中小企业融资难、融资贵等问题在我国乃至世界范围内都存在已久，2018年在经济增速放缓、流动性趋于短缺的压力下，该难题更加突出。

在这样的情况下，合理的评估中小企业的信用风险，不仅让银行了解中小企业的信用风险问题，也能让中小企业了解自身的信用不足的地方，可以使企业有更多的融资发展机会。

1、 国外研究回顾 国外的研究较早，Beaver(1966) 在度量企业信用风险的过程中，通过选用79家正常企业，并用财务指标对两组企业进行对比分析，这就是最早利用财务分析法度量企业信用风险的单变量判定模型。

在此之后，Ohlson(1980)首次将logistic模型应用在企业信用风险度量中，通过该模型得出具有显著影响的财务因素。

除此之外，更有学者通过对十几种的模型进行对比来研究。

DavidWest(2000)使用logistic、多元判别等十多种方法对企业的信用风险问题进行研究并得出logistic模型最优预测的结论。

渐渐地，神经网络在信用评分上的优势被学者们发掘，Coats（1993）根据选择变量的方法，研究模型结构与它们正确预测金融失败的能力之间的关系。

最后发现神经网络往往能够得出更精准更优良的结果。

然而相反地是，Desai（1996）等人研究并探讨多层感知器和模块化神经网络以及线性判别分析和逻辑回归等传统技术在信用社环境下建立信用评分模型的能力。

发现三个信用模型的结果存在显现著差异，建立有效的通用模型可能需要更多创新的架构。