近年来随着中国资本市场的不断发展,上市公司的的规模也不断扩大,已成为整个国民经济的核心构成部分。而随着市场经济开放性和多元性的不断深入,上市公司发展的同时也面临许多问题,其中信用风险问题已成为上市公司正常运行所要克服的重点和难点,特别是在金融危机爆发后,信用风险所暴露的缺陷也愈加凸显。由于上市公司信用质量的高低对企业自身发展及资本市场的稳定乃至国家经济的健康运行有重要影响,因此,构建科学的信用风险管理方法,对中国上市公司信用风险进行测度,准确识别并控制信用风险,具有重要的现实意义。在已有的上市公司信用风险研究中,专家学者建立了一系列信用风险测度模型。其中,以违约距离角度出发的测度模型能动态及时地反映出上市公司信用风险的大小,显示出很好的测度能力;另一方面,以违约概率角度出发的测度模型中,多以静态的财务信息来反映公司信用风险状况,研究结果表明也具有很好的效果。然而已有研究少有从动态静态两方面综合的来分析信用风险的大小,特别是国内的大多数研究更多从违约概率角度进行分析,展现的多是上市公司静态下的信用质量状况,因而不能全面准确地反映上市公司信用质量的高低。基于此,本文以中国A股全流通上市的128家公司为研究对象,分别运用基于违约概率的Logistic模型和基于违约距离的KMV模型对上市公司信用风险进行研究,以达到准确全面地度量上市公司信用风险的目的。在Logistic模型研究中,运用正态性检验、T检验、非参检验以及多重共线性检验对选取的财务备选指标进行筛选,将筛选出的具有显著影响的财务指标纳入模型构建,并分别对危机发生前1-3年的模型检验结果进行分析,讨论对公司陷入危机具有显著影响的特征指标,并利用二分类混淆矩阵和测试样本检验构建模型的预测效果。在KMV模型的研究中,完成对相关变量值的确定之后,为对比模型改进前后测度能力的差异,本文首先对传统KMV模型展开实证研究并分析实证结果,然后对KMV模型进行改进,通过违约点DP的重新设定,运用均值差比较和独立样本T检验对设定的十个违约点下的违约距离的样本区分能力进行讨论,进而确定一个最优违约点,并利用二分类混淆矩阵,将其运用到改进KMV模型的预测中。最后,通过几何平均正确率G值、信用风险样本的F值和AUC(Area Under the Curve,AUC)值对改进KMV模型与传统KMV模型以及Logistic模型和改进KMV模型进行性能比较,从中选择出最优测度模型,并运用于上市公司风险管理实务中。实证研究结果表明:(1)Logistic模型对中国上市公司信用风险测度具有有效性和稳定性;总资产收益率在危机发生前具有显著区分能力,说明企业信用风险与盈利能力有较强的相关性。(2)最优违约点DP=STD+LTD,长期负债系数为1时,两类样本公司的违约距离差异最显著,基于最优违约点的改进KMV模型对上市公司信用风险的测度最有效。(3)Logistic模型和改进KMV模型的模型预测结果一致得出:危机发生前一年的模型对信用风险危机的发生反映最灵敏、正确率最高,危机前两年的其次,危机前三年的错判率最高。越靠近信用风险危机发生的时间点,模型的预测效果越好。(4)相比于传统KMV模型,基于最优违约点的改进KMV模型更有效,对KMV模型的改进可行。(5)在模型可靠性比较研究中,改进KMV模型的几何平均正确率G值和信用风险样本的F值均高于Logistic模型,说明改进KMV模型对两类样本的综合预测能力和对信用风险样本的分类能力都高于Logistic模型;改进KMV模型的AUC值大于Logistic模型,说明改进KMV模型的预测精度优于Logistic模型。对中国上市公司信用风险的测度,基于违约距离角度的改进KMV模型比基于违约概率角度的Logistic模型更加可靠。