中小企业是我国国民经济发展中不可或缺的组成部分,是推动国民经济发展促进社会稳定的基础力量。国家统计局数据显示,2018年末,中小企业36.9万户。其中,中型企业5.0万户,小型企业31.9万户。中小企业的企业寿命偏短,信用风险较高,如此庞大的中小企业数量,使得运用一套有效的中小企业信用评估模型已经刻不容缓。目前国外学者对于中小企业信用评级模型多以本国历史数据为样本展开,设计思路对于我国企业的可适用性、模型参数对于我国经济环境的契合度都值得商榷。而早期国内学者缺乏数据来源,在研究方法上多使用层次分析法等定性方法,缺乏数据支撑。近期研究多以商业银行信贷数据为样本,企业样本已经过银行风控审核,代表性偏弱。目前新三板企业由于近年扩容样本数量增加,财务信息公开且经审计等优点,作为我国中小企业代表较为合适。本文考虑到不同行业之间的经营和本质不尽相同,会对研究结果产生差异性,所以选取了新三板中最具有代表性的信息技术行业作为样本,共2470家企业,将59家ST和ST*的企业定为存在信用风险的企业。先对数据进行缺失值处理、异常值处理、无量纲化处理,再以Smote算法解决样本不平衡问题。本文以偿债能力、资本结构、营运能力、盈利能力、发展能力和每股指标分析的六个企业分析维度出发,共选取了27个特征变量,并以因子分析法筛选特征变量。之后分别以统计分析方法中的Logistic回归和数据挖掘技术中的随机森林为模型,以AUC值和稳定系数作为评价标准,对中小企业的信用进行评估,并通过参数调优对初建的随机森林进行优化,进而提高模型的准确率。最后,本文针对商业银行对中小企业的信用评级和中小企业的稳定发展提出了建议。本文的研究对于如何识别违约企业,提升中小企业融资效率,以及银行对中小企业是否发放贷款的判定,具有一定意义。通过构建新三板信息技术行业违约模型,帮助投资者更好地识别中小企业存在的违约风险。