信用风险不仅影响社会经济活动的各领域,而且对一国的经济发展和宏观经济决策造成影响。2007年的次贷危机引发了全球性金融危机,各国金融机构对信用风险管理更加高度关注。信用风险的度量经历了由简单地定性分析到基于财务指标的线性及非线性模型,再到基于现代金融理论的信用风险量化模型的过程。目前发达国家广泛采用的信用风险度量模型主要有KMV、Credit Risk+、 Credit Metrics及Credit Portfolio View4种模型,而国内关于上市公司信用风险的度量大多采用以Z-score模型为代表的多元线性判别模型,远落后于发达国家,迫切需要借鉴国际先进的度量技术。本文将KMV模型与Logit模型相融合,来度量我国上市公司的信用风险。KMV模型的全称为KMV信用监测模型(KMV Credit Monitor Model),是一种计算公司预期违约率的模型,该模型的理论基础是Black-Scholes-Merton期权定价模型。KMV模型将公司权益看作欧式看涨期权,以公司资产价值作为标的资产,某一债务水平作为执行价格,债务到期日为期权执行日。将这一债务水平定义为违约点DP (default point),债务到期时,若公司资产价值高于违约点,公司偿还其债务,公司股东权益价值为资产价值与债务价值的差值；若公司的资产价值低于违约点,公司无力偿还债务,将会选择违约,此时债权人得到的为公司资产价值,公司股东权益为零。KMV模型的基本思想是：以违约距离DD (distance to-default)度量公司资产的预期价值与违约点间的相对距离,违约距离越大,公司违约的概率就会越小,反之越大。基于KMV公司庞大的公司违约数据库,KMV模型建立了违约距离与历史违约概率间的对应关系,据此得出预期违约率EDF (expected default frequency)本文对KMV模型在我国的适用环境进行了分析,从模型自身的优点、模型所需数据的有效性及可得性等方面指出KMV模型适用于我国,同时也指出该模型应用于我国存在着种种困难：我国上市公司的股份并未实现在证券市场上的全流通,目前仍存在相当一部分非流通股,而对于非流通股市场价值的度量,国内学术界尚未能形成统一的计算方法。因此,如何度量非流通股的市场价值,这成为KMV模型应用于我国所面临的一大难题；由于上市公司是很珍贵的壳资源,在我国上市公司破产的例子比较少,将破产作为信用危机的样本是不可行的,因此在我国关于信用危机公司的选取存在困难：利用KMV模型预测上市公司违约率的前提是存在一个健全的上市公司历史违约数据库,而我国目前尚未建立起完善的信用体系,缺乏上市公司历史违约数据,无法将KMV模型计算出的违约距离DD转化为预期违约率EDF,导致无法得到KMV模型的最终结果预期违约率,考虑到这一困难,本文采用KMV模型与Logit模型相结合的方法,将KMV模型的中间结果违约距离(DD)作为传统Logit模型的其中一个自变量,以此来度量我国上市公司的信用风险。本文选择2009-2011年“因财务状况异常而被‘特别处理’(即被ST)”的上市公司作为信用危机公司,并按1：1比例选择同行业当年未被ST的上市公司作为配对正常公司,并将2009年样本作为建模样本,2010及2011年样本作为检验样本。实证步骤大致如下：首先考虑我国具体情况设定KMV模型中的各参数(股权市场价值及其波动率、无风险利率等),将设定好的参数代入KMV模型,计算出违约距离DD,实证结果显示,ST公司的违约距离小于正常公司违约距离,两类公司违约距离的差异显著；然后基于上市公司的财务数据构建传统的Logit模型,在此基础上引入违约距离DD,构建新型Logit模型,从模型的拟合优度、判别及预测准确度来比较两模型的有效性,并以此判断KMV模型与Logit模型融合的新模型度量我国上市公司信用风险的有效性：基于上市公司t-1、t-2、t-3年的数据,本文还探究了模型的实效性,即模型能提前几年预测上市公司的信用危机。本文最后得出结论：相比传统的基于财务数据的Logit模型,KMV模型与Logit模型融合的新模型可以更好地度量我国上市公司信用风险：基于上市公司t-1年公布的t-2年的财务数据,引入违约距离的Logit模型可以提前一年预测到上市公司信用危机。