本文研究的是上市公司退市风险问题。目前,上市公司的退市问题已成为社会关注的焦点问题之一,我国关于退市风险预测的研究尚处于起步阶段,对退市风险的进一步研究具有重要的理论和现实意义。本文运用了信用风险结构化模型演变而来的潜变量阈值模型来分析与预测上市公司的退市风险,引入了我国上市公司财务变量、上市公司的治理结构变量、宏观经济变量、一个不可测的潜变量等解释变量,且该潜变量可以理解为证监会的监管力度、退市相关法律法规的完善程度与国家宏观利好利空政策的颁布等对因变量有较强解释力度并不可量化的因素,比较了结构化模型与潜变量模型之间的差异,提出了如何利用潜变量阈值模型对退市风险进行建模的方法,通过蒙特卡罗模拟验证了该模型方法的可行性。文章根据潜变量阈值模型,运用基于对潜变量积分的极大似然估计法,在假设该潜变量对退市概率和退市相关性的影响服从一个probit随机分布的基础上,预测了在深圳证券交易所与上海证券交易所挂牌交易的上市公司的退市风险和上市公司之间的退市相关性,比较了每年上市公司整体退市概率的变化情况,以及每年上市公司预测退市概率的平均值与实际上市公司的退市比率。实证研究表明,潜变量的引入能更好的分析与解释退市风险。