【摘要】过去十几年中,KMV模型在上市公司风险度量中得到了广泛的应用,然而,在计算模型的关键纽带股权市场价值时,变量d_1和d_2的正态分布在我国却严重与事实不符,导致KMV在我国上市公司信用风险度量中的精确性较低。基于此,文章以万科A数据为例,应用基于期望最大化算法的极大似然估计对高斯混合模型进行了参数估计,并应用估计后的高斯混合模型重新模拟了变量d_1和d_2的概率密度函数,进而通过牛顿迭代算法对KMV模型进行了改进得到GKMV模型。文章最后检验了GKMV模型和KMV模型在信用风险度量中的精确性,发现GKMV模型确实比KMV模型有更好的信用风险度量精确性。