2007年次贷危机之后，信用评级问题引起了包括银行等金融机构以及企业本身的高度关注。信用评级简单理解就是通过一定的方法将贷款客户进行分类，产生一系列的级别，因此其核心算法可以理解为是经典的多分类问题。企业信用评级的传统方法主要是包括专家法、打分法等在内的主观综合法，在信用评级行为越来越频繁和普遍的今天，冗繁的评定过程和过强的主观性使人们开始寻求传统法之外的信用评级方法。20世纪30年代以来，随着统计学的发展，基于统计判别方法的评级方法成为国外信用评级体系的支柱，主流方法包括多元判别分析法（MDA）、加权Logistic回归分析模型、Probit回归分析模型等。除此之外，传统的信用评级常用的方法还包括：模糊综合评价法FCE、层次分析法等。
随着近20年来机器学习的发展和兴起，越来越多与之相关的技术被运用到信用评级的工作中，其中应用较为广泛的包括：人工神经网络（Artificial Neural Network，ANN）、支持向量机（SVM）和投影寻踪等。而他们也因为对于财务样本较少的依赖以及良好的预测效果越来越成为信用评级中的热门研究领域。(www.xing528.com)
人工神经网络（Artifical Neural Networks，ANN）近年来在多个领域迅速兴起，在包括会计和金融，健康和医药，工程和制造业，营销等在内的多个领域内取得了很好的应用。ANN相比于传统的统计学方法也是一种有效的处理回归和分类问题的方法。并被证明在信用评级问题上也具有良好的表现。ANN通过模拟生物神经网络的结构和功能的数学模型。ANN是一种自适应的非线性的建模方式，常用来针对输入和输出之间的复杂关系进行探索。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
