近年来,供应链金融模式作为能缓解中小企业融资困难境况的方法,引起了政府、商业银行、中小企业等实务界以及学术界的关注,并且从政策文件上看,国家越来越注重供应链工作的落实。在某种意义上,该模式使中小企业融资时信息变得相对透明,但是同时,商业银行在面对供应链融资业务时,也面临着较大风险。与传统融资相比,供应链金融模式下中小企业信用风险涉及影响因素繁多,传播速度更快。当前,供应链融资中小企业信用风险评价主要存在的问题概括成两个方面:第一,评价指标体系方面,缺乏有针对性的指标体系,评价指标体系不健全,对于评价指标体系的权重有失偏颇;第二,评价模型多为主观评价模型,依赖于专家经验,虽然专家具有充足的经验,但是该方法主观色彩过重,缺乏客观性。首先,本文比较了供应链金融模式与传统金融模式的区别,发现供应链金融模式下的信用风险影响因素繁多,传播速度快,但也有一定的可控性;其次,运用频数分析和相关性检验法,剔除相关性较强的指标,建立更为客观全面的指标体系,主要包括融资企业状况,核心企业状况,融资项下资产情况,供应链状况,宏观经济状况5个一级指标;之后,在比较各类信用风险评价方法后,发现基于遗传算法的BP神经网络具有泛化能力强、容错率高、假设条件较宽泛等优点,并且可在一定程度上解决标准BP神经网络易陷入局部最小值的问题,故基于遗传算法优化的BP神经网络建立了适用于供应链金融模式下中小企业信用风险的评估模型;最后,将建立的模型进行两个方面的实证和效果分析:第一,根据建立的指标体系选取新三板的28家汽车企业5年的数据做模型计算分析,结果显示,基于遗传算法优化的BP神经网络相比标准BP神经网络在验证集上的预测精度更高;第二,进行具体案例分析,结果表明基于遗传算法优化的BP神经网络模型的评价结果与实际情况基本相符。本文研究结论为供应链金融模式下中小企业的信用风险评价提供了一定的借鉴意义,有助于商业银行更好地开展供应链金融业务。