近几年我国信用债市场的信用风险已引起社会广泛关注,信用债刚性兑付被打破。一旦发生债券违约,投资者获得继续偿付的可能性较低,也可能存在多次偿付的现象,即使国有企业和大型企业也无法保证违约后的继续偿付。债券违约可能会引发交叉性违约,投资者也会受违约情绪影响,资金将更集中于信用风险相对较小、流动性更强的信用债,导致部分债券流动性降低,信用风险增大,对信用债市场稳定产生恶性影响。因此,信用债违约研究十分具有现实意义。文章以2008年-2018年我国发行的信用债为研究对象,运用生存分析法的Cox比例风险模型研究我国信用债违约问题。Cox比例风险模型常用于生物、医药等领域,无需考虑样本生存时间、生存分布等信息,可以直接建立生存时间与危险因素之间的关系模型。经过Cox比例风险模型的两轮变量筛选,最终确定20个能显著区分违约债券和非违约债券的变量,另加入企业产权性质、企业规模和投资者异质性参与模型研究。为检验Cox比例风险模型在预测债券违约时的准确性,文章还选择Logit模型进行违约预测对比研究,并对Cox比例风险模型做样本外违约预测有效性检验。论文研究结果为:在加入产权性质、企业规模和投资者异质性三个变量后,Cox比例风险模型整体和组内预测准确率均大幅提升,Cox比例风险模型预测的国有企业、大型企业、低异质性组的违约率更低,加权平均预测违约率最终也近似等于实际加权平均违约率。而Logit模型下违约预测偏差较大,加权平均预测违约率远超实际加权平均违约率。在模型有效性检验中,Cox比例风险模型也确实能提前发出违约警示。论文创新点在于使用了不考虑样本分布且能进行时点预测的Cox比例风险模型,从债券、发行主体、宏观经济和投资者异质性等多个角度考虑债券违约的影响因素,采用合理的变量筛选方法剔除不显著变量,提高了模型预测的准确性,并与Logit模型的预测效果进行对比研究,增加了样本外违约预测检验,发现Cox比例风险模型在预测债券违约时准确率更高。