信用是市场经济的基石,没有信用,市场经济就无法运行,而作为我国国民经济主体的上市公司,其信用状况尤为重要,但从近几年的统计资料来看,我国上市公司信用风险是非常大的。因此,很有必要构建一个识别能力强的信用评级模型,在上市公司财务状况还未恶化时,就能揭示其潜在的风险,进而阻止信用危机的发生。以72家上市公司作为研究对象,从不同角度选取相应的财务比率,构成信用评级的财务指标体系。通过一种能分析“高维数据”的统计方法—投影寻踪聚类方法(Projection Pursuit Cluster Method, PPCM)来评价样本各个企业的信用状况,得出了每个企业的的投影值(信用评价值)。在分析的过程中,运用基于实数编码的加速遗传算法(Real-coded Accelerating Genetic Algorithm, RAGA)解决PPCM中寻找最佳投影方向的关键问题。为了验证投影寻踪聚类的评价方法的有效性,又运用5种方法对72家样本信用状况分别进行了评价,同时,运用序号总和理论和众数理论,检验了基于PPCM的评价结果与5种方法评价结果之间的精度差异。检验结果表明基于投影寻踪聚类的信用评价结果比其他5种方法评价结果取得了更优的评价精度。因此,投影寻踪聚类方法用于信用评价是准确的和可靠的。最后,对各个样本公司的投影值(评价值)进行聚类分析,客观地将各样本公司分为七类别和九类别,然后根据各个类别的中心距离,求其平均值来确定信用评级标准,最终建立了信用评级模型。并选取样本对模型进行了检验,检验表明本模型对上市公司具有较好的信用风险识别能力和预测能力。