制造业在新中国成立70年来取得了辉煌成就,增加值已经连续11年位居世界第一。制造业规模的不断扩大,产业结构的不断优化,为我国创造了大量财富,提高了就业率,保障了民生,促进了经济的高速发展。制造业是实体经济的重中之重,体现了一个国家的生产力水平,决定了一个国家在国际中的地位。在当下这样一个疫情防控和经济下行的背景下,无论是从企业经营管理,还是从国家整体风险防控的角度,对制造业企业信用风险的精准度量都具有非常重大的理论和现实意义。本文在度量我国制造业上市公司的信用风险时选择构建KMV-Logistic模型。KMV模型能够以实时的股票价格度量企业的风险,由于上市公司股价波动存在非线性,本文将通过GARCH（1,1）模型对企业的股权价值波动率进行修正。在样本选择时将上市公司分为*ST、ST、由特殊处理恢复上市、正常上市的制造业企业,通过对比发现恢复上市的企业虽然暂时取消了特殊处理,但是其抗风险能力仍然较差,遭遇冲击时会发生违约的可能,因此将*ST、ST、由特殊处理恢复上市的企业设置为高风险组,正常上市企业设置为低风险组。Logistic模型是研究二分项事件的经典方法,几乎没有约束,本文将改进的KMV模型得出的违约距离作为一个重要的因素与上市公司多种财务指标加入Logistic函数中构建KMV-Logistic模型,使用Mann-Whitney U和K-S双样本检验来验证高风险组和低风险组企业的违约概率分布是否有显著的差异,利用ROC曲线、AUC值来比较各模型预测的效果和其适用性。在信用风险评级时,首先对样本数据进行扩充,使用K-means聚类将我国制造业上市公司的信用风险划分为9个不同的等级。根据疫情前后违约概率与信用风险等级变化分析不同状态下制造业企业的抗风险能力。实证表明,KMV-Logistic模型的预测违约精度有了显著的提升。疫情后制造业行业整体违约概率有明显的上升,制造业的发展受到了疫情的冲击,其中正常上市企业、*ST、由特殊处理恢复上市、ST企业的变化程度依次上升,由特殊处理恢复上市的企业虽然取消了特殊处理,但是其债务结构仍然与正常上市企业存在显著的差异,抵抗突发风险的能力较弱,这类型企业仍然需要优化升级,需要尽快提升企业的经营能力。最后从企业信用风险评价体系的构建,国家对不同经营状态企业的差异性帮扶政策,企业自身经营提出建议。本文的创新之处,首先对KMV模型的股权价值波动率基于GARCH模型修正,构建了KMV-Logistic混合模型。其次将我国制造业上市公司划分为*ST、ST、由特殊处理恢复上市、正常上市四种不同状态的企业,对比分析疫情对不同状态下制造业企业信用风险的影响程度。