長久以來，信用風險一直是各銀行經營風險中最主要的來源，而就信用風險的衡量部份，巴塞爾委員會希望國際性銀行最低限度必須採用中等複雜程度的風險計算方法。也就是希望銀行能以新巴塞爾協定中信用風險的內部評等法為基本精神建置一套內部自有的信用風險模型來評估交易對手的信用風險。 同時，由於目前國內對於自有信用風險模型的建置和效力驗證的相關研究付之闕如，故本研究以新巴塞爾協定中信用風險的內部評等基礎法為基本精神，並且應用倒傳遞類神經網路方法，建構一套有效的信用風險模型並加以驗證以期能應用於銀行授信決策系統之中，也擬扮演一拋磚引玉的角色，以期未來有更多資源投入相關研究。 首先，本研究藉由文獻探討的方式，決定模型的輸入變數，接著利用ROE來做為評斷企業總體財務表現的指標，同時使用來對上市/櫃公司進行評分，根據評分的結果，再使用K-Means方法來針對所有ROE值為正的上市/櫃公司進行評等等級的切割，以計算所有上市/櫃公司各年度的評等。 研究結果發現： (1) 利用建模資料帶入模型，分別計算每一筆資料的違約機率，也就是該公司當年度的違約機率，再將每一個等級的所有資料的PD值求平均數，即可得到代表該等級的違約機率，而此估計出的違約機率也的確能隨著評等等級的遞增而增加。 因此，當我們要判斷一間公司的違約等級時，可利用本研究所建構出的信用評等模型，估計出該公司違約機率，以判斷該公司的違約等級，以為決策者提供重要的參考依據。 (2) 信用風險預警模型在預測公司下一年度違約與否的能力上，也有不錯的預測準確率；同時，本研究利用預測結果的型I誤差、型II誤差、模型區別率和模型預測率分析來分析預警模型的效度，經實證結果得知，預警模型在效度驗證方面也能有效滿足要求。 由以上的結果得知，本研究所自行發展的信用風險評等模型與信用預警模型相關建構流程、架構與方法論，可有效應用於銀行授信決策系統之中。