近年来我国信用债券违约事件频发,违约风险的识别与管理成为债券市场的迫切需要以及学术研究的焦点,而目前国内实务界对于违约风险的度量仍停留在基于财务指标的定性分析阶段。因此借鉴国外的现代违约风险识别模型并针对国内市场进行调整,从而建立有效识别、衡量与预测违约风险的评估体系尤为重要。本文首先介绍了基于结构模型理论基础的KMV模型,并在该模型中引入跳-扩散过程,以更好地反应资产价格由于宏观环境变化及违约等突发状况带来的大幅波动和极端情况。推导了预期违约概率EDF公式,并给出了该模型的数值实现方法与违约距离DD的数值求解方法。其次,本文针对KMV模型在中国市场的适用性,对参数设定与估计方法提出了改进与调整。特别地,对于非上市公司的股权价值,本文采用了同行业公司匹配方法,使上市公司与非上市公司的违约风险度量结果具有统一性与可比性。最后,本文选取所有在2010年1月1日至2017年6月30日所有发行过信用债券的非金融公司作为研究对象进行了实证研究,我们发现考虑跳-扩散过程的KMV模型的有效性与前瞻性都优于KMV模型,且两个模型都相较于传统Z值评分模型有一定优越性。在此基础上,本文对公司与宏观层面的影响因素进行了逻辑回归,得出五个Z值信用评分指标、公司规模、是否上市、所在行业以及宏观经济层面的PMI指数、SHIBOR利率与沪深300指数都显著影响公司的违约风险。