高新技术企业作为我国经济转型和现代化进程中的关键推动力,其信用状况的综合评估已成为当前研究的热点问题。当前,评价企业的信用有很多种方法,比如因子分析法、熵权法、层次分析法等,但这些方法或多或少会存在人为因素干扰太多、评价结果不准确等问题,这使高新技术企业的信用状况不能得到真正的反映,也会给融资造成很大的困难。因此,有必要从高新技术企业的数据本身入手,完善高新技术企业的信用评价体系,寻找一种比现有评价方法更客观、更稳健的评价方法,从而解决高新技术产业的融资困境。基于以上认识,本文将在自然科学领域应用广泛的可以有效处理“高维数据”的多元统计方法——投影寻踪聚类分析,用于研究高新技术企业的信用问题,并利用大连市2018年379家高新技术企业的数据进行实证研究,建立合适的信用指标评估体系,对于投影寻踪聚类分析中存在的高维数据优化难题,运用实数编码加速遗传算法（RAGA）来进行相应优化,得到综合信用得分值,之后运用Fisher最优分割法对排序后的信用得分进行分类评级,建立信用评级模型。最后,为了检验投影寻踪聚类评价方法是否准确有效,以序号总和理论结合众数理论得到的结果为标准排列结果,运用相关性、关联度、贴近度3种测度指标检验了投影寻踪聚类方法与几种常用的评价方法的优劣,结果显示,投影寻踪聚类的信用评估结果具有更高的精确度,因此,该方法在处理像信用评价这样的高维数据问题时是更客观准确的。本文运用的高新技术企业信用评价模型在处理非正态、非线性的高维评价数据时展示出了很好的优势,充分利用每一个数据,得到的信用评级结果能够在一定程度上解决高新技术企业长期以来的融资难题。此外,本文选取的指标均为定量指标,没有采用定性指标,建立包括诸如企业文化、领导者素质、政府支持力度等定性指标在内的更为全面的评价指标体系还需要有进一步的研究。