伴随着我国上市公司数量和规模的不断发展和壮大,上市公司扮演着越来越重要的角色。近年来,面对国际经济形势动荡、国内经济发展增速放缓等大环境,部分上市公司开始出现资产流动性不足、债务偿还压力加大等问题。同时,上市公司融资方式的多样性也决定了其在债券市场、股票市场中的重要地位。2020年1月至2020年12月,共有10家上市公司披露了债券违约公告,其中就包括曾位列2019年中国民营企业500强之首的海航集团和作为重庆市出口第一名的重庆力帆集团。因此,上市公司的信用风险管理成为了学者关注的重点话题。作为金融风险的重要组成部分,国内外学者围绕着信用风险展开了广泛地讨论。早期,学者主要以企业的财务报表数据为基础,去评判企业信用风险状况,该类模型测算简单、主观性强。Merton（1974）将期权定价理论引入信用风险领域,建立了Merton模型,给出了违约概率的计算公式。随着时间的发展,不断有研究对其进行扩展,包括Longstaff和Schwartz（1995）、Leland和Toft（1996）、Charitou和Trigeorgis（2005）等。各个度量模型的有效性也一直是学者们探讨的重点。Charalambous等（2020）采用Merton模型和Leland-Toft模型去评估1995-2014年美国上市公司的财务状况。尽管如此,上市公司信用风险仍然是目前学术界有待深入分析的问题。现阶段关于上市公司信用风险的研究文献中,传播面广的Z-Score模型、Merton模型、KMV模型等,已经被检验为有意义的度量模型,上述模型未考虑现金流的影响。在现实中,上市公司通过现金、现金等价物及日常经营产生的现金去偿还即期债务的能力是至关重要的。因此,本文将引入现金流覆盖率的Charitou-Trigeorgis模型应用于我国上市公司信用风险研究之中,找出上市公司信用风险的驱动成因,明确各驱动因素的驱动方向和驱动效果。然后,使用Charitou-Trigeorgis模型和KMV模型对样本公司的信用风险进行估计,分析不同模型在中国的适配度,从而对结构化模型的发展方向进行探讨和分析。本文运用Logistic回归和对数似然比检验（LLR）等方法去验证CharitouTrigeorgis模型的有效性。首先,根据是否已完成股权分置改革、是否由于财务原因遭到特别处理等筛选原则筛选出180家ST公司作为样本组,在同行业中选择规模相近的非ST公司作为对照组。然后,本文给出了Charitou-Trigeorgis模型中股权收益波动率、现金流覆盖率等参数的计算公式,依据二元方程组在Python中建模后,成功测算出未知参数的数值。接着,进行描述性统计,通过各变量的变动趋势,了解模型理论的可行性。最后,用Logistic回归和对数似然比检验（LLR）成功地验证了Charitou-Trigeorgis模型在我国的有效性,明确了信用风险的驱动因素。本文研究得出的结论主要有以下五点:（1）通过赋值估计法估算出的债务平均到期期限与违约概率间的相关关系并不显著,即我国上市公司的债务期限结构与信用风险的相关性较弱。（2）Charitou-Trigeorgis模型能够度量我国上市公司的信用风险,信用风险的驱动成因中包括在Charitou-Trigeorgis模型提出的用于捕获到期利息和债务偿还的现金流覆盖率（CFC）。（3）信用风险结构化模型详细地解释了企业信用风险的成因,明确企业信用风险的驱动机制,基于信用风险结构化模型去研究信用风险的驱动成因是科学且合理的。（4）Merton模型是标准的结构化模型,对Merton模型中的不现实假设进行不同方向的修改和完善后,将形成原理不同的信用风险结构化扩展模型,在度量上市公司的信用风险时,各个扩展模型各有其优缺点。（5）财务信息和市场信息都可以影响上市公司的信用风险,为了提高信用风险管理效率,我国应该不断地完善信息披露管理制度,从源头上使上市公司释放出有关信息,降低信息不对称的程度。本文的创新之处主要有以下三个方面:（1）将Charitou-Trigeorgis模型引入中国上市公司信用风险度量的研究中,明确与企业陷入财务困境显著相关的具体驱动因素,有效地对中国信用风险研究理论进行拓展和完善。（2）在筛选样本数据时,本文基于风险识别原理进行了优化,采用了更为具体的筛选方法,该方法有效地降低了实证误差,相对准确地评判了上市公司的信用风险。（3）基于实证分析结果,本文为上市公司信息披露制度提出了相应的建议,认为可逐步提出对上市公司提出偿债现金流余额、偿债现金流来源的构成情况等披露要求,成功地将政策建议落到实处、落于实践。本章的不足之处主要为以下两点:（1）在对ST公司进行筛选时,本文仅筛选出了沪深A股上市公司,且未进行行业细分,而这将会对我国上市公司信用风险的评估结果产生一定的影响。（2）由于部分公司的数据存在缺失,在计算股权价值时,采用的是该公司在年末最后一个交易日的收盘价;同时,在计算股权收益波动率时,采用的是最近250个交易日对数收益率估计出来的波动率。参数估计的误差可能会影响本文的实证分析结果。