自2008年国际金融危机爆发以来,世界经济经历了急剧地动荡与衰退地考验,现在又进入到艰难复苏的后国际金融危机时期。受经济周期下行和国家产业政策调整等因素的影响,国内制造业、地产、船舶、钢铁贸易等被列入了高风险行业。其中,制造业作为国民经济的基础,是经济指数良好运行强有力地支撑。然而,由于我国近期宏观经济走势趋缓、出口疲软、用工成本上升、订单外流等因素的影响,使得我国制造业发展形势很不乐观,日常运营面临重大挑战,信用风险开始集中暴露。因此,如何有效测度制造业上市公司的信用风险亟待解决。基于此,文章采用定性和定量的方法对我国制造业上市公司信用风险的测度进行了理论分析和实证研究。首先,文章对国内外信用风险文献资料,按照信用风险测度的指标模型和非指标模型这一标准进行了梳理与学习,并从研究对象、研究视角、研究方法三个方面总结归纳了学者们的研究成果对作者所研究课题的启发。其次,文章对信用风险的理论知识进行了简要说明,并对信用风险的测度模型按照指标模型和非指标模型这一标准进行了解析,以加深对模型的认知,为后续信用风险测度模型的选择与运用奠定理论基础。同时,文章也对我国制造业上市公司信用风险的成因及特点进行了分析。通过上述信用风险文献综述、理论知识以及各种模型的解析,我们发现：现有的针对国内上市公司信用风险的测度分别从会计报表截面数据和资本市场时间序列数据两个单方面因素展开研究。而公司信用风险发生与否是一个长期积累的过程,且会计报表截面数据是信用主体的历史记载,具有“向后看”的特性；资本市场时间序列数据作为先行指标,具有“前瞻性”。为此,如果将两者有效结合,使其较为全面地涵盖公司未来违约的预测信息,那么其整体的预测效果是否比从单一方面考虑会更好是文章研究的口的所在。因此,文章结合实际情况以及相关模型的适用性,先运用财务比率指标作为会计报表截面数据,基于主成分和判别分析对制造业上市公司的信用风险进行初步测度；接着运用股票价格时间序列数据作为资本市场数据,基于KMV模型计算违约距离DD,然后将财务比率指标主成分因子与违约距离DD共同纳入到Logistic模型中,实现会计报表截面数据和资本市场时间序列数据的有效结合,以提高对我国制造业上市公司信用风险的测度能力。实证研究结果表明,会计报表截面数据和资本市场时间序列数据有效结合后,使得Logistic模型整体预测准确率达到85%,相比仅有财务比率指标数据的分析模型,其整体预测准确率提高了5%,充分说明财务比率指标与违约距离DD的结合对模型的预测是有效的。至此,文章从会计报表截面数据以及资本市场时间序列数据两个方面,通过运用不同模型和方法的优势互补性,试探性地提出我国制造业上市公司信用风险两阶段测度体系,从而更有效地对制造业的信用风险进行测度,并为其有效管理提供初步的理论依据。