建筑企业作为国民经济发展过程中重要的参与者和建设者,其在增加就业、促进经济增长、推动城市化水平建设发挥着重要作用。但由于我国建筑业的发展还存有忽视企业信用记录、企业财务数据造假、信用评价指标体系研究不够完善等问题。基于这种现状,本文以111家建筑业上市企业为研究对象,基于财务和非财务指标,通过随机森林算法构建模型对建筑企业进行信用评价研究。本文首先梳理国内外信用理论、信用评价方法以及企业信用评价指标体系的研究,对建筑行业企业信用评价发展现状和存在的问题进行探析。其次,在对比和分析已有研究、国内外金融机构和收集整理的京津冀、长三角、珠三角地区代表城市提出的建筑市场企业信用评价指标体系后,梳理筛选出现频率高的重要研究指标。由于对企业信用评价研究主要是对企业的还款能力和还款意愿的评估,在一定程度上,企业的财务指标反映了企业的还款能力,非财务指标反映了企业的还款意愿。因此初步构建了17个财务指标,6个非财务指标的建筑业上市企业信用评价指标体系。然后基于随机森林算法构建模型,以OOB-error(袋外数据误差率)为标准进行指标体系重要特征筛选,最终构建11个财务指标和3个非财务指标的企业信用评价指标体系。研究的主要结果如下,建筑上市企业信用评价体系中的财务指标净利润增长率、应收账款周转率等指标较为重要,非财务指标中负面信息、中标信息、从业人员较为重要;建筑上市企业的发展能力和营运能力对企业信用评价结果影响较大;在模型对比与评价部分,通过不同指标类型层面的对比发现,基于财务和非财务指标构建的模型准确率要高于仅包含财务指标和仅包含非财务指标的模型,因此银行、信用评级机构等各方主体在信用评级时应当注重财务和非财务指标的综合考虑,并要提高对建筑行业中负面信息、中标信息和从业人员这三个指标关注的程度。通过不同评价方法层面的对比发现RF(随机森林)模型比SVM和CART模型的误差率低,RF对企业信用评价预测更准确,模型的性能更好。最后,围绕建筑上市企业信用评价有关主体,从政府、证券监管部门、信用评级机构、商业银行、建筑企业、投资者、研究者这七个主体的视角提出对信用评价有实际意义的研究建议。以期更为全面科学提高建筑企业的信用水平,增强金融市场企业的信用信息披露程度,促进建筑领域企业信用信息的共享共融共通,提高建筑市场和金融市场的信用环境,共同建设良好的营商环境。