1. 研究目的与意义（文献综述包含参考文献）

1课题背景和意义

诚信是一个企业的立业之本，企业信用等级是一个企业履约状况和偿债能力的综合反映，信用等级直接影响到企业的投融资及未来的发展。信用评价是对企业信用等级的评价，信用评价可以为投资者提供公正、客观的信息，起到保护投资者利益的作用，一定程度上也可以为金融机构降低金融风险服务。因此建立一个准确、高效的预测模型，对企业信用风险进行评估，成为学者纷纷研究的对象。企业的信用评价过程主要是通过基于财政指标的信用特征推出企业的信用风险，目前使用的模型或者方法不足以反映出影响企业信用诸多因素之间的非线性关系。传统的统计分析方法（包括多元判别分析模型mda和对数回归模型等）虽然具有明显的解释性等优点，但其运用却存在过于严格的前提条件等局限性。而神经网络技术是一种自然的非线性建模过程，能从大量复杂的数据中发现规律，这一特点恰好适用于信用评估领域，具有一定的可行性。

1990年，odom首次用神经网络的方法进行企业破产预警,他以1975-1982年间的 65家失业企业与64家正常企业配对，并将样本区分为开发样本与估计样本，使用类神经网络构建模型。之后e.altman、p.coats以及s.piramuthu先后采用神经网络技术对公司或银行的信用状况进行了评价和预测，取得了较好的评价效果。在国内吴德胜等用神经网络评估上市公司信用，王春峰等用bp神经网络对中国商业银行的贷款客户企业的信用进行了评估，都取得了较好的结果。

2. 研究的基本内容、问题解决措施及方案

一．本课题要研究或解决的问题

本课题要研究的目标是利用bp神经网络算法对企业信用风险评估，使其具有市场应用价值。

本课题主要任务是：1、对搜索的数据进行分析；