商业银行在我国经济建设中起着至关重要的作用,银行为企业提供贷款,解决诸多企业在经营中资金不足的困难,从而促进着我国总体经济的发展,目前,我国银行的商业信贷仍然是其主要业务,是商业银行实现利润的主要途径,同时也是我国企业获得经营资本的重要来源,银行系统风险控制的好坏直接影响到国民经济稳定繁荣与发展,研究贷款企业的违约风险就显得尤为重要,对公司信用风险研究的有效方法是建立风险度量模型,量化风险,然而在模型的建立过程中,信用风险模型的预测精度的好坏直接影响到风险的管理水平的高低,从而影响到银行的风险状态与利润水平,因此提高风险度量模型的精度具有重要的现实意义。本论文选用的研究对象是我国A股市场05-09年所有公司年度报表,其中选用的财务指标主要有:营运资金/总资产、股票市值/总负债、息税前利润/总资产、留存收益/总资产、总资产周转率等五个指标。利用Logit模型理论对上述的财务指标进行建模分析,并且结合经验贝叶斯理论的先验分布,后验分布,似然函数等对模型进行改进研究,通过对模型参数的经验贝叶斯改进研究,从而达到对信用风险度量精度的提高,具有一定的应用价值。本文首先介绍了国内外对信用风险度量分析的研究现状以及常用的方法,介绍了经验贝叶斯的改进原理,然后通过对我国上市公司的财务数据进行实证分析,给出了模型改进前后精度的具体比较,最后讨论了最近几年来在我国经济建设中显得非常特殊的房地产行业,讨论了该行业与制造业这两大行业的贷款违约的比较,得出了行业之间违约概率的差异,这样给银行分析企业贷款违约,在处理不同行业中的企业违约风险控制时有个初步的判断。