本论文的研究内容为商业银行企业贷款信用风险评估问题。信贷规模扩大以及现代金融市场的复杂化加剧了银行面临的信用风险,建立适用于我国商业银行内部信用风险评估体系,为银行提供准确简便的企业贷款信用风险评估方法具有重要的理论与现实意义。论文从国内外信用风险评估理论研究现状出发,介绍了现有的三大类信用风险评估方法,即古典信用评价法,信用评分法和现代信用风险测度模型。通过对三类评估方法在理论与实际运用层面的综合比较,详细分析了每类方法在我国信用风险评价中各自的应用范围、优势及不足:指出了古典信用评价法主观性较强,有失精确,适合于我国小额消费信贷风险评估;现代信用风险测度模型最先进全面,但在中国的应用条件尚不成熟;信用评分法兼具实用性和客观性,适合用于我国企业信贷风险评估。论文进而介绍并比较了信用评分法中常用的几种建模方法——判别分析法、Logit法和神经网络法等,最终选择了准确率高、简便易行的Logit法作为我国企业信用风险评估模型来进行实证分析。论文在实证研究中以上市公司为研究对象,将企业的信用风险用其违约的概率来量化,并选择2001年至2006年被实施ST的公司作为“违约”样本,“沪深300”股指成份股作为“信用良好”样本。在评价指标筛选方面,首先对初选的原始财务指标进行t-检验,筛选出了上述两类企业中存在显著差异的13个指标;再采用主成份分析法剔除指标间的多重共线性,提取到分别反映企业偿债能力,盈利能力,资本结构和营运能力的四个主成份,将其作为所构建模型的最终评价指标。本文用2004年至2006年的样本作为估计样本,分别构建了一年期与两年期的Logit信用风险预测模型;将2001至2003年的样本作为测试样本,来判断所构建模型预测力的稳定性。实证结果显示,构建的一年期Logit信用风险预测模型的总体判别准确率超过80%,能较好的区分“违约”和“信用良好”两类公司企业;模型对估计样本和预测样本的评估结果大致相同,具有较好的稳定性和合理的经济意义。论文实证结论表明,采用财务数据进行Logit建模对中国上市企业进行信用风险评估是切实可行的,适合作为我国商业银行内部信用风险评估体系中企业贷款信用风险的评估方法。在实际运用中,应秉持信用评分法为主,专家打分法为辅,将定性分析与信用评分法的判定结果相结合,最大限度提高评估的准确性,降低银行信用风险暴露。