在防范化解金融风险背景下,进一步厘清上市公司信用债违约风险的影响因素和形成机理,既有丰富债券违约影响因素体系的理论意义,又有提高信息对称性,帮助各主体进行理性决策的实际意义。本文在第一章诠释了本文的重要概念和违约风险度量模型,罗列了影响上市公司信用债违约风险的企业层面和外部条件因素,阐明了影响债券违约风险的理论基础。本文第二章描述了2014年1月1日-2020年5月31日我国上市公司信用债违约的现状,并提供了外部影响因素的经验证据。本文的第三章实证研究了同一时期沪深两市部分A股上市公司信用债违约风险大小和影响因素。具体地,本文首先将信用债违约公司和相同行业的ST系列公司归于实验组/违约组,按一定的分类原则找到相应对照组企业,由此确定出179个研究样本;其次,按信用债违约公司所在行业的违约频率高低,本文进一步将上述样本划分为高频实验组、低频实验组、高频对照组、低频对照组;再次,本文使用KMV模型计算上述四组企业的违约风险和违约距离并对比;最后通过Logit模型对上述构建的指标进行逐步、总体、分组回归,研究了影响违约高频行业和低频行业企业违约风险的因素,进一步分析了“破窗效应”。在第四章的案例分析部分,本文使用有关案例验证了上述有显著影响的因素的适用性以提高研究的效度。本文最后一部分总结研究结论和提出对策建议。通过研究,本文的主要发现为:一是从实验组内部来看,高频实验组的违约风险高出低频组15.2%的水平;二是分析表明长期偿债能力、企业营运能力、企业资本市场表现、股权集中度及所有制属性等因素可以显著影响违约风险;三是在高频组和低频组中上述因素对违约风险的影响显著性和大小几乎不同;四是发现了“破窗效应”,即高频组企业的违约会提高市场上企业违约风险,但工业行业企业的违约又会产生震慑效应,降低违约风险。因此,本文可能的边际贡献有三点:一是发现高频组企业违约风险更大,意味着违约频率可以成为违约概率的预警指标之一;二是表明影响不同违约频率行业企业的影响因素不同,这为研究违约集中度不同行业的债券违约因素提供进一步的参考;三是发现了“破窗效应”,丰富了债券违约风险影响因素体系。