近几年,经济全球化遭遇挫折,国际经济循环格局也发生深度调整,更重要的是逆全球化趋势也被新冠疫情加剧。随着经济发展进入新常态和新冠疫情的影响,当前中国经济面临一些挑战,如需求收缩、供给冲击、预期转弱的三重压力,伴随着多重冲击,中国经济面临的下行压力加大。在实体经济发展的过程中,可以看到债券市场的重要作用,它拓宽企业融资渠道,促进实体经济发展、分散金融风险,因此随着债券市场的发展与扩容,企业首要的直接融资方式就是发行债券。企业信用债券急速发展,信用债在债券市场所占比重已经达到和国债、金融债券三足鼎立的程度,可以看出信用债券对企业融资具有重要意义。为解决企业融资等诸方面问题,首先要解决的就是如何进行企业信用评级。本文根据企业信用评级的影响因素,结合国内外该领域学者的已有研究,选取多尺度卷积神经网络建立企业信用评级模型,数据主要分为企业财务指标和企业治理能力指标两大类,后续增加财务困境和融资约束技术指标。然后对样本数据进行数据清洗,对指标进行多重共线性检验,使用随机森林和XGBoost进行指标重要性筛选,得出各模型前二十个最重要特征,选择十二个相同的最重要指标进行讨论。去除不重要指标后,采用欠采样和SMOTENC两种采样方法对训练集的不平衡数据集进行处理,讨论多重共线性对各个模型的影响。接着,选取财务困境和融资约束技术指标,讨论在多尺度卷积神经网络上这些技术指标是否能够提供额外的解释能力。最后选择技术指标对随机森林、XGBoost、神经网络和多尺度卷积神经网络进行训练,选取各个模型最优结果进行对比,以多个多分类评价指标进行比较分析,最终选出对企业信用评级效果最好的模型,即多尺度卷积神经网络模型。与其他企业信用评级模型各评价指标相比,多尺度卷积神经网络模型在准确度上提升4.37%,宏F1分数提升4.82%,宏精确度提升4.56%,宏召回率提升4.77%,宏AUC值提升1.87%。