本文主要研究数据包络分析（Data Envelopment Analysis，DEA）在柬埔寨ACLEDA银行的内部信用评级系统中的应用，以及如何审查基于DEA的信用评级系统，减少或避免ACLEDA银行中现有的信用评级系统的风险。在这项研究中使用的样本包括80家来自不同行业的企业。其中，我们发现所有的样本利用ACLEDA银行目前的信用评级预测的结果均正确无误。虽然现有的模型评级信用有较高的效率，但是，由于现有评级系统中的权重分配问题属于人为分配，会导致其结果从一个信贷人员到另一个信贷人员可能会有所不同。这不符合新巴塞尔协议下的内部为基础的方法。评级结果应在相同的信息，不同的分析师，所获得的结果应该尽可能类似。由于现有评级系统取决于各自信贷人员的主观判断，将会导致威胁到银行的受损。因此，本论文研究的目的是提高信用评分模型中的现有数据包络分析（DEA）的应用，以补充或代替信用评级系统。不同于传统的信用评级的权重分配主观公式，DEA会自动生成分析相应权重。同时，与其它分析法相比（如：多元判别分析、逻辑回归分析、神经网络），这些分析方法需要事前的好/坏分类信息，而本文提出的DEA方法只需要利用事后信息的输入和输出数据的观察利息（客户企业）的对象，计算各自的信用评分。信用评级是以数量和性质上的因素定制的信用评级模型。信用评级评分范围从1到5，其中“1”意味着良好的信用质量，而“5”意味着差的信用质量，并以其作为公司实体的默认值。投资级别企业的信用评级得分范围在0到2.36之间。信贷经理分配给每个企业信用评级，以表示银行对该企业信用质量的观点。本文的部分数据由各企业提供，如：资产负债表，利润表和财务比率信息。全样本的结果表明，DEA模型更有效并具有使用价值，尤其是其显著的输出潜力。这意味着，效率提高或降低随着输入或输出的减少而均匀下降，但是这并不是评级的主要案例。我们发现，除了4家企业效率不高外，DEA模型对大多数的企业都有效率，获得的效率分数接近1，与ACLEDA银行现有评级体系给大多数企业评为高和良好的品质这一结果相近。综上所述，简单却有效率的信用评级系统在某些元素上有着共同的特点，但DEA是更具有代表性、更有效的信用评级模型的辅助工具，能够快速地满足巴塞尔协议II的条件。