从商业银行获得贷款。
杠杆：借款人的杠杆或资本结构，即资产负债比率对借款人违约概率影响较大。杠杆比率较高的借款人相比杠杆比率较低的借款人，其未来面临还本付息的压力要大得多，其违约概率也就会高很多。如果贷款给杠杆比率较高的借款人.商业银行就会相应提高风险溢价。
收益波动性：如果未来面临同样的本息还款要求,在期望收益相等的条件下，收益波动性高的企业更容易违约，信用风险较大。因此，对于处于成长期的企业或高科技企业而言，由于其收益波动性较大，商业银行贷款往往非常谨慎，即使贷款，其利率也会较高。
②与市场有关的因素：
经济周期：经济周期对于评价借款人的违约风险有着重要的意义。
宏观经济政策：对行业信用风险分析具有重要作用。
利率水平：高利率水平表示中央银行正在实施紧缩的货币政策。
常用的专家系统：
5Cs：品德、资本、还款能力、抵押、经营环境。
5Ps：个人因素、资金用途因素、还款来源因素、保障因素、企业前景因素。
(2)信用评分法
信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值(得分)来代表债务人的信用风险.并将借款人归类于不同的风险等级。对个人客户而言，可观察到的特征变量主要包括收入、资产年龄、职业以及居住地等;对法人客户而言，包括现金流量、财务比率等。(定量与定性因素，定量主要是财务数据，定性如对行业的判断、客户在行业中的定位、企业经营管理层)
金融因素 非金融因素
□流动性 □管理
·流动比率 ·名声
·速动比率 ·和银行关系的历史
□利益率 ·和银行关系的历史
·资产回报率 ·偿还的意愿
·股东权益回报率 □环境
·销售回报率 □行业
□杠杆 □或有费用
·长期债务/股权 ·合法
·资产/股权 ·其它
·股权/总负债 □股东
·短期负债/资本
□偿付
·息税盈余(EBIT)/总利
·息
·现金流/总债务
□资产周转率
·营业收入/总资产
·营业收入/固定资产
·应收账款周转率
·存货周转率
信用评分模型的关键在于特征变量的选择和各自权重的确定。目前，应用最广泛的信用评分模型有：线性概率模型、Logit 模型、Probit模型和线性辨别模型。
信用评分模型的局限性：
信用评分模型是建立在对历史数据(而非当前市场数据)模拟的基础，因此是一种向后看的模型。
