信用风险是整个金融业面临的最主要的风险之一，由于资本市场的迅猛发展，银行业竞争加剧，在此基础上要求能够精确地度量信用风险。因此，信用风险模型的研究就具有特别的意义。KMV模型作为现代信用风险模型，在国外已经应用的相当成熟，而国内在这方面的研究还很不够。因此本文希望通过对KMV模型理论的具体介绍，能够增加对这个模型的了解。同时通过应用中国股市的实际数据对模型进行实证分析，验证KMV模型在中国股市的适用性，以便为我国商业银行在上市公司的信贷业务上提供一种新的判别方法。　　本文在第一部分首先对各种信用风险模型的度量方法进行了简要介绍，信用风险的度量方法包括传统的定性度量方法——专家方法和贷款内部评级分级法。此外单变量模型和多变量模型的应用也较为广泛，在多变量线性判别模型中比较有代表性的有Altman的Z计分模型和Zeta模型，而Logistic模型和Probit模型等多元回归模型也具有较高的准确性。作为现代信用风险模型，基于股票价格的公司信用风险模型——KMV模型、J.P.Morgan（1977年）的信用风险模型——Credit Metric模型、瑞士信贷第一波士顿银行(CSFB)——Credit Risk+模型、信孚银行——RAROC模型等模型，它们基于资本市场理论、以信息科学为支撑，自从20世纪80年代以来得到了前所未有的发展。然而它们也都存在着这样或那样的缺陷，本文对这些模型和方法进行了分析、比较和评价。此外，本文对于国内信用风险模型（尤其是KMV模型）的研究文献做了综述，认为目前国内在KMV模型的研究还不够深入，在实证研究方面还存在着缺陷。　　本文的第二部分重点介绍了KMV模型的基本理论，KMV模型是以经典的莫顿模型为理论基础，使用财务数据和股票价格作为输入数据的一套概念性框架模型。它运用违约点和违约距离等定义，刻画了上市公司在未来时刻预期资产市值低于负债帐面价值的概率，即违约率，并给出了违约率的显式表达。在模型的表述之后，本文对KMV模型的优劣势做了分析。并基于模型的假定条件，对KMV模型在国内应用（即适用性）做了理论上的分析，认为尽管由于中国股市存在着非流通股问题和市场效率问题，但是采用实证分析方法来验证模型的实际效果还是很有必要的。　　第三部分是本文的重点部分，这一部分应用中国上市公司的实际数据对于KMV模型的适用性做了实际验证。本文从沪市上市公司中选取了26家ST公司作为违约组样本，同时，选取了26家正常上市公司作为对照组样本。首先对样本的行业分布和企业规模做了描述统计分析，得到结论这两项因素对上市公司的违约行为都有一定的影响。基于上市公司的财务数据和股价数据，本文利用编制的Matlab计算程序，求解模型中的隐式方程组，得到了计算违约概率所必须的资产市值及其波动率，并在此基础上计算了样本的违约概率和违约距离。结果证明直接应用违约概率对上市公司违约行为进行判定存在问题，而应用违约距离对样本判定可以达到较高的正确率。本文进一步引入了Z计分模型作比较，根据Z计分模型的表达式，本文计算了样本的Z得分，并将Z得分与KMV模型的违约距离作对比。结果表明，Z得分与违约距离之间的相关关系很弱，两者之间的重叠信息很少。引入势函数检验证明:同Z计分模型相比，KMV模型有更强的势，可以达到更好的判定效果。因此，证明了KMV模型作为信用风险的度量模型在我国有着良好的适用性。　　本文的第四部分对主要结论做了归纳，总结了本文的创新点与不足之处。并且从两个方面介绍了KMV模型的发展，其一是KMV公司在近几年内新提出的私营企业模型，它的基本原理与KMV模型相同，但是由于没有股票市场方面的价格数据，需要借助统计方法与同类型上市公司相比估计出来;另一方面，本文也介绍了理论界基于Merton结构模型所开发的一些理论模型及其最新的发展。　　本文与国内已有的KMV模型的研究文献相比，主要有以下几个方面的创新点:　　(1)将上市公司被ST界定为违约行为，国内在以往的KMV模型实证研究的文献中对上市公司的违约行为都没有进行明确的界定，这就导致了计算出的违约概率和违约距离无法得到有效的验证。本文将ST界定为违约行为是在中国上市公司的特定监管制度下所采用的定义，在实证研究中收到了良好的效果。　　(2)为违约组样本建立了对照组样本，便于对模型的效果进行对照分析。在以往对KMV模型的实证研究中研究者通常只有一个样本组，无法进行违约组与非违约组的对照分析，这样就很难对模型的效果进行评价，或者显得说服力不够。　　(3)将违约距离作为测度信用风险的新的计量指标，以往的研究文献多强调对于违约概率作出估计，并且在违约概率的基础上对模型的判别效果作评价，这样往往得到KMV模型效果差的结论，而本文则从一个新的视角，将违约距离作为测度信用风险的关键指标，收到了较好的判别效果。　　(4)对KMV模型和Z计分模型的判别效果进行了比较分析。在以往的研究文献中多是仅对KMV模型作分析，缺少与其他信用风险模型比较分析的过程，这样无法从横向上对KMV模型的判别效果进行比较。　　(5)在模型判别效果的比较上不光采用了判别准确率等传统的测度，还引入了势函数检验等新的检验方法，使模型效果的比较更加具有说服力。