信用风险是商业银行面临的最为主要的金融风险之一,而从目前国内商业银行信用风险管理的实践来看,仍然处于较为传统的阶段,采用的主要是内部评级和贷款分类这两种方法。同时,国内目前的信用风险量化技术落后,国外现代信用风险量化模型在国内商业银行实践运用领域几乎一片空白。在国外较为成熟的信用风险量化模型不断介绍和引入的背景下,大多数国内银行依然还面临着如何选择适用模型的问题。因此,选择适应中国市场的信用风险量化工具对中国商业银行进行信用风险管理具有十分重要的意义。本文的研究主要是通过引入信用风险度量工具——KMV模型,在实证分析的基础上,得出KMV模型作为中国商业银行进行信用风险管理工具具备较好的适用性的结论。之前的一些研究中,行业单一、样本量少,往往只针对一天中各个时间节点的价格数据或一年的每日收盘价数据进行实证分析,同时,对模型的个别参数并未作出符合中国实际情况的修正。本文的创新之处在于,跨行业进行样本选取,对60家上市公司最近4年的每日收盘价数据进行实证分析；在参数估计中,对股权波动率采用了拟合效果最好的GARCH (1,1)模型进行估计,并通过MATLAB中Newton-Raphson迭代程序对非线性方程组进行求解,估算出资产价值及其波动率,从而为信用风险作出定量分析。