随着我们经济体制改革的逐步进行,民营企业经济呈快速上升趋势,在国民经济中占有越来越重要的地位。在民营企业规模扩展中伴随着资金紧张状况,它们对资金的需求和渴望不断增加。但由于民营企业自身逆向选择和道德风险比较大,这样导致了民营企业间接融资渠道狭窄。一个公司的财力是否雄厚,是否具备强大的融资能力,直接影响着企业成长的速度和扩张的程度,也直接决定着企业的发展。因此建立民营企业信用评级模型、合理测算风险就成为当务之急。而本课题研究目的就在于此。本文作为国家社会科学基金项目《民营企业信用评级指标体系与评级方法研究》的一部分,在进行民营企业信用评级模型的构建中,创新性地应用了基于神经网络的数据挖掘分类技术,将民营企业隐含的、尚不为人所知的,同时又潜在重要的信息从数据中提取出来,建立民营企业信用评级模式。实证分析表明基于神经网络的数据挖掘方法,对民营企业信用分类准确率达到88.96%,且模型噪音容忍度高、选择特征代表性强和求解速度快,能够有效的对民营企业进行信用评级。