商业银行信用风险已经成为目前我国金融风险最主要、最集中的一种表现形态,对整个经济运行有着极为重要的影响。信用风险评估作为风险管理的核心环节起着至关重要的特殊作用。在揭示信用风险各评估要素间相互作用、相互影响的内部作用机理的基础上,将贷款方式引入信用风险评估指标体系,强调各评估要素的统一性和信用风险的相对性特征。本文构建了含有16项指标的评估体系,经过因子分析最终形成4个经济含义较为明确的因子,并以此作为评估模型的输入。通过这些指标可以在突出反映企业偿债能力的同时较为全面地刻画企业的资信状况。本文介绍了支持向量机方法和模糊积分,论述了支持向量机回归方法的结构及算法原理,构建了支持向量机回归集成模型。目前的支持向量机的集成融合技术没有考虑每个子支持向量机之间的权重关系。在本文中提出了一种新的基于模糊积分的支持向量机回归集成来解决此类问题。根据子支持向量机的回归预测结果,通过模糊积分赋予每个子支持向量机不同的权值对其进行集成。该方法考虑了各子学习器的预测结果和各子支持向量机学习器的预测对最终结果的影响程度。将模型的评价结果与单一支持向量机回归、单一神经网络和神经网络集成进行比较,结果表明本文提出的方法比其他方法的拟和精度高,证实了该方法的可行性和有效性,为银行建立可靠的评估系统提供了依据。