概率归纳范文10篇

一、概率归纳逻辑的开创

18世纪40年代，休谟指出归纳推理不具有逻辑必然性，认为它只把真前提同可能的结论相联系,是主观的、心理的，不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题,认为概率论只同经验定律的建立有关，而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论，但与穆勒一样，并未想到把概率论应用于归纳。直到1859年，德国化学家本生（R.W.Bunsen）和基尔霍夫（G.R.Kirchoff）用统计方法分析太阳光谱的元素组成等科学活动，进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的，而是或然的，开始尝试把归纳还原为概率论。

最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔（Boole）抓住了它的缺点，即运用贝叶斯推理给科学假说的概率带来更大的任意性，至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前，这方面的工作基本趋于沉寂。耶方斯发展了布尔代数，他一方面有着关于归纳本质的方法论考虑，另一方面，他将数学应用于发展演绎逻辑的同时，也将数学应用于发展归纳逻辑。他在《科学原理》中说明：“如果不把归纳方法建立于概率论，那么，要恰当地阐释它们便是不可能的。”[1]耶方斯认为一切归纳推理都是概率的。

耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。

二、现代概率归纳逻辑

现代概率归纳逻辑始于20世纪20年代，逻辑学家凯恩斯、尼科（Nicod）及卡尔纳普和莱欣巴赫（Reichenbach）等人，采用不同的确定基本概率的原则及对概率的不同解释，形成不同的概率归纳逻辑学派。

概率归纳逻辑旨在以数学的概率论和现代演绎逻辑为工具构造归纳逻辑的形式演绎系统，是现代归纳逻辑的主要发展方向。

一、概率归纳逻辑的开创

18世纪40年代，休谟指出归纳推理不具有逻辑必然性，认为它只把真前提同可能的结论相联系,是主观的、心理的，不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题,认为概率论只同经验定律的建立有关，而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论，但与穆勒一样，并未想到把概率论应用于归纳。直到1859年，德国化学家本生（R.W.Bunsen）和基尔霍夫（G.R.Kirchoff）用统计方法分析太阳光谱的元素组成等科学活动，进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的，而是或然的，开始尝试把归纳还原为概率论。

最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔（Boole）抓住了它的缺点，即运用贝叶斯推理给科学假说的概率带来更大的任意性，至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前，这方面的工作基本趋于沉寂。耶方斯发展了布尔代数，他一方面有着关于归纳本质的方法论考虑，另一方面，他将数学应用于发展演绎逻辑的同时，也将数学应用于发展归纳逻辑。他在《科学原理》中说明：“如果不把归纳方法建立于概率论，那么，要恰当地阐释它们便是不可能的。”[1]耶方斯认为一切归纳推理都是概率的。

耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。

二、现代概率归纳逻辑

摘要:长期以来,概率论一直被认为是从赌博游戏中产生的。论文但事实上,赌博游戏由来已久,而概率论却直到17世纪末才诞生。这说明赌博并不是概率论产生的决定性因素。概率论的形成是多种因素结合的结果。文章的目的即在于对这些产生条件进行分析,从而使人们能够清楚地了解影响概率论产生的各种关键性因素。

关键词:独立随机过程;计数系统;归纳法;保险业

概率论是一门应用非常广泛的学科。在数学史上,它的产生是以帕斯卡和费马在1654年的七封通信为标志的。由于这些信件中所解决的问题多是与赌博有关的点数问题,因此人们总是把概率论的产生归功于赌博这项机遇游戏。但考古学发现告诉我们,赌博游戏早在文明初期就已经存在了,迄今已有几千年的历史,而概率论从诞生至今不过三百余年,这说明赌博并不是概率论产生的决定性条件。在从赌博出现到概率论产生之间的这段“空白”期,必定还有一些十分关键的因素正在孕育之中。那么这些因素是什么?换句话说,需要具备哪些先决条件,概率论才能得以形成?

