摘要:传统信用评价技术多在孤立时间点上对受评目标数据进行评价分析,但受评目标由于某些原因可能产生数据突变,导致评价结果失真,产生信用风险.针对这一问题,本文提出应用多维时间序列数据对受评样本进行信用评价.该方法首先对多维时间序列数据使用灰色关联分析方法进行分割处理,解决维数灾难带来的严重影响,并将得到的灰色关联度值作为信用评判值;再运用模糊聚类方法对信用评判值构成时间序列矩阵进行信用评价分析,得到受评样本的真实信用等级.通过实例验证,该方法可以从时间序列的角度观察受评目标信用等级的状态趋势及波动情况,解决因为数据突变造成的评价结果失真问题,具有良好的评价效果和实用价值.