近年来,债券市场的发展规模日益庞大,在获得更多发展机会的情况下,风险也随之而来。我国经济在快速发展后进入了新常态模式,存在较大的经济下行压力,同时,政府又推出了相关的防风险、去杠杆等政策措施,处于这样的大环境中,企业资金面收紧,债券违约行为层出不穷。因此,对债券市场的信用风险进行识别成为了一项重要课题,无论是对公司、投资者,还是对金融市场、监管者来说,都具有无穷的价值。而一般情况下,对信用风险识别分析的过程是以历史数据为基础的,但考虑到我国的信用评级开始比较晚,历史数据较少,故研究出与我国国情相适应的违约风险识别的模型体系具有很强的理论与现实意义。通过查阅分析相关文献资料,本文首先对一些信用风险度量的理论基础进行简要说明,再对KMV模型、SVM模型的原理进行大致阐述,为之后的研究提供了相应的理论支撑。然后,对债券违约样本的选取,指标的构建以及相关数据的预处理过程加以解释说明。以2018~2019年期间发生实质违约的公司债券为实验组,对应的正常公司债券为对照组,选取一系列可以全面反映公司盈利能力,偿债能力,成长能力和营运能力的16个变量,对这些指标数据进行归一化处理与相关性分析。接下来,主要对我国上市公司债券违约风险进行实证分析。LASSO模型对违约变量筛选,从16个指标中选出了10个指标,KMV模型通过对输入参数、输出参数的选择与计算,得到了违约距离变量,经统计检验发现该变量在正常样本与违约样本之间的差异是显著的,故将违约距离和LASSO筛选后的指标一起加入SVM模型中,形成LASSOKMV-SVM模型进行实证分析,从而对上市公司债券样本来识别与预测。由实证结果可知在本文中LASSO-KMV-SVM模型的准确率达到了85%,和其他模型在各种评价指标上,如准确率、召回率、F1值等相比,表现出的适用性最强。LASSO-KMV-SVM模型作为组合模型,一方面弥补了我国债券市场由于发展时间短而无法直接用违约距离进行映射,得到违约概率的缺点,另一方面提高了仅采用SVM模型进行预测的准确性与适用性。因此,本文所提出的模型在对上市公司债券违约风险进行识别与分类的过程中,提供了重要的参考价值和借鉴意义。最后,本文从发债公司和债券市场管理者的角度,提出了要增强公司财务相关情况公开的真实性与透明性、完善债券市场信用评级制度等相关切实可行的政策建议。