我国证券市场在不断改革和发展，上市公司的数量不断增长，规模也在扩大，许多公司通过向银行贷款和通过上市来筹集资金，出现了愈加严重的信用方面的问题。我国上市公司中被ST的数量也在逐年增加，上市公司自身的内部管理、治理、决策等出现问题了，使得公司经营变得困难，进而导致财务状况出现恶化，这都给债权人和投资者带来巨大的损失。投资者和相关债权人识别上市公司潜在的违约风险以及正确度量违约风险，可以及时采取措施防范风险，有效地进行投资决策，保护自身的利益。 目前有很多关于信用违约风险的度量的方法。传统的信用违约度量模型过多的依靠企业的财务方面的数据，财务数据真实性会影响其度量结果，我国很多上市公司有着严重的会计信息作假等问题。并且，财务数据反映公司的历史财务情况，无法反映企业经营的未来的前景和风险，所以传统的度量模型作用比较有局限性。KMV模型是一种基于股票市场数据的度量模型，对于其财务数据方面的信息依赖比较少，可以避免传统信用违约度量模型的缺陷，根据股票市场数据来度量信用违约风险具有动态性。对于证券市场的有效性，KMV模型要求也不高，对我国这样的弱有效市场比较适用。 本文对KMV在我国的应用情况进行了研究，分析了我国制造业上市公司的信用状况，计算出我国制造业上市公司的违约距离。针对KMV公司提出的发现违约发生最频繁的分界点在公司的资产价值约等于流动负债和50％的长期负债之和，但是，我国上市公司与美国的信用状况不同，所以不能直接套用这个违约点。为了使模型更符合中国自身的市场情况，本文对KMV模型进行了修正：重新设定了违约点DP，以ST公司总资产与流动负债、长期负债之间的回归取得的回归方程设置为新的违约点；改进了期权定价公式的参数；引入了公司资产增长率以反映未来的违约情况；且在计算股权的市场价值时考虑并计算了非流通股的价值，最后计算出违约距离。通过对违约距离进行秩和检验、K—S检验等非参数检验，得出ST公司总资产与流动负债、长期负债之间的回归取得的回归方程是最适合我国制造行业的违约点设置。考虑到行业因素对信用违约风险的影响很大，为避免将各行业混杂在一起影响实证的效果，本文仅选取制造行业进行信用违约风险的度量研究。实证分析表明，ST公司违约距离与非ST公司违约距离差距明显，从而说明KMV模型在我国的制造行业使用是有效的。