近几年来,我国的资本市场在不断地发展壮大,上市公司有着非常重要的经济地位,其资产规模也随之扩大。但是,在上市公司的经济发展日益增强的同时,也有较多难题亟待解决,其中企业运营亏损可能导致的信用风险问题暴露的缺陷已经非常明显。基于对信用风险度量的各种技术和历史研究的回顾,本文重点研究Logistic模型,Logistic模型具有简单快速观测数据的特点,因此在信用风险度量领域取得了广泛的应用。引用该模型用于度量和预测企业的财务亏损风险,模型结果可与企业信用风险指标相关联,数据结果对比也可用于验证模型。因此,本文构建了一类信用风险度量的体系,选择了大量的样本数据作为数据基础,通过不同的变量处理方法与Logistic模型的结合进行三次模拟实验,达到使拟合进入模型的变量能够最大程度地反映指标特征的目的,从而提高预测精度。实证部分的研究对象是2017年我国上海证券交易所和深圳证券交易所的上市公司,其是否ST的状态是已知的,从中选取43家被ST标记的公司作为信用违约样本,以及430家未被ST标记的公司作为非违约样本,符合1:10的样本配比比例。将样本一分为二,一部分作为训练集用来拟合模型,另一部分作为测试集用来检验模型的预测效果。样本数据来自于这473家公司在2016年财报中的财务数据,目的是利用前一年的财务数据来预测公司是否可能产生信用违约情况。首先选取包括反映公司盈利能力、营运能力、发展能力以及财务风险情况在内的这四类财务指标,按照1:1:1:1的比例共引入了20个指标变量,引入本文构建的一类体系得到结果。实证结论表明,该模型可用于度量和预测企业的财务亏损风险,也可通过不断改进模型来提高模型的预测精度。最后结合实证结果和当前我国资本市场的现状,提出了有益的建议。