信用评级公司是资本市场发展的重要一环。评级公司提供的客观公正的评级信息有利于金融产品定价，为投资者科学合理地进行投资提供参考。　　同时在商业银行内部，对借款人进行信用风险评级，也是银行进行信用风险管理的核心环节。银行业客户信用评级为银行的市场营销、客户准入、违约概率的测算、信贷组合管理、授信审批、信贷授权、产品定价、信贷资产风险分类均提供了重要的决策依据。　　基于信用评级的重要性和目前业内信用评级实践现状，本文尝试运用统计模型中的多元统计方法进行信用风险评级。采用2007年新华远东公司公布的43家制造业公司作为基础样本，并通过ST公司样本拓展。首先将样本划分训练集和测试集建立了两个风险判别模型，实证分析的结果表明Logistic回归模型总体判别效果优于多元线性判别模型。然后对全部的样本建立聚类分析模型，给出了信用等级标准。　　本文对信用评级实践的启示是:获悉受评对象或借款人借款历史违约率的情况之下，可综合Logistic回归模型和多元线性判别模型进行风险判别;在缺乏历史数据的情况下，可用聚类分析模型进行分析，建立信用风险等级标准，然后进行风险判别。