改革开放以来,中国的制造业建立了完整、独立的产业体系,有力地推动了工业化和现代化进程。2015年,国务院发布《中国制造2025》战略规划,坚持“创新驱动、质量第一、绿色发展、结构优化、人才为本”的基本原则,大力发展我国制造业。“创新”成为了制造业的新时代主题,中国制造业也一直致力于提升其创新能力。然而创新的基础在于大量的资本投入,对于制造业而言,没有坚实的技术基础,在技术创新上投入大量的资金则意味着巨大风险。依托于设备维护、生产流程、产品仓储等环节,制造业本就需要大量资金维系运营,因此要做好转型升级、迭代创新,大量资金是来自于银行信贷的。然而,据统计,在银行等融资机构,制造业的不良贷款率高达50%。这表明制造业在新的发展阶段存在着巨大的信用风险问题。这也导致制造业在金融市场的信用评级差,无法获得足够的资金运营和发展。由此,为了更好地促进制造业行业健康发展,保障良好的经济环境,制造业信用风险评价成为了近些年经济领域的学者们热衷的话题。本文从信用风险指标体系构建的角度出发,采用了上市公司年度财务报告数据作为指标数据来源,利用逐步回归、主成分分析及Lasso法对指标体系进行加工处理,试图得到一个代表性强,适用性广,可以推广到未上市中小制造业企业的指标体系,以加强市场对制造业企业信用风险的监控和预测,为制造业企业提升信用评价,做好转型升级做出贡献。本文得到的主要结论:(1)在压缩数据方面,主成分分析法的能力是最强的,将21个指标压缩得到了五个主成分;逐步回归法次之,得到了包含7个指标的指标体系;Lasso方法最差,保留了 14个重要指标;(2)在预测企业信用风险正确率方面,Lasso-Logistic模型的综合正确率最高,为90%;逐步回归法次之,为81.67%;主成分分析法最差,为79.17%。三种方法都可以对企业信用风险评价做出可靠的预测;(3)在指标体系方面,Lasso法处理后的指标体系涵盖信息最多,最适合作为标准指标体系在制造类企业中推广,但计算上相对复杂;主成分分析法得到的指标体系最简洁,回归过程也相对简单,同时也丢失了一部分信息;(4)在指标重要性方面,偿债能力指标、现金流量指标及成长能力指标至关重要,说明偿债能力,现金流量以及未来成长能力对制造类企业提升其信用评价有着举足轻重的作用。本文的创新之处主要体现在两个方面:(1)构建了新的制造业信用评价指标体系。已有文献大多选用成型的信用指标体系,对信用风险评价方法进行对比研究,本文则从大量引入指标出发,进行逐步筛选,着重构建适用于我国制造业的信息充足,组成简洁,评估便捷的信用评价指标体系,为信用评价奠定基础。(2)对三种筛选指标方法进行了对比分析。筛选指标数据的方法有很多,大致分为子集选择方法、收缩方法、维数缩减三类,本文从三类方法中分别选择逐步回归、Lasso、主成分分析三种方法作为代表进行指标筛选,对比三种指标筛选方法的优劣。