债券融资是金融市场中直接融资的重要手段,具有融资成本低、融资渠道多、市场化程度高、信息披露即时充分、流动性较好等优势。2015年证监会发布了《公司债券发行与交易管理办法》,将公司债发行主体范围由仅限于境内外交易所上市公司扩大至所有公司制的市场主体,并建立了非公开发行制度,企业信用债市场大幅扩容,企业债也随之大规模增长。但随着大量的信用债爆发式的发行,信用债的违约风险问题就日益变得突出,从2014年“超日债”违约事件出现以来,六年时间内,违约数量上增长了28倍,违约规模增长了约86倍,引发了市场的普遍担忧。分析信用债券违约风险急剧增多的原因,有效的识别和预测信用债的违约风险不仅关系到我们债券市场,特别是信用债市场的持续稳定发展,也关系到整个金融市场是否能保持稳定运行,是否能贯彻好中央“坚持不发生系统性金融风险”这一指导要求。本文从信用债发行的快速增加伴随着违约风险的爆发式增多这一现象入手,揭示了信用债券违约问题日益严重的现状,而后回顾了国内外研究债券违约风险的文献资料;对相关概念进行了定义;梳理了国内信用债市场的发展现状、历史脉络,违约特征等内容。随后着重介绍了KMV模型的概念、特征、推导方式、优势和局限性,然后选择了信用评级不相同的不同行业的国内上市公司作为样本数据,运用KMV模型进行实证研究。与此同时,由于国内信用债市场至今没有一个基础违约风险数据库,无法按照传统的KMV模型理论由违约距离基于基础违约风险数据库求一个样本的违约风险概率,我们尝试将违约距离引入Logit模型,通过回归测算,将求得的违约距离回归系数作为违约风险概率,优化了KMV模型对国内信用债券的适用性。通过实证分析,我们发现信用债券的违约风险和信用债券发行主体的信用评级是呈反向关系,但同时依然会存在一些高评级债券发生实质性违约的可能性,信用评级系统并不能完全的进行有效识别;与此同时,行业自身特性对信用债券违约风险有较大影响,国有的、大型的、涉及国计民生的行业内的发行主体违约风险相对较小,市场竞争激烈、中小微企业和个人参与者众多的行业违约风险较低;KMV模型是能够有效识别违约风险,特别是对于国内上市企业为主体的信用债券;由于国内缺乏违约概率的基础数据,我们尝试运用Logit模型对违约距离进行回归测算,用违约距离的回归系数作为违约概率的一种替代,能够较好的对KMV模型做一个补充。基于上述结论,最后从债券市场发展和违约风险度量模型应用两个方面提出了诸多建议,包括积极推进多层次资本市场建设;推动发行注册制建立;完善利率定价体系和信用评级制度;完善公共信息违约库,保证数据真实准确;注意市场动态,有效识别风险;综合运用多种度量模型,完善违约风险预测等。