信用风险作为金融交易中最基本的风险,已经历了金融机构和众多学者的长时间研究,这些研究的目的都是为了能更好地识别和计量信用风险。而信用风险的计量正是现代信用风险管理的基本,也是不断发展的关键所在,其研究大体上经历了从定性分析到定量分析的转变。国外对财务预警模型的研究开始得比较早,如单因素判别模型、多因素判别模型、Z-score模型、Zeta模型、Probit模型、Logit模型等等,后来又融入了许多计算机与信息科学的新技术,如人工神经网络(Artificial Neural Network)模型、支持向量机(SVM)等,而现代信用风险模型主要包括Credit Metrics, Credit Portfolio View, Credit risk+和KMV模型。国内学者对KMV模型的研究主要是验证该模型对国内市场的有效性,以及针对我国市场的一些特色做一些修正。由于我国金融市场正酝酿着巨大的系统性风险,所以对信用风险的监控显得尤为重要。上市公司作为国内银行的主要贷款对象,公司的各方面状况都直接影响到银行资产的质量,从而影响到整个金融市场。由此,对上市公司信用风险的监控成为整个信用风险管理体系的重要一环。所以本文基于KMV模型对国内部分上市公司近一年的信用风险变化进行研究,将达到一定市场风险监控效果,同时促进我国对财务危机预警模型的研究发展,对于当前金融环境也有一定的实际意义。