2019年5月24日,因为发生严重信用危机事件,包商银行被中国人民银行和中国银保监会宣布进行监管,期限为一年,为其他商业银行敲响了警钟。由此也说明我国银行业传统信用风险评估方法存在不足,关于我国商业银行的信用风险研究须更进一步。在实际应用中,随着研究的不断深入,KMV(Kealhofer、Mcquown和Vasicek)模型以科学性、客观性、可操作性、实用性等优势逐渐凸显出来,因而被越来越多的研究者信赖并采用。本文通过选取我国现有商业银行的相关数据,利用KMV模型进行评估,并针对评估结果,对KMV模型进行改进,使其更适用于我国银行业:股权价值利用股权结构进行计算,股票收益率利用GARCH(1,1)模型进行计算,违约点选取总负债的值并利用MATLAB进行计算;对非上市的商业银行利用PFM(Private Firm Model)模型进行评估,其实际为KMV模型的衍生模型。基于两个模型,分别选取我国部分商业银行为例进行实证分析,计算相应的违约距离(DD)和预期违约率(EDF),并与相关的信用评级组织对银行的信用评级情况进行比较,得出相关结论。本文发现上市银行违约距离越大时,表示现在离违约点越远,其理论预期违约概率越小,有明显的反向关系;当银行的无风险利率越小时,资产价值也随着变小,而资产价值波动率则变大,说明我国下调无风险利率对我国上市商业银行来讲,变相降低了一定的信用风险;上市银行利用KMV模型得到的结果和搜狐财经上的2019最新银行主体评级基本一致,说明KMV模型对上市银行的风险度量具有参考价值。在非上市银行的实证中违约距离与理论违约概率之间的关系虽然也呈反比关系,但利用PFM模型计算得到的非上市银行数据结果与搜狐财经上的2019最新银行主体评级不太相符,说明PFM模型在对非上市银行的风险度量上存在一定局限性。单从数据结果来看,上市银行和非上市银行的违约距离数据符合基本常态,说明本文研究有一定参考价值。根据综合分析发现,对两个模型的研究会随着日后非上市银行数据的不断完善,模型主要参数计算的不断改进,对我国银行业整体信用风险度量起到一定的推动作用。最后针对发现的银行业存在的如数据难获得、不良贷款率高等问题给出相应的建议并提出希望我国金融市场更加成熟,在银行业发展中可以涌现出更多适用的信用风险度量模型的展望。