现代市场经济是一种以信用交易为主的信用经济，企业信用管理是保持信用经济稳定运行所必要的重要架构，企业信用管理最主要的方法就是信用评分，企业信用评分是对企业债务偿还能力和可信程度的综合评估，是对债务偿还风险的综合评价。信用评分是以一套相关指标体系为考量基础，标示出个人或企业偿付其债务能力和意愿的过程。国外度量信用风险的模型和方法已经由传统模型阶段发展到了创新模型阶段，信用风险度量的创新模型应用创新的金融理论、统计技术、数学方法以及计算机数据库和人工智能等科学技术，能判别出企业精确的信用等级，或者是企业的预期违约率或损失率。而中国的商业银行虽然在逐步建立信用风险内控机制，但信用评估的手段和方法却还处于比较初级的阶段。因此需要引入新的方法建立模型来解决企业的信用评分问题。 本文首先对信用风险、信用评分进行了分析，综述了信用评分的历史及建立信用评分模型使用的各项技术和方法，阐明了目前使用的模型或方法不足以反映出影响信用诸多因素之间的非线性关系。神经网络技术是一种自然的非线性建模过程，能从大量复杂数据中发现规律，这一特点恰好适用于信用评分领域，具有一定的可行性。 在综合分析国内外企业信用评分指标体系的基础上，结合我国企业信用评分的特点，建立了适合我国企业信用评价的指标体系，包括5个方面19项指标。 结合国内外相关研究的现状与进展，及信用评分本身所具有的特点，建立了基于径向基函数神经网络的信用评分模型，利用从某信用评级机构获取的各项实际指标数据，对建立的信用评分模型进行了模拟实验。利用现有数据分别进行判别和分析，研究其计算结果与实际情况的差距，然后使用改进的RBFNN学习算法；对径向基函数神经网络进行了学习训练，得到了令人满意的评价结果。 实验结果表明，网络的实际输出十分接近于期望输出，该模型的准确率高、实用性强，模型的建立为目前如何建立一个科学、客观、准确、可行的信用评分数学模型提供了有力支持。利用该模型建立的评分系统具有进一步研究和推广应用的价值。