EDF模型
1．资产价值：公司资产的市值。它是公司资产在未来产生的现金流以一定的贴现率贴现到当前的价值。这个公司资产的测度不但反映了公司的发展前景，而且还包含了公司所处的行业以及宏观经济状况等信息。
2．资产风险：是指资产价值的不确定性。这是一个关于公司经营风险和行业风险的测度。因此公司的资产价值只是一个估计值，存在一定不确定性，应当在公司的经营风险或者资产风险的框架下理解。
3．债务水平：是指公司在合同上负债的程度。如果说与公司资产相关的测度是公司的市值，那么公司杠杠比率的相关测度就是相对于公司资产市值的债务面值，因为它是公司必须偿还的金额。
当公司的资产价值低于一定水平时，公司就会对债权人和股东违约，与这一水平相对应的资产价值为违约点（DefaultPoint），即公司资产价值等于负债价值时的点。在研究违约的文献中，我们已经发现当公司资产价值等于债务面值时许多公司并没有选择违约，而是依然经营并偿还它的债务，这是因为债务构成中的部分长期债务为公司提供了一定的缓息空间。我们发现，违约点即公司将会发生违约时的资产价值通常是介于总债务和短期债务之间。
当公司净值等于零时，违约事件就会发生。和公司的资产价值一样，公司净值的测度也必须在公司经营风险的框架下考虑。比方说，食品和饮料行业内的公司比高科技行业能承受更高水平的杠杆比率，因而它们的资产市值更加稳定、有着更小的不确定性。
公司的资产风险则是由资产的波动率来衡量的，它是指公司资产价值每年变动百分比的标准差倍数，它是一个与公司的规模以及所处的行业都相关的测度。
资产价值、经营风险、财务杠杆能够结合起来形成一个违约风险的单一测度，它将公司的净值与资产价值一个标准差的波动幅度相比较，将二者的商称为违约距离（DD，Distancetodefault），其计算过程如下：
违约距离（DD）＝(资产市值－违约点）/（资产市值*资产波动率）
从上式可以看出，违约距离融合了一个公司三个关键的信用要素：资产价值、经营和行业风险以及财务杠杆。KMV公司选定一定时期，基于一个包括大量的公司违约信息的历史数据库，把违约距离与预期违约率的关系拟合成一条光滑曲线，从而找出违约距离与预期违约率之间的映射关系以便估计EDF的值。也就是说，给定一个违约距离就可以计算出相应水平的预期违约概率。
对一个公开上市的公司而言，市场上与其违约概率相关的基本信息有三种，分别是财务报告、公司债券和股票的市价、市场上对公司前景和风险的主观评价。价格从本质上讲都有前瞻的内在特性，投资者对公司未来的预期形成了债券和股票的价格。在决定市场价格的时候，投资者使用了各种各样的信息，这些信息包括：公司前景和风险的主观评价、财务报告以及市场上的其它价格。投资者们通过自己的分析和判断将这些信息融合为自己买卖公司股票、债券的意愿，而市场价格正是许多投资者买卖意愿的综合结果，因而市场价格包含了许多投资者的综合观点和预测。用市场价格能为估计增加很强的预测力，使模型更具有前瞻性。KMV公司确定一个公司EDF的全过程，主要有三个步骤：（1）估计资产价值和资产波动率；（2）计算违约距离；（3）计算EDF。
如果股票市价是可得的，那么资产的市值和波动率将可以通过期权定价方法直接得到。这种方法将股票视为公司资产的一项买入期权。股票的特点使得持股者拥有公司在偿还债务之后接手公司剩余资产的权利，而非义务。因而，可以将股票看作是公司资产的一项买入期权，而这项期权的执行价就等于公司债务的面值。
在BSM模型框架下，公司债务只包括单一级别的股票和单一级别的债券，并假定公司资产的市场价值服从以下随机过程：
由上可知，在公司资产市值和资产波动率知道之后，对违约概率的计算的关键就是违约点的确定。KMV公司根据对违约的实证分析发现违约发生最频繁的分界点在公司市场价值大约等于流动负债加减50%的长期负债时，因此KMV公司选择的违约点等于短期债务（一年及以下）的价值加上未偿长期债务账面价值的一半，这样违约距离就可以通过下式计算出来：
如果违约距离的分布已知，那么违约概率就可以简单的看作是资产价值低于违约点的概率。然而，在实践中，违约距离的分布是很难度量的，而且，通常对违约距离做出的正态分布或对数正态分布假定也是不合理的。在对违约进行度量的过程中，公司资产价值和违约点之间关系发生逆向改变的可能对精确确定违约概率是十分关键的，这些改变可能是由于公司资产价值或是债务水平的变化所导致的。因此，KMV公司首次将违约距离定义为公司资产价值偏离违约点的标准差倍数，然后应用历史数据来决定相应的违约概率。
违约发生在公司资产价值低于公司债务面值，则可将违约概率表示成：
EDF的优点在于EDF是基于市场价格计算出来的，因此它有很好的前瞻性，能及时、可靠的反映上市公司信用状况。EDF指标来自于股票价格的实时行情数据的分析，而不是以历史的会计数据为基础，股票价格不仅反映了公司的历史和现状，还具有对公司未来的前景预测。由于模型是以股票市场数据为基础的，这为投资者、债权人、监管机构等相关人员和部门提供可靠的信用风险评价信息。
EDF应用过程中的缺陷在于，EDF反映的是预期的违约概率，而非实际的违约概率，它是一个通过历史数据模拟出来的指标，是对实际违约概率的一个估计值。而且EDF的计算需要有强大的公司违约信息数据库为支撑，数据不足则计算准确度不高。[1]