近年来,随着我国金融市场的深入发展,其中的信用风险问题也日益凸显,信用风险分析、度量和管控更是相对滞后,目前国内信用风险分析方法远远解决不了中国日益深化和复杂化的金融市场问题。如何度量信用风险是我国政府相关监管部门、各大金融机构和广大投资者的一项重要研究方向和议题。近来被广泛研究和使用的KMV风险预测模型由Merton1974年提出,后经KMV商业公司发展的。该模型把企业的负债看作是以其资产价值为标的看涨期权。当到期支付债务,其资产市场价值低于负债时,企业则会选择违约倒闭。企业资产价值与违约的距离点称为违约距离。由历史数据库,该模型可以通过违约距离把预期违约概率和实际违约概率进行一对一映射。由于主要使用了股市中实时的交易数据,反映的是众多投资者对公司的预期判断,使得模型对信用风险评估有一定的前瞻性,能比较好的衡量和预测公司的信用风险。本文首先介绍了一些国外现代信用风险度量模型,重点于KMV模型,并结合国内A股市场,进行了实证分析,考虑了传统方法之外的EM迭代法和参数校正。最后,在BSDE和非线性期望框架下对KMV模型展开探讨和研究。在本文中,我们提取于2016年度在A股上市超过一年且相关数据比较完善的上市公司作为样本,采取传统的两方程联立法进行计算,得到违约距离和预期违约概率,分行业和评级进行整体截面数据的统计分析,以评级低和ST公司作为参照。选择两个一级行业行(房地产和建筑业)和一个二级行业(制造业下黑色金属冶炼及压延加工)上市存续有十年的上市企业作为样本,用单方程EM迭代法,对特定行业进行时间序列分析,得到行业内企业违约距离、预期违约概率、信用迁移矩阵、行业的平均资产收益率和违约距离序列变化。在实证过程中,从计算和分析发现:一、单方程的EM迭代计算方法是可行可靠的,并且在某种程度上优于联立方程法,有直接运用原始数据、信息损失较小,解比较稳点,无需分析国内市场对资产波动率和股票波动率之间的结构关系的适定性,更具有合理性的将季度内违约中位数作为季度违约值等优点;二、通过ST公司和信用评级低的公司代替国内缺乏违约案例及数据库进行违约点参数估计和校正是可行的,但需要有针对性。在当前股票市场上,只要有投资者的肯定,有些上述样本其股权价值并没有迅速贬值,再考虑到这些小公司其非常低的负债数据和市场上不活跃的交易,以及样本量过少等因素容易导致其违约距离比较偏大,不能生搬硬套把这些样本作为行业标杆和旗帜来估计参数和调整模型,而是需要对样本进行特定分析。