信用风险已经引起金融界和实业界的广泛关注。随着我国银行业的对外开放,外资银行入驻中国,竞争的加剧将使国内的银行更加关注资产的质量。我国信用风险研究与国外研究的显著不同点是,我国的信用风险研究起步晚,信用数据容量小制约了模型的建立,小样本的问题已经由来已久。在小样本问题上,GP-GA不失为一个很好的建模方法。因为遗传程序设计(GP)不设定模型结构即不设定函数关系,这给样本数据拟合很大的随机性和多样性。GP一般可以演化出较好的函数模型结构,但是其对函数模型中的常系数优化能力不足。于是我们在GP优化的模型中选择出一个最简单的形式,将该函数的参数分离出来,然后通过遗传算法(GA)进行参数的优化。本文致力于结合我国信用数据缺乏的特点利用GP-GA的随机性和多样性来弥补信用数据样本量的不足,找到一种适合小样本进行信用风险评估的模型的思想,克服小样本建模问题。