神经网络方法开始主要用于预测公司破产（Dutta et al., 1992）。1990s末，神经网络方法与模糊技术结合产生信用评价的神经模糊网络技术（Neural-fuzzy network NFN）（Rashmi et al.,2002）。而专家系统则借助于人工智能和计算机技术既用于预测公司的经营失败，同时也用于银行的授信决策（Cronan et al., 1991）。此外，KMV公司1993年基于期权定价模型提出了期望违约率模型（Expected DefaultFrequency,EDF）（KMV，1993）。 1990后期，数据包分析（Data Envelopment Analysis, DEA）被引进信用评价分析中（Cielen et al., 1999）。DEA也是一种非参数方法，基本上属于数学规划技术。但它是在综合以往信用评价技术优势的基础上的系统创新。因此，它不象以往的信用分析方法那样基于过去信用信息，它的分析是基于当前被观察信息并由此计算出被评价对象的信用得分。因此，它开创了信用评价的新视角（Ahmet et al.,2003）。
二．未来发展问题
（一）定性指标的定量问题。目前信用评价的主要技术，如DA、LPM、Logit、MPT、NNW等所采用的指标多数是财务定量指标。但定性指标诸如发展能力、管理水平、信用品质等在信用评价中的重要性已越来越为人们所认识，虽然DSS、MDM和ES在应用定性指标方面作出了很有意义的探索，但要使定性指标真正反映被评价对象实际信用状况，其定量化问题必须解决。因而定性指标的定量化应是信用评价技术未来的任务。
（二）信用测度的标准问题。目前的信用评价技术大都基于对被评价对象未来是否破产，是否经营失败的预测而把被评价对象简单分为破产与不破产、失败与不失败两大类。而不能决定具体的授信额度。其实任何社会组织和个人的信用水平都是相对其自身偿债能力而言的。在偿债能力的承受范围之内，被评价对象能表现较好的信用水平。但超过偿债能力的度，被评价对象的信用水平必然下降。因此基于对被评价对象偿债能力测度并由此确定其信用水平应是信用评价技术的发展一个方向。
（三）评价参照的选择问题。目前的信用评价技术基本上是以过去样本为参照的，然而个体差异和时间的差异不可避免地要影响评价的结果。而且信用评价主要是针对被评价对象未来的履约可能性。虽然DEM用当时样本取代过去样本作参照而取得了积极的进步，但还是难以反映信用变化的动态性和未来性。因此，能够反映未来性的评价参照应是信用评价技术应当解决的重要问题。 编辑：creditz
【