一独立随机过程的出现

对概率论而言,两个最主要的概念就是独立性和随机性[1]。概率论是从研究古典概型开始的,它所涉及的研究对象是大量的独立随机过程。通过对这些过程中出现的问题的解决,概率理论体系才逐渐地建立起来。因此要考察概率论的产生条件,我们首先应当对独立随机过程的产生有充分的了解。

事实上,这种过程的雏形早在原始社会就已经存在了,那时的占卜师们使用动物的趾骨作为占卜工具,将一个或多个趾骨投掷出去,趾骨落地后的不同形状指示神对人事的不同意见。由于投掷趾骨这个过程所产生的结果具有不可预测性,而每次投掷的结果也互不影响,这与我们今天投掷骰子的基本原理相当,因此趾骨可以被看作是骰子的雏形。但是由于趾骨形状的规则性较差,各种结果出现的机率不完全相同(即不具备等可能性),所以趾骨产生的随机过程还不是我们今天意义上的独立随机过程。加之趾骨作为一种占卜工具,其本身具有神圣的地位,普通人不可能轻易使用,这也在某种程度上阻碍了人们对随机过程的认识。

一、各种概率解释的局限性

概率理论是由帕斯卡开创，并且由科尔莫哥洛夫实现公理化的经典概率演算系统。这种理论主要是作为数学概率论而发展起来的，但人们是在最广泛的意义上使用概率概念的，对概率的解释不同，也就产生了各自有别的测定概率值的方法，由此便导致了不同类型的概率逻辑系统。于是帕斯卡概率便出现了以下几种主要的解释：逻辑解释、主观解释、频率解释、性向解释以及主体交互解释。这些概率解释都具有一定的恰当性和可应用性，但同时它们又不可避免地存在一定的局限性。具体地说：

在逻辑解释中，凯恩斯与卡尔纳普都采用了无差别原则作为逻辑原则。但无差别原则毫无疑问会导致悖论，例如，关于书的悖论、酒—水悖论和几何学概率的悖论。虽然对一些这样的悖论有独特的解决方法，但是没有任何普遍的方法把它们都消除掉。任何使用无差别原则的人从来都不能肯定它是否和什么时候将出现矛盾。因此，唯一安全的策略就是完全地抛弃这个原则，并且这样做意味着放弃逻辑解释——至少放弃它的传统形式。

在信息不充分的情况下，主观解释是比较适用的，因而它极大地拓宽了概率论的应用范围，使得人们的意见、判断、评价、信念等主观的东西都可以通过信念度来测量。例如1999年春夏之际，北约对南联盟进行空中打击，狂轰乱炸，久攻不下。当时人们纷纷猜测北约会不会向南联盟派遣地面部队，这种事情发生的可能性究竟有多大?我们就可以用主观信念度来表示“北约向南联盟派遣地面部队”这一事件的概率。但是，由于主观解释允许具有同样证据的不同主体对同一假说可以合理地赋予不同的概率，从而使得人们在确定初始概率或先验概率上具有相当大的主观任意性。拉姆齐认为，除了满足概率公理之外，没有什么可以唯一地确定先验概率或初始概率。主观标准的随意性遭受到了许多的批评，对于这一困难，德·芬内蒂提出了著名的“意见收敛定理”加以保证。但由于意见收敛定理必须满足的前提即所讨论事件的可换性也遭到了许多批评，这就使得人们用主观概率来表达客观概率的期望成为泡影。因而，主观主义者们绕了一个大弯又回到了起点，即对基本概率的确定是主观任意的，唯一的限制是满足概率公理。

由于频率解释把概率定义为事件在无穷序列中的相对频率的极限，因而这种解释在科学确证的过程中遇到了许多困难。例如，对于单个事件，如何确定它的概率；对于休谟问题，又是如何解决的。而性向解释(主要指长趋势性向解释)在一系列问题上明显优越于频率解释：性向解释是一种关于概念创新的非操作主义理论，这种非操作主义理论在自然科学中解释概念创新比冯·米瑟斯的操作主义更好；性向解释消除了关于无限聚合的所有问题，并且通过为概率陈述引入一种可证伪规则，这个规则对概率与十分适合标准统计实践的频率之间的关系给出了一种解释；性向解释通过把随机和独立归约为独立的排除了冯·米瑟斯对这两个不同概念的介绍；性向解释通过把概率与可重复的条件而不是聚合联结起来容许演算的更广泛应用；性向解释更符合科尔莫哥洛夫公理和对概率使用测度理论的现代数学方法，因为它容许概率作为一种未被定义的概念被引入；等等。就所有这些观点来说，我们认为性向解释已经替代了频率解释并且是当前可利用的有效的客观解释。然而，人们对性向概念的理解远不止这些，并且随着科学的发展而发展，同时又不可避免地存在各种各样的异议和含糊。

