我国的证券市场正处于快速发展期,愈来愈多的企业力图通过上市的途径以强化自身的资金实力,更进一步做强业务质量,做大业务规模,最后能够在竞争中获得优势。上市公司是我国经济发展的主要动力之一,但是由于种种原因可能会导致它们中的一些面临信用危机,连续出现经营亏损,甚至最后被监管部门特别处理。若爆发上市公司信用违约现象会给有关的政府监管单位、投资者等一些利益有关者带来损失,严重的话可能动摇国家的经济稳定性。所以说,构建有效的上市公司信用风险预警模型,具有重要的现实意义。本文在wind一级行业分类标准的基础上选择了工业行业为研究对象,从两个方面展开了研究,一是怎样筛选得到对信用风险评价模型有重要影响的指标,二是怎样优化模型中的两个重要参数。在指标选取上本文使用了可以量化的一些财务指标,在重要参数的优化方面,本文对两个参数做出了优化,一是组成随机森林的树的个数应该是多少,二是内部节点分支时随机选择的变量个数应该是多少。本文选取了2018年已被ST或则*ST的工业行业上市企业共23家,并根据配比选择了同行业69家正常上市公司,采用了2015到2017共三年的一些年度财务数据,将清洗后的样本以3:1比率划分,前者为训练集,后者为预测集,用训练集对模型进行训练,用预测集来检验模型的性能,并将随机森林中重要参数优化前后的分类结果以及CART决策树的分类结果拿来比较,得到了随机森林模型的分类效果要优于CART决策树这一实验结果。