“中国风险导向的偿付能力体系”（简称“偿二代”）中明确指出要规范和引导评级机构，利用市场的外部约束能力，结合定性监管与定量监管，通过提高信息披露的透明程度、优化保险公司的经营机制等方式，发挥保险市场对保险行业的监督与约束作用。本文试图利用机器学习方法中的SVM算法，并将其应用于寿险公司信用评级这一实际问题中。寿险公司信用评级属于有限样本分类问题，且对评级模型的推广型和精度有相对较高的要求，SVM算法可以在升维的同时避免“维数灾难”，从而减少模型的训练时间，降低寿险公司信用评级的时间成本和有效信息损失。本文基于权威评级机构的保险公司评级方法以及“偿二代”体系下的相关调整，构建出了客观有效的指标体系。进而基于2014年我国寿险公司的财务数据以及相关研究数据，通过核函数寻优，样本组合寻优以及参数组合寻优三个环节，利用 SVM算法训练出了准确率最高，时间性能最优，稳定性最强的分类器。本文的信用评级算法通过Matlab编程实现，直观简便，可复制性强。该行业的所有参与者，包括监管者，寿险公司主体，受众消费者以及相关学者都可以通过简单学习对相关寿险公司进行信用等级的评级，并在此基础上进行算法优化，从而使得该分类器得以推广。