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准、信用评级的方法和模型等方面的内容。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。

而企业信用评级是指信用评级机构对工商企业、制造业企业和流通企业、建筑安装房地产开发与旅游企业、金融企业等进行信用评级。企业主体信用分析的主要内容包括：产业、企业素质、经营管理、财务状况和偿债能力等方面。在企业信用评级中，比较重视企业素质，特别是企业素质中的企业综合情况评级，包括对企业领导群体的素质的评级，企业经营管理能力的评级，以及企业竞争能力的评级。

目前，由于投资者与经营者之间存在着信息不对称，因此会形成两个问题：第一是逆向选择；第二是道德风险。解决这两个问题的一个有效办法就是信用评级。信用评级不但为资金供需双方的信息缺口开辟通道，使资本市场不至于收敛于因信息不对称而无法发挥资金中介的功能，使资金需求者能取得所需资金从事其各项牛产经营活动，使资金供给者的投资拥有适合其风险偏好的标的，也使金融机构的管理效率得到提高，从而增强了资本市场的整体效率。然而，信用评级是否合理，评级结果是否准确， 很大程度上取决于评级方法的科学性。

(一)企业信用评级尚未得到全社会的认可。目前我国经济正处于转型期，原有计划经济的观念和旧的习惯依然存在，有的还根深蒂固，一些人还停留于过去国家财政统配资金，不拿白不拿 ，甚至“赖债”、“逃债”得益的陈腐观念中。信用评级又起步较晚，近两三年来在部分省市开始， 也还是处于“点”的状况。目前企业，也包括政府对信用评级不了解，或知之甚少，或存有种种偏见， 尚处于十分艰难的推动阶段。

(二)法律依据不足。企业信用贫农国际行业管理与业务规则基本空白，法律责任条款也不完善。目前只有1999年9月发布的《中共中央关于国有企业改革和发展若干重大问题的决定》、《企业债券管理条例》，已经存在的中国人民银行《企业信用评级管理办法》等规章体制。中国人民银行的企业评级还停留在部门规章的层面上。贷款人的管理、评级过程及评级结果还未提出规范。信用评级的业务规则、从业人员的资质相应的法律责任等都都尚未纳入立法范围，理发层次较低，内容过于单薄，达不到强制性效果。

(三)信用评级的基本职能与社会“需求”存在差异，特别是市场推动之初矛盾尤均突出。信用评级是揭示市场风险的一种有效手段， 其基本职能是通过综合考察分析受评经济组织的信用状况，揭示风险，公开发布，为社会提供公众信息， 满足投资者和监管部门需求的中介服务， 其评级结果和质量，也就是第一位的经营目标，是投资者和监管都门对评级结果的使用和信任，为其提供决策参考。目前的状况是受评企业对级别期望值很高，大有“没有AAA不罢休”之势。究其原因，一是受评企业的错误认识；二是存在客观原因：目前全国评级业务没有全面铺开，走正门的反而成了“低级别”，一旦进入招投标市场，没有“高级别”甭想入围，从而严重影响了企业的正常经营与发展。

(四)出介机构自身素质不高，尤其在“僧多粥少”的情况下，自律性更差，甚至提级压价，存在道德风险。

1．判别分析法

判别分析法是根据已知的违约和非违约的企业进行分类构成符于个总体，由这若干个总体的特征找出一个判别函数，用于判别任意已观察的向量应判属于哪一个总体，以及检验两个或多个母体，在所测量的指标变量上，是否有显著差异，如有则指出为哪些指标。

1968年奥特曼(Altman)率先将判别分析法应用于财务分析、公司破产及信用风险的分析，建立了如下著名的线性判别分析模 ：

Z=0.012X₁+0.014X₂+0.033X₃ +0.006X₄+0.999X₅,

其中，X₁为流动资金／总资产，X₂为留存收益／总资产，X₃为息税的收益／总资产，X₄为股权市值／总负债账面值，X₅为销售收入／总资产。临界值为2.675，如果z小于临界值，借款人被划入违约组，信用级别较低；反之被划人正常组，信用级别较高。当分值在1.81和2.99之间时，Altman发现判断失误较大，该重复区域为灰色区域。

以Z模型为代表的线性判别分析模型虽然很适用于信用评级，但这种方法存在一定问题：(1)限制条件过于严格，如要求样本数据服从多元正态分布，协方差矩阵相同等；(2)模型主要考虑的是财务因素，没有考虑行业特征、企业规模、管理水平等非财务因素的影响；(2)模型以历史数据为基础，对未来发展的预测不够。

2．综合评判法

综合评判法就是对多种因素所影响的事物或现象做出总的评价，即对评判对象的全体，根据所给的条件，给每一个对象赋予一个实数，通过总分法或加权平均等其他计算方法得到综合评分，再据此进行优序评价。

从信用评级本身的属性来看，企业信用评级属于一种不确定性的模糊问题，因此，综合评价法的发展趋势足与模糊理论相结合来对企业进行信用评级，从而使评级结果更科学、更准确。

3，人工神经网络法

所谓的人工神经网络，就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统或计算机，简称神经网络，简写为ANN(Artificial Neural Network)。人工神经网络的基本构架是模仿生物的神经细胞，分为输入层、隐藏层和输出层二层。每一层色括若干代表处理单元的点。输入层的节点负责接收外在信息(如图1) 不同于人脑的输入，人工神经网络所接收的输入信息是各种变量的数量化信息，一个输人变量对应一个输入节点。隐藏层的节点负责处理输入层传来的信息，并转化为中间结果传递给输出层。而输出层的节点就以隐藏层传来的信息与门槛值比较后，得到系统的最后结果，并将结果输出。

与传统的统计方法相比，人工神经网络具有以下特点：(1)具有自我组织与学习的能 ；(2)可以描述输人资料中变量间的非线性关系；(3)可以依据样本和环境的变化进行动态的调整 由于企业铒项财务指标与信用风险之 往往存在着非线性关系。因此人工神经网络比较适用于企业的信用评价。

4．模糊分析法

传统的数学或统计方法都足建立在精确的观点假设基础之上，但是在自然科学、社会科学和工程技术等领域，存在着很多模糊或不确定性；人类的认知模式、思考方式、甚至推理逻辑也涉及许多非确定性。因此利用传统的方法无法解决这样的不确定性问题，而模糊数学是将数学的应用范围，从精确扩大到模糊现象的领域，提出了隶属函数理论，确定了某一事物在多人程度上属于所讲的概念，或者不属于所讲的慨念，这样描述模糊性问题比精确数学更为合理。

同样，企业信用评级也属于模糊性问题，其信用状态如何，用精确数学“是”或“非”的概念很难做出判断，因此，应用模糊分析法对信用状况做出综合评价比较科学。

但是，学术界对于模糊数学的正当性仍然存在怀疑，因为：首先，模糊逻辑缺乏学习能力，应用上受到一定的限制。其次，模糊系统的稳定性很难获得理论上的保证。第二，模糊逻辑不是建立在传统数学的基础上，很难对此逻辑系统的正确性加以验证。