本文对企业信用风险的特征进行了研究分析,发现企业信用风险是一个由许多错综复杂的关系组成的动态系统,具有一定的综合性、隐蔽性以及不确定性,而且我国企业信用风险评级起步较晚,其历史数据资料较少。通过对现有的预测模型进行对比分析,发现由于灰色预测模型具有适用于小样本、贫信息的优势,近些年被广泛应用于经济领域中。但是灰色预测模型(文中特指GM(1,1)模型)在企业信用风险评价中应用时由于其存在自身局限性及适用性等问题,模型的预测结果与实际情况有一定的偏差。本文对影响传统GM(1,1)模型预测精度的两个主要因素进行了研究分析及改进以提高模型的预测精度。1、研究发现企业信用得分的时间序列变换具有一定的随机波动性,而GM(1，1)模型通常更适用于非负单调的数据序列。鉴于此,本文提出应用序列平滑变换的方法对初始序列进行修正,以使其转变成光滑的单调递增序列,更符合灰色预测模型的适用条件。本文应用Themis信用得分数据进行实证,结果表明优化后模型精确度有明显提高。2、在对企业信用风险进行预测时,初始序列步长的选择,对模型的预测结果影响很大。本文应用新陈代谢预测模型的原理,以预测值相对误差作为选择标准,根据历史数据选出最优的初始步长,并用序列平均相对误差对其进行检验,结果表明应用此模型选取最优序列步长具有可行性,且序列平滑变换与最优步长的结合可使预测模型达到最佳状态。