中小企业是国民经济的重要组成部分，在国民经济中占有越来越重要的地位，正成为我国经济新的增长点。然而，中小企业的发展环境不尽如人意，特别是融资难问题已经成为制约中小企业发展的重要因素。究其原因，信息不对称引起的逆向选择使很多中小企业丧失了融资机会，影响其正常发展。而以客观公正为原则的中小企业信用评级能够很好地解决信息不对称问题，为中小企业融资铺平道路。因此，中小企业信用评级正受到社会各界广泛关注，信用评级行业也正步入快速发展阶段。 要对中小企业的信用状况做出客观公正的评价，就要有准确的信用评级方法，因此，对企业信用评级方法的研究和实践一直是国内外的热点问题。国外学者对企业信用评级方法的研究更多的集中于信用评级模型准确性的评价上，这些模型包括判别分析模型、线性概率模型、Logit模型、神经网络等。随着信用评级行业在我国的发展，我国学者也开始应用这些模型对我国企业进行信用评级，评价其准确性，应用时多选用大企业作为研究样本，如以上市公司为样本开展信用评级，验证其适用性。 中小企业不同于大企业，其资产规模与经营管理与大企业相比有其自身特点，适合大企业的信用评级方法不一定也适合中小企业，而神经网络方法符合中小企业信用评级的特点。因此，本文在研究企业信用评级方法的基础上，重点研究了利用神经网络方法进行信用评级的准确性。鉴于神经网络模型对大企业信用评级有很高的准确性，本文以中小企业为样本研究神经网络模型对中小企业信用评级的适用性，结果显示应用这一方法对中小企业进行信用评级的准确性也很高。