信用风险的评估对于银行和投资公司具有重要的理论意义和实际意义。本文以信用评级问题为核心,通过采用线性判别分析模型、概率神经网络模型、BP神经网络模型以及支持向量机方法对我国上市公司的信用风险度进行信用评级模型的建立。在研究方法上,本文采用理论研究和实证分析并重的方式。在问题研究上,着重定量分析的运用,从而得到既有理论依据同时也具有现实可操作性的解决方法。首先,本文对信用评级的概念、我国信用评级的现状及目前面临的问题进行了综述,接下来对目前广泛应用于该领域的各类方法进行了论述,并讨论了各类方法的优缺点,以及各类方法在我国目前的可行性。然后,介绍了信用评级模型建立的主要方法,线性判别分析法、概率神经网络和BP神经网络,以及引入新的方法:支持向量机,并对这四种方法在信用风险评估中应用的可行性进行论述。最后,本文通过实证将以上四种方法应用于我国上市公司信用评级,并对这四种方法实证结果的分类准确率进行比较。另外,本文还通过实证对支持向量机的小样本分类性能进行说明。本文综合了财务管理、计量经济学和信息技术等相关内容,运用多种方法建立企业信用风险度和多维财务指标之间的量化关系。通过实证结果表明,建立的信用评级模型具有较好的分类效果。