中小企业对促进国民经济的增长发挥着越来越大的作用,近几年来国家也出台了一系列政策,鼓励和引导银行机构对中小企业的信贷支持力度,保证中小企业的平稳发展。然而,银行在给中小企业提供贷款的同时也面临着贷款无法收回的风险,如何评估和控制信贷风险成为银行迫切需要解决的问题。本文在深入研究风险评估、粗糙集和支持向量机等相关理论的基础上,针对我国中小企业信贷风险评估过程中评估指标过多、样本量较小,非线性分类等问题,结合实际中的企业信贷风险评估体系,提出了基于粗糙集和支持向量机的中小企业信贷风险评估模型,来简化评估企业信贷风险评估指标体系和提升风险评估的准确率。本文在信贷风险评估指标筛选方面,首先从某商业银行采集到300多家中小企业样本数据,根据专家建议和经验知识初步的从这些企业众多的运行属性中选取流动比率、速动比率、现金比率、资产负债率、利息保障倍数、净资产率,资产收益率等20个企业信贷风险评估指标,对企业样本中这20个指标数据进行预处理,也就是对企业信贷风险评估信息表进行数据补齐和连续属性值离散化处理,构建了风险评估决策表,然后针对该评估决策表运用粗糙集理论里的逼近精度属性约简算法对20个评估指标进行约简,在保证评估决策表的有效信息不丢失的前提下得到了流动比率、资产负债率、净资产率、成本费用率等11个评估指标,极大地简化了评估体系。本文在企业信贷风险评估模型构建方面,首先基于约简后的评估指标构造了企业评估样本的特征向量,经过对企业特征样本数据进行归一化处理后,本文对线性核函数、S型核函数等多种核函数进行试算和比选,通过它们对企业特征样本的风险评估效果确定高斯核函数作为企业风险评估模型的核函数,并结合网格搜索法和多折交叉验证法对模型的惩罚参数和核参数进行了确定,最终构建了基于支持向量机的企业风险评估模型,解决了信贷评估系统中存在的评估指标较多、样本量较少,非线性分类等问题,提高了信贷风险评估的准确性和有效性。本文通过对一个地级市的中小企业风险的评估应用,验证了文中构建的中小企业信贷风险评估系统的有效性,并实现了对企业信贷风险评估的数字化,使得评估更加有效和科学化。