截至2017年末,中小微企业(含个体工商户)占全部市场主体的比重超过90%,并为我国贡献了80%以上的就业机会,70%以上的发明专利,60%以上的GDP和50%以上的税收收入。虽然小微企业对国家经济的发展做出了巨大的贡献,但却由于经营数据少、征信数据缺、信贷风险高、缺乏信用评价模型的缘故,一直面临着融资途径少、融资成本高的难题。2018年,人民银行联合多部委共同制定多项政策,大力鼓励并支持我国金融机构向国内小微企业提供金融服务,帮助小微企业解决融资途径少、融资成本高的难题。本文研究如何建立一个面向小微企业的全线上、全自动化运行的小微企业信用评价模型,以解决金融机构评价小微企业信用风险的难题。本文研究如何在小微企业样本与表现数据缺少的情况下,引入小微企业主的行为与资产数据用于评价小微企业信用风险;使用非银行征信体系的借贷申请与违约数据代替人民银行的征信数据;使用企业的工商、司法数据判断企业的诚信;通过企业与高管的对外投资判断企业的关联风险。模型训练算法尝试使用了多种机器学习算法并进行了比较。本文提出的小微企业信用风险评价模型所需要的训练与申请数据全部来源于线上系统,同时使用机器学习算法自动评价,提升了审核准确度与效率,整个评价过程全自动化进行,大大降低了尽调的成本,有效解决了小微企业的信用风险评价的边际效率与利润过低的问题。