小微企业因其数量巨大、涉及行业较广、从业人数众多，已逐渐成为国民经济中的主力军。然而，小微企业生产经营规模小、经营稳定性差、治理能力弱、财务不规范、缺乏合格的抵质押物、企业契约精神缺乏、融资渠道单一等因素，致使商业银行向小微企业发放贷款面临极大的信用风险，出现“惜贷”的局面。
　　商业银行作为经营风险的特殊企业，主要通过对企业信用风险的识别、评估、计量、定价、监测、控制，从中赚取货币的时间价值。商业银行经营风险的整个过程中，风险计量是基础也是关键所在。传统的风险计量模型主要是基于财务信息进行建模，小微企业因其财务制度、财务报表不健全、不真实，与商业银行的信息严重不对称，导致商业银行无法准确计量小微企业的信用风险。实务中商业银行一般采用的评分卡模型进行风险计量。
　　就现阶段而言，评分卡模型固然很重要，但尝试构建新的小微企业的信用风险计量方法，实时采集小微企业信息，动态计量小微企业信用风险已变成了可能事件。本文运用了经典的逻辑回归进行建模，采集了小微企业关于财务、非财务、社会资源、地区特色4个维度的信息，计量小微企业客户的信贷违约概率，同时探索用β分布去拟合违约概率的分布并加以应用。
　　建议J银行运用违约概率进行客户筛选和差异化贷款定价。加大AI技术的应用，利用违约概率进行贷款客户和信贷资产的动态管理，降低运营管理成本，提高贷款发放效率，进而从总体上降低小微企业的融资成本。