由于期望违约率模型(KMV)中既有财务信息，又有市场价格信息，能全面地反映上市公司的信用状况，因此，特别适合评估上市公司的信用风险。但是，使用该模型来评估我国上市公司的信用风险，需要考虑股权割裂所导致的流通股和非流通股之间的价格差异以及我国市场环境下违约点设定情况对模型识别能力的影响。 针对中国上市公司股权结构及其所处市场环境的特殊性，本文分别调整了KMV模型中股权市值计算和违约点设定方法，并运用该模型评价ST(Special Treatment)公司和非ST公司的信用风险，以检验模型识别上市公司信用风险的能力。结果表明，参数调整后的KMV模型能够提前2年识别上市公司个体的信用风险差异；提前4年识别上市公司整体上的信用风险变化趋势。此外，在违约点等于流动负债情况时，KMV模型对上市公司信用风险具有最强的识别能力。以蓝田股份为个例的试点检验进一步表明，在违约点为流动负债时，KMV模型能够及时准确地识别出上市公司的信用质量变化趋势。 本文研究发现KMV模型的理论违约概率TDP与Z值模型的Z值之间存在着显著的负相关关系，并运用两个模型对样本上市公司进行信用评级，比较分析评级结果得出：Z值模型评级对上市公司信用资质的整体评价要高于KMV模型评级，两个模型的评级具有较大的一致性，当中间级别公司的一致性最大，两极公司的一致性较小。 因此，商业银行可以根据上市公司的信用级别决定是否给予贷款以及按多高的利率水平贷款，投资者则可以参考模型的信用风险评价结果选择投资组合，最大限度地化解信用风险，保障资金安全，实现收益最大化。