2007年,美国的次级贷款引发了全球性的金融危机,随后各国金融机构都日趋重视对信用风险的管理。国际金融研究所和安永会计师事务所(2012)认为信用风险在2008年金融危机后逐渐成为首席风险官最为关注的风险。近年来,我国信用债年度发行规模从2010年的1.59万亿增加到2015年的14.6万亿,年均增长速度为51.6%。随着经济增长速度持续放缓,企业债务压力日趋增大。根据海通证券的统计数据显示,2014年我国有6只信用债违约,而2015年信用债违约数量上升到了24只。信用债违约事件频发,更加剧了我国企业信用风险的暴露。因此,金融机构有必要加强对信用风险的管理,挖掘出应用更实际、预测更精准、操作更便捷的信用风险评估模型乃是当务之急。目前,西方国家的信用风险管理体系已较为完善,Logit模型、KMV模型及CDS价差模型等信用风险定量研究技术广泛使用。而我国的信用风险管理仍存在很多不完善的地方,特别是缺乏企业历史违约数据的积累,使得前沿的信用风险评估技术很难为我国金融机构所采用。论文在查阅大量研究文献基础上,采用二分类Logit回归模型和有序多分类Logit回归模型对上市公司进行信用风险评估。其中,分析数据来自于对沪、深证券交易所上市公司的抽样调查;二分类Logit回归分析时,采用逐步回归和主成分分析法分别对解释变量进行筛选和降维;有序多分类Logit回归分析时,先采用主成分分析法对财务指标进行加权汇总和信用评级,随后对模型进行极大似然估计。实证结果显示:(1)Logit回归模型的预测效果优于线性概率模型,能够有效评估上市公司的信用风险;(2)产权比率、净利润率、销售净利率、固定资产周转率、流动资产周转率和股东权益增长率等变量能够很好的用于上市公司信用风险预测;(3)主成分分析法对上市公司信用评级具有较强的适用性。论文认为,金融监管部门应该采用Logit回归分析法对上市公司进行信用评估,及时公布上市公司的信用等级和信用走势,这不仅有助于加强对上市公司的信用监管,也有助于维护金融机构和投资者的利益。