伴随着经济全球化的深入,证券投资基金,银行次级贷款,股票等资本市场的繁荣,信用评级在我国金融市场中的功能和作用日趋显现。投资者,监管部门对评级机构的依赖程度也逐步提高,因此对理论研究工作者也有了更高的要求。如何检验信用评级的信息含量；如何提高评级的公信力及投资者的信息质量,如何借鉴国外先进经验并结合我国国情,建立科学合理的指标体系来提高评级的准确性等等都成为未来我国信用评级研究的基本问题。信用评级的功能在于减少信息不对称,揭示风险,而要实现这一功能,评级质量的保证至关重要。基于目前此种现状,本文企图建立一种检验评级质量的方法。评级质量的优劣可以从两个方面进行衡量：一是评级观点准确性,即验证评级机构“高级别低违约”的基本假设。二是评级观点的稳定性,只有在基本的信用风险发生改变后才会发生级别变更,由于级别所依赖的基本信用风险变化缓慢,因此级别的变动也不应剧烈。因此,本文也从这两个角度切入来对评级机构的评级结果进行质量检验。本文首先采用自组织神经网络的方法结合描述基金质量特征的指标数据对基金进行等级划分,将划分结果与评级机构的评级结果进行对比,以检验其准确性；其次,基于模糊评价法和熵权法,结合迁移矩阵对评级机构的评级结果的稳定性进行检验,并运用随后两个月的基金业绩表现来对本文检验方法进行检测,得出该检验方法具有良好的预测性和适用性。至此,本文从准确性和稳定性两个角度对评级机构的评级结果进行质量检验,这是本文的切入视角创新;本文采用神经网络的方法进行准确性检验,采用迁移矩阵的方法进行稳定性检验这是技术创新。希望通过本研究方法可以完善我国基金评级质量检验体系,促使评级机构真正发挥评级机构的风险揭示和衡量作用。