由美国次贷危机引发的金融危机逐渐开始向全球经济扩展，加之经济范围内的不确定性因素也不断增加，使得全球银行业越来越重视信用风险管理。国内的商业银行为了获得更多的效益，需要在风险管理范围内增加贷款业务数量扩大利差收入，贷款规模的扩大必然会加大银行授信风险，反而增加银行的管理成本和经营成本，而信用风险是全球商业银行面临最主要的风险，所以信用风险控制成为了商业银行风险管理的重心。制造业对我国国民经济增长的主导部分，也是经济社会发展的重要依托，大部分的制造业资金比较密集，没有太多的流动资金，使得该行业的资金比较匮乏，向银行大量的融资称为必然，特别是资金密集型制造业融资的在商业银行贷款中占有重要的份额。但是制造业贷款规模比较大，加之全球性金融危机逐渐开始向实体经济（例如机械制造、汽车制造等行业）扩展，使得制造业企业融资环境比较严峻。银行获取制造业企业融资大份额利差收入的同时，也必须做好该行业信用风险控制，根据制造业的经营特点和财务特征设定特定的信用评级模型，使得商业银行在风险控制的范围内获得最大的利润，同时也使得我国更多的制造业企业可以获得融资的机会，从而带动我国国民经济的发展。本文在商业银行信贷业务相关理论知识的基础上，分析制造行业企业的经营和财务特征，选取数十家制造行业的企业，查取它们的历年财务数据，然后财务数据的各个指标大致归类，对相关数据进行标准化处理，对处理过的各个财务数据作因子分析，获取影响企业信用评级得分的主要因素，然后利用这些主要的影响因素构建logistic模型，运用统计软件SPSS对企业的主要因素实际数据进行log istic回归分析，通过相关的参数、方程显著性检验后得到各个相关估计参数，带入模型，构建模型，最后检验模型的预测准备率。最后总结出专门适用于该行业企业的信用评级模型。