2018年全年,我国证券市场上共有13个上市发债主体发生首次债券违约,而信用评级公司在2017年年末却只给出了其中两个上市发债公司低于AA的评级结果,这说明目前国内的信用评级机构对于信用风险的预警存在一定的局限性。本文研究国内所有公开发行债券的非金融上市企业的债务违约风险,试图在公司违约前给出风险预警。本文收集了上市发债主体2017年末的资本结构与股价数据,以及发债公司围绕2017年年末前后的信用评级状态。我们首先采用穆迪公司经典的KMV模型对数据进行研究,并对KMV模型中的四个参数进行了修正。具体包括:以净资产定价法优化对非流通股价值的计量、以贷款基准利率来对违约点设定进行修正、以Garch(1,1)来对波动率进行计算、以Gram-Charlier级数展开来对股价分布修正。修正后的KMV模型能够提高违约距离的计算准确度。由于修正KMV模型对于个体公司的信用资质识别效果不稳定,我们尝试使用分类算法进行上市发债主体的违约风险鉴别,建立了信用下调模型。上市公司违约样本的数量不满足分类算法的标记样本数要求,因此选用了隐含评级下调事件作为高风险标签来标记公司,而违约是隐含评级下调事件的极端情况。选用Boruta降维方法对企业信用风险相关的重要变量进行降维,用xgboost算法进行分类训练,并通过重复随机取样得到了模型对全样本信用下调概率的预测值,得到了对于信用风险识别度较高的信用下调模型。本文按照信用下调模型对非金融上市发债主体进行了实证分析,发现信用下调模型分值最高的10家公司中,有6家公司2018年发生了隐含评级下调事件,其中3家公司在2018年事实上发生违约。因此模型预测得到的具有较高违约风险概率的公司可以作为债券投资的负面清单,使得投资者能尽早有效地规避持仓标的发生违约的风险。信用下调概率值前5%的52家公司中,有17家公司发生了隐含评级下调,其中包含10家在2018年违约的公司,在评级公司仍未发出预警前得到这样的负面清单将有利于投资者降低踩雷的概率。