在绝大多数国家的经济中都是以中小企业为主,新兴中小企业是经济主体中富有贡献性的力量,在我国中小企业数量占到企业总数的90%以上,但是中小企业的发展面临着严峻的考验,特别是在信用风险问题方面,中小企业本身进入门槛低,但在发展的中期却会承受严重的资金压力和市场竞争力,从而导致中小企业破产和市场重新洗牌的局面,其问题的根本就在于中小企业信用风险管理的缺失。因此,如何透过有效的信用评估方法,作为财务违约的衡量,以降低中小企业所面临的信用风险,预防违约危机的发生为当前重要的研究课题之一以往分析财务预警模型或者公司信用风险管理模型的文献,大部分都是以财务比率来分析各个产业或行业的财务预测能力,而随着经济的全球化、自由化和多元化的快速发展,现今的信用风险度量模型不仅仅只注意或者考虑到会计财务报表的公开信息,近年来许多研究学者已经逐渐重视即时信息即更多的考虑到资产的市场价格,考虑以市价信息为基础的更加具有时效性的度量方法来分析企业的违约情况。鉴于上述分析,本文研究将利用以现代公司财务理论和选择权评价理论为基础的KMV模型来度量我国A股中小上市公司的信用风险,该模型是利用即时信息的市场价格和公司的资本结构情况来综合评价公司所面临的信用风险。本文的研究目的,主要分为以下三个部分,首先,利用Merton(1974)选择权评价模型为基础,通过对模型的修正以及变量的替代,建立以市场即时资讯分析公司信用风险的KMV模型,并会根据我国上市公司的状况和样本公司自身的特点对原来的KMV模型进行违约点的修正来确定本文中信用风险度量工具,即修正的KMV模型。其次,利用上述修正后的KMV模型以及MATLAB软件来求得80家样本公司的违约距离并按照违约距离值进行从小到大的排序。最后,进行实证结果检验并通过统计量描述和交叉分类表两种分析方法,以我国A股中小型上市公司中的80家公司为样本,来检测KMV模型修正后在公司违约风险度量方面的效率或风险识别能力。本篇论文的研究思路,研究中选择了我国A股市场80家中小公司样本,其中ST类公司也就是违约公司20家以及非ST类也即正常的上市公司60家,在研究中先假设这些公司都是正常的或者不清楚哪些公司的财务信用可能存在问题,通过利用KMV模型把所有80家样本公司的违约距离全部计算得出,然后再利用1：3的原则利用交叉分类表去判断模型预测和实际情况的区别以便来考察模型的效率。本文在采用实证分析方法的基础上,综合利用现代风险管理理论、计量经济学、数理统计以及金融学等相关知识,对从80家样本公司中收集的大量所需数据应用数理统计的方法进行整理,应用Eviews5.0软件分析了大量样本数据,通过运用历史数据模型来对股价的波动率进行计算,并借助计算机软件MATLAB计算出80家样本公司的公司资产价值及其波动率,然后得到违约距离。并在深入分析KMV模型理论的基础上,分析KMV模型在我国中小上市公司信用风险度量中的应用,最终形成本论文的研究结论以及在研究分析中的不足之处。具体的研究分析方法包括：(1)收集分析关于信用风险度量研究的国内外文献资料；(2)根据我国A股市场中小上市公司的自身情况,提出对原来KMV模型中违约点计算的修正方法和部分参数的确定方法；(3)研究分析中所必须的样本数据主要来源于国泰安的CSMAR数据库,采用定性分析与定量分析相结合的方法；(4)研究分析中利用样本公司的历史数据来估算样本公司的股权波动率,基于期权定价理论采用样本公司的截面数据计算样本公司的违约距离,从而来考察修正后的KMV模型风险识别能力。本研究中利用KMV模型对我国A股中小80家上市公司的信用风险进行了实证分析,根据实证得到的结果,认为KMV模型在我国目前情况下对中小上市公司信用风险具有一定的识别能力,但不如欧美发达市场运行效率高,可能有很多原因,通过实证结果及文章中的对KMV模型的评价分析,本文可以得到以下几个主要结论：(1)在目前情况下KMV模型对我国中小上市公司信用风险的度量具有一定的应用价值,虽然可能由于我国市场不成熟和公司经营环境问题为影响到应用的效果。(2)由于历史的原因,我国A股上市公司的股本结构中除了能够在二级市场进行公开交易和流通的流通股外,依然存在着大量非流通股,所以上与西方成熟发达的资本市场比我国上市公司股权市场价值不能简单的按照股票收盘价来计算。本文在计算上市公司股权市场价值时采用流通股和非流通股分别计算再累加的方法,其中非流通股按照海外学者陈志武博士的研究方法计算。(3)由于我国没有违约公司历史数据库,因此本文选取了连续两年被ST的中小上市公司作为研究样本,利用Eviews软件对影响公司资产的三个重要因素进行多元回归从而修正了违约点,并得到修正后的违约点DP=STD+0.56LTD。(4)实证分析的样本中也存在ST类公司的违约距离大于非类ST公司的情况,通过对比两组样本违约距离的均值,发现其均值差并不是太大,这样的情况可能是由于以下三个方面原因导致：①公司财务资本结构所致,由于KMV模型的理论基础之一是现代公司财务理论,有些公司的资产负债率非常高,流动负债水平也比较高且处于公司发展的成长期,但是公司经营状况良好以及公司偿债能力非常优秀,虽然违约距离较小依然能够很好的经营下去而不会出现违约的情况。②公司市场信息不充分所致,KMV模型对样本中小公司的信用风险具有一定的识别能力,但是依然对违约公司的识别依然存在很大的盲区。或许可能来自我国A股市场涉及人为操控,且在存有信息不对称的情况下,以至于公司的股票价格未能正确反映实际经营状况,使得以市场信息为基础的分析方法的有效性在此受到了影响。③违约公司的定义所致,KMV模型源自美国著名信用风险管理公司KMV公司,利用了美国二十年历史违约数据库,即KMV模型中的违约公司全部是已经破产的公司。而在我国没有历史违约数据库,而且在我国股票市场被特殊处理过的公司即ST类公司只是财务或其它方面出现了严重的问题,而非真正的倒闭或破产条件,且是非常好的壳资源。这样可能导致样本公司的违约距离并不能真实反映其处于违约或者逼近违约的境况。虽然查阅了大量文献资料以及收集了大量的相关数据,并对样本公司信用风险度量进行了系统的分析和研究。但由于资料的不足以及研究水平的限制,在本文的研究过程中存在很多不足之处。(1)由于没有历史违约数据库,本文只选择了80家中小企业样本公司不可否认能够说明一定的问题,但不足以衡量整个A股市场所有公司甚至所有中小型公司的信用风险状况。(2)由于在计算公司资产价值及其波动率时,采用的是MATLAB软件的迭代算法,迭代算法的结果往往易受到初始赋值的影响,这在一定程度上影响了实证分析结果的有效性。(3)违约点的确定没有通过逐渐修改违约点方式来寻求违约点,而是通过回归的方式寻找,回归方式中只是基于资产负债表中会计三要素的关系而不是真实市场中的关系,可能会降低模型识别风险的有效性。