上市公司是证券市场的重要组成部分,其财务状况的好坏与证券市场的发展和广大投资者的利益息息相关。近年来,上市公司面临着诸多机遇的同时也面临很多风险,其中财务信用风险最为突出,成为近年来的研究热点。信用风险的研究方法从传统的定性分析,统计分析方法发展为机器学习和人工智能等方法。实践证明,支持向量机在信用风险研究中凸显很多优点。本文正是基于这样的思想,从我国部分上市公司入手,对企业的信用风险进行研究。在以往的以支持向量机为工具研究信用风险的方法中,对多维度数据的处理上一般用主成分分析,因子分析等线性降维方法对数据进行降维,也有引入粗糙集方法。本文认为降维方法的选取上有可以改进的地方,可以引入非线性降维方法。本文首先从上市公司财务指标中选取了16个反映企业偿债能力、运营能力、盈利能力和发展能力的指标。然后运用主成分分析法、多维尺度法、局部线性嵌入法和等距映射法对大量变量进行降维,获得一个精简的输入矩阵。最后,利用支持向量机方法建立上市公司信用判别模型,并比较了不同降维方法下支持向量机模型的判别效果的优劣。