信息时代，技术竞争在世界范围内愈演愈烈。近年来，高新技术产业迅猛发展，已经成为国民经济增长的一个重要支撑，决定着国家科技力量和经济发展前景，也是各国普遍关注的焦点之一。然而市场经济的发展，提高了高新技术企业地位和作用的同时，也暴露出了现阶段存在的不少问题。企业的发展，科研的创新，转化为现实生产力的需要，使得高新技术企业面临着大量的资金需求，因而高新技术企业在我国迟迟不能形成规模。　　我国的高新技术企业一直不能得到金融机构、公共政策及民众的支持，表面看来是由于高新技术企业的高风险、信息不透明、缺乏信用保障等，分析深层次原因，则是高新技术企业的评级体系一直未能有效建立。由于信息的不对称，资金的提供方不能有效了解需求方的信用状况及信用状况的变化，因而有限的资金资源不能合理地分配给资金需求方。针对这一问题，本文从第三方的角度，对高新技术企业近几年的信用状况进行分析，以期能够为合理解决这一问题提高科学的参考意见。　　传统的K均值聚类算法，能够及时快速的处理高维数据，但是该算法对初始中心点选择的随机性大大影响了该算法的聚类效果。针对传统方法的缺陷，本文利用熵值法确定对象指标的权重，并通过对评价对象的信用评分进行排序、差分等处理，最终选取了适当的中心进行聚类。结果表明，改进的K均值聚类算法能够较好的实现高新技术企业的信用评级，有着良好的应用效果和现实意义。　　在确定了企业信用等级的基础上，本文建立了高新技术信用转移模型。作者利用信用转移矩阵分析了高新技术企业过去3年和未来3年的信用等级变化状况，得出了如下结论：短期来说，高新技术企业并不会存在很高风险，破产概率也相对较低。但是长期看来，破产概率增加，银行及其他金融机构要注意控制风险，及时调整资金流向。另外，本文计算得出的信用转移矩阵，能够有效支持目前银行及其他金融机构信贷风险管理实践，有利于经营者进行贷款投放决策，更好地保护好资金提供方的利益。　　最后，在上述研究的基础上，利用马尔可夫信用转移矩阵，参照国外先进的信用风险管理经验，本文以 CreditMetrics模型为例对我国信用风险进行度量，并计算了单笔贷款的信用情况。　　综上所述，信用风险管理体系在现实中有着广泛的应用，因此建立高新技术企业信用风险管理体系是一项意义重大而迫在眉睫的任务。