信用风险模型是用模型的方式来衡量和预测一个信贷组合的风险架构，是通过模型所计算出的信用损失的概率密度函数(probabilitydensityfunction)来实现这些目标的。这个概率密度函数在风险管理、资本配置、信贷定价、最优组合上都有重要作用，是现代金融数量化、精确化、高效化的具体体现。大银行不惜花费大量人力物力资源来开发利用这个工具。
信用风险模型分由上至下模型(top-down)和由下至上模型(bottom-up)两大类。前者主要用于消费者信贷，诸如信用卡贷款、房地产贷款、车辆贷款、学生贷款。这些信贷因为比较单一类似，且贷款数额小，单笔损失量不大，建立模型的时候就把同类贷款汇总起来，用大数定律和历史数据对它将来的损失可能性作模拟推断。这种模型一般都比较简单易行，广为接受，与实际情况拟合很好，所以，一般都不在巴塞尔协议重点讨论范围之内。
由下至上模型是用来模拟大、中型商业信贷，贷款额度高，潜在损失大，需要一个个单独观察评估，然后再汇合加总，最后达到整个资产组合的总体风险水平。
信用风险模型的参数一般量化为以下几个主要变量。
1.风险敞口(exposure)——如果是传统的定期贷款的话，那么，贷款额便是风险敞口变量。但事情并非都如此简单，有些贷款含有期权，比如周转信贷(revolvingcredit)，银行提供的信用额度，企业不一定要去用，或用完。但如果企业发生资金周转危机了，这笔信用额度就要被启动，而且可能都用完。如何模拟这类贷款的不确定风险敞口，便众口不一。
2.信用评级(creditrating)——这是针对具体企业的评级，同评级相对应的是企业降级倒闭的风险概率。比如，根据标普(S&P)评级公司的统计数据，一企业的信用评级若今年为A，则明年降为B的可能性是％，一年内破产的可能性为％。五年、十年的评级变化，都有数据。
3.违约损失率(lossgivendefault)——这是估计万一借款企业违约或倒闭了，银行能收回多少资金，损失多少贷款。这个指标是针对具体贷款而言(facility)，而非针对具体企业或债务人(companyorobligor)。若一贷款有抵押品作担保，则其损失的比率要比没有抵押品的低。
4.相关系数(correlation)——这是指一笔贷款与其他贷款的互动性，用来衡量整个资产组合的信用风险。若资产之间的相关系数高，互动性强，则共同损失的可能性大，整个资产组合的总风险就大；反之，若相关程度低，资产之间就更有可能独立运行，不会同步下滑，那整个资产组合的总风险就小。
5.违约倒闭模式(default-modeparadigm)或按市定价模式(mark-to-marketparadigm)——一般模型都只计算企业违约所带来的风险和损失，只要企业没倒闭，潜在价值就不变。但更精确的市场化的做法是连市场信用风险波动都算在里面。即便企业没有倒闭，但因为它的信誉下跌，信用级别下降，或纯粹市场信用点差(creditspread)指数上升，资产价值也会下降。比如，一笔金额为1亿美元的10年贷款，给信用级别A的企业，如果该企业的信用级别降为B，则该贷款的价值就不值1亿美元，其中的差额就是信用点差损失。这是所谓的按市定价的计算法。
6.解析法(analytical)或模拟法(simulation)——这是如何将上述单变量汇总起来，算出整个资产组合的信用风险，即概率密度函数的方法。解析法简单易行，运算速度快，事先假定风险密度函数的具体方程式，代入各种变量，便信手可得各类风险值。模拟法不需要引入诸如风险密度函数方程式等关键假设，计算机模拟自然给出整个资产组合的风险状况，信息量充分，能进行各类运算，使信用风险模型做到最理想化的运用，缺点是计算时间长，容易受到计算机功能的限制。
所有信用风险模型都仰赖于大量数据，充斥着许多参数和假设。同市场风险模型相比，它有两大弱势。一是数据不够大量、充分、可信。历史上没有频繁发生的信用违约和倒闭事件，致使上述几大量化的数据很难证实其可靠性。而市场风险模型依赖的是每天市场的上下波动，有相当充足的数据库。其二，信用风险模型的损失区间(losshorizon)或持有期通常定为一年，而不同于市场风险模型的1天(或政策规定的10天)。这样的话，市场风险模型一年就有250个样本点，可以用来做回溯检验(backtesting)，以验证模型的可靠有效性。而信用风险模型要做回溯检验，则需要几十年，甚至上百年的数据点，这是不现实、没有意义的任务。不能做回溯检验这点，特别让监管部门忐忑不安，难以给信用风险模型寄予一定信任度。
