针对信用风险评估的现代信用风险度量模型中，信用风险测度模型较为经典的量化度量模型有Creditmetrics模型、Creditportfolio View模型、KMV模型和Creditrisk+模型等。

Creditmetrics模型是1997年JP摩根银行邀请美洲银行、德意志摩根建富、瑞士银行以及穆迪KMV公司共同研发的信用风险度量方法。信用风险测度模型该模型的违约率度量通过迁移矩阵来实现。迁移矩阵是一个评级体系中横跨所有行业的公司信用等级逐年变化的历史数据，信用风险测度模型由不同性质的公司在不同商业周期组成的样本统计出的一定信用期限内各个信用等级的债务人，从一个等级迁移到另一个等级（包括违约）的概率矩阵表。同时该模型还计算了各个信用等级在n（n>2）年内平均的累积违约率，即将1年期的迁移矩阵自乘n次，从信用风险测度模型而得到n年的累计违约率。

Creditmetrics模型对违约率的测度体现了《巴塞尔新资本协议》对违约率的要求，主要优点是，其估计的违约率是以每年的评级历史数据进行平均统计，信用风险测度模型方法比较简单，只要有若干年份评级结果的历史资料就可以计算出各个信用等级的迁移概率与违约率。但此方法的主要缺陷是信用等级迁移概率矩阵的许多前提假设与现实不符。如：（1）信用等级迁移概率矩阵的稳定性假设与现实不相符。Nickell、Perraudin和Varotto（1998）的研究发现，行业因素、国家因素以及商业周期因素均会对信用等级迁移概率产生影响。（2）信用等级迁移概率遵循一个稳定的马尔可夫过程与现实不符，Nickell、Perraudin和Varotto（1998）的研究发现，信用等级迁移概率与过去曾经出现的结果有很高的相关性。（3）在信用风险测度模型生成债券信用等级迁移概率矩阵时所使用的债券组合也会对矩阵的准确性产生影响。