主体交互解释把概率看作是关于一个群体的共同信念度。被用来介绍主体交互概率的荷兰赌论证表明，如果这个群体同意一个共同的赌商，那么这个共同的赌商就会保护他们不被狡猾的对手打输。荷兰赌论证向群体的扩展仅仅对具有共同旨趣的群体有意义。这表明了这样的群体应该在其内部建立交流和信息流，使得他们通过讨论能够形成一致意见或主体交互概率。只有通过这种方式整个群体才能保护自己不输给狡猾的对手。但是，主体交互解释也不可避免地存在着一些问题，例如它只适用于具有共同旨趣的社会群体，而对一个缺乏共同旨趣的群体没有有效性，因为每个个体都将不关心这个群体的其他成员发生什么事情，因而每个个体将形成他或她自己的主观概率而不考虑其他人的信念；主体交互概率概念对宗教流派、政治党派等社会群体来说是合适的概念，但他们通常没有达到包含全体人类。

帕斯卡概率逻辑的哲学探讨到目前为止已经取得了不少的进展和突破，尤其是最近几十年来才发展起来的性向(propensity)解释和主体交互(in-tersubjective)解释。不过，尽管帕斯卡概率解释发展到今天已经取得了很大的成就，但这并不表示它们已经发展到了顶点。相反，帕斯卡概率的各种解释还存在着一定的局限性或者遇到了一些困难。于是，出于长足推进我国归纳逻辑发展的需要，总结和反思帕斯卡概率逻辑哲学研究的现状，瞻望归纳逻辑发展的更高形态就是必要的和重要的了。

一、各种概率解释的局限性

概率理论是由帕斯卡开创，并且由科尔莫哥洛夫实现公理化的经典概率演算系统。这种理论主要是作为数学概率论而发展起来的，但人们是在最广泛的意义上使用概率概念的，对概率的解释不同，也就产生了各自有别的测定概率值的方法，由此便导致了不同类型的概率逻辑系统。于是帕斯卡概率便出现了以下几种主要的解释：逻辑解释、主观解释、频率解释、性向解释以及主体交互解释。这些概率解释都具有一定的恰当性和可应用性，但同时它们又不可避免地存在一定的局限性。具体地说：

在逻辑解释中，凯恩斯与卡尔纳普都采用了无差别原则作为逻辑原则。但无差别原则毫无疑问会导致悖论，例如，关于书的悖论、酒—水悖论和几何学概率的悖论。虽然对一些这样的悖论有独特的解决方法，但是没有任何普遍的方法把它们都消除掉。任何使用无差别原则的人从来都不能肯定它是否和什么时候将出现矛盾。因此，唯一安全的策略就是完全地抛弃这个原则，并且这样做意味着放弃逻辑解释——至少放弃它的传统形式。

在信息不充分的情况下，主观解释是比较适用的，因而它极大地拓宽了概率论的应用范围，使得人们的意见、判断、评价、信念等主观的东西都可以通过信念度来测量。例如1999年春夏之际，北约对南联盟进行空中打击，狂轰乱炸，久攻不下。当时人们纷纷猜测北约会不会向南联盟派遣地面部队，这种事情发生的可能性究竟有多大?我们就可以用主观信念度来表示“北约向南联盟派遣地面部队”这一事件的概率。但是，由于主观解释允许具有同样证据的不同主体对同一假说可以合理地赋予不同的概率，从而使得人们在确定初始概率或先验概率上具有相当大的主观任意性。拉姆齐认为，除了满足概率公理之外，没有什么可以唯一地确定先验概率或初始概率。主观标准的随意性遭受到了许多的批评，对于这一困难，德·芬内蒂提出了著名的“意见收敛定理”加以保证。但由于意见收敛定理必须满足的前提即所讨论事件的可换性也遭到了许多批评，这就使得人们用主观概率来表达客观概率的期望成为泡影。因而，主观主义者们绕了一个大弯又回到了起点，即对基本概率的确定是主观任意的，唯一的限制是满足概率公理。

