Debido a la reciente crisis financiera y la crisis de deuda europea, la evaluación del riesgo crediticio se ha convertido en un tema cada vez más importante para las instituciones financieras. Los modelos de puntuación crediticia fiables son cruciales para que los bancos comerciales evalúen el rendimiento financiero de los clientes y han sido ampliamente estudiados en los campos de la estadística y el aprendizaje automático. En este artículo se propone un nuevo modelo de puntuación crediticia basado en máquinas de soporte difusas (SVM) para el análisis del riesgo crediticio, en el que se adopta la membresía difusa para indicar la diferente contribución de cada punto de entrada al aprendizaje del hiperplano de clasificación SVM. Considerando la consistencia metodológica, se introduce la descripción de datos de vectores de soporte (SVDD) para construir la función de membresía difusa y reducir el efecto de los valores atípicos y el ruido. El modelo de SVM difusa basado en SVDD se prueba contra el SVM difuso tradicional en dos conjuntos de datos del mundo real y los resultados de la investigación confirman la efectividad del método presentado.