信用評價是一個不斷發展的過程。隨著分析工具的豐富以及數據處理能力的提高，信用評價方法也逐漸向復雜化發展。

　　企業信用評級方法的發展主要經歷了四個階段：一是從銀行信貸決策中產生的、基于信用形成要素的專家判斷；二是利用財務比率的綜合分析法；三是利用財務報表信息挖掘企業風險的多元判別模型；四是現代社會多樣化的基于數理模型的信用度量。

　　對信用評價方法的思考：

　　一是模型無法識別信息質量。隨著信用評價方法的發展，越來越多的信息被納入評價體系，信息的充分度得到了提高，但該評價體系卻無法改善甚至無法識別信息的質量。

　　二是對于過往信息的依賴。信用評價模型更多是聚焦借款人的過往信息。實際信用審查的過程中，要將過去信息、經驗與未來前瞻性相結合。

　　三是信用評價模型的發展方向。隨著技術的發展，未來或將出現更為高效的模型，不僅可以納入更豐富的信息體系，還能夠能挖掘樣本的深層信息，及時識別信息的質量，進行綜合評價。

　　信用評價方法的出現以及發展旨在將借款人的信用資質高低進行區分，進而降低債權人的風險，提高金融機構的資金使用效率。信用風險管理從銀行信貸業務開始發展，逐漸衍化為各行業債權人對債務管理的重要管理內容之一，而如何科學有效地進行信用評價也一直是從業者不斷探索的問題。

　　模型無法識別信息質量

　　隨著信用評價方法的發展，越來越多的信息被納入評價體系，信息的充分度得到了提高，但該評價體系卻無法改善甚至無法識別信息的質量。例如，部分企業存在財務粉飾的情況，財務數據表現良好導致模型出現誤判。因此信用評價過程，還應包括對信息質量的判斷審查。

　　自亞歷山大·沃爾提出財務比例綜合分析法以來，研究人員嘗試通過定量信息探討一套簡易可行的評價體系;但必須認識到，對信息來源的核對以及信息質量的審查是我們信用評價的起點。雖然多元判斷體系下對定量分析方法做進一步的完善，甚至后期出現的KMV模型與Credit metrics模型納入了更為豐富的信息，但整體上模型對信息質量的識別仍處于較為乏力的狀態。

　　對于過往信息的依賴

　　隨著信用評價理念以及工具的發展，信用評價的方法也逐步多樣化。信用評價模型更多是聚焦借款人(發行人)自身的業務特點及財務信息，這些主要為過往信息，基于歷史數據的信息對未來做出判別。但實際上，信用風險形成的內外部因素處于不斷變化的狀態。尤其是信用評價模型對于宏觀經濟變化帶來的影響，或者其他非財務因素的變化，其預測性較弱。

　　KMV模型通過引入股票市場價格實時行情來判斷投資者對該企業未來發展的綜合預期，但大部分發債企業并非上市公司，同時在新興市場，股票價格的波動劇烈，并不完全反映企業的真實情況。信用審查的過程中，要將過去信息、經驗與未來前瞻性相結合。

　　信用評價模型的發展方向

　　信用評價方法是一個不斷發展的過程。針對提高信用風險度量的準確性，信用度量越來越多地應用數學、統計、計算機等學科的技術，出現了應用模糊數學、層次分析法、主成分分析法、人工神經網絡等新技術方法來開展信用評級的方法。信用評價方法從定性的經驗判斷向定量的指標衡量發展，從單一的歷史財務數據分析到考慮多種信用影響因素。隨著技術的發展，未來或將出現更為高效的模型，不僅可以納入更豐富的信息體系，還能夠挖掘樣本的深層信息，及時識別信息的質量，進行綜合評價。