自2014年3月4日，上海超日太阳能公司公告称10亿元债券（11超日债）无法按期兑付，正式拉开我国债券违约时代以来，我国债券市场频频发生债券违约事件。截至2017年底，我国债券市场已经发生60家发行主体债券违约事件，违约债券数量149只，违约债券余额922.44亿元。债券发生信用违约在对债券投资者造成严重损失的同时，也凸显当前债券信用风险管理的重要性。然而银行间债券市场由于存在大量非上市企业，相关财务信息较为缺乏，仅仅运用传统基于上市企业的财务预警方法很可能具有局限性，无法满足日益增长的企业债信用风险管理需要。此外，学界以往研究集中于对上市企业的财务危机预测，对债券信用风险的研究数量远小于股票市场，而这之中的大部分又往往研究发行于上海、深圳交易所的债券，真正对银行间债券市场非金融企业债的研究少之又少。
　　本文对银行间债券市场非金融企业债信用风险管理进行研究，采用KMV模型和BP神经网络，以2016年的213家在银行间债券市场发行债券并在沪深主板市场上市企业的财报数据及交易数据作为样本，在合理设置神经网络结构及相关参数后对样本进行反复训练、学习;利用2015-2017年银行间债券市场27家违约债券发行主体在违约发生前一年的公开财务数据，模拟预测其基于最新披露数据的违约距离，以此刻画相关债券的信用风险。
　　研究结果表明，KMV-BP神经网络可以对违约发生前一年的财务报表进行较好的预测，输出结果可用度较高，对银行间债券市场非金融企业信用债券的信用风险管理具有一定的实用意义。本文所用方法既通过仿真模拟非上市企业公司价值来反映偿还负债的能力，又利用违约企业财务指标测算最终风险，实现了对此类非上市发债主体信用风险分析过程中金融市场层面与基本面的综合分析，在一定程度上扩大了信用风险预警模型的适用性，也提高了模型预测结果的准确性。最后，本文对我国银行间债券市场的进一步发展完善提出了部分政策建议。