2014年我国爆发了首支信用债违约事件,自此我国信用债市场上“刚性兑付”神话开始落下帷幕。近年来受我国经济去杠杆和金融强监管大背景的影响,上市公司信用债违约事件开始频频出现,违约主体所涉及的行业也越发多样,给我国债券市场的健康发展带来了巨大挑战。在这种背景下,建立起适合我国债券市场发展特点的上市公司信用债违约风险识别模型,以此来更好的识别规避信用债的违约风险就显得尤为重要。首先,在研究对象的选取上,不同于以往学者将ST公司视为债券违约公司的处理,本文选取2014-2021年间首次发生信用债实质性违约的上市公司作为研究对象,样本更具真实性和代表性。其次,在债券违约风险识别指标体系的构建上,选取了基于KMV模型的违约距离指标、上市公司财务指标与非财务指标3类指标,充分挖掘财务指标和非财务指标蕴含的历史数据信息和违约距离指标蕴含的市场化动态信息。在指标体系的预处理上,首先利用独立样本T检验对于违约距离指标在识别信用债违约风险的有效性上进行检验,T检验结果表明违约组和对照组的违约距离有着显著差异;为了更好的利用财务指标中所蕴含的信息,同时避免由于指标相关性过高而造成模型过度拟合问题,对于财务指标进行了基于主成分分析法的降维处理。最后,构建的KMV-SVM模型针对上市公司的信用债券违约风险识别问题进行分析时,为了说明该模型在上市公司信用债违约风险识别问题上的优越性,将经过参数选优后的KMV-SVM模型分类识别结果分别与参数选优前的KMV-SVM模型分类识别结果、参数选优后的SVM模型分类识别结果以及KMV-Logistic模型的分类识别结果分别进行对比分析,发现经参数选优后的KMV-SVM模型无论是从模型的整体准确率指标来看还是从F1指标来看,分类识别的结果均为最好,其整体模型准确率值和F1值分别达到了为96.875%和90.91%,进一步说明了KMV-SVM模型的结合具有理论与实际意义。