20世纪90年代之后，金融自由化浪潮席卷全球，金融创新层出不穷，全球证券市场得到大力发展。一方面，这一趋势促使全球商业银行改变传统的盈利模式，这对全球商业银行的信用风险管理能力提出了巨大挑战。另一方面，这一趋势导致全球金融市场联动性加强，整个证券市场的风险加大，这对各国金融监管当局的风险管理水平提出了更高要求。　　我国作为全球新兴市场国家之一，随着经济的不断发展，我国证券市场规模逐步扩大，上市公司越来越多，很多商业银行原来的授信企业都变成了上市公司。因而，对当前我国商业银行而言，如何准确地识别和度量我国上市公司的信用风险，如何有效地预测和控制上市公司信用风险，将成为我国商业银行面临的重大挑战。同时，近些年，我国一些上市公司违规经营，财报丑闻频出，不按监管当局的要求披露信息，甚至部分上市公司被迫破产倒闭，严重损害了投资者的利益。因此，我国监管当局为保护广大投资者的利益不被侵犯，务必建立起上市公司信用度量评估模型，力求更加科学地度量和预测我国上市公司的违约概率，更加有效地防范我国上市公司的信用风险。　　长期以来，我国商业银行对信用风险的测定主要运用传统的信用分析方法，往往缺乏科学的定量分析模型，随着我国2006年底金融业的全面开放，国内商业银行的风险管理需要与国际惯例接轨，主动积极地去遵循新巴塞尔资本协议的原则和方法进行风险管理。　　理论上，信用风险管理包括风险识别、风险度量、风险监督、风险控制和风险调整五个目标，而其中信用风险度量是信用风险管理目标的核心;而且，由于信用风险本身存在着不对称性、非系统性及数据收集困难等理论和实际问题，致使信用风险的度量一直以来就是信用风险管理的难题。依据Merton的期权定价理论而建立的KMV模型是一种实用高效的信用风险度量模型，它运用上市公司的股价信息预测公司资产价值和资产价值波动率，进而求出违约距离，最终得到上市公司的违约概率。　　本文针对我国上市公司的股权结构及其所处市场环境的特殊性，运用KMV模型对我国上市公司违约距离进行实证分析，比较不同行业、不同规模和不同业绩的上市公司违约距离的差异性，并建立了上市公司违约距离的多元回归模型。这不仅进一步丰富了我国运用KMV模型进行实证的研究工作，而且对商业银行、投资者和证券市场监管者而言，在其度量信用风险、选择投资组合和制定市场法规之时可以提供指导意义。