近期债券违约事件频频发生,民营企业依旧是发生违约的主要群体,其违约公司数量呈逐年上升态势。2018年,违约风险开始向上市公司及高信用评级企业传导,甚至是AAA评级企业债券同样发生了违约,使得投资者不能再仅凭高评级来作为购买债券的唯一依据。开发更准确的违约风险评估工具的需求日益凸显。过去数十年来,违约风险评估模型经历了从定性到定量、从静态到动态、从单体评估到组合对象评估的发展过程。目前主流的违约风险评估模型,包括但不限于:专家分析法、Z-score模型、Logit模型、Probit模型、KMV模型、CreditMetrics模型、神经网络等等。本文通过总结2018年上市公司发生违约的原因形成与之匹配的财务指标,并利用Logit回归模型逐步确定最佳方程的方法,形成量化企业违约事件发生概率的评估模型。该模型吸收了不同时期违约风险量化模型的特点:包括Z-score模型中确立违约风险时使用且至今依然适用的财务指标;KMV模型中基于期权思想并利用实时市场数据量化违约可能性的关键指标违约距离;Logit模型的回归方法。模型基于最新中国上市公司的财务及交易数据(包括违约及非违约公司数据),使其具有区域和时点上的适用性及易操作性。并将模型应用于沪深300成分股中非金融行业上市公司进行违约风险评估。评估后发现房地产行业违约风险正在聚集。面临经济下行,政策调整,融资环境趋紧的客观现状,销售回款效率低及外部融资依赖度高的房地产企业,财务状况较脆弱,违约风险加剧。