商业银行信用评级(Bank’s Credit Rating)是对一家银行当前偿付其金融债务的总体金融能力的评价。对商业银行进行信用评级意义重大：第一,商业银行信用的评级结果是各国金融监管当局进行监测和控制银行业风险维护金融体系安全的根据。第二,商业银行信用评级也是银行进行自身风险管理的基础。第三,金融机构间的业务往来、合作关系的建立需要以商业银行信用评级状况作为基础。第四,工商企业和社会公众可以根据各商业银行的信用评级状况选择与其业务往来的商业银行。本论文共分五章。第一章分析了论文的选题依据、相关研究进展、研究方法、研究的技术路线和研究内容。第二章基于非线性映射的商业银行信用评价指标体系的构建。第三章关于最优赋权方法的商业银行信用评价模型研究。第四章关于小样本问题的信用评级研究。第五章为结论与展望。论文的主要工作如下：(1)引入非线性映射原理,构建了商业银行信用评级指标体系根据有、无特定指标两种状态的非线性映射结果的欧氏距离,反映特定指标对评价结果的影响程度,解决了特定指标对评价结果影响程度的可量化问题,为非线性映射删除指标奠定基础。对全部指标做非线性映射,删掉特定指标再做非线性映射。求两个非线性映射结果的欧氏距离,欧氏距离无变化或变化很小表示该指标对评价结果影响小。通过设定复相关系数和相关系数同时超过阈值删除指标,避免了单一标准导致指标的误删,保证了删除指标后信息含量损失少。建立了6个准则层19个指标的商业银行信用风险评价指标体系,用17%的指标反映了91%的原始信息。实证研究表明,本研究的评价结果与穆迪、大公国际的评级结果序关系一致。保持与穆迪、大公国际的评级结果序关系一致有两个原因：一是穆迪、大公国际等权威机构的核心评级指标、评价方法以及赋权方法是不对外披露的。因此人们无法通过其方法对权威机构没有评级的商业银行进行评级。二是保证评价结果与权威机构序关系一致,既保证了评价结果的合理性又解决了可以对所有商业银行进行评级的问题。(2)利用改进Spearman检验,建立了最优赋权方法的商业银行信用评价模型根据权威评级机构公布的商业银行信用评级结果,利用改进的Spearman秩相关检验对不同赋权方法得到的评价结果进行检验,选择与权威机构评级结果最接近的赋权方法作为最优赋权方法,解决了现有研究无法解决的最优赋权方法确定的问题。采用了主观赋权的AHP、G1法和客观赋权的离差最大化法、变异系数法、熵值法等五种赋权方法。与权威评级机构穆迪和大公国际的评级结果进行对比检验,解决了现有研究无法解决的最优赋权方法确定的问题。实证研究表明,对于商业银行的信用评价问题,使用熵值法赋权最合适。(3)建立了基于小样本检验——模拟的商业银行评级模型通过对评价得分的分布进行检验,找到评价得分的分布规律,为评价得分的数据扩充提供依据,这正是本研究区别于现有研究的不同之处。根据通过分布检验的分布参数模拟生成与评价得分同分布的随机数据,扩充样本数量,使得扩充后的样本数据与原始数据具有相同的分布特征,解决小样本无法划分等级的问题。实证研究表明,中国的商业银行的评价得分既不是正态分布,也不是指数正态分布和对数正态分布,而是服从一种特殊分布,评价得分自然对数的平方服从正态分布的。通过这一分布规律,可以对商业银行的评价得分数据进行模拟扩充达到大样本要求,避免了小样本划分评价等级不准确的问题。