2009年10月30日，经过了近10年的筹备，我国创业板正式成立。标志着我国多层次资本市场的建设获得了新的飞跃，面向高科技成长型企业和和自主创新型企业的中国式NASDAQ的正式开启。创业板与主板市场不同，它主要为有高风险、高回报特性的中小型高科技企业服务，投资者在购买创业板公司的股票时，实际上购买的是公司的成长预期。随着创业板退市制度的推出，人们对创业板上市公司信用风险度量问题也更加重视起来，怎样有效预测创业板公司信用风险，保护投资者利益，成为了现今金融业的一个热门话题。本文先对上市公司信用风险的内容、特征、成因和影响进行了分析，让我们对上市公司的信用风险有了一个整体上的了解。为了计算创业板上市公司的信用风险，本文一一介绍了4种国际上比较流行的现代信用风险模型：Credit Metrics模型、Credit Risk+模型、宏观模拟模型和KMV模型，并对它们的适用条件进行比较，认为KMV模型更适用于度量创业板上市公司的信用风险。在此基础上，对KMV模型进行了一定的修正，使得修正后的KMV模型更加符合我国创业板上市公司的实际。在本文实证中，分别选取了我国不同行业共13家创业板上市公司作为样本组，并选取13家类似行业规模相似的ST公司作为违约组，以2012年年末为时间点，通过修正的KMV模型来度量信用风险，最后计算出样本组和违约组的违约距离（DD）和违约概率（EDF），用违约距离（DD）来衡量信用风险，如果违约距离（DD）越大，则公司面临的信用风险越低，信用水平越高。通过分析计算发现，样本组公司的违约距离显著高于违约组公司的违约距离，这跟实际情况是相符的，说明修正的KMV模型对于创业板上市公司的信用风险识别是比较有效的。接着又用该模型计算了2010年和2011年，这13家创业板上市公司的违约距离，比较发现从2010年到2012年，这13家创业板上市公司的整体信用风险是下降的。在此基础上，本文还从微观层面分析了公司违约距离的影响因素，对2010年到2012年，13家创业板上市公司的资产负债率（DA），销售净利率（NPS），流动资产周转率（CT）和违约距离（DD）这些面板数据进行回归，发现资产负债率和违约距离负相关，流动资产周转率和违约距离正相关，销售净利率和违约距离正相关（但t值不显著）。最后，本文对实证结果进行解释，说明KMV模型对于度量我国创业板上市公司的信用风险是适用的，并对KMV模型在中国能够更好地发挥其风险度量作用提出一些建议。