为了解决银行体系在金融危机中所表现出的脆弱性,提高银行的资本质量和流动性,《巴塞尔资本协议Ⅲ))于2010年9月正式出炉。各国银行业纷纷提高了自己的资本监管标准。由于银行的主要经营绩效是通过向企业发放贷款,由此形成的本金和利息以及能否收回信贷形成的。因此,信用风险是商业银行所面临的最大风险。巴塞尔协议规定使用内部评级高级法计算银行信用风险的风险加权资产时,银行主要考虑四个指标：即企业的违约概率、违约损失率、违约风险敞口以及风险敞口的到期期限。因此,对企业的违约概率进行研究是很有必要的。本文主要使用三种模型对上市公司的违约率进行度量。本文选取了1020家沪深两市的A股上市公司,并利用其2007年至2010年的财务数据进行分析。首先,对于二分类Logistic模型,使用样本公司2009年是否被ST或*ST来表示企业是否违约,通过因子分析获得由2007年至2009年按时间加权平均的26个财务指标构成的8个主成分,利用逐步回归,得到股东获利能力因子、营运能力因子、现金流量因子以及行业类别均对违约率产生显著影响。同时,利用ROC曲线可以得到使模型预测能力最强的违约分割点为0.1552。并用2010年的财务指标对违约率进行预测,可以得到模型有较强的预测能力。其次,在有序多分类Logistic模型中,使用各个研究机构对样本公司的综合投资评级作为衡量企业违约的各个类别。利用SAS软件进行回归,表明盈利能力因子、股东获利能力因子、长期偿债能力因子、营运能力因子以及行业类别对违约率产生显著性影响。最后,在KMV模型中,使用三个行业的部分数据计算其理论违约率时,可以得到从2000年第四季度至2010年第三季度,三个行业的违约距离呈现出相同的变化趋势。同时,随着违约距离的增加,理论违约率相应减小。对于相同的违约距离,不论是制造业、批发零售业还是房地产业,均满足t分布的违约率的值大于一般极值分布的违约率的值,一般极值分布的违约率的值又大于正态分布的违约率的值。因此,可以知道,正态分布低估了样本的理论违约率。由于违约距离与违约率的负相关关系,同时由于无法得到实际违约率,因此使用2007年至2009年的加权违约距离对八个主成分进行逐步回归和广义最小二乘回归,得到只有股东获利能力因子、长期偿债能力因子和现金流量因子对违约距离有显著性影响。而行业类别与违约距离不相关。当在模型中添加了行业类别的随机效应之后,也得出违约距离的变异在行业水平并不存在聚集性。通过比较三个模型,可以看出企业的违约率与其本身的财务指标息息相关,虽然各个模型的显著性指标有所差异,但是违约率主要还是受到其盈利能力、股东获利能力、长期偿债能力、营运能力以及现金流量的影响。Logistic模型能够较好地反应出行业类别对违约率的影响,而KMV模型却不能。可见,Logistic模型对宏观、行业因素具有更强的敏感性。同时,在研究KMV模型时,如何在违约距离与实际违约率之间建立——映射关系也有待商榷。考虑各个软件的比较优势,本文主要使用SPSS18作二分类Logistic回归分析与KMV模型中违约距离的随机效应分析,使用SAS9.2作多分类Logistic回归分析,使用Matlab2010解KMV模型中的非线性方程组,最后用Eviews5作KMV模型中违约距离的回归分析。