商业银行信用风险已经成为目前我国金融风险最主要、最集中的一种表现形态,对整个经济运行有着极为重要的影响。信用风险评估作为风险管理的核心环节起着至关重要的特殊作用。在本文的研究中首先评述了可能会影响到风险大小的若干大类要素,以及每个大类中的具体指标信息,最终依据系统性、全面性、科学性、可获取性等原则选取了相应的指标并构建成体系,并且没有将每个来源个体孤立,而是考虑到了系统性的关联,构建成整体体系去分析研究。本文最终选取作为体系成员的16个指标,通过统计分析手段分归到4个有各自所属含义的因子中,就此也就完成了研究模型基本输入信息的工作。这个构建成的体系也是在一定程度上比较全面的去反映了预测企业的失信以及偿款及时与否的情况。本文的核心即为预测模型的研究。首先会评述在信用风险领域里面评估方法的发展历史以及各个阶段学者们采用方法的原理及优劣以及不断完善改进的过程。依据之前方法存在的缺陷,本文针对问题提出新的改进方法——模糊动态支持向量机集成模型。本文研究选取了SVM模型算法作为基础的支撑算法,根据它的一些缺陷作进一步的改善之后应用于我们的研究问题中去。考虑到现实中在归类问题中,对不好的一方的识别总是要比对好的一方的发觉要更重要。另外,在现实的情况下,一个体并不是百分百的属于一个类别,而相反的百分之零的属于另外一个类别。因此引入了可变的惩罚参数和相对应的模糊隶属度。并且,本文采用模糊积分的集成策略,综合系统的考虑了各个需要集成的个体。最终综合利用了SVM、模糊积分、模糊隶属度、可变惩罚因子、最小二乘等原理,构建本文改进完善后的方法模型。最终本文通过编程实现模型的运行实现,将研究提出的方法与其他模型的预测性能对比,最终证实了改进方法是可行并且具有高精确度的,也证实了本研究是具有一定的理论和实践意义。