【企业信用状况做出较为准确的评价与决策。目前常用的统计方法有判别分析法、logistic回归法及主成分分析法、聚类分析法等，由这些方法建立起来的统计模型确可对信用评级提供较具企业信用风险评价模型，运用了神经网络系统的容错能力、并行处理能力、抗干扰能力及处理非线性问题的能力，不需要主观确定各指标的权值，并且实验结果表明，bp神经网络技术方法运用到企业信用评级方面是有效的
第二，用bp神经网络进行企业信用风险评级也有一定的局限性，它要求企业无任何超越市场规则的有失公允的交易行为，企业的财务数据必须是真实和准确的。另外，在信用评价中输入变量的选取标准尚需进一步探讨，输入变量除考虑公司企业财务技术的因素外，还应考虑产业及整体经济基本层的 因素。

【参考文献】
[1] 杨保安、季海：bp神经网络在企业财务危机中的应用[j].预测，2001（2）.
[2] 柳炳祥、盛昭翰：基于神经网络的企业财务危机预警方法[j].中国工程科学，2002（8）.
[3] 朱顺泉、徐国祥：我国上市公司财务状况的主成分分析研究[j].重庆工商大学学报，2003（4）.
[4] 朱顺泉、张尧庭：上市公司财务状况的熵值模糊综合评价模型[j].山西财经大学，2002（10）.
[5] martin t.hagan：神经网络设计[m].机械工业出版社，2002.