由美国次贷危机引发的全球金融危机,令国际金融界开始意识到随着金融领域的不断变革、金融衍生工具的不断推出,信用风险已经成为金融业最主要的风险之一。本文使用KMV模型计算违约距离(Default-Distance,DD)和极端违约距离(Extreme-Default-Distance,Ex_DD)测度正常环境与极端环境下的信用风险,用于我国行业间信用风险的对比分析。通过归纳国内对KMV模型参数估计修正的研究成果,选择了GARCH(1,1)模型估计KMV模型的核心参数股权价值波动率,从而提高模型的估计精度。之后,按照申银万国一级行业分类标准选取了房地产、汽车、有色金属、钢铁、电子、金融、农林牧渔、能源8个行业沪深两市A股上市的272家公司2004-2009年的数据进行了实证分析。实证结果表明,DD与Ex_DD描绘的行业信用风险走势时能够较好地反映我国宏观经济走势,并对宏观经济环境的恶化有预警作用；在极端经济环境下DD值可能低估行业信用风险,使用Ex DD保守估计行业信用风险时,可放大行业信用风险波动,对区分极端经济环境下不同行业违约风险差异有较好作用；有色金属、电子、房地产在DD测度下属于高风险行业,其中有色金属及电子行业受其产业结构特征影响,高风险主要表现为较高的行业波动；钢铁行业与农林牧渔均属于DD测度下的低风险行业,但背后支持的原因却不尽相同,钢铁行业虽信用风险排名很好,但掩盖在政策支持下面的产能过剩、结构转型问题却成为较大的风险隐患；在极端经济环境下,钢铁行业信用风险指标波动剧烈,风险有所暴露,汽车行业危机期间信用风险迅速攀升,表现出强劲的周期性调整,电子行业则表现出会比整个宏观经济回暖更快的行业特质。基于本文结论,笔者提出了该模型在银行等金融机构风险控制与创造利润方面的应用展望。