信用风险通常又称违约风险,是指借款人、证券发行人或交易对方因种种原因,不愿或无力履行合同条件而构成违约,并导致银行、投资者或交易对方遭受损失的可能性；更一般地，信用风险还包括由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起损失的可能性。信用风险是最古老的金融风险,也是企业所有者和经理人、投资者、商业银行等金融机构以及政府面临的最重要的金融风险。因此,信用风险的度量一直以来都是这些机构面临的核心课题。本文致力于我国上市公司信用风险的量化度量，从而为我国建立信用体系奠定坚实的基础。20世纪80年代以后，信用市场的发展和信用风险的变化使得风险度量和管理研究领域开始出现了许多新的量化分析方法和度量模型。从国外的研究现状看，量化度量以及应用量化度量模型管理信用风险的模式已经得到公认，学术界和金融界也已经发展了一系列的技术和方法以试图能够比较准确地度量和管理信用风险。从国内已出版的或已经发表的有关企业和金融机构信用风险度量的著作和论文来看，涉及的定量分析还很少，从我所查阅的资料来看，还没有见到两种度量信用风险的最新方法——期权推理分析法和VaR方法在实证中应用。而且，从资产组合角度对信用风险进行度量和管理的研究也尚未见到。违约率、挽回率和违约相关性是运用现代模型度量信用风险的三个主要参数,其中违约率是这些参数的关键和出发点。我国金融市场和信用体系尚处于转轨和发展的新阶段,信用风险管理技术比较落后,有关信用风险评估研究的应用型成果较少，没有足够充足的数据作为构建现代模型的基础。Altman等人（1997）的研究结果表明，ZETA模型在墨西哥等发展中国家取得了相当好效果。由此可见，运用ZETA模型度量上市公司信用风险更符合在我国的国情。由于知识产权的原因，ZETA模型的具体细节并没有完全公开。因此，本文模拟ZETA模型的方法，采用多元判别分析来评估上市公司的信用风险。此外，我们还可以运用Bayes判别分析对上市公司违约进行预测，从而实现对违约率的替代度量，这对于现代模型在我国普遍应用无疑具有重要的现实意义。在我国，由于各方面因素的影响，许多处于破产状态的企业无法按照既定的程序破产，而是仍然挣扎地经营着，因此本文以公司被实施“ST”作为违约的标准。“ST”即“特别处理(Special Treatment)”,是在股份有限公司正常上市与暂停上市之间的一种特别处理措施。作为一种证券市场监管手段, “ST”制度正式运用于我国股市开始于1998年。1998年3月16日, 中国证券监督管理委员会以“部门规章”的形式,发布了“关于上市公司状况异常期间的股票特别处理方式的通知”,要求上海证券交易所和深圳证券交易所根据证券交易所股票上市规则的规定, 对状况异常的上市公司股票交易实行特别处理。状况异常是指财务状况异常或其他异常状况。前者指的是“连续两年亏损”或“每股净资产低于股票面值”, 后者指的是自然灾害、重大事故等导致公司的生产经营活动基本终止或者涉及可能赔偿金额超过本公司净资产的诉讼等情况。从ST的原因来看,“财务状况异常”具有一定的确定性,较容易预测；而“其他状况异常”具有相当的不确定性, 难以预测。在本文的研究中, 我们根据我国上市公司的现状和研究条件, 适当借鉴了有关文献中的方法和程序,尽量弥补了以前成果中存在的缺陷，并运用了一些我们认为恰当的方法, 对我国证券市场中“ST”公司进行了预测分析。我们选取了2003年宣布为ST的51家上市公司和51家非ST上市公司作为实证研究的样本。同时，根据国外的一些实证研究成果并结合我国的实际情况本，本文广泛地选取了24个财务比率进行分析。在方法的选择上，本文将主要运用Fisher判别法和Bayes判别法对样本数据进行分析，并对所得到的结果进行合理的解释。对于变量，先采用逐步判别方法，再用剩余的变量进行典型判别分析。所有统计分析结果都是在SPSS10.0上运行得到的。我们在对所选变量进行组间均值差异性检验和相关性检验之后，最终得到了10个变量用来建立模型。然后使用数据进行参数估计，最后根据误判成本确定临界值。在得到了模型之后，我们使用了2004年被ST的19家上市公司和随即抽取的19家非ST公司作为检验样本，并得到了令人满意的准确性水平。本文的创新之处在于用Bayes判别方法的违约后验概率来替代违约率。近年来，国际上信用风险度量和管理的方法已经取得了长足的进步，开发出了很多新模型和新方法。例如，以期权理论为基础的KMV模型，以VaR方法为基础的Credit Metrics模型，还有以保险精算为基础的死亡率模型等等。在所有这些模型中，违约率都是度量信用风险不可缺少的数据。在我国，信用体系还未完全建立起来，与信用风险防范相关的数据规模很小，这些在国际上已经成熟的信用风险度量方法无法应用到我国的实证分析中，这已经成为我国信用风险度量的阶段性难题。本文中这种用后验概率替代违约率的方法虽然只是暂时性的，但却可以在现有数据不全的条件下把这些新方法应用到我国信用风险度量中来，从而推动我国信用风险管理的发展。