现代市场经济是建立在信用基础上的经济，从某种意义上说市场经济就是信用经济。在全球信用不断膨胀的背景下，信用风险暴露也越来越严重。信用风险已经成为各国金融系统所面临的核心风险。如何准确度量信用风险也成为金融机构、投资者、政府监管部门关注的焦点。信用风险的度量也逐步成为风险研究领域最具挑战性的课题之一。本文对上市公司的信用风险判别进行了理论研究并以我国上市公司为样本进行了实证分析。首先，本文的第一部分对已有的信用风险评价模型及相应的实证分析进行了综述，并在比较几类模型的优缺点以及结合我国实际情况的基础上选择Logistic回归模型。目前用来评价信用风险的模型主要分四类。分别是传统的定性评价信用风险的方法、基于会计数据的统计模型、神经网络模型和基于市场价值的现代信用风险度量模型。我们对各类模型的理论和实证结果进行了比较并发现：传统的定性分析方法比较简单，应用比较容易，但是缺乏定量分析能力，而且人为的主观因素太多，难以客观、科学、准确的度量企业面临的信用风险；基于会计数据的统计模型中最为常用的是多元判别分析和概率模型，由于多元判别分析对变量的要求比较严格，比如要求变量服从联合正态分布假设和等方差假设，而实际中数据难以满足上述假设要求，所以得到的模型的合理性有待进一步探讨；神经网络模型不存在对数据分布要求的问题，但是由于其中间过程全部由计算机模拟，我们无法得到合理的经济学解释；基于市场价值的信用风险度量模型应用现代数理金融学理论，依托强大的数据库能够比较准确，科学的评价企业信用风险。但是由于我国信用风险评价领域处在起步阶段，既没有完整的历史数据也缺少开发这类模型的理论基础，所以基于市场价值的信用风险度量模型目前无法在我国得到应用。综上所述，我们选择了Logistic回归模型作为我们评价上市公司信用风险的理论模型。Logistic回归模型是一种非线性的概率模型，它既没有<WP=49>对数据分布的严格要求，也没有使用过于高深的数理方法，从本文使用该模型得出的结论来看，其预测效果比较理想。本文在第二部分给出了Logistic回归模型的推导过程，并突出介绍了Logistic回归模型适用于度量信用风险的相关特征。Logistic回归模型本质上说是非线性的概率模型，可以很直观的给出违约概率；由于Logistic回归模型是非线性的，所以可以很好的将违约概率控制在0到1之间，防止发生由于自变量过小或者过大而导致概率出现小于0或者大于1的无意义的结果；虽然Logistic模型是非线性的，但是我们可以通过Logit转换，将其转变为线性形式，这样在参数估计过程中就可以利用很多线性回归的性质了。利用Logistic回归模型的这些特征，我们就可以建立一个比较合适的判别信用风险的统计模型。第三部分是实证分析。在进行实证的过程中，我们选择了186个公司作为开发样本，基本保证了估计模型参数所需的样本数量。并在此基础上，开发出一个含有9个自变量的Logistic回归模型。此外，为了对模型进行实证检验，我们以2004年4月27日为截止日期，取得2004年最新被ST的公司20家，并随机抽取非ST公司60家，组成样本容量为80的检验样本，对模型的预测能力进行了实证检验并取得了86％以上的预测准确度。第四部分给出结论和政策建议。通过实证分析我们发现，在Logistic判别模型最后保留的9个自变量中，有3个偿债能力指标，3个盈利能力指标，2个成长能力指标和1个资产管理能力指标。可见在我国的证券市场上，当上市公司陷入信用危机时，偿债能力和盈利能力恶化的最明显，也可以说偿债能力和盈利能力的恶化是公司陷入信用危机的直接原因。而成长能力和资产管理能力反映的是一个企业的发展趋势和经营管理的水平，这两类指标被纳入模型就表明一个陷入信用危机的公司，决不是短期资金短缺或者暂时亏损造成的，公司陷入信用危机有它更深层的经营管理的问题，如果不能很好的解决这些问题，将导致企业全面的衰退，最终走向破产。从陈静（1999）第一个进行了我国公开发表的上市公司信用风险判别<WP=50>研究至今已经有5个年头，在这期间陆续有研究者利用包括Logistic回归模型在内的各种统计方法对上市公司进行了研究，并取得了不错的预测准确度，但是这些研究者面临着一个共同的难题，就是样本量严重不足。我们知道我国的ST制度始于1998年，到1999年不过有20多家ST公司，依靠这么小的样本量建立起来的统计模型其参数估计和预测准确度难免受到置疑。本文针对以前研究中的这点不足，选取2001－2003年被ST的上市公司，建立一个样本量为186的开发样本，并选取2004年最新被的ST的公司组成样本量为80的检验样本，以检验模型的预测准确性。通过实证结果可以看到我们建立的Logistic模型对开发样本（t－2）的预测准确度达到了89.6%，对检验样本的（t－2）预测精度也达到了86%，比以前得到的同类模型的（t－2）年预测精度都要高。面对日益严重的信用风险暴露，无论是银行等金融机构还是债权人、投资者以及政府监管部门都希望开发一种既能够科学有效的判别公司的信用风险，同时又不过于复杂易于使用的企业信用风险判别模型。结合我?