信贷风险是金融市场上最古老的风险之一,也是商业银行经营管理中的一个核心问题。企业由于财务危机导致破产是商业银行信贷资产损失的直接原因,在激烈的市场经济中,由企业财务状况恶化而引发破产逃废债务的例子已屡见不鲜。如何及早地发现企业财务危机信号,使银行可以根据预警信号及时调整信贷政策,避免信贷资产的损失已成为关注的焦点。因此对商业银行信贷风险管理引入财务危机预警模型进行定量分析具有十分重要的理论和现实意义。本文首先综合介绍了国内外相关研究文献,阐述了信贷风险管理中财务危机分析的意义,并对财务危机预警的现有相关理论及模型进行了简单的介绍与比较。在此基础上,根据财务状况恶化前一年的数据,即根据2002 年和2003 年沪、深两市公布的有关我国上市公司的资料信息,从银行防范信贷风险的角度初选了17个指标变量并进行了评价分析,再利用因子分析法对初选的变量进行筛选,然后以最终确定的6 个财务指标变量为基础,通过建立Logistic 回归模型和最小二乘支持向量机预测函数分别对样本企业的财务状况进行了检验、预测。通过实证研究对比,发现采用最小二乘支持向量机建立财务危机预警模型,预测精度非常高,而且这一方法不需要对变量作任何特殊假设前提,能够很好的对企业财务状况的好坏进行识别。在以上研究的基础上,本文对预警模型自身存在的一些难以克服的局限性加以说明,并对后续研究提出了自己的见解。同时,对构建的财务危机预警模型在信贷风险管理中运用应该注意的问题进行了阐述。本文的创新之处在于:首先,从商业银行防范信贷风险的角度选取财务指标变量;其次,对初选变量进行因子分析,以期选择的变量最具有解释力;最后,本文尝试将统计学习理论中最新的最小二乘支持向量机算法应用到财务状况好坏的两分类模式识别系统中,取得了很好的预测效果。