中小企业作为经济高质量发展的基础力量却经常面临资金匮乏的窘境,金融机构对其存在惜贷现象（郭仕广,2019）。该问题在这次新冠肺炎疫情中尤为突出（盛东方和尹航,2020）。尽管各地政府针对帮助中小企业复工复产出台的政策中,基本都涵盖加强金融支持这一方面,具体包括信贷支持、降低担保和反担保费用、实施贷款风险补偿政策、产融对接等举措,但是由于中小企业信息披露机制不完善造成信息不对称、缺乏足够核心资产抵押、无有效的第三方担保等原因,诸多政策依然无法覆盖至所有有需求的中小企业,其核心问题是对中小企业缺乏精准的信用风险评估。供应链金融的发展对解决中小企业融资难、提高中小企业信用方面均起到一定作用（张伟斌和刘可,2012;Wuttke等,2013;吴睿和邓金堂,2019）。不同于传统信贷单纯地以单个企业固定资产水平为衡量指标,供应链金融基于真实交易将中小企业纳入产业链与资金链中,使其具有更加稳定与透明的现金流,能够提高其信用。然而近年来供应链金融失败案例屡见不鲜,致使上下游企业损失惨重。供应链金融飞速发展的同时面临着更多风险,其中中小企业的信用风险尤为突出,若中小企业发生违约,将因供应链的联结而危及众多参与者。因此,结合供应链特征,进一步准确识别中小企业信用风险并进行管理控制更加重要,事关供应链整体的健康发展。具体而言,中小企业供应链金融信用风险评估有两个难点,第一、构建全面的中小企业供应链金融信用风险指标体系。现有的对供应链金融信用评价机制由于研究侧重点不同导致指标选取标准不一样,最终构建的指标体系也不同,具有一定主观性,中小企业供应链金融信用风险评估体系须进一步补充修正。第二、选取合适的模型解决样本限制条件下的信用风险评估。部分学者采用专家打分法,虽操作简单、适用性广,但过于主观;也有一部分研究采用传统统计模型,如Z-Score模型等,虽客观性有所提升,但过于依赖财务数据,且对数据假设较为严苛,要求样本量大,主要适用于线性问题。供应链环境下的中小企业信用风险小样本、非正态、非线性等特征并不能充分满足上述方法的应用要求。鉴于此,本学位论文选取《2019年供应链金融调研报告》指出的供应链金融发展较为成熟的汽车、通信、物流、农业、零售业、化工和餐饮7个行业共95家上市中小企业作为样本企业。首先,基于供应链金融模式的运作特点分析其信用风险可能来源,除中小企业自身特征（销售净利率、流动资产周转率、现金比率等17个指标）外,同时考虑核心企业特征（销售利润率、速动比率等6个指标）、质押物特征（1年以内应收账款比例、存货跌价准备合计）和供应链交易特征（交易金额）共26个指标来全面、科学地构建中小企业供应链金融信用风险指标体系。由于部分指标之间存在共线性问题,信息有所重复,故本文先用因子分析对原始指标进行降维,在保留最大信息的基础上提取出能够反映中小企业成长盈利能力、中小企业偿债能力、中小企业营运能力、中小企业现金流、核心企业特征、供应链交易特征、中小企业信用共7个公共因子。其次,针对样本限制条件下的信用风险评估难点,本文特别应用支持向量机（SVM）模型,其在解决小样本、非正态、非线性问题方面具有独特优势。另外,由于SVM模型的参数选取对实证结果的精度影响较大,故本文采用遗传算法、网格遍历法和粒子群算法三种优化算法对SVM的参数进行优化,得到最优参数。最后,为验证本文所构建的中小企业供应链金融信用评级体系,本文同时比较传统信贷模式和供应链金融模式下的信用评级估计,还引入Logistic回归模型与SVM模型进行对比。本学位论文基于传统信贷模式和供应链金融模式,实证结论如下:（1）无论是SVM模型还是Logistic回归模型,供应链金融模式比传统信贷模式分类准确率更高,即供应链金融模式下中小企业信用风险评估比传统信贷模式下中小企业信用风险评估准确率更高,说明供应链金融能有效缓解中小企业融资难问题。（2）无论是传统信贷模式还是供应链金融模式,SVM模型比Logistic回归模型分类准确率更高,即用SVM模型评估信用风险比Logistic回归模型评估信用风险准确率更高,说明SVM模型更具优越性;（3）在对SVM模型进行参数优化时,基于遗传算法的SVM模型比基于网格遍历法和粒子群算法的SVM模型分类准确率更高,说明基于遗传算法的SVM模型评估供应链金融模式下中小企业信用风险精度更高。