随着我国证券市场的不断发展，越来越多的公司通过上市募集资金扩大发展。随着证券市场的繁荣以及上市公司的增多，信用问题也愈加凸现出来。上市公司经营状况的恶化导致财务状况异常甚至恶化，都给投资者和债权人带来巨大的损失。如何提前识别上市公司潜在的信用风险以及正确度量信用风险，以使投资者和相关债权人能够及时采取措施规避风险具有重要的现实意义。关于信用风险的度量，国际上已有很多种方法。传统的信用度量模型主要依赖于公司的财务指标和财务数据，因而模型的度量结果受到公司财务数据真实性的影响，而我国上市公司又存在着严重的会计信息失真现象。另外，财务数据反映的是公司的历史情况，无法反映公司的未来前景和风险，因而传统的度量模型作用十分有限。KMV模型是一种基于股票市场数据的度量模型，对于公司财务数据的依赖较少，因而可以克服传统信用度量模型的缺陷，并且根据股票市场数据度量信用风险具有动态性和前瞻性。KMV模型对于证券市场的有效性要求不高，对于我国这样的弱有效市场具有更大的适用性。为使模型更适合我国市场的情况，本文重新设定了模型中的重要参数违约点DP，改进了期权定价公式后进行实证。本文共分为五章。第一章是绪论，阐述了研究的意义以及国内外信用风险度量的相关方法和技术，并概括了本文的研究思路。第二章介绍KMV模型的基本原理。为了使模型更符合中国市场情况，本文对模型进行了修正，即重新设定了违约点DP，改进了期权定价公式的参数。第三章是模型的实证过程，并以一个具体实例介绍模型的计算过程。考虑到行业因素对信用风险的影响很大，为避免将各行业混杂在一起影响实证的效果，本文仅选取特定行业进行信用风险的度量研究。第四章是实证结果分析。实证结果证明改进后的KMV模型在中国市场具有很强的适用性。模型的准确率达到82.27％，并且KMV模型得出的结论与信用评级间具有较强的相关性。第五章总结了本文的研究特色以及对于未来的研究展望。