近年来，随着资本市场的迅速发展，信用风险评估已经不再仅仅局限于对企业财务报表的分析，而更开始注重资本市场中所反映出的信用风险信息。因此，我们有机会利用这个现成的、规模庞大的、潜能巨大的市场作为信用风险度量与管理的工具。国际金融机构开发的一系列成功的信用风险量化管理模型，为我国银行业的信用风险管理提供了重要参考。　　 本文首先对当今学术界几种权威的信用风险度量模型的基本原理、假设条件和优缺点进行对比分析，发现商业银行运用KMV模型评价上市公司的信用风险更符合我国的国情。通过对选取的30家沪市A股上市公司一年内的股市数据进行分析，运用KMV模型并借助MATLAB编程测算出资产价值及其波动率，最终计算出违约距离和预期违约概率。同时文章运用SPSS17.0软件对不同类型上市公司的违约距离均值是否存在显著性差异进行统计检验，并运用Eviews6.0软件针对影响上市公司违约距离的相关因素进行了回归分析和模型检验，找出其内在联动性，为信用风险管理机构监测违约距离和违约概率提供了有力的依据。最终得出以下结论：⑴我国ST/*ST公司的违约距离明显小于非ST/*ST公司的违约距离，相应地ST/*ST公司的预期违约概率明显大于非ST/*ST公司的预期违约概率。这表明KMV模型在我国具有良好的预测能力。⑵上市公司违约距离与公司净资产收益率正相关、与公司资产价值波动率负相关，即业绩好、资产价值波动率小的上市公司，违约距离相对较大，公司违约的可能性较小。这就为商业银行向企业发放贷款提供了有利的数据支持和参考建议。