资本市场在我国已经发展了17年，证券投资逐渐取代传统的储蓄理财方式被社会大众所接受，但资本市场的违规现象十分严重，上市公司因财务状况异常而被特别处理经常发生，这些现象促使上市公司的所有利益相关者，包括股权投资者，债权人，企业管理者，政府，企业员工等，都十分关注公司的信用状况，因此建立适合中国国情的上市公司信用风险计量模型成为学术界和财务界的一大热点问题。本文在总结前人研究成果的基础之上，对这一问题进行了深入的探讨，具体工作如下：首先以上市公司的财务数据为基础分别建立了信用风险计量的因子分析模型和BP神经网络模型；然后根据中国资本市场的特点对信用风险计量的KMV模型进行修正，验证了该模型在我国的适应性，从而得到了基于市场数据(即股票价格)的动态信用风险计量模型；最后提出了一个信用决策支持系统的框架。可得到如下结论：BP神经网络模型的总体判定正确率高于因子分析模型；修正的KMV模型在一定程度上能适用于中国的资本市场，但要建立违约距离与期望违约概率之间的对应关系必须建立上市公司的违约数据库；用KMV模型计算得到的违约距离DD可以用来动态地监控公司信用风险状况，也可以对上市公司作三分类的判别，而BP神经网络模型适合对公司作两分类的判别；要将现有的信用风险计量方面的研究成果产业化，必须建立信用决策支持系统。