中小企业是社会创新的源泉,是推动我国经济转型升级的重要力量,但长期以来中小企业一直饱受融资难问题的困扰。中小企业融资难的困境是由多方面原因造成的,既有中小企业自身的原因,比如企业财务不规范、担保抵押困难、信用不足等;也有融资制度方面的原因,比如信贷机构的风险评估体制不完善,中小企业信用体系不完善等,其中最根本的原因是由于中小企业与银行之间存在信息不对称。企业与银行间存在信息不对称的一个重要原因即是银行缺乏专门针对中小企业的信用风险度量体系,所以建立一套适合我国中小企业的信用风险度量模型是解决中小企业融资难问题的重要方法。基于上述认识,本文对我国中小企业信用风险的度量进行了实证研究。围绕信用风险度量这一主题,本文首先介绍了信用风险与信用风险度量的概念以及我国中小企业的特点,回顾了信用风险度量相关的方法、模型,在对方法、模型进行比较的基础上并结合中小企业的特点,指出现阶段适合对我国中小企业进行信用风险度量的方法是信用评分法。本文选取信用评分法中的支持向量机方法作为度量模型。支持向量机方法是在统计学习理论基础上发展起来的一种机器学习方法,对于小样本、高维度的数据具有良好的分类效果。然后,本文详细阐述了如何利用支持向量机方法对信用风险进行度量,具体内容包括支持向量机理论的介绍,模型建立所需指标的选取,支持向量机方法的参数优化方案以及如何对模型的效果进行评判。接着,选取2010至2015年间我国A股被ST的179股票作为违约样本,并按照1:2的比例构造对照样本。本文利用F-score评估法与Wilcoxon秩和检验法筛选指标,并对筛选过的指标进行建模。经过参数寻优过程,得到了度量效果最优时的参数组合。最后,为了对模型的度量效果进行评判,本文将基于支持向量机的模型与基于Logit方法的模型进行比较。结果表明,基于支持向量机的模型的第一类正确率与第二类正确率均优于基于Logit方法的模型,且具有更优的ROC曲线。本文综合运用机器学习、信用风险管理及财务管理等领域的理论或技术,提出了一种针对中小企业的信用风险度量模型。由实证结果可以看出,该模型度量效果良好,具有较强的适用性。