商业银行作为我国银行业发展的欣欣力量，其经营效益对于稳定国民经济具有相当重要的作用。信用风险作为银行面临的最主要风险，不仅影响商业银行的运营安全，也会像多米诺骨牌一样影响一国金融体系的稳定。上市公司作为商业银行贷款的主要对象，其资产状况的好坏直接影响商业银行的信用风险。目前，我国对信用风险度量的研究更多的是对国外提出的各种先进方法加以应用。将上市公司的资产运营状况作为研究对象，据此研究商业银行信用风险度量方法。通过对信用风险度量的传统方法和现代方法的有机结合，建立适合我国商业银行的信用风险度量方法，可以缩小与国际先进国家银行业的差距，提高我国银行业的整体竞争力。本文通过对信用风险度量模型的梳理归纳，总结了各模型的优缺点以及在我国的适用性，将基于修正的KMV模型中违约距离（DD）作为新的指标引入到Logistic回归模型。为提高KMV模型在我国的适用性，对其参数进行了修正，这也是论文的重点部分。首先，采用每股净资产计算非流通股价值，使得股权价值的计算更加准确；其次，收益率序列显著不同于正态分布，表现出明显的有偏性和尖峰厚尾性，而且条件方差是不断变化的，即收益的波动呈集聚性，为提高波动率的计算精度，本文采用GARCH模型计算股权的波动率。再次，在违约点的选择上，本文为长期负债设置了1/4、1/2、3/4、1四个比值，分别计算四个违约点对应的违约距离，通过对各违约距离的显著性检验，确定了适合我国国情的最优的违约点计算方法。最后，对于无风险利率，目前研究多采用年末的金融行业人民币整存整取一年期存款利率，本文选取2007至2009年央行颁布的金融行业人民币整存整取一年期存款利率，按照实行天数，计算加权无风险利率。本文在修正KMV模型的基础上，利用样本公司的股票交易数据和财务数据，得出违约距离，为避免各财务指标之间存在多重共线性，利用因子分析进行科学筛选确定公共因子，作为建立信用风险度量模型的输入指标，分别建立未加入违约距离和加入违约距离的信用风险度量模型，同时对比前后两模型的预测精度，实证结果表明，后一种模型的判别准确度较未加入违约距离的模型判别准确度高。将KMV模型的动态性与传统的Logistic回归模型相结合的新的信用风险度量模型能够更好的度量我国商业银行的信用风险，降低信用风险给银行带来的损失和潜在的营业危险。