信用风险评价是金融领域一个重要的研究课题。关于上市公司信用风险评估的研究在国外有较长历史,采用的基本模型有传统的信用风险分析、多变量统计模型、基于人工智能的信用风险评估模型和基于市场价值或预期违约率的现代信用风险评估模型。我国的信用风险评估技术仍处于传统的比率分析阶段,对上市公司信用风险的研究才刚刚起步。因此,如何结合中国的实际对上市公司的信用风险做出准确的预测和评价,是迫切需要解决的问题。中国证券市场是一个庞大、复杂的市场,建立一套科学的上市公司信用状况评价体系,无论是对于作为监管者的中国证监会和证券交易所以及上市公司本身,还是对于债权人和广大的投资人来说,都具有重要的意义。本文的主要目的,就是要找出比较合适的预测上市公司信用风险的方法,以期提前发现已经进入信用危机的预警区的上市公司。本文分析了上市公司信用风险的成因,以中国内地的上市公司作为研究对象,将被特别处理(ST)作为上市公司陷入信用危机的标志,采用独立样本t检验筛选自变量,再对所选变量进行主成分分析,利用判别分析模型和Logistic模型进行信用风险预测与评价。本文也采用灰色聚类法对上市公司的信用风险状况进行了分类。本文还综合利用企业的财务静态数据以及股票市场的动态数据,采用基于期权理论的现代方法进行了预测研究。研究发现,对于判别分析模型和Logistic模型,企业前一年的盈利能力及信用状况主成分和前二年的盈利能力主成分具有显著的判别作用。比较这两种参数统计方法,发现Logistic模型的预测能力强于多元判别分析模型。灰色聚类法可以使用较少的数据对小样本中的上市公司的信用风险状况进行多种分类,准确率也比较高。基于期权理论的方法克服了已有的统计方法的缺陷,以经典的莫顿模型为理论基础,使用财务数据和市场价格作为输入数据,反应更为敏感,具有较好的预测和解释能力,是一种有效的信用风险量化技术,可以作为多元统计方法的重要补充。