信用风险是现代经济体系面临的主要风险,而公司的财务状况对其产生直接的影响。随着金融市场的发展,涌现出新的金融工具,扩大了金融衍生品的交易规模,这些信用衍生工具迅速扩大了信用风险所涉及的范围和规模。怎样准确地度量信用风险,并进一步对其进行有效地管理,已成为商业银行面临的极具挑战性的课题之一。本文的目的在于预测我国上市公司是否存在信用风险,采用分类模型Logistic回归模型对其进行预测,选取上市公司财务指标作为模型协变量。基于上市公司财务指标众多且相关性较强的特点,当财务指标变量个数β大于样本量n时,首先选取惩罚方法筛选变量,使得d<n;接着采用主成分分析法选取主成分,进一步降低了财务指标数据空间维度,并且得到互不相关的主成分。在此基础上,以选取出的主成分作为协变量构建Logistic回归模型对其信用风险进行预测。在实证部分,文中选取了 63家上市公司为研究样本,其中27家ST公司,36家非ST公司,从每股指标、资本结构、现金流量、偿债能力、营运能力、盈利能力和成长能力七个方面选取了共106个财务指标作为变量来构建模型,实证结果表明模型预测效果良好,其准确度达 87.3%,AUC 值为 86.1%。本文的结构安排如下:第一章是引言部分,论述了信用风险的研究背景与意义,回顾了之前学者对信用风险的研究,提出了本文的研究思路框架与创新点。第二章论述了信用风险基本理论,在此基础上讨论选取我国上市公司的财务指标数据来预测我国上市公司信用风险。第三章介绍了本文中上市公司信用风险预测涉及到的所有模型的基础理论知识。第四章给出了信用预测体系构建的框架与模型检验理论。第五章和第六章分别为模拟实验和实证分析。最后一章对本文做出了总结,并指出在此基础上可以进一步研究之处。