信用风险是银行经营活动中的主要风险，国有商业银行积累的信用风险是中国经济健康运行的“悬剑”，也是困扰金融体制改革的难题之一，研究分析形成信用风险的成因对防范和化解信用风险有重要的意义。为了有效的抑制不良贷款的增加，选择合适的信用风险识别手段是必须的。信用风险为工商企业到期不能履行信贷协议中的还本付息的约定，致使银行遭受损失的可能性。信用风险识别是指利用适当的定性与定量相结合的方法对于希望借款的企业进行区分，将其划分为高信用风险企业和低信用风险企业：发放贷款之后，银行可以利用相同的方法跟踪企业信用风险的变化。相比与国有商业银行现行的信用风险识别手段，国外已经出现了很多更为有效的手段，包括：多元识别模型，Logistic模型，BP神经网络模型和KMV模型。其中，BP神经网络模型存在缺陷，KMV模型缺乏实际运用的外部条件，笔者选择了多元识别模型和Logistic模型作为适合现阶段中国国情的信用风险识别手段的备选。同时，除了传统的财务指标，某些非财务指标也具有作为识别指标的潜力，本文给予了论证。在以某国有商业银行的数据进行实证后发现：非财务指标无法通过建模的显著性检验进入模型；建立的模型中，多元识别模型的自身验证准确性和预测能力所表现出的特性不如Logistic模型更具实用性；Logistic模型的稳定性也略高于多元识别模型。因此，现阶段用于我国国有商业银行信用风险识别的最优模型为Logistic模型。在文章的最后一个部分，笔者给出了政策建议，包括：建立信息共享机制，建立适合自身的模型，多种模型结合使用，定量分析与定性分析相结合和尽早采用国际接轨的现代信用风险识别方法。