从长远角度来看，信用风险模型非常有用、大有潜力，对于更合理、更有效地管理银行，有着重大作用和意义(这里不做具体描述)。随着模型的成熟、信息的推广和数据库的丰富，信用风险模型的广泛运用只是时间问题，而非是否问题。
信用风险模型采样和评估
我和Jennifer开始这个项目的第一步是深入基层，采集样本，弄懂弄通信用风险的变量和模型，回来向Christine及其他政策要员汇报，向他们提供精确反馈。也就是说，我们是他们的视线和触角(eyesandears)，为他们提供第一手原始资料。
我们研究的第一个样本是由摩根银行内部一个小组发展出来的《信贷算法》(CreditMetrics)，是专门销售给外界用的计算机软件(摩根银行本身并不用此软件)。该软件编写小组后来从摩根银行分离出去，自成一公司。《信贷算法》的技术文件(technicaldocument)非常权威，写得清晰流畅，把最复杂的统计知识、理论术语，用最浅显易懂的语言表述出来。《信贷算法》堪称信用风险模型的经典教科书，我本人就是从读这些技术文件开始，弄懂信用风险模型的基本框架，知道它想做什么、派什么用场，有些什么基本要素。这是摩根银行继推出它用于计算市场风险的经典《风险算法》(RiskMetrics)后，对金融界的又一重大贡献。
如果说摩根是风险管理模型的前驱者，一点都不为过。它不仅免费出版这类教育性、权威性的技术文件，还在银行管理中推行风险意识，推动现代化管理。它的总裁当时很前卫，每天早上阅读报表时，尤其关注风险价值(VaR)之类的风险指标，领导银行界新潮流。在摩根的带动下，其他银行也纷纷效仿，一时间，VaR概念深入人心，再伴之以监管部门诸如《市场风险补充案》的新规章新制度，风险管理行业欣欣向荣，造就了一大批新的银行专业人士。
《信贷算法》从理论上讲，是一个非常先进完美、精致漂亮的模型，用的是最前卫的按市定价模式，计算机模拟法也为模型提供很大的灵活性，减少诸多假设的约束。只可惜信贷方面的数据不多也不牢靠，信贷事件也不常见，所以模型再完美，若数据不过关，也只是废物进、废物出(garbagein，garbageout)，最后的结果没人采信。该模型的计算机模拟方法，同时也是它的明显弱点：耗时费力，需要计算机运转一个晚上才能得出结果，而且计算机的顺利运行还难以保证。我们当时的感觉是银行内部采用的信用风险模型，肯定要简单实用得多，会更适合银行本身的经营特色。
当时在纽约联储，摩根银行()和大通曼哈顿银行(ChaseManhattanCorp，简称大通)是辖内两家最大的银行，拥有一流的资产、产品、技术和人才，被经常用来作比较。这两家的文化、理念，及随之而来的产品、业务相当不同。摩根崇尚的是高、精、尖，向来以追求“第一流”(first-class)为己任。它的企业客户大都是美国信用评级高、实力雄厚、财富500榜上有名的公司厂家，它的私人客户也是高收入、高资产(highnet-worth)的富人群，非平民百姓所及。确实，它的产品业务，都向着领导行业新潮流的方向看齐，“不鸣则已，一鸣惊人”，它在银行界有着许多划时代意义的突破和建树。美国名校的毕业生，冲着它显赫的历史、傲人的声望，都争先恐后想去镀层金，为能被冠以“摩根”的招牌而孜孜不倦。摩根也有非常优秀的培训项目，招募了名校毕业生后，集中强化培训，使文化、理念、知识、业务整齐划一，“更上一层楼”。这样，年复一年，周而复始，摩根也为华尔街输送了一批又一批的人才。从摩根跳槽去其他金融机构的，一般都能在职位和薪酬上有一大飞跃。
20世纪90年代初，摩根开始由商业银行向投资银行方向大幅度转型，也得到美联储的特批，经手了几大证券和债券的发行，为打破商业银行和投资银行的壁垒作铺垫。但它毕竟是商业银行出身，做投资银行业务的资源和火候未到，再加上一些丑闻，一直经营不善、问题连连。按华尔街的说法，摩根是桌上的肉(meatonthetable)——有待瓜分吞并。摩根曾有意同SandyWeill领导的旅行者集团合并(第三章“花旗集团的合并评估及20世纪美国银行法的变革”具体描述了旅行者集团同花旗银行1998年合并，组成世界上资产最雄厚的花旗集团的案例)，但谈判到最后阶段破裂了，据称还是摩根的傲气使然。到了2000年，摩根宣布同大通合并，组成与花旗集团不相上下、势均力敌的摩根大通集团。虽然依然沿用摩根的响亮招牌，但事实上，两者的合并，更大程度上，是大通把摩根给吞并了。
