企业信用风险预测是根据企业财务数据与非财务数据来推断企业未来的经营情况,它能帮助投资者或债权人识别信用风险,是投资者或债权人重要的决策根据。无论是股票的买卖、公司债券的投资、银行贷款的发放还是上下游之间企业授信的商业信用活动,都离不开信用风险预判和估计。本文研究的是中国上市公司信用风险的预测方案。本文的第一章是绪论,第二章是信用风险预测模型的理论基础,第三章是信用风险预测模型的构建,第四章是中国上市公司信用风险预测模型实证分析,最后一章是结论。本文的研究重点一是建模精度的标准的确定。建模精度的标准若不注重控制第二类错误,会导致较多违约的差企业被误判为非违约的好企业,诱发信用风险和危机。二是信用风险预测模型的构建。显而易见,不同模型的预测精度不同。三是模型预测期限的确定。预测期限是衡量模型预测能力的体现。本文的创新与特色主要有二:一是通过在不同的第二类错误系数与第一类错误系数的比率C_k和不同判别方程的临界点t_q的情况下得到多个加权误判率,通过最小加权误判率来反推不同的C_k对应的最优的权重W_k~*和最优的临界点t_k~*。在W_k~*和t_k~*的预测模型中,通过最大AUC来反推最优的W~*和最优的t~*。由此构建的线性判别方程,即为本文的信用风险预测模型。二是本文的模型预测T+d年的预测精度高于典型的线性判别分析、逻辑回归、支持向量机、朴素贝叶斯、K近邻等模型,且预测期限d也大于现有研究的预测期限。研究发现,中国上市公司的地理区域的信用特征为华东、华南地区的上市公司的信用资质最好;华北、华中、西南地区的信用资质居中;东北和西北地区的信用资质最差。上市公司的行业信用特征表现为“金融业”、“信息传输,软件和信息技术服务业”、“科学研究和技术服务业”三个行业的信用资质最好;“农、林、牧、渔业”、“房地产业”、“采矿业”信用资质最差。