改革开放以来,我国的经济发展迅猛,金融市场的发展不断与国际接轨,国内外市场的差异也逐渐显明。尤其是2014年开始,我国的经济发展步入新常态,截至2018年4月,我国的固定收益市场面值已经超过8万亿人民币。近期发生了几起重要债券违约事件（如华信债）,信用评级成为控制投资风险、确定债券利率的重要依据,具有重要的研究价值。不管是从发债企业的角度还是从投资者角度,对企业信用研究是一个热门的话题,国内外学者一直在积极探索企业信用评估的方法,在模型的适用和变量的选取方面不断发展创新,至今发展出了很多企业信用评估的方法,如判别分析、生存分析、Logistic回归等等,还有一些人工神经元网络法、支持向量机等人工智能模型。这些方法对信用风险的度量具有较好的性质,但是仍然存在许多难以克服的问题。本文试图从我国的金融市场出发,寻找一种适合我国市场的上市企业信用风险度量模型。本文尝试在模型及解释变量的选取方面都进行创新。在解释变量选择方面:本文在财务变量基础上,又加上企业规模、所属行业及所在经济区域等指标,此外还将企业所属地区的宏观经济指标,如地区生产总值、人均消费指数等纳入模型。在模型选择方面:本文采用组合模型的方式进行建模,即将学者们广泛使用的KMV模型与有序多分类Logistic回归模型适当组合在一起,力求组合模型能够克服单一模型的缺点,充分发挥各模型的优势。本文具体思路如下:利用KMV模型计算出各企业各年的违约距离指标;利用K-均值聚类的方法对该指标进行聚类,将企业划分成5个有序等级,作为企业的信用等级指标CC,基于信用等级指标再进一步建立信用等级变化指标CHANGE;最后,基于该指标与前文所述的解释变量建立了4种有序多分类Logistic回归模型:利用提前一年的财务及宏观经济指标对企业该年信用等级指标CC建立模型Log₁,利用提前两年的财务及宏观经济指标对企业该年信用等级建立模型Log₂;同时,为了探索企业信用等级变化情况的影响因素,还建立了模型Log₃和Log₄。Log₃反应的是提前一年的财务及宏观经济指标对企业该年信用等级变化指标CHANGE的影响,模型Log₄反应的是提前两年的财务及宏观经济指标对企业该年信用等级变化指标CHANGE的影响。结果发现,企业的信用等级受到企业自身及外部环境等各方面因素的影响,涵盖了企业偿债能力、盈利能力、营运能力、发展能力、企业规模、宏观经济指标以及行业指标等各个方面;而企业信用等级的变化情况主要受到企业自身偿债能力和发展能力的影响。根据研究结论,本文从企业的角度提出:企业要想达到较高的信用等级,需要对各方面的能力都不断改善提升,此外也应该更加重视企业自身偿债能力和发展能力。