商业银行信用风险已经成为目前世界乃至我国金融风险中极为重要的一种表现形式,对经济运行有着极为深刻的影响,信用风险评估作为风险管理的核心环节在商业银行的经营管理中起着至关重要的作用。由于我国银行业多年缺乏信用评估方面的实践经验,导致其信用风险评估工作落后于西方银行业。　　信用风险主要包括流动性风险、投资风险和信贷风险。狭义的主要指信贷风险,这是本文的主要研究对象。通过对信用风险的研究表明:信用风险具有有偏性、信息不对称性、亲周期性、非系统性、可控性等六方面的特征。利用经济学理论对商业银行信用风险的分析表明,信息不对称是信用风险产生的主要原因。中国国有商业银行信用风险产生的特殊原因主要体现在体制不健全、经济环境较差和管理体制效率低等三个方面。新巴塞尔协议是金融风险领域的一个重要文件,其主要创新在于对风险考察更广泛、全面、灵活,提供的衡量风险的方法具有更高的敏感度,强调市场纪律使银行经营更具透明度。新巴塞尔协议要求我国商业银行必须从树立正确的信用风险管理理念、建立科学的信用风险管理体系、完善信用风险管理的技术和方法等三个方面入手,提高信用风险的管理水平。当前情况下造成信用风险评估失效的主要影响因素,包括评估方法的科学性、评估程序的合理性、信用秩序、企业财务制度、法制环境、配套的信用风险控制机制及经济环境等六个方面。这些研究为信用风险评估模型的建构提供了条件。　　商业银行的信用风险受到财务因素和非财务因素等多方面的影响。在重视以往信用风险评估影响因素的基础上，针对企业非财务因素难以有效度量的情况,将企业的技术效率纳入到商业银行信用风险评估指标体系中,通过技术效率测度企业的非财务因素对信用风险的影响,以及对技术效率与信用风险关系的实证研究表明,技术效率能够有效的表征信用风险。根据我国信用风险的实际情况及信用风险评估理论,确立了指标体系的建立原则,构建了包含企业技术效率在内的信用风险评估指标体系。　　对信用风险数据自身特征的研究表明,信用风险数据具有非线性、高维、数据不平衡以及具有噪声数据等特征,为此要求评估模型能够针对这四项特征对信用风险进行准确度量。通过引入保局投影算法进行特征提取来对样本数据进行降维,在降维的同时可以消除异常样本对评估结果的影响。在信用风险评估中,第一类误判率对银行造成的损失较大。由于信用风险评估数据不平衡的特征,很高的评估准确率并不能最小化银行的损失。通过构建基于不平衡支持向量机的信用风险评估模型,以F-measure作为模型精确度的评估指标,在提高模型评估准确率的同时有效地降低了第一类误判率。对该模型的初步验证表明,该模型能够适应信用风险数据评估的需要。　　支持向量机集成的关键问题,在于寻找合适的子支持向量机并确定有效的集成算法。针对使用近似算法求解所造成的支持向量机精度降低的问题,用模糊积分构建支持向量机集成模型,可以有效提高支持向量机的分类精度。利用Choquet积分构建了支持向量机集成模型,进而提出了该模型集成时的模糊测度公式,确定了利用遗传算法求取模糊测度的方法。对商业银行信用风险数据的实证研究表明,本研究所构建的信用风险评估模型,能够在降低第一类误判率的同时,有效地提高信用风险评估精度。由于本模型利用保局投影的数据特征提取算法,有效地降低了噪声数据和高维数特征的影响;所构建的不平衡支持向量机,降低了类别不平衡对信用风险的影响;所构建的基于 Choquet积分的支持向量机集成,进一步提高了信用风险评估的精度。从而本模型能够很好地适应信用风险数据的特征,由此为商业银行信用风险评估,提供一种新的评估模型。