由于频率解释把概率定义为事件在无穷序列中的相对频率的极限，因而这种解释在科学确证的过程中遇到了许多困难。例如，对于单个事件，如何确定它的概率；对于休谟问题，又是如何解决的。而性向解释(主要指长趋势性向解释)在一系列问题上明显优越于频率解释：性向解释是一种关于概念创新的非操作主义理论，这种非操作主义理论在自然科学中解释概念创新比冯·米瑟斯的操作主义更好；性向解释消除了关于无限聚合的所有问题，并且通过为概率陈述引入一种可证伪规则，这个规则对概率与十分适合标准统计实践的频率之间的关系给出了一种解释；性向解释通过把随机和独立归约为独立的排除了冯·米瑟斯对这两个不同概念的介绍；性向解释通过把概率与可重复的条件而不是聚合联结起来容许演算的更广泛应用；性向解释更符合科尔莫哥洛夫公理和对概率使用测度理论的现代数学方法，因为它容许概率作为一种未被定义的概念被引入；等等。就所有这些观点来说，我们认为性向解释已经替代了频率解释并且是当前可利用的有效的客观解释。然而，人们对性向概念的理解远不止这些，并且随着科学的发展而发展，同时又不可避免地存在各种各样的异议和含糊。

1知识增长与反归纳主义

>波普尔(K.R.Popper)认为，科学知识即理论内容的增长是科学进步的最为重要的标志。如果接受这个论点，那就必须放弃以理论的高概率或高真实度作为科学进步的标准。他给出两个公式：

>Ct(a)≤Ct(ab)≥Ct(b)

>P(a)≥P(ab)≤P(b)

>前一公式表明，理论a和b之内容的合取大于（或等于）a和b各自的内容；后一公式表明，理论a和b之合取的概率小于（或等于）a和b各自的概率。波普尔由此得出结论：“如果知识增长意味着我们用内容不断增加的理论进行工作，也就一定意味着我们用概率不断减小（就概率演算而言）的理论进行工作。因而如果我们的目标是知识的进步或增长，高概率（就概率演算而言）就不可能也成为我们的目标；这两个目标是不相容的。”[1]

>既然理论的内容丰富程度与概率相反，那么追求理论内容的丰富性就不是追求理论的高概率，而是追求理论的低概率，不是追求理论的可证实性，而追求理论的可证伪性。波普尔说：“高的可证伪度或可反驳度、可检验度也是科学的目标之一——事实上，跟大量信息内容恰恰是同一个目标。”[2]据此，波普尔从追求科学知识增长的动机出发，高举起证伪主义的旗帜，来与当时占主导地位的逻辑实证主义分庭抗礼。

任务驱动教学模式在医药数理统计教学中的应用医药数理统计是根据概率论和数理统计的基本原理和方法，对药学、生物技术等相关领域研究对象的数据资料信息进行收集、整理、统计分析，以揭示与数据相关的总体特征和事务内部统计规律的一门应用学科［1-2］。它是对数据资料分布规律进行描述、探索、归纳总结和并解释的科学和艺术，也是医药研究者根据实际实际需要，通过合理使用统计原理和方法，充分提取信息，深入研究事物客观规律的一种常用手段。无论是疾病预防、药物研发等领域，还是药效分析、试验设计、医药信息挖掘等医药领域的各个方面，都可以看到医药数理统计的身影。探讨高血压等慢性病相关影响因素、提供最佳方案的预防措施、药物等效性判断等等，都需要对资料进行深入地统计分析，因此，想要不断提高医学研究水平，必须能熟练掌握和使用医药数理统计的基本原理和方法。但由于概率论与数理统计属于数学的一个分支，医药数理统计与数学也有密切联系，具有内容概念抽象、公式繁多、逻辑性强等特点。这要求学生具有较高的数学基础，导致了医学生对理解和接受相关抽象概念和逻辑推理存在一定困难。医学生对医药数理统计学习，普遍感受“难”，造成许多学生对医药数理统计怀有畏惧心理，影响他们的学习热情。在对药学等专业的教学中，我们尝试引入任务驱动教学模式，结合医药统计在实际中地运用，对医药数理统计的教学过程进行优化，以激发学生的学习兴趣，提高学生对医药数理统计的理解和掌握程度。

