近年来屡屡发生的金融危机以及新巴塞尔资本协议对风险的重视都意味着信用风险评估已然成为金融风险管理范畴中的紧要课题。更由于风险环境的日益繁杂以及行业竞争的日益白热化，金融自由化、全球化以及飞速进步的金融创新，面临着发生更加巨大且复杂的信用风险的可能性。信用风险评估对信用风险的控制和预防都起着举足轻重的作用，是信用风险管理中的一个重要步骤。所以，信用风险评估问题的分析和研究具备着重要的现实意义。目前，对信用风险评估的手段已经从定性为主转变为定量为主，建立一系列具有很强技术性的数学模型。相当一部分研究专注于改进模型以改善评估的准确性、合理性，或者比较不同方法、不同模型之间的评估结果，以选出具有较优评估性能的信用风险评估模型。论文在研究了传统信用风险评估模型的基础上，将信用风险评估问题视为风险模式识别问题，针对学习样本数据少的特点，运用支持向量机方法，研究了信用风险模式的识别模型及方法。具体研究工作和获得的成果如下：1.搜集国内外相关研究资料，综合评述了信用风险评估模型和方法；2.研究了机器学习理论以及统计模式识别方法，尤其是对支持向量机的分类原理与方法进行了分析和总结；3.针对参数选择以及模糊化问题，将试验设计与支持向量机结合，引入模糊参数，建立基于支持向量机的信用风险评估新模型。4.以来自UCI机器学习库中的德国信用数据集为依据，将论文提出的新模型分别与线性判别分析法、最小二乘支持向量机模型、支持向量机模型、径向基网络、k邻近法进行比较分析，结果表明，新模型能够提高风险评估的准确率；同时，对最小二乘支持向量机模型分别使用试验设计方法和网格搜索法进行参数选择，计算结果显示试验设计方法耗时较短，具有一定的实际价值。