商业银行作为金融和交易的主要金融中介,是一个国家经济状况的晴雨表,在减少经济风险和不稳定因素,保证国民经济顺畅运行方面发挥着举足轻重的作用。商业银行在运营中本身承担着各种类型的风险,包括信用风险、利率风险、流动性风险、管理风险、资本风险和政策风险等。其中信用风险在各种风险中占有特殊重要的地位,是导致银行破产的最主要因素。信用风险是商业银行信贷风险管理中一项基础性的工作,其目的在于分析银行在贷款业务中可能面临的信用风险,从而为贷款决策提供依据。但是,传统的信用风险评估方法仅仅从贷款企业角度来评价商业银行所面临的信用风险,而忽略了银行本身存、贷款结构和风险状况对信用风险的影响,造成了评估主体缺位。特别是新巴塞尔协议的实施,使得原有的信用风险评估方法更不能适应新的要求。本文在认真分析我国商业银行信用风险成因的基础上,从贷款企业风险因素、银行风险因素和新巴塞尔协议强调的风险因素三个方面进行了信用风险因素分析。本文首次将企业的现金流量分析纳入指标体系中,建立了一个由23个指标组成的信用风险评价的指标体系。本文介绍了支持向量机方法和模糊积分,论述了支持向量机分类方法的结构及算法原理。重点介绍了集成支持向量机模型的建立。现在的支持向量机的集成融合技术都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集成支持向量机来解决此类问题。根据子支持向量机的分类结果,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。通过与基于投票方式的集成支持向量机、单一支持向量机和模糊神经网络的方法进行比较,结果表明基于模糊积分的集成支持向量机的分类准确性明显好于其它几种方法。