信用是市场经济的基础，也是金融体制的基石。在技术进步、经济发展和世界金融体系变革的背景下，信用风险问题越来越复杂，信用风险评价研究也越来越重要。上市公司作为市场经济的重要参与者，其信用状况直接关系到我国资本市场健康发展，从而关系到我国金融体系的完善以及宏观经济的稳健发展。研究上市公司的信用风险问题对证券市场监管、投资者利益保护以及信贷机构风险控制都具有重要的现实意义。　　 本文以沪深两市上市公司作为研究对象，将公司因财务状况异常而被特别处理(ST)作为企业信用风险差的标志，进行上市公司信用风险评价的实证研究。依据信用风险评价的相关理论，结合我国上市公司的实际情况，设计全面的指标体系，选择Logistic回归模型、SVM模型、SVM-Logistic回归混合两阶段模型和SVM-Logistic组合预测模型这4种信用风险评价模型对上市公司数据进行研究，尝试比较模型的预测效果。　　 结果显示：SVM-Logistic混合两阶段模型综合SVM和Logistic回归模型的优点，提高了SVM模型的分类精度，是这4个模型中最有效的模型；SVM模型要优于Logistic模型；SVM-Logistic组合预测模型与Logistic回归的分类结果较相似，其分类精度最低但模型具有一定稳健性。　　 关于指标选则问题，本文尝试对初始财务指标应用因子分析提取因子，再比较初始财务指标的建模效果和因子的建模效果，发现因子构建模型的分类精度要低于初始指标构建的模型，模型效率也不如初始指标构建的模型。笔者认为因子分析在上市公司风险评价研究中的合理性和可靠性值得进一步探讨。文章在还在SVM模型中尝试研究SVM指标逐步向前筛选法对模型效果的影响，发现指标筛选后的模型虽然没有改善模型的分类精度，但是更具稳健性。