改革开放后,中国金融市场持续发展,而各类风险事件也相继频繁发生。其中,信用风险涵盖范围最广,是需要管理与防范的重要内容。同时,最近几年的上市公司其数量逐渐增多,以此为背景,便增加了信用风险,在信用风险度量方面也更加困难,精确的度量和预测上市公司的信用风险成为重中之重。本文在研究过程中,参考学习国内外有关信用风险技术,对各种信用风险度量模型是否适用于我国的状况作出明确,并最终从中选择一种信用风险度量模型。本文将使用KMV模型以评估我国的上市公司信用风险。本文依据我国金融市场实际情况进行了修正。首先,引入遗传算法对KMV模型中的违约点进行重新修正,以便消除传统违约点设定方法所存在的主观性或局部最优等缺陷。其次,引入EGARCH-M方法,估算股权价值波动率,以更好地吻合股票收益率序列“尖峰厚尾”的特征。以2018年中国上市公司为样本数据,计算各个上市公司的违约距离,并比较修正后模型和传统KMV模型所求上市公司的违约距离,最终总结出模型在中国市场的适用情况。实证结果表明,修正的KMV模型对样本公司的信用风险评估评估效果较好,有效实现了我国的上市公司信用风险度量准确度提升。