1课题背景和意义

诚信是一个企业的立业之本，企业信用等级是一个企业履约状况和偿债能力的综合反映，信用等级直接影响到企业的投融资及未来的发展。信用评价是对企业信用等级的评价，信用评价可以为投资者提供公正、客观的信息，起到保护投资者利益的作用，一定程度上也可以为金融机构降低金融风险服务。因此建立一个准确、高效的预测模型，对企业信用风险进行评估，成为学者纷纷研究的对象。企业的信用评价过程主要是通过基于财政指标的信用特征推出企业的信用风险，目前使用的模型或者方法不足以反映出影响企业信用诸多因素之间的非线性关系。传统的统计分析方法（包括多元判别分析模型MDA和对数回归模型等）虽然具有明显的解释性等优点，但其运用却存在过于严格的前提条件等局限性。而神经网络技术是一种自然的非线性建模过程，能从大量复杂的数据中发现规律，这一特点恰好适用于信用评估领域，具有一定的可行性。

1990年，Odom首次用神经网络的方法进行企业破产预警,他以1975-1982年间的 65家失业企业与64家正常企业配对，并将样本区分为开发样本与估计样本，使用类神经网络构建模型。之后E.Altman、P.Coats以及S.Piramuthu先后采用神经网络技术对公司或银行的信用状况进行了评价和预测，取得了较好的评价效果。在国内吴德胜等用神经网络评估上市公司信用，王春峰等用BP神经网络对中国商业银行的贷款客户企业的信用进行了评估，都取得了较好的结果。

近年来，神经网络算法被广泛用于经济、管理和金融等领域。已有研究表明：神经网络具有对数据分布要求不严格，非线性的数据处理方法、强鲁棒性和动态性等优点。所以神经网络算法受到越来越多的学者的关注。

2．企业信用评价级概述

信用评价级，又称资信评级，是一种社会中介服务社会提供资信信息，或为单位自身提供决策参考。信用评级作为一个完整的体系，包括信用评级的要素和指标、信用评级的等级和标、信用评级的方法和模型等发面的内容。其中信用评级指标和信用评级方法是信用评级体系中最核心的两个内容，同时又是信用评价体系中联系最紧密，影响最深刻的两个内容。

2.1企业信用风险评估指标体系的建立；

建立一套科学完善的评价指标体系，是实现对企业信用风险准确评估的重要前提。本课题要建立的体系要依据信用风险评估指标选择原则，并借鉴网络查找的企业相关数据来进行。

2.2 用主成分分析对指标进行预处理；

对于建立的指标体系进行简化。如指标过多会大大增加计算运行时间，降低网络性能，削弱经网络的泛化能力。所以要对影响信用风险水平的微观因素进行综合分析，在尽量减少信息丢失的前提下减少指标的个数，即在保证评估结果的前提下降低信用风险评估的指标维数。