信用风险一直是风险管理的核心内容,能否进行有效的信用风险管理一直被认为是金融行业,甚至是一国金融体系是否具有竞争力和可持续发展力的关键。现代信用风险管理领域中,风险的量化管理无疑是最核心的根基,所以,从20世纪90年代以来,一些新的风险计量方法开始出现,其中最具革命性的就是VaR方法的产生。在欧美等发达国家已明文规定银行等金融机构必须实现VaR风险管理方法,可以说,VaR技术已成为一种度量信用风险的国际行业标准。但目前由于数据缺失,国际上具有代表性的基于VaR的风险管理模型在我国的可操作性都不强,那么怎样才能将VaR方法应用到我国风险管理的实践当中,就成了本文探索解决的问题。本文引入信用价差的计算,构建了一个改进的KMV的扩展模型,从而可以直接度量样本的VaR,以及比VaR更具优势的CVaR。改进的KMV模型不仅可以进行风险的定性评价,还有助于相关管理者从量化管理的角度直接测算信用损失。基于房地产行业上市公司,本文运用实证研究验证了改进的KMV模型的有效性。研究表明,第一,违约距离能够比较准确的反映出样本公司面临的信用风险,即KMV模型能比较准确的衡量我国上市企业的信用风险。第二,历史模拟法在较低的置信度下会低估风险,而在较高的置信度下会高估风险。同时证明相较于VaR而言,CVaR能更好的处理损失分布的厚尾现象。第三,从针对样本公司银行应计提的经济资本大小可以看出,本文基于信用价差对KMV模型做出的改进保证了模型的有效性。本文进行实证检验时没有运用到具有行业特征的相关参数,因此,本文构建的扩展的KMV模型,以及本文的研究结论同样可以推广到其它任何行业。