自从我国债券市场于2014年发生了首例债券违约事件,打破了信用债市场“刚性兑付”的信仰之后,近年来我国信用债市场违约数量不断上升,违约风险也不断加大,由此引发了学术界对信用债市场风险的广泛关注和探讨。通过对我国信用债市场违约史的梳理发现,制造业信用债违约数量及金额均占有较大比重。而制造业作为我国支柱产业,又赶上“双循环”战略下的发展机遇,其更需要做好风险的评估与防范,企业及投资者也需要更加科学的风险衡量指标体系以及运用更高准确性的研究模型来评估及管理制造业信用债违约风险。本文先系统地对债券违约的影响因素、债券违约风险衡量指标体系的构建以及信用风险领域预测模型相关的文献进行了梳理,并在此基础上以制造业信用债为例进行深入研究。首先,通过对过往信用债市场违约史中近100起违约事件的分析与归纳,阐述了信用债违约风险的传导机制与前兆性特征表现。其次,对我国制造业信用债自2014年以来的违约情况进行了逐年梳理,并从中列举了两个典型案例对其违约原因进行重点分析,进一步总结出我国制造业信用债违约风险成因,与前文的前兆性特征表现形成了前后呼应。接着,本文基于上述研究及我国制造业发展的实际情况,尝试性地构建了我国制造业信用债违约风险衡量指标体系,该指标体系涵盖“发行主体财务因素”、“发行主体自身属性因素”及“债券自身相关因素”这三个层面的26个特征变量。然后,本文基于2016年～2021年3月间违约的制造业信用债及正常到期的制造业信用债样本,运用Lasso-Logistic Regression、Light GBM以及XGBoost三种模型进行实证研究。通过AUC值等评价指标对三种模型性能进行评价后发现,在这三种模型中,XGBoost模型对我国制造业信用债违约风险的分类预测有着更优的效果,经过参数调优后的XGBoost模型AUC值为0.9638。特别地,本文还进行了特征变量的重要性分析,从财务指标、发行主体自身性质及债券自身因素三方面,找出了对我国制造业信用债违约风险解释力度较大的因素。最后,根据整体研究表明,制造业企业的盈利能力、偿债能力及成长能力能更好地解释其所发行的债券的违约风险;从发行主体和债券自身因素方面看,发行人是否为民企以及其所发行债券的期限、债券发行时票面利率和发行时主体评级这几个因素也对债券的违约风险有着显著的影响。另外,XGBoost模型对我国信用债市场违约风险的分类预测效果较好,未来可以通过主动挖掘数据样本来建立相关的衡量指标体系及分类预测模型,对后疫情时代的风险防范具有一定的借鉴意义。本文也站在监管、信评与中介机构、发债主体及投资者这四个角度对我国信用债市场违约风险的防范提出了对策建议,以期待能更好地促进我国信用债市场健康向好地发展。