信用风险是指借款人、债券发行人或金融交易一方由于各种原因不能履约致使金融机构、投资人或交易对方遭受损失的可能性。狭义的信用风险，是指借款人到期不能或不愿履行还本付息协议，而使银行金融机构遭受损失的可能性，即指一种违约风险。在现代市场经济条件下，企业信用风险是金融体系和金融机构的基本活动。研究如何完善企业信用风险识别管理，并找到适合我国国情的企业信用风险识别系统，对推进和深化我国企业信用风险的理论研究，特别是增强我国商业银行抵御风险的能力，具有重要意义。本文在对我国当前企业信用风险识别评级过程中存在的问题的认识和国内外相关研究成果的比较分析的基础上，结合相关数学知识，提出了三种构建企业信用风险识别评级数学模型，所选用的研究方法有快速聚类分析、自组织竞争型神经网络和模糊神经网络。本文的主体是研究如何构建企业信用风险识别评级的数学模型，总共分为五个部分：绪论、数学理论基础、模型指标体系构建、实证比较分析模型的不足和完善。绪论部分，提出研究的问题背景及研究意义，并阐述信用风险的基本概念及国内外信用风险识别体制发展和研究方法；数学理论基础部分，分别就聚类分析、模糊理论、神经网络和模糊神经网络，作出了系统的总结；指标体系构建部分，根据企业信用风险识别的一般逻辑，构建出全面反映企业财务状况的指标体系；实证比较分析部分，我们收集到同一行业的48个企业的财务指标数据，克服了不同行业企业的各项财务指标不可比性和不同的行业标准，在SPSS17.0和MatLab7.10.0程序实验条件下完成了对企业信用风险识别评级的三种数学模型实证比较分析，最后找出了识别分类误差最小的模糊神经网络模型，我们在模糊神经网络中采用混合学习算法，对于给定的前件参数，可以得到后件参数的全局最优点，这样不仅可以降低梯度下降法中搜索空间的维数，还大大提高参数的收敛速度；最后一部分，总结了本文信用风险识别评级数学模型的优点和不足并提出的几点的构想，为以后的工作提供了一些方法和思路。