提供信用(Credit)是指把对某物(如一笔钱)的财产权给以让度,以交换在将来的某一特定时刻对另外的物品(如另外一部分钱)的所有权’。信用风险又称违约风险,是指在以信用关系规定的交易过程中,交易的一方不能履行给付承诺而给另一方造成损失的可能性。在中国,上市公司是整个国民经济的重要组成部分,是发行股票、债券的主体,也是银行的主要借款者。上市公司的信用缺失会给中国经济发展带来巨大的消极影响,不仅不利于上市公司可持续发展,还会危害到股票、债券市场的健康发展,甚至影响金融体系和整个经济的稳定。因此,对上市公司信用风险的把握应放在首位,而要把握信用风险,首先就要对信用风险进行度量。国外对公司信用风险的度量有一套完善的体系。20世纪60年代末,多元判别分析法的出现是现代信用风险度量的开端。Altman的Z-Score方法就是其中之一,该方法是一种基于财务数据的多变量信用评分模型。该模型所计算出的Z-Score可以较为明确地反映借款人(企业或公司)在一定时期内的信用状况,因此,该方法可以作为借款人经营前景好坏的早期预警系统。并且由于它们具有较强的可操作性、适应性和较强的预测能力,该方法推出便在许多国家和地区得到推广和使用,并取得显著效果,成为当代预测企业违约或破产的主要分析方法之一。20世纪90年代,信用风险度量方法得到极大的的发展,所谓的现代信用风险模型逐渐为人们接受和使用。现代信用风险模型主要包括：KMV公司的KMV模型、JP摩根的Credit Metrics模型、瑞士信贷银行的Credit Risk+模型、麦肯锡公司的Credit Portfolio View模型等。而在中国,对公司信用风险的度量还相对落后。中国大多数银行和评级机构在对公司的信用风险进行度量时,还采用传统的专家法或是五级分类法。所谓专家法就是以借款人基本特征所反映出的各种信息为基础,依赖专家的主观判断来度量借款人的信用风险。最为常用的专家分析方法是信贷的5C法。专家通过对借款公司的资信品格(Character)、资本实力(Capital)、还款能力(Capacity)、贷款抵押品价值(Collateral)以及当时所处的经济周期(Conditions)等因素考察评分,并通过专家的主观判断给予各个考察因素不同的权重,然后综合得到一个分值,以此作为信贷决策的依据,分值的大小反映了借款人信用状况的好坏2。这种方法需要评分专家有丰富的经验,由于过于依赖专家的主观判断,已逐渐淘汰。所谓五级分类法就是将贷款分为正常贷款、关注贷款、次级贷款、可疑贷款、损失贷款5级,不同级别要求的损失准备金不同。中国的银行普遍采用这种方法来度量和控制贷款的信用风险,但是在判断贷款所属级别时,主观性依然较强,在审核时一致性较差。如上所述,中国的信用风险度量方法与国外还存在相当的差距,要更好的把握上市公司的信用风险,就需要采用适合于中国国情的新方法。而作为后起者,研究国外先进的度量方法并引进适合于中国的方法成为学界的共识。KMV模型是其中最适合度量上市公司信用风险的方法,KMV公司曾运用该模型预测了安然公司的破产。KMV模型是一个被广泛运用的结构化信用风险模型,运用股票数据和公司财务数据作为主要的输入信息,度量上市公司的信用风险,它有很好的理论支持并且简单易行。但是,没有客观的有效性检验,运用这样复杂的数量信用风险模型不但不能真正得到其好处,还有可能因为度量的误差造成更大的损失。中国的市场有其特殊性,在西方国家运用良好的模型是否适用于中国将是一个很大的问题。因此,本文要解决的主要问题就是：运用KMV模型来度量中国上市公司的信用风险是有效的吗?本文第一章对基于KMV模型的相关研究进行了综述；第二章对KMV模型进行了述评；第三章针对中国市场的特殊性,分析该模型在中国的特有约束；第四章设计实证检验模型的有效性,在实证时根据中国市场的特有约束对模型进行修正,使其能更好的反应中国上市公司的信用风险,然后与Z-Score方法进行对比分析；第五章对实证结果进行分析并得出结论。本文通过对模型的结果进行均值差比较和秩和比较,发现KMV模型得出的违约距离DD的均值差很小,秩和比较结果更是违法了基本的假设,即ST股票公司反而有了较大的秩和；而采用Z-Score方法,非ST公司与ST公司的Z值均值差很大,非ST股票公司的秩和和平均秩都远大于ST公司。统计结果表明KMV模型对于ST与非ST股票公司的区分能力较差,甚至得到完全与假设违背的结果。而基于财务分析的Z-Score模型方法则表现较好,能够很好的区分ST股票和非ST股票公司。就理论而言,KMV模型是相当成熟,但本文的实证效果却很差。通过对实证结果的分析,本文对这一结果给出两个解释：一,中国的股票市场的准入退出机制还不完善,壳资源等情况的存在,造成股价包含过多非公司经营类信息,使得KMV模型失效。二,中国的股票市场价格受到涨跌幅限制的行政干预,无法完全的依靠市场定价,从而对依赖于股票市场信息、的KMV模型产生了影响。基于以上原因,本文认为KMV模型在中国上市公司的运用环境还不成熟。但这并不是完全的否定KMV模型,KMV模型为度量上市公司信用风险提供了一种思路。通过对KMV模型与Z-Score方法的分析,得出现阶段度量中国上市公司信用风险最优方法是基于财务数据的方法；随着市场化程度的加深,基于财务数据和股票数据的信用风险模型的研究将是未来的趋势。