信用评价技术本质上是一种基于预测未来偿债可能性来辩识不同企业的方法（Lyn, 2000）。信用评价技术虽然种类繁多，但都是遵循信用评价技术的内在发展逻辑，或内源创新，或外源移植发展而来的。同时又由于基于问题的存在而向前推进。
一．信用评价技术发展历史
从发展的历史维度来看，信用评价技术的发展历经了经验判断时期、数学模型时期和系统综合时期。
（一）经验判断时期
20世纪50年代以前，信用评价技术主要以专家经验判断为特征。信用分析专家通过阅读客户申请材料并结合一些信用要素的分析后作出信用评价决策。应用最为普遍的是5C、5W、5P法（Lyn，2000）。5C，即品质（Character）、能力（Capacity）、资本（Capital）、担保（Collateral）和环境（Condition）。5P即借款人（Who）、借款用途（Why）、还款期限（When）、担保物（What）和如何还款（How）。5P与5W意思相似。而这一时期穆迪（Moody）和标准普尔（S&P）公司等所用的评价方法则是一种基于经验的财务分析方法。此外，借助于财务比率的经验分析也是这一时期常用的经验判断方法，如：20世纪初由亚历山大.沃尔（Alexander.Wole）提出的沃尔评分法以及杜邦财务分析体系（范霄文、储海林，1999）。
1936年Fisher首先提出用统计方法判别不同企业的思想。他的研究主要致力于区别不同规模和创业方式企业的差别。1941年 Durand则是意识到可用相同方法来判别贷款之好坏的第一人。然而，他的研究仅是美国国家经济研究局（the US National Bureau of Economic Research）的一个研究项目而并非出于信用评价的实用目的。与此同时，由于美国卷入第二次世界大战,许多信用分析专家应征入伍,由此造成一些银行和邮递公司信用分析人才的严重短缺。于是，这些公司就请信用分析专家们将他们信用分析经验和判断原则写下来，以供非专家作信用判断使用（Johnson, 1992），从而把专家经验判断方法从个性的、零散的感性阶段提高到一般的、系统的理性阶段。这就是后来的信用评价方法之一——专家系统的最初雏型。20世纪50年代初，Bill Fair 和Eerl Isaac在旧金山首创基于专家经验的信用咨询系统并主要针对小银行和邮递公司进行信用评价的咨询服务（Lyn, 2000）。
（二）数学模型时期
为了克服专家经验判断方法的主观性，从1960s后，信用评价技术的发展开始转向移植数学方法，特别是统计方法的研究和应用阶段。
战后不久，人们将统计方法与专家方法联系在一起，并看好统计模型在信贷决策中的应用前景。但真正的金融理论的数学模型化研究则开始于1950年后期，其中一些研究直接针对基于并购目的的公司评价
（Reisman et al., 1967），另一些研究则针对基于投资组合的风险管理（Biesman, 1968），还有一些研究是针对公司组合融资的效率（Reisman et al.,1966）。而Markowitz关于投资组合选择理论（1959）则是这一时期研究的主要里程碑。上述几个具有广泛应用前景的金融理论数学模型化研究无疑为信用评价技术的数学模型开辟了道路。
从1960s开始，大量致力于公司经营失败和信用评分的技术研究表明：对于与公司交易并承担风险的各个经济组织而言，该公司的财务信息对于它们作出决策是至关重要的。因为根据一个公司的财务信息可以预测一个公司未来的成败或信用状况的变化趋势（Altman, 1968. Beaver, 1966），于是，由沃尔首创的财务比率分析法（Finance Ratio Analysis）在信用评价领域受到重视并从1960s以后数十年中成为信用评价领域最简单而又最普遍的工具。然而，随着财务比率分析法在信用评价实践中的应用和相关理论研究的深入。其不足也慢慢显露出来（Weston, 1993）：①由于许多大公司经营横跨数个产业领域，因而开发一套可用于比较的财务比率均值是很困难的；②通胀严重地扭曲了公司的资产负债表，使公司的帐面价值常常与其实际价值不符；③周期性因素常常导致财务比率分析的偏误；④公司粉饰财务报表情况的存在；⑤要一般性地确定某一特定比率在信用评价或公司成败预测中是绝对的好与差是困难的；⑥对一个具体的公司而言，由于一些比率好，而另一些比率差，这时要一般性地判断该公司的好坏很困难。为了克服财务比率分析法的上述不足，种种信用评价和公司失败预测的方法随之出现（Dimitras et al.,1996）。
1960年后期，为建立财务比率的经验综合判断指标，判别式分析方法（Discrimnant Aualysis,DA）被引入信用评价领域。基于财务比率，1966年Beaver用单变量分析技术（Univariate Analysis Techniques）筛选出有效分辩公司成败的指标，并以样本错误分类最小化为每个比率设定一个标准值（cut-off score）。后来，Altman （1968）将单变量分析方法进一步扩展为多变量分析方法（Multivariate Analysis Techniques）。Altman发现，有些在单变量模型中不是很有意义的财务比率却在考虑了变量之间的关系后在判别式函数中很有意义。因此，他在通过统计方法筛选了5个对公司未来有预测意义的财务比率（变量）后，于1968年建立了多元线性判别式分析模型（Multiple Discriminant Analysis ,MDA or DA）。
【
