信用评价是一个不断发展的过程。随着分析工具的丰富以及数据处理能力的提高，信用评价方法也逐渐向复杂化发展。

　　企业信用评级方法的发展主要经历了四个阶段：一是从银行信贷决策中产生的、基于信用形成要素的专家判断；二是利用财务比率的综合分析法；三是利用财务报表信息挖掘企业风险的多元判别模型；四是现代社会多样化的基于数理模型的信用度量。

　　对信用评价方法的思考：

　　一是模型无法识别信息质量。随着信用评价方法的发展，越来越多的信息被纳入评价体系，信息的充分度得到了提高，但该评价体系却无法改善甚至无法识别信息的质量。

　　二是对于过往信息的依赖。信用评价模型更多是聚焦借款人的过往信息。实际信用审查的过程中，要将过去信息、经验与未来前瞻性相结合。

　　三是信用评价模型的发展方向。随着技术的发展，未来或将出现更为高效的模型，不仅可以纳入更丰富的信息体系，还能够能挖掘样本的深层信息，及时识别信息的质量，进行综合评价。

　　信用评价方法的出现以及发展旨在将借款人的信用资质高低进行区分，进而降低债权人的风险，提高金融机构的资金使用效率。信用风险管理从银行信贷业务开始发展，逐渐衍化为各行业债权人对债务管理的重要管理内容之一，而如何科学有效地进行信用评价也一直是从业者不断探索的问题。

　　模型无法识别信息质量

　　随着信用评价方法的发展，越来越多的信息被纳入评价体系，信息的充分度得到了提高，但该评价体系却无法改善甚至无法识别信息的质量。例如，部分企业存在财务粉饰的情况，财务数据表现良好导致模型出现误判。因此信用评价过程，还应包括对信息质量的判断审查。

　　自亚历山大·沃尔提出财务比例综合分析法以来，研究人员尝试通过定量信息探讨一套简易可行的评价体系;但必须认识到，对信息来源的核对以及信息质量的审查是我们信用评价的起点。虽然多元判断体系下对定量分析方法做进一步的完善，甚至后期出现的KMV模型与Credit metrics模型纳入了更为丰富的信息，但整体上模型对信息质量的识别仍处于较为乏力的状态。

　　对于过往信息的依赖

　　随着信用评价理念以及工具的发展，信用评价的方法也逐步多样化。信用评价模型更多是聚焦借款人(发行人)自身的业务特点及财务信息，这些主要为过往信息，基于历史数据的信息对未来做出判别。但实际上，信用风险形成的内外部因素处于不断变化的状态。尤其是信用评价模型对于宏观经济变化带来的影响，或者其他非财务因素的变化，其预测性较弱。

　　KMV模型通过引入股票市场价格实时行情来判断投资者对该企业未来发展的综合预期，但大部分发债企业并非上市公司，同时在新兴市场，股票价格的波动剧烈，并不完全反映企业的真实情况。信用审查的过程中，要将过去信息、经验与未来前瞻性相结合。

　　信用评价模型的发展方向

　　信用评价方法是一个不断发展的过程。针对提高信用风险度量的准确性，信用度量越来越多地应用数学、统计、计算机等学科的技术，出现了应用模糊数学、层次分析法、主成分分析法、人工神经网络等新技术方法来开展信用评级的方法。信用评价方法从定性的经验判断向定量的指标衡量发展，从单一的历史财务数据分析到考虑多种信用影响因素。随着技术的发展，未来或将出现更为高效的模型，不仅可以纳入更丰富的信息体系，还能够挖掘样本的深层信息，及时识别信息的质量，进行综合评价。