信用风险又称违约风险,是评价一笔债务由于某些因素遭受损失的可能性,因此信用评价体系既要有违约鉴别能力,又能给出违约产生的原因.本文涉及的问题一是如何在众多指标中筛选出对违约状态鉴别最大的指标组合,二是如何对指标赋予权重,使得权重体现指标真实的重要程度,三是如何选取兼顾分类性能和可解释性的模型.本文的方法一是通过指标区分度最大的广义F-Score、指标子集间冗余度最小的平均相关系数遴选出对违约状态鉴别能力最大的指标体系;二是通过构建组合赋权模型,以指标信息含量最大、赋权结果一致性最大为目标函数,得到一组最优的指标权重;三是以客户与类别的广义加权距离最小为目标函数,求解非线性目标规划得到客户在不同类别中的相对隶属度,以此得到客户所属类别.上市公司样本实证分析表明:(1)从610个指标中筛选出的31个指标既具有违约状态的区分能力,又符合“信用5C”原则,是一个科学、合理的指标体系;(2)通过组合赋权得到31个指标的权重,企业内部财务因素对信用评价影响最大,“营运资本周转率”的权重值最大,是影响企业信用评价的关键指标,“监事会会议次数”、“派息比”、“审计意见类型”等指标都是影响信用评价的重要指标;(3)与逻辑回归、支持向量机等8种模型对比发现,本文提出的相对隶属度模型不仅具有良好的分类性能,而且是一个平衡分类性能、可解释性的模型.