在经济飞速发展的时代,金融市场无疑是资金流通最快、资本增长最为迅速的经济体系大动脉。金融市场高收益性的特点注定其存在较高的风险——信用风险、流动性风险、市场风险等等。从银行贷款到交易所债券,信用风险都是一个不容忽视的问题,它不仅影响着融资双方的利益,更关系到整个经济体系的稳定。风险控制作为降低融资风险、预防金融危机的重要手段,依赖的是可靠有效的风险度量方法。从2002年债券市场成立,到现在托管量高达65万亿,风控意识与管理经验不足的问题逐渐凸显,传统的信用风险度量方法已经不能满足日新月异的市场变化。2016年频频发生的债务违约迫使我们必须选择更有针对性、时效性的现代信用风险度量方法——更加符合市场需要的KMV模型。KMV模型是以期权定价理论为基础,结合欧美发达国家资本市场数千例债务违约实例建立的风险度量方法,是一种简单、直观、针对性强的风险预测模型。其主要思想是将目标企业的股东权益看做一笔以公司资产为标的物,公司账面价值为执行价格的看涨期权。在债务到期日时,将公司资产价值与债务账面价值进行比较,如果债务总额大于资产总额,公司将难以兑付,形成实质性违约,反之,公司将按期兑付。但是该模型违约点的设定,是根据国外资本市场情况进行统计研究的结果,并不能很好的符合我国市场状况,本文将运用遗传算法对其违约点的确定进行优化。本文主要分为五部分。第一部分对选题原因、意义以及KMV模型发展进行简要介绍;第二部分分析国内外风险度量手段的优劣,为下文有针对性地进行模型优化打下基础;第三部分详细讲解KMV模型与遗传算法思路,将遗传算法融入到KMV模型的违约点优化中,建立基于遗传算法的KMV模型;第四部分选取2013年至2016年间国内A股市场被交易所实施ST措施的公司进行实证研究——将其财务数据与股票市场信息进行整理,通过MATLAB编程,计算公司的资产价值与资产价值波动率,结合遗传算法得出的最优违约点,得出样本公司违约距离,对公司违约可能做出基本判断;第五部分为总结与建议,结合实证结果与模型中仍存在的问题,对模型优化以及模型应用进行总结归纳。本文对于股价波动率、股权价值、违约点三个参数进行优化——股价波动率并没有采用传统的日股价波动率推算年股价波动率的方式,而是对应ST组公司被实行ST措施当年的全部估价数据,计算准确的股价波动率数值;股权价值考虑到了流通股、非流通股、限售股问题,目前股权分置改革已经基本完成,主要存在的是限售股的定价,本文将限售股的定价与市场流通股区分,确保股权价值计算更符合实际情况;违约点是KMV模型进行判断的关键点,以往的著述中大多直接采用其模型原有的违约点设置,本文将运用遗传算法,结合后文中所述的国内样本公司财务数据对违约点进行优化,使模型判断结果更加准确。