信用风险是企业运行过程中会面临的主要风险之一,是研究企业管理领域不可或缺的一块研究内容。我国旅游业虽然起步较晚,但是作为我国的朝阳产业,旅游业具备很好的发展前景。然而在旅游公司大量涌现的同时,也出现了一些公司治理结构不合理、同行恶性竞争、内部管理混乱、信用出现危机等问题。尤其是信用风险不仅使得企业遭受巨大的损失,也影响了企业甚至整个旅游行业的发展。因此,如何有效的预测企业的信用风险,使得企业及时采取措施加以控制和防范,已经成为了企业和学者关注的重要问题。本文首先选取了在上海和深圳证券交易所交易上市的28家旅游上市公司作为信用风险预测的企业样本,并采用全样本的形式进行实验。结合指标变量的选取原则选取了15个财务比率作为样本变量,收集了企业2001年到2010年的数据形成数据集。经过数据的预处理,并对其作出充分的统计描述,分析了数据的均值和标准差的变化,同时进行了正态性检验,证明样本对信用风险预测方法进行实验的适用性。为了消除不同数量级的影响,进行了数据的标准化处理。其次分两种方法进行实证研究。第一种是将数据集进行四种不同方法的处理,分别是标准化、Random-sampling算法、流形学习、结合Random-sampling算法和流形学习。通过三种模型MDA、Logit、Probit的分析比较,得出预测准确率,从而验证了本文采用的Random-sampling算法均衡数据和结合流形学习中的ISOMAP和LLE算法降维处理的方法是有效的,且找出了最佳的预测模型为Logit模型,这种数据的处理方法和Logit模型的结合产生的预测准确率达到了最佳,且得出越接近ST的年份预测准确率越高。另一种方法是结合了因子分析和Logit模型进行预测,得到的模型有良好的模拟效果,最终也达到了较好的预测准确率,同时具体分析了我国旅游上市公司信用风险预测的影响指标,从而得出了企业在经营过程中应该重视的财务指标以及其波动情况,并给出了相应的建议,可以避免公司出现信用风险。本文对我国旅游上市公司的信用风险预测的方法研究,能够为企业开展信用风险预测提供技术支持,也丰富了预测的实验方法,具有一定的理论和实际意义。