近年来,由于外部宏观经济环境的不确定性逐渐加大,我国金融改革逐步深入发展,信用债风险也开始暴露。从Wind中拉取数据发现,自从我国2014年3月份出现第一只违约债券,超日债违约。这成为了国内债券市场首次出现违约信用主体,2014年出现信用债违约债券总共6只,违约金额总共合计大约为十余亿元;随后2015年新增违约债券25只,违约金额大幅增至116亿元。2018年,当年新增违约债券已超过125只,违约金额高达1200亿元。劣质债券违约已成为我国资本市场的“新常态”。本文首先从理论上详细介绍了KMV模型和Logistic模型的相关参数意义和推导过程,接着本文选取了截至2019年第三季度曾被分类为制造业的155家上市公司,其中ST公司和实际发生违约的公司总共11家的财务数据以及非财务数据来研究其信用风险,将构建的KMV_Logistic混合模型通过引入KMV模型输出的一些市场化指标,比如违约距离以及上市公司的财务指标和经典Logistic模型进行对比,来研究样本的违约风险,最终的实证结果显示,一方面,通过比较两个模型的实证结果,我们发现KMV_Logistic混合模型的整体准确率是高于经典Logistic模型,说明了引入市场化指标数据能够提高模型在度量制造业上市公司的信用风险的准确性?此外,量化模型回归结果还显示,一些反应市场信息的数据,如资产价值。以及一些财务指标,如运营能力?成长能力?盈利能力?偿债能力这四类财务指标息是影响制造业上市公司信用风险的重要因素。综上所述,本文以国内制造业真实违约案例进行研究,分析我国制造业上市公司违约产生的原因,这对于企业发现和改善自身问题,投资者事先识别风险做出理性投资决策?监管机构建立有效的信用监管体系具有较大的借鉴意义。