公司债券市场是债券市场的重要组成部分,公司债券市场的发展与完善直接关系着债券市场甚至资本市场的运行效率,因此,完善中国公司债券市场是我国资本市场健康发展的根本所在。然而,我国债券市场尤其是公司债券市场已经远远落后于股票市场；除去制度因素之外,我国公司债券市场落后的主要技术根源便是公司债券评级方法的落后。本文在国内外债券评级的研究基础之上,选用MDA、Logistic模型、Probit模型以及神经网络四种债券评级方法,结合中国上市公司的风险特征,从变量甄选的角度对债券评级方法进行优化,除选取部分国内外公认的财务指标外,还选取了公司控股性质,Tobin q,β以及EBIT/流动负债四个指标；同时采用中国上市公司数据对评级方法的应用能力进行实证检验,并基于评级结果,从资产定价理论出发构建出债券组合的投资策略。实证结论表明：本文甄选出的评级变量较国外常用的评级指标更好的刻画了中国上市公司的风险特征；Logistic模型、Probit模型和神经网络方法都对中国上市公司的债券有较高的评级分类能力,对于训练样本,这三种债券评级方法都能够将95%以上的债券类型正确区分,尤其是Probit模型,能够将训练样本中的所有上市公司正确分类,对于测试样本,这三种评级模型均能够将93%的公司债券正确分类。综合考察训练样本和测试样本,Probit模型和BP神经网络方法的评级结果非常准确,债券评级的误判率几乎为0。