本文首先介绍了如何运用 KMV模型对中国上市公司信用风险的衡量指标——违约 距离进行估计。文章通过对两类错误率的分析，考察了 KMV 模型在我国市场的预测能力， 并从时间序列的角度讨论了 KMV 模型的适用条件。同时，文章运用ROC曲线和准确率对 KMV 模型估计的准确性进行了检验。文章的结果表明，由 KMV 模型得到的违约距离指标 包含了公司违约的重要信息，对于我国上市公司的信用风险具有较好的判别和预测能力。

本文系统的讨论了两类信用风险模型一致性问题的内涵及分析框架。利用logistic和KMV的序列评价结果,实证分析了在面板数据多维信息空间中，两类模型的信用评价结果在层级性和趋势性上的一致性判定。结果显示，违约距离与守信概率在时间维度上存在正相关关系，并在统计上显著；而在截面上不成立。也即一致性问题中时序序数结果一致，而截面上的层级序数结果则无法确认。

KMV模型是一种利用公司资产市场价值及其波动率以及负债的账面价值来评估上市公司信用风险的违约预测模型。本文借鉴国内外关于KMV模型的研究成果，结合我国当前宏观经济环境和特征，充分考虑流通股与非流通股分别计价以及违约点设定的问题对KMV模型进行了修正。并通过选取我国上市公司的24支*ST股票和24支正常股票作为研究样本对修正的KMV模型进行了实证研究，利用ROC曲线对修正后的KMV模型度量信用风险的绩效进行了分析，得出了违约距离（DD）能够有效识别*ST公司与正常公司之间信用风险的差别，KMV模型在我国股票市场环境下具备整体有效性的结论。