当今中国经济的发展已进入了新常态,中国汽车的销售增速也有所放缓。汽车经销商作为汽车销售的重要渠道,但是,经销商企业普遍存在资金短缺、周转困难等问题。车企为了缓解经销商的经济压力,将根据经销商的经营情况,授予其适当的信用额度,然而,经销商和车企在相互合作的过程中还存在着信用缺失等问题,一些信用缺失的经销商使车企承受风险。因此,对经销商进行信用评级,可以帮助提高经销商的信用水平,从而使经销商和车企的合作更加紧密,市场竞争力也会得到相应的提高。论文在阐述信用评价方面的国内外研究动态的基础上,从汽车制造企业的角度出发,以汽车经销商为研究对象,针对指标评价体系中存在的主观因素和评级模型进行分析与研究。最后,结合校企合作项目,通过具体案例证实了模型的有效性和可靠性。具体的研究内容如下:(1)论文根据现有的信用指标体系,结合经销商的特点,构建了一套适用于车企对经销商的信用评级体系。首先,在对现有信用评级指标体系进行分析探讨的基础上,基于现有的样本数据构建了汽车经销商信用评级指标体系。接着,对体系中的主观数据,如顾客满意度指标,通过网络爬虫技术获取数据,并进行文本数据挖掘,通过对评论数据进行观点倾向性分析,将定性的主观数据转化为更加直观的定量数据。另外,对体系中的样本数据的预处理方法和过程进行了研究,为信用评级模型的建立奠定了基础。(2)论文运用模糊神经网络算法对经销商进行了信用评分。在研究模糊神经网络理论和建模流程的基础上,结合车企对经销商的信用评级体系和样本数据,对信用模型进行仿真和优化。通过与传统的BP神经网络进行对比,其均方误差较BP神经网络下降了31.1%,并且它具有更好的泛化能力。(3)论文结合校企合作项目中的现状与需求分析,运用项目团队的企业信息化研究成果——亿库智能协同软件开发平台,对汽车经销商信用评级模型的信息化管理进行优化和设计。优化后的平台能将经销商进行关联管理,当出现信用风险时,能产生联动效应。论文研究实现了与实际应用有效的结合。