随着我国供给侧改革的深入推进,经济结构进入新的转型阶段,资本市场积累的系统性风险逐渐暴露,尤其是债券的违约风险。2014年“11超日债”的违约打破了我国债券市场刚性兑付的神话,债券违约风险逐渐凸显,截至2018年12月17日,我国共发生信用违约事件233起,违约金额达到1962.29亿元。2018年以来债券违约势头急剧加快,截至2018年12月17日,2018年有112只债券违约,是2017年债券违约数的3.2倍。在债券真实违约样本增多且逐渐趋于常态化发展的新形势下,传统的债券违约风险度量方法的适用性以及如何构建更具直观的债券违约风险衡量指标,对于公司、投资者及监管机构都具有实际的借鉴意义。本文所选样本为截至2018年12月3日的911支沪深交易所存量债券,首先利用KMV模型算出违约距离,根据不同发行主体评级、不同行业、不同公司属性的违约距离结果来验证传统KMV模型衡量我国公司债券违约风险的适用性。实证结果表明,违约距离能够较好得识别违约风险,随着公司评级的降低,其违约距离的相关数据(平均值、中位数)也随之降低。由于每个行业都具有各自的风险特性,本文对行业视角深入研究,以化工行业为例,基于违约企业共性问题搭建新的衡量指标作为补充,来更精确的识别行业内各发行主体的违约风险。由KMV模型得出的违约距离适用于不同债券风险的比较,但在衡量单一债券的违约风险时不够直观,由于我国实际违约数据库的缺乏,无法算出相对应的违约概率,且KMV模型是基于对市场财务信息的消化,而对发行主体短期财务信息的考量较小,具有一定的局限性。因此,本文在违约距离和Z-score模型中五个参数变量的基础上,结合Logit模型来衡量公司债券的违约风险作为对违约概率的替代。经过实证,本文尝试计算出的违约概率在衡量各评级公司债券信用风险时表现优异,具有较好的适用性和有效性。因此,本文利用logit模型计算出的违约概率在识别我国公司债券违约风险时具有较好的适用性和准确性,给市场投资者提供了一个更加直观的参考。