人无信不立,业无信不兴。党的十八大以来,党和国家高度重视信用建设。信用是市场的内核,是社会的基础,是中国这棵大树屹立在世界经济丛林中的根基。中国的商业形态的背后伴随着中国文化,而中国文化一直讲究诚信至上,对于企业来说,信用道德规范是应该而且必要的,它能够给企业带来隐形的经济效益,在一定程度上比人力资源和物力资源更重要。上市公司作为我国商业体系的“领头羊”,一直扮演着不可或缺的角色,而新冠疫情发生后,我国上市公司信用风险事件频发,一定程度上阻碍了金融体系稳定发展。于是,本文从Wind数据库中选出沪深300股指中所有非st公司（300家）以及上市公司中所有的st公司（190家）作为研究对象,将这490家公司从2019年第一季度到2021年第一季度的所有财务信息作为数据集,结合深度置信网络与结构方程模型对上市公司信用风险展开研究,并建立预警机制,提出防范建议。论文的主要内容包括以下三个部分:构建了基于深度置信网络的信用风险预警模型。上市公司复杂的信用数据使得对其进行信用风险研究具有一定的难度。借助深度置信网络方法,优化网络结构中的各种参数来训练深度置信网络,学习到含有3层隐藏层的上市公司信用风险预警网络模型。构建了基于DBN-SEM的信用风险预警模型。通过网络模型学习,反向找出输入层中网络权重参数排名前20的神经元,并将其对应的指标作为信用风险预警指标,归结出对信用风险起到重要影响的预警指标体系。通过因子分析方法,揭示这20个指标的内在结构,找到背后隐含共同的因子,将提取出的3个公共因子作为结构方程模型的潜变量,构建具有3个潜变量和7个显变量的基于DBN-SEM的上市公司信用风险预警模型,找出预警指标背后的隐藏变量,度量信用风险的重要预警指标,分析信用风险的影响路径。根据上述实验结果,构建了预警机制,提出了防范建议。分析模型学习的结果,借助已建立的信用风险关键预警指标体系,通过其变化获得预警警戒值。剖析双模型所研究各个指标的深层含义,明确各个变量之间的关系,提出有针对性的信用风险防范建议。