20世纪80年代以来,金融市场波动性日益加剧,同时金融全球化成为大势所趋,在信用风险的问题上,各国银行和非银行金融机构都面临着艰难严峻的挑战。国际复兴开发银行认为信用风险是造成银行危机的首要因素,而银行是金融市场的纽带,因而金融危机追根溯源是信用风险管理的失败。在近年来全球低利率甚至是负利率的情形下,我国金融市场积累了明显的资产价格泡沫,银行业资产也在快速扩张中逐渐积聚风险。随着GDP增速放缓,美联储开启加息周期,以及产业转型艰难企业风险加大,我国银行业资产质量呈下滑趋势,因而强化信用风险的管理是增强银行稳健经营能力的关键途径之一。信用风险管理的难点之一是度量信用风险,信用风险通常跟公司的财务表现密切相关,本论文通过构建上市公司违约概率与股票数据和财务数据的结构化模型,把预测未来信用风险和公司历史数据关联起来。并且经过对多种模型和不同参数设定的比较和统计分析,判断出中国上市公司适用的结构化风险度量模型。以上研究可以使银行建立合适的信用风险模型,借助关注上市公司的股票数据和财务数据,识别信用危机。40多年前发表的Merton模型是业界进行预测违约概率的主要模型之一,大量学者为了拓展其应用范围或者提升预测准确度,对基础模型进行扩展。本文使用10年间250个*ST公司和250个对照公司来实证考察Merton模型和其他拓展模型,探究了Merton模型违约风险预测能力对三个参数的敏感度,并且分析了敏感度的产生原因;比较和评估了近年流行的各种替代模型在预测中国A股上市公司违约风险上的表现;提出了几个可以提高模型精确度的方案,并且给出一个兼顾区分度和计算量的简化模型。