随着金融方式的不断创新,融资租赁在现代金融业中成为继银行信贷之后的第二大融资渠道,其经济地位紧挨着银行、证券、保险、信托,所以融资租赁公司整体状况将直接影响到我国投资者的利益和国民经济的稳定。当前,信用风险也已逐渐成为当今金融机构所面临的最为重要的风险之一,其风险的表现形式也变得越来越复杂和多样化,其危险性也变得越来越大,故而对于融资租赁行业而言,能否有效度量和管理融资租赁公司信用风险,不仅关系到融资租赁公司自身的风险控制和监管,而且关系到整个社会经济的稳健运行。随着我国融资租赁市场发展的需要,一般信用风险度量方法已不能够适应其变化需求,如何能够精确识别和度量其信用违约风险已成为必然需求,根据融资租赁行业的上市公司信用风险的特征,来预测和度量其信用风险的大小,这对于融资租赁行业而言具有其深远的意义。随着我国股权分置改革的不断深化和我国融资租赁业务也逐渐深入到国民经济中去,融资租赁公司的风险管理意识也逐渐变得越来越强烈,风险监管也变得尤其重要,但是度量融资租赁公司信用风险的实证研究并不多。这也就强烈要求我们对融资租赁公司的信用风险度量与管理进行深入的研究和分析,选择一种适宜的度量融资租赁公司信用违约风险方法,来降低信用风险,以使融资租赁公司得到更快更好的发展。KMV模型是一种将期权定价的方式应用于信用风险管理,并以此来度量公司信用风险的度量模型；若以KMV模型为基础构建模型被运用于我国融资租赁上市公司上来,则将可以尽可能的预测并规避其信用风险,以促进我国融资租赁行业经济健康稳定的发展。本文将KMV模型引入到融资租赁市场上来,主要从理论和实证两大方向来分析我国融资租赁公司信用违约风险。理论方面,主要是通过第二、三章来分析融资租赁公司信用风险的特殊性、现状和存在问题以及度量模型,其核心在于以KMV模型为基础构建融资租赁公司信用风险度量模型,涉及到了模型的理论框架和构建过程以及模型所涉及公式的推导过程；实证方面,集中在第四章,主要针对我国融资租赁市场上市公司的特殊情况,文中花了大量篇幅首先来进行基于KMV模型融资租赁公司信用风险度量模型各类参数的确定,接着甄选出一定数量的融资租赁行业上市公司以及ST公司、*ST公司样本做对比实证分析,在模型参数所确定的基础上,通过各种数据的收集、整理、处理和分析,再运用Excel的迭代计算和Matlab程序来运算参数变量,最终得算出违约距离DD和理论预期违约率EDF,通过模型最终输出变量(主要是通过风险度量指标违约距离和预期违约率)来度量融资租赁公司的信用风险。经过实证研究结果表明,针对于现实意义而言,基于KMV模型融资租赁公司信用风险的度量能够通过违约距离DD可以显著识别融资租赁公司、ST公司和*ST公司之间的风险差异,而理论预期违约率EDF可以作为度量其信用风险的一个参考指标。投资者、债权者及监管当局,甚至公司管理层都可以通过违约距离的变化来作出最利于自己的相应对策,从而尽可能避免经济损失的发生,违约距离数值的变化可以做到一个良好的预警效用和提示作用。