近20年来,互联网在人们的生活中逐渐普及,众多互联网公司的建立与竞争推动着我国互联网行业取得了令人瞩目的成就。2020年,随着“互联网+”理念的推出,在该理念的指导下各个传统行业纷纷与互联网技术相结合,例如,“互联网+教育”、“互联网+医疗”、“互联网+工业”等,互联网行业扩展到社会各行各业,逐渐成为我国重要的新兴产业。互联网行业规模持续扩大,我国互联网销售位居全球首位,网络普及率已超过70%。同时,互联网行业也不断推陈出新各种新产品与新技术,例如,网络购物、在线教育、网上通讯、电子货币、区块链、人工智能等,这些产品与技术丰富并提升人们日常生活的质量,同时也进一步推动互联网行业的蓬勃发展。虽然互联网行业整体呈现健康发展的趋势,然而从微观方面看,众多的互联网公司在发展中却伴随着较大的风险。众所周知,新兴互联网公司在建立初期,需要获得融资以扩大市场份额从而快速发展,即使是成熟的互联网公司在发展过程中,也需要通过融资建立新项目,大量的融资会产生还债压力并进一步产生违约可能,从而引起信用风险。除此以外,在扩张过程中,互联网公司也面临多种其他经营压力,例如技术需要保持更新迭代,需要不断推出新的产品与服务。由此可见,互联网行业的公司面临着高风险的经营环境。作为互联网行业的引领者,众多互联网上市公司同样面临着高风险的环境,按照证监会行业分类标准,本文对不同行业ST个股占比进行统计,发现互联网行业的ST个股占比居全部行业首位,ST个股数量位居全行业第四。由此可见,互联网行业上市公司风险较大,对于资本市场的参与者而言,值得警惕。互联网行业上市公司发生退市或者违约的案例也较多,最典型的是乐视网退市、暴风科技退市以及天神娱乐债券违约,这些典型案例表明互联网行业上市公司存在较大的信用风险,因此识别并度量互联网上市公司的信用风险具有重大意义。企业的债务是影响企业财务指标的重要因素,债务比例的失衡会提升了资本市场的风险,进一步产生信用风险,在诸多风险中,由企业债务所引起的信用风险尤为重要,债务比例的失衡会提升公司的风险,进一步产生信用风险,为了识别并度量信用风险本文将进行以下研究。本文将从理论与实证两个角度全面分析信用风险,理论部分将主要关注研究信用风险的定量方法,其中的Creditmetrics模型、Credit Risk+模型、Credit Portfolio View模型、Z-score模型、Logistic模型和KMV模型。然后将分析互联网行业上市公司的财务现状,包括股权结构、债务结构、营业收入和净利润等,并定性分析信用风险的来源。实证部分将分为两部分,首先使用KMV模型计算违约距离,计算得到互联网行业各公司违约距离的分布图,然后通过主成分分析将27个财务归纳为7个主成分,对7个主成分和违约距离使用Logistic回归得到计量违约概率的模型,并得到影响违约概率的因素。通过实证分析,结果表明:1.互联网上市公司的违约距离随时间变化,具体而言,由于互联网上市公司的平均股价的上升等因素的影响,2020年的违约距离的平均值比2019年上升了13.2%,说明2020年的平均违约风险下降。2.互联网行业内,通过KMV模型计算得到的ST与非ST公司的违约距离和资产价值存在显著性差异,KMV模型具有识别风险不同的公司的能力。3.通过Logistic逐步回归,可以得到影响违约概率的回归方程,反映公司负债水平、成长能力和现金流水平的财务指标以及违约距离是违约概率的重要影响因素。通过回归方程计算得到违约概率,发现ST与非ST公司的违约概率也存在显著性差异。ST公司平均违约概率大于非ST公司违约概率。4.对于互联网公司管理层以及资本市场投资者,为规避信用风险的发生需要关注负债和现金流水平,对于管理层需要维持较低的负债率、良好的现金流管理以避免资产价值的下跌,对于投资者需要避免投资资不抵债的互联网上市公司。