随着债券市场中商业银行债和同业存单的规模日益增多，信用评级对于投资者衡量信用风险工具的作用也越显重要，本课题主要来探讨如何设计出更加高质量的商业银行信用评级和信用风险预警模型，包括运用层次分析法、熵值法建立一套科学的评估指标体系等。我们将对一些已有的方法进行认真研究和分析，分析各种方法的优缺点，特别是针对目前信用评级机构在主观上存在为了争夺市场份额主动提高受评商业银行的信用评级使得AAA级商业银行数量过多使得整个信用评级矩阵分布极不合理，个别信用评级机构甚至虚高信用评级，在客观上存在信用评级层级过窄和评级模型受经济波动影响较大，以上原因导致了当前债券市场信用评级的信服力不足，我们将研究如何设计出有效的信用评级模型能够较为准确的反映商业银行信用风险，然后建立具有多个信用层级使得不同商业银行之间可以进行信用风险的横向对比，最后在市场投资中协助投资者发现债券的价值变化。

本项目的第一个对象是建立我国商业银行的信用评级模型。对商业银行这一特殊金融机构而言，信用评级主要集中于其安全性，流动性以及盈利性的相关参数分析上。而信用评级首当其冲的就是不能与现实情况脱离，因此要选取长期运营较稳定的商业银行作为基准，尤其是在AAA级以及BBB级选择较为可靠的参照对象，否则信用评级模型的泛用性会受到较大影响；再者，需要结合各大银行财务报表，运用特征工程以及金融分析双重手段，筛选出对商业银行的安全性，流动性以及盈利性影响最大的特征指标加以运用。在模型建立完成后，还要与权威评级机构(如标普信评)尝试对齐，并在对齐的过程中改进模型。此外，结合我国的国情与可持续性发展理念，可以利用ESG评级标准对模型进行进一步提升，使其评分能力能跟进时代潮流，强调未来可用性。

1 建立有现实指导意义的我国商业银行的信用评级模型

2 在信用风险评级模型中加强ESG评级指标的权重

3 结合多种风控模型的特色，利用数理统计知识构建可观测可量化的信用风险指标体系

4 提出双端互联，即大数据支撑下的业务风险可预见化的框架构想