1任务驱动教学模式

任务驱动教学模式是一种基于构建主义学习理论的教学模式［2］，由Numan在1988年提出。任务驱动教学模式要求教师在教学设计中，把教学内容设计成1个或多个具体任务，将教学内容巧妙地隐含在每个任务之中，在教学过程中，通过任务中的相关问题引导学生思考，经过自我思考和教师的适当点拨，使学生自己解决问题从而达到掌握教学内容，进而培养学生分析、解决问题的能力。任务驱动型教学法的目的性和实践性很强,它改变了以传授知识为主的传统教学理念，强调在教学过程中建立通过解决问题、完成任务以掌握教学内容的多维互动式教学。它将教师引导与学生主动学习有机地结合在一起，体现了“教、学一体化”的教学思路。在任务驱动型教学模式中，学生获得的知识将是自己学习构建的而非教师讲授的，而教师在整个教学环节中仅起到引导作用。学生能根据自己对当前任务中相关问题的认识和理解，通过发挥主观能动性解决问题，积极参与到教学中去，这使得学生能更扎实地掌握所学内容。Rotthoff等在医学课程中应用任务驱动教学，发现提高了学生临床思维和实践能力，收到良好的教学效果［3］。

2医药数理统计授课模式改革的必要性

很多医学科学研究都需要进行大量的数据资料收集整理，并运用恰当的统计分析方法得出正确结论。学习和掌握医药数理统计，对于正确有效地利用数据资料进行医药领域的研究和实践具有极为重要的意义。由于医学课程特点，医学生往往适应了死记硬背的模型。然而，有别于其他医学课程，由于医药数理统计以概率论和数理统计为基础，涉及到的原理和方法理论性较强，难免让人认为其枯燥、难懂。这使得运用传统的教学方法讲授该课程，主要存在以下问题：⑴教学目的不明确导致实际问题无法解决。通过课程学习，医学生往往记得住公式、定理，但由于公式较多，他们不知道什么情况改用什么公式，造成学生对该课程没有兴趣。而在解决实际问题时，自然就不会用统计思维方式去思考问题解决问题。⑵过分强调统计公式的推导。对于大量统计学公式，受数学类课程和“要知其然，更要知其所以然”思想影响，公式讲解推导占用较多时间。医学生的数学基础薄弱、抽象思维能力较差，过分强调统计公式的推导和运算使得学生产生畏难情绪，影响进一步学习。⑶教学中重理论轻应用，不注重统计思维引导。医药数理统计的教学目的在于培养学生在处理实际问题时能自觉使用统计思维去推断解决问题，而不在于教会了学生记住多少公式和计算。传统教学对理论进行深入讲解，让学生记住各种统计方法及其统计量，但对于这些方法如何产生缺少了解，不利用统计思维培养。鉴于该学科的重要性以及传统讲授方法的弊端，要想调动学生学习的积极性，掌握医药数理统计学的主要方法及其统计思维，其教学方法和手段的改革迫在眉睫［4］。医药数理统计是一门方法学，它不仅要求学生理解其中的原理，更重要的是让学生在理解的基础上能够运用恰当的统计方法解决医药卫生中遇到的问题，完成相应任务，因此医药数理统计特别适用于任务驱动教学，形成“以任务为中心，教师为主导，学生为主体”的教学模式。

3任务驱动在医药数理统计教学中的应用

1、随着生物科学的发展，只有定性的结论已不能满足实践的需要，实现生物科学结论定量化是人们长期追求探索的目标；生物统计学是生物学科定量化的重要分析理论与方法，生物统计学是生物学科应具备的基本知识和素质，与生命活动有关的各种现象中普遍存在着随机现象，大到森林陆地生态系统，小至分子水平，均受到许多随机因素的影响，表现为各种各样的随机现象，而生物统计学正是从数量方面揭示大量随机现象中存在的必然规律的学科。因此，生物统计学是一门在实践中应用十分广泛的工具学科，它是生命科学各专业的专业基础课，对后续生命科学课程学习和生物科研有重要作用。

同时，生物统计作为数理统计在生物学领域的应用，是教学难度较大的一门课程。因此，在生物统计学精品课程建设过程中，针对各专业培养目标的定位，因材施教，更新教育理念，加强实践训练，在教学方法和教学手段上进行改革和大胆探索。

二、二十一世纪对生物统计学课程的重新定位。

（一）新世纪对生物统计学课程提出的新要求。

二十世纪上半叶农业和遗传统计学首先获得了发展，在其基础上发展起来的生物统计学、统计流行病学、随机化临床试验学已经成为攻克人类疾病的一个里程碑。这在过去的半个世纪里显著提高了人类的期望寿命。

