创业板市场的推出,促进了证券市场的规范,尤其是对于中小型高成长企业和新兴公司来说,创业板的出现为它们提供了便利的融资途径,同时也为风险资本提供了有效的退出渠道。近年来,创业板上市公司带给投资机构一定的高回报,但与此同时,企业业绩下滑、经营管理不善和高管离职等一系列风险也随之产生,其中信用风险事件最为突出,而信用风险作为金融风险的核心风险,在一定程度上影响着创业板市场的运行乃至我国金融体系的稳定性,因此,如何精准有效的度量信用风险越来越受到全社会各个层面的关注,而如何有效的控制因违约事件发生造成的经济运行成本,对于金融机构和投资者合理有效的选择风险管理策略具有重要的现实意义。在对创业板市场及其信用风险整体分析后,本文通过模型的比较选择KMV模型展开实证研究。在实证过程中,本文按照地区和行业分别筛选出191家和89家创业板上市公司,通过KMV模型计算各个样本的违约距离,并且对其进行地区、行业的聚类分析。按照地区进行实证研究时,本文按照样本所属的四大区域,分别探究不同违约点设置和三大产业比重对四大经济区违约距离的影响,最终以宏观视角对不同地区信用风险等级排序情况进行原因分析。按照行业进行研究时,本文则从行业违约距离的均值、标准差、极值出发,对不同行业的信用风险差异性作出比较,同时又从三大产业、资产规模、违约距离参数的敏感性这3个微观角度进一步对样本公司的信用风险展开分析。分析结果表明:(1)不同违约点的设定对地区公司的信用风险不具有显著的影响,传统的违约点计算公式仍然适用于地区公司的信用风险研究;(2)产业结构、行业集聚效应都会对上市公司的信用风险产生影响,且不同行业在不同地区的信用风险等级具有较大的差异性;(3)四大区域所呈现的公司违约风险程度依次排列为:东北<中部<东部<西部,并且可以将其细划呈现出3个信用风险等级,所呈现的等级是经济、地理、产业等多因素综合影响的结果;(4)三大产业违约风险从小到大排列为:第一产业<第三产业<第二产业;(5)资产规模对信用风险有显著影响,一般地,资产规模越大的公司出现信用风险的概率越小;(6)除资产价值外的其他各参数均与违约距离呈反向关系,且股权价值波动率、资产价值波动率、违约点、资产价值、股权价值分别解释行业信用风险差异特征的340.78%、36.30%、4.54%、4.19%、4.18%。针对实证研究的结果,本文提出4点建议:(1)重视地区信用差异,加强信用风险管理交流;(2)结合产业信用风险水平,充分发挥政策引导作用;(3)加强产业结构与优势资源的相互匹配程度;(4)充分利用KMV测度模型,保障创业板市场的稳健运行。