制造业作为关系民生的重要行业，对推进工业化进程起着举足轻重的作用。我国制造业以中小型企业为主体，易受宏观经济影响，违约风险大，如何平衡银行的信贷风险和企业的贷款融资需求，基于商业银行视角对制造业信用风险予以度量已成为当务之急。全文以基于财务信息的Logistic模型和基于市场信息的KMV模型为两条主线，经模型改进后，分别就我国制造业上市公司98~09年间的样本进行信用风险度量实证分析。首先，对原始财务指标先提取因子，可以尽可能多地保留原始财务信息，在一般Logistic模型基础上引入边界Logistic回归分析，不仅提高了模型的判别效率，还增大模型的预测精度。其次，对KMV模型进行违约时间和违约点的动态修正，分别就模型结果---违约距离（DD）和理论违约概率(EDF)进行信用风险识别能力分析（如均值趋势分析、判别显著性分析等）、相关因素影响性分析（如股权改制、金融市场波动、行业差异性等）和风险预测能力比较分析（如预警效果、信用状况恶化敏感度、预测判别准确性等），发现修正后的模型大大提高了DD和EDF风险识别能力，EDF由于取值范围密集、变化区间小，相较而言，DD值可以更为直观地预测违约变动状况。最后，财务指标由于滞后性、失真性、主观性使得Logistic模型预测风险能力受限，在此基础上，把DD值引入Logistic模型，探究这两类模型的内在联系，综合考虑样本的财务信息和市场信息，利用ROC曲线和CAP曲线检验各模型风险预测准确性和样本判别有效性，发现改进后的模型不仅通过了显著性检验，还降低了一类误判率，提高了模型总体预测准确率。可见，KMV模型和Logistic模型相结合进行制造业信用风险度量的可行性和有效性。