21世纪人类基因组，基因芯片等实验科学产生出的巨量数据，需要新工具来组织和提取重要信息。

摘要：思辨数学的概念是弗赖登塔尔提出的。概率统计课程中思辨数学内容至少包含思辨求解和思辨推断两个模块。关于思辨数学与算法数学的区分，能为概率统计教学提供重心，在教学法上具有重要意义。珍视概率统计课程中思辨数学的教育价值，驱动以概念为本的概率统计课程教学，对训练创新思维素养和培育直觉能力有着独特的作用。

关键词：思辨数学；算法；概率统计；直觉思维

1思辨数学词源诠释

思辨数学一词是荷兰数学家、数学教育家弗赖登塔尔（Freudenthal，1905—1990）首先提出的。他在名著《作为教育任务的数学》中举例诠释了思辨数学与算法数学的区别：设有相同数量的白酒与红酒各一杯，取一匙白酒倒入红酒内，使之混合，再取同量的一匙混合酒倒入白酒内。试问，白酒杯中所含的红酒比红酒杯中所含的白酒多，还是正好相反？答案是：两种含量一样多。然而解题方法有两种，一种是根据其取法操作，列出算式计算...另一种是这样思考的：设想每个杯子中的白酒和红酒是分开的，那么白酒杯中的红酒正是红酒杯中所缺少的部分，而它的空缺现在正好被白酒所填补。前一种解法是算法求解，后一种解法是思辨求解]。

显然，这是两种思维风格迥然不同的解法，解法一是逻辑性的算法求解，属于算法数学；解法二主要是直觉性的思辨求解，属于思辨数学。这里举例仅仅是为了诠释概率论中思辨数学与算法数学的区别。我们认为，思辨数学就是动态地辩证地把握概念和体味推据（这里把思辨推理的理论依据简称推据），凭借对概念的直觉和数学美的启迪（而非逻辑性的推理），产生直观的解题思路方法或做出合情推理决策。换言之，在直觉领引下，围绕推据，换位思考，思维在运动中觅到解题方法的一套数学知识体系。

德国数学家、数学教育家克莱因（KleinF，1849—1925）指出：“数学学科并不是一系列的技巧，这些技巧只不过是它微不足道的方面，它们远不能代表数学，就如同调配颜色远不能当作绘画一样，技巧是将数学的激情、推理、美和深刻的内涵剥落后的产物。”[4]克莱因这一论断，对概率统计教学具有重要的指导意义，把握思辨数学与算法数学的区分，它能为教学提供重心，对于贯彻概率统计思想方法为主线的教学大有裨益。

一、问题的提出

现代商业银行信用风险管理已由传统的信用风险识别和违约评估发展到现代信用风险模型化阶段，由国际活跃的银行和金融机构创建和广泛应用并被巴赛尔银行业监管委员会(下称委员会)建议使用的现代信用风险模型主要有JP.Morgan(1997)的CreditMetrics、KMV(1993)的EDF(creditmoni-tor)、CSFP(1997)的CreditRisk、Mckinsey(1998)的CreditPortfolioView等模型。2004年6月公布的巴塞尔新资本协议(下称新协议)所推出的信用风险内部评级法(IRB)也是基于上述模型的适用性考虑后的折中产物。

国外对现代信用风险模型的有效性验证研究结果显示，上述模型均是有效的信用风险量化技术，并且在对不同的信用资产风险度量中具有自己独特的优势。委员会于2004年6月推出新协议提倡使用IRB管理信用风险，并推荐使用上述模型进行内部评级，可见现代信用风险模型已经在国外得到了广泛的认可和使用。

目前，我国商业银行信用风险管理水平离新协议的要求还有相当大的差距，仍停留在传统的贷款风险度衡量阶段，但银监会表示，我国商业银行应积极过渡到以IRB为代表的现代信用风险模型管理阶段。国内理论界和银行业已对IRB和现代信用风险模型进行了理论研究，并探讨了在我国的适用性和模型选择，但存在的主要缺陷是没能遵循路径依赖的原则，忽视了在我国商业银行现有信用风险管理模型的基础上的改进路径选择，从而提高了改进成本。本文将弥补既有研究的这一缺陷，在细致考察我国商业银行现有的信用风险管理模型的贷款风险度方法存在的不足和缺陷的基础上，将其与现代信用风险管理模型进行比较分析，从而寻找改进和构建我国商业银行信用风险管理模型的路径选择。

二、我国商业银行信用

风险管理模型：贷款风险度方法