我国民营企业大多属于中小企业甚至微小企业,这些企业在经过十多年的高速发展来到了瓶颈阶段。一方面,小微企业在和大型国有企业市场竞争中的处于天然劣势地位,另一方面,在自身发展上,相对于大型国企,小企业的融资难、融资成本过高是小微企业成长发展的一大桎梏。常用的小微企业信贷评审技术主要包括信用评分卡模型和以真实性为核心的现场调查技术。信用评分卡是一种数理统计和人工智能方法,通过对历史数据的分析和学习构建模型,对借款人的还款能力、还款意愿及其信用特征进行评估,并对其可能发生的信用风险做出模型预测的方法。以真实性为核心的现场调查技术的核心是通过现场调查,以小微信贷客户经理的所闻、所见、所感为基础对客户的还款能力、还款意愿以及其进行评估,最终以企业的还款能力为核心判断是否为其授信。通过对几种信用评分卡模型的实证研究,发现四种模型对训练样本的预测正确率都非常接近,但是在对检测样本的预测上,神经网络模型具有明显的优势,而其他三个模型都非常接近。通过本文的研究认为,根据现有的历史数据和模型构建方法,并不足以对小微企业信贷业务覆盖风险,也并不能做到对借款人属性的准确判断。对小微企业的授信审批,更多的还是要通过基于真实信息、的现场调查技术来判断小微企业真实的还款能力以及还款意愿,从而做出是否授信的决策。小微企业信用评分模型虽具有一定的预测精度,但是其不足以作为信贷审批的主要依据,更多的应该是作为一种辅助手段来存在。各商业银行已经开始重视自己历史数据的积累和应用,加上整个社会诚信体系的不断完善,随着历史数据的积累,信用评分模型将会更加智能和稳定,其对新客户的预测能力将会随着训练样本的不断增加而显著提升,其应用领域也会更加广泛。