改革开放三十年以来,中国的证券市场已经具有相当规模,越来越多的公司开始通过上市公开发行股票来募集资金,以谋求更大的发展。但是,随着上市公司的数量日益增多,市场累积的信用风险也日益增大,一旦爆发信用危机,将会产生可怕的连锁反应,使投资者蒙受巨大损失,这在2008年以来席卷全球的金融危机中已经充分显现。因此,度量上市公司的信用风险,并对其信用水平进行判断,对投资者乃至整个证券市场来说都具有重要的现实意义。在金融经济较为发达的国家,针对企业,尤其是上市公司的各种公开资信评级已经是金融市场上的一类重要参考指标。这些资信评级通过简单的符号和指标来表明被评企业或其所发行的各类证券的信用状况,从而揭示信用风险,让投资者迅速地得到简单而客观的信用信息,从而为其决策提供参考和控制信用风险。而在中国,大多数从事资信评级的机构或者公司并不完全公开其资信评级结果,其评级方法也大多作为商业秘密,使得投资者无从掌握这种有效的信用风险管理工具。如果将这些资信评级结果假设为专家们对各类企业运营状况、资信水平的评分结果,那么在理论上,这个结果就可以用一种具有广泛适用性的的信用风险度量模型来模拟。这样一来,针对信用评级的可操作性就得到了具体实现。本论文首先对国际上较为流行的信用风险度量模型进行了述评,通过对CreditMetrics、CreditRisK+、CreditPortfolioView、KMV等4个模型的分析,并分别进行了优缺点评估对比之后,选择了KMV模型作为中国上市公司信用风险的度量手段。KMV模型以Merton(1974)和Black-Scholes(1973)的期权定价理论为基础,它假设当一个公司的资产价值低于某个水平时,违约就会发生,这个水平上的公司资产价值就是违约点(Default Point DP)。该模型利用财务报表和资本市场的相关数据计算资产价值与违约点之间的相对距离(DD),从而度量一个公司所面临的信用风险。考虑到以往的大多数资信评级所采用的评级方法依赖于公司报表中提供的各类财务指标和财务数据,大多反映的是公司的历史情况,难以反映公司的未来前景和潜在风险,并且也很难对报表数据的真实性加以判断。而KMV模型是一种基于股票市场数据的度量模型,相比其他模型,该模型在理论基础和计算方法上更能够适应中国目前的市场情况,对公司财务数据的依赖也较少,因而可以克服传统信用评级方法的不足。同时,该模型根据股票市场数据来度量信用风险的方法也具有一定的动态性和前瞻性,对上市公司的实证效果也得到过许多研究者的肯定。为了更好的研究KMV模型对中国国内上市公司的适用性和解释力,笔者首先从KMV模型的理论基础即期权定价理论开始,回顾了期权定价理论的发展过程；其次对KMV模型的具体理论和参数估计进行了介绍；最后通过对国内外文献的述评,对KMV模型的解释力、实证研究的方法和过程也进行了介绍。同时,为了使KMV模型对中国上市公司信用风险度量判断有一个明确的对比参照标准,也为了使研究结果更加清晰直观,笔者采用了将模型结果与第三方资信评级体系相拟合的研究方法,具体步骤如下：首先,收集某一第三方公开资信评级体系对中国国内上市公司的公开资信评级结果；其次使用KMV模型对这些上市公司进行信用风险进行度量,并将度量得出的结果与公开资信评级的结果进行对比；最终采用统计方法拟合出信用等级和违约距离区间的对应关系。利用这一对应关系,就可以对尚未得到公开资信评级的公司使用KMV模型进行信用风险度量,从而得出其信用水平。基于以上的研究方法,本论文选择了新华远东资信评级在2009年所公布的72家在A股上市的国内公司作为初始样本。新华远东资信评级是中国国内为数不多的针对上市公司进行的第三方公开资信评级。该公司根据市场上公开的信息(Public Information,简称PI)进行评估,以反映一个经济实体相对于其它企业的内在信用风险。其分析集中于评定企业能否在未来产生足够的经营现金流量,尤其是企业能否产生足够的现金流量,以满足日常的财务需要及偿债,还分析了现金流入的稳定性和确定性企业能否在未来偿还到期债务,以此辨别国内上市公司相互之间的内在信用风险。该公司通过这一国内经济实体的相对信用价值等级,向投资者、保险公司、基金管理公司、金融中介公司、企业和其他相关机构提供在中国境内上市公司的相对信用风险指标。因此,该资信评级体系得出的企业信用等级是独立并且具有前瞻性的,能反映一般的经济周期状况。在对这些初始样本的分析过程中,笔者发现新华远东资信评级在2009年内发表的大多数是良好或一般以上的资信评级结果,并没有违约的结果出现,这与实证研究所要求的样本条件不符。因此,笔者依据其提供的资信评级方法,对该评级结果中缺失的违约部分样本进行了的拓展,使得样本的结构更加合理,更利于实证研究。考虑到经过各种条件的仔细筛选之后,笔者最终得出了46个样本作为实证研究的分析对象,并将原本资信评级中样本数量较少的区间进行了合并处理。本论文的实证部分采用了如下的具体研究方法：首先计算出筛选后的所有样本的违约距离(DD)；然后将这些违约距离与对应的信用等级进行拟合；最终得出各个信用等级所对应的违约距离等级区间。这个对应的拟合区间就是使用KMV模型对信用评级结果进行模拟所得到的拟合结果。利用这一结果,即可使用KMV模型计算出某一上市公司的违约距离(DD),并将之转化为直观的信用等级水平。此外,由于KMV模型的一个前提假设就是公司股票应当全部自由流通,这一条件显然和中国国内的大量公司情况不符。针对这一问题,笔者对全流通样本和非全流通样本的不同情况进行了分组讨论,并在对随后对违约距离等级区间进行的检验中得出了结论。即：KMV模型与外部资信评级结果相结合所得的违约距离等级区间对于中国证券市场的适用性相对准确,尤其是对股票已经实现全流通公司的准确率较高。本论文的主要创新之处在于,不仅仅采用了KMV模型自身对于信用风险度量的实证研究,并且还将模型得出的结果同第三方的资信评级体系进行了对比和拟合,使得结果更加直观、清晰。同时,本论文针对KMV模型假设中上市公司股权应当能够自由流通,而国内情况并非如此的问题,进行了分组研究,得出了全流通样本使用KMV模型的准确率更高的结论。利用这一研究结果,投资者可以得到对上市公司信用等级的大致判断,这一判断在对这些公司进行股权或者债权投资时,有一定的参考价值。在金融风暴的尚未停息的今天,上市公司的信用风险仍然存在着许多变数,证券市场的不断变化也对上市公司的信用风险管理提出了更高的要求。同时,随着中国股权改革的不断推进,实现全流通的公司必然越来越多,这些公司的信用风险将更容易受到股价大幅波动的影响。在这样的情况下,无论是银行等金融机构还是企业自身,乃至整个证券市场,都需要一套行之有效的信用风险度量方法。本论文的研究结果在一定程度上可以作为研究信用风险度量方法的参考,具有一定的实用性。这在我国的银行业、各类金融机构、上市公司的信用风险管理工作中,都具有积极的现实意义。