折叠综合评判法
综合评判法就是对多种因素所影响的事物或现象做出总的评价，即对评判对象的全体，根据所给的条件，给每一个对象赋予一个实数，通过总分法或加权平均等其他计算方法得到综合评分，再据此进行优序评价。

从信用评级本身的属性来看，企业信用评级属于一种不确定性的模糊问题，因此，综合评价法的发展趋势足与模糊理论相结合来对企业进行信用评级，从而使评级结果更科学、更准确。

折叠人工神经网络法
所谓的人工神经网络，就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统或计算机，简称神经网络，简写为ANN(Artificial Neural Network)。人工神经网络的基本构架是模仿生物的神经细胞，分为输入层、隐藏层和输出层二层。每一层色括若干代表处理单元的点。输入层的节点负责接收外在信息(如图1) 不同于人脑的输入，人工神经网络所接收的输入信息是各种变量的数量化信息，一个输人变量对应一个输入节点。隐藏层的节点负责处理输入层传来的信息，并转化为中间结果传递给输出层。而输出层的节点就以隐藏层传来的信息与门槛值比较后，得到系统的最后结果，并将结果输出。

与传统的统计方法相比，人工神经网络具有以下特点:(1)具有自我组织与学习的能力 ;(2)可以描述输入资料中变量间的非线性关系;(3)可以依据样本和环境的变化进行动态的调整 由于企业各项财务指标与信用风险之间往往存在着非线性关系。因此人工神经网络比较适用于企业的信用评价。

折叠模糊分析法
传统的数学或统计方法都足建立在精确的观点假设基础之上，但是在自然科学、社会科学和工程技术等领域，存在着很多模糊或不确定性;人类的认知模式、思考方式、甚至推理逻辑也涉及许多非确定性。因此利用传统的方法无法解决这样的不确定性问题，而模糊数学是将数学的应用范围，从精确扩大到模糊现象的领域，提出了隶属函数理论，确定了某一事物在多人程度上属于所讲的概念，或者不属于所讲的慨念，这样描述模糊性问题比精确数学更为合理。

同样，企业信用评级也属于模糊性问题，其信用状态如何，用精确数学"是"或"非"的概念很难做出判断，因此，应用模糊分析法对信用状况做出综合评价比较科学。

但是，学术界对于模糊数学的正当性仍然存在怀疑，因为:首先，模糊逻辑缺乏学习能力，应用上受到一定的限制。其次，模糊系统的稳定性很难获得理论上的保证。第二，模糊逻辑不是建立在传统数学的基础上，很难对此逻辑系统的正确性加以验证。