自上世纪六十年代以来,有关违约概率的计算与评估始终是业界专家和学者的研究热点,许多优秀的研究成果也如雨后春笋般不断出现。但许多在国外应用广泛的模型在我国却缺乏必要的实施环境和硬件基础。针对这一情况,笔者在研究国内外专家学者的优秀成果后,对信用风险违约概率模型研究现状和应用情况进行了总结梳理,并基于Logistic和Cox模型的理论基础结合国内上市公司的真实数据进行建模和实证分析,为我国上市公司提供营运建议,为商业银行规避风险、调整授信策略提供参考。本文结合课题背景及研究意义较为详细地梳理了国内外关于违约概率模型的研究现状,分析了各种模型的基本理论和应用情况,并结合实践可行性和模型适用性选择Logistic模型与Cox模型进行进一步的研究。在实证分析方面首先设置观测期为2015至2016年,将沪深两市的223家上市公司的财务数据分为建模组和测试组后对建模组数据进行变量筛选,分别建立Logistic模型和Cox模型,采用统一的违约分界点进行判别分析,绘制ROC曲线和K-S曲线进行模型能力比较,得出在建模组数据下Cox模型在识别违约公司和非违约公司方面都更胜一筹的结论;之后将测试组的数据用于模型拟合并且在相同条件下对两类模型进行对比,同样验证了 Cox模型总体表现更强的观点,并指出Cox模型具备的动态预测能力使得它可以较为精准的预测上市公司在生存时间内每个时间点的生存概率。最后,结合理论知识和研究应用从不同角度提出相应的建议,总结本文的不足之处并进行展望。