现代金融理论的一个重要突破在于金融工具的创新，它为金融机构提供了一种规避金融风险的机制。但是，由于衍生工具具有强大的杠杆作用，如不能有效地实施控制，很可能酿成灾难性的金融事件。近年来关于金融衍生品的争议，尤其是1995年巴林银行的倒闭与1997年东南亚金融危机的爆发，使得信用风险管理已成为国际学术界在衍生工具领域当前的研究热点之一。 经典的金融风险理论基本上是以随机理论为基础建立起来的，已有的信用风险模型多为单一的统计计量模型。这些模型与算法存在两方面的基本问题：一是片面强调不确定因素的随机性而忽略了因素的模糊性；二是缺乏处理非线性、病结构信用风险问题的能力。由于信用风险计量的复杂性和非结构性，近年来以神经网络为代表的现代智能技术开始受到研究人员的高度重视。但是，单一的智能算法都或多或少地存在着这样或者那样的技术缺陷，因而基于单一智能技术建立的信用风险评估模型尚不能满足信用风险管理的实际要求。 随着计算机技术的迅速发展，人们对非数值信息的处理要求越来越高。因此，当单一智能技术都面临各自的问题而陷入困境的时候，相互之间的促进与补充便成为自然。本研究采用规范研究与实证研究相结合的方法，试图将模糊系统与遗传算法引入神经网络，旨在一方面借助于模糊信息与模糊规则推理来构建模糊联想记忆，将模糊逻辑运算融入神经元与网络结构中，从而改进神经网络的学习能力，并增加网络的灵活性与直观性；另一方面，利用遗传算法的群搜索能力减少神经网络陷入局部极值的可能性，并进一步优化神经网络的结构结构参数，使神经网络同时具备学习与进化的双重智能。 本文的研究内容主要包括： 1．系统总结信用风险的评估理论与方法，深入分析现有模型的性能与缺陷，建立信用风险评估的基本原则和指标体系，明确利用智能技术改进信用风险评估模型的基本思想。 2．详细了解智能计算技术的研究动态与发展趋势，准确把握单一神经网络、遗传算法和模糊系统作为信用风险管理工具所具有的优势和存在的问题，进而探索三者在理论上的技术互补性。 3．深入分析标准遗传算法的原理与过程，充分借鉴遗传算法的最新研究成果，力图从基因选择、遗传操作和参数设计等多个方面对标准遗传算法提出改进设想并完成改进设计。 4．探索神经网络、遗传算法和模糊逻辑之间可能的结合模式，研究单一神经网络、模糊神经网络和遗传进化型模糊神经网络的拓扑结构与算法程序，有效利用本文对遗传算法的改进成果。 5．广泛采集和整理我国上市公司的财务数据，结合上市公司的经营实况，建立基于遗传进化型模糊神经网络的信用风险评估模型，并确定相应的模型参数和算法程序。 6．系统比较不同信用风险评估模型的实验结果，具体分析不同信用风险评估模型的两类误差，检验信用风险智能评估模型的改进成效。 研究的成果及创新性主要表现为： 1．通过多子群并行、带控制参数的基因选择、交叉和变异概率的动态设计等改进方式，提出了一种基于适应度标准差的多子群自适应遗传算法，提高了遗传算法的检索能力。 2．将模糊逻辑运算融入神经元与网络结构中，并利用遗传算法进一步优化神经网络模型，从而构建了遗传进化型模糊神经网络的综合智能模型，同时将多子群自适应遗传算法与BP算法有机结合，提出了相应的多子群自适应遗传BP算法。 3．基于上市公司的二分类样本和多分类样本，结合主因子分析方法和多重交叉验证技术，分别构建了基于遗传进化型模糊神经网络的信用风险评估模型，并给出了可供实际操作的算法程序。 4．对不同模型的评估结果进行了必要的实证检验和应用分析，证实了新建模型的显著成效。