综合评价研究力图解决由不同指标反映的复杂现象的统一评价问题。该方法在政府政策制定、企业经营决策以及相关学术评价研究得到广泛应用。近年来网络大数据信息技术的快速发展,为综合评价理论方法在信息多样化及数据处理等方面的进步提供了重要支撑。一些社会高度关注,问题极为复杂的评价深化研究再次成为热点。本文开展的中小企业成长性评价问题即为其中之一。中小企业是国民经济重要组成部分,是社会经济稳定发展的重要基础。特别是我国进入经济新常态后,作为供给侧结构性改革的重要内容,为改善中小企业成长环境,支持其创新发展,政府出台一系列相关政策。而无论政府对中小企业扶植政策的实施,政策效果的识别,以及利用金融资本投资助力中小企业发展,均需要针对其成长性给出评价。相关研究具有重要现实意义。企业成长评价的高度复杂性表现在:其成长过程是诸多内外因素共同作用的结果;且各成长影响因素的作用机制并不相同,一些因素可能是决定性的;而影响成长的因素及其作用机制又是动态变化的。目前,随着信息技术的快速进步,市场资源配置的全球化扩展,企业成长问题的复杂性也随之不断跃升。其相关研究具有推进企业成长性理论探索的意义。本研究定位在,充分反映中小企业成长环境变化,以服务政府和金融资本市场对中小企业扶植为目标,引进大数据相关技术,开展中小企业成长性评价理论方法及其应用研究,力图进一步推动统计综合评价理论方法的发展。相关研究框架这样安排。第1章导论。给出研究的背景及其意义;梳理国内外相关文献;提出研究思路、主要方法与框架;明确创新性工作。第2章中小企业成长性评价的理论方法基础。主要包括:1.界定中小企业概念;解读决定企业成长的外生和内生因素,归纳成长机制。2.给出评价指标测度集成与指标权重分配的统计综合评价方法。3.引入网络爬虫、基于朴素贝叶斯分类的文本挖掘技术与随机深林和Adaboost两种机器学习算法等相关大数据技术;为中小企业成长性评价方法中指标测度及评价结果检验等难题提供新的解决思路。第3章中小企业成长性评价模型构建研究。其中1.建立基于创新能力、企业家素质、产品竞争力、运营效率及环境风险等五大要素的评价理论模型。2.提出评价指标选取基本原则,及其指标选择的主要思路。3.基于测度的合理性与完备性标准,构建中小企业成长价值评价指标体系。第4章是中小企业成长性评价信息测度与集成方法研究。主要解决指标可测性与数据可得性的问题。具体包含:1.进一步改进基于两阶段学习的专家群体评价方法,实现评价指标的有效测度。2.建立一种基于文本挖掘技术的指标测度方法,为指标测度提供一种新思路。3.进一步推进评价指标的无量纲化信息集成技术。4.建立基于主客观信息优化模型的指标权重分配方法。5.分别利用随机森林和Adaboost两种机器学习算法,建立基于机器学习的中小企业成长性预测分类模型。第5章是基于中小板上市公司数据的成长性评价实证分析。第6章以结论形式给出全文内容回顾和研究展望。本研究力图在以下三方面开展创新性工作。其一,建立中小企业成长性理论模型及相应评价指标体系。以企业成长相关理论,及其当前企业成长环境变化为基础,建立一种基于五大核心要素的中小企业成长性评价模型,力求提出充分解释中小企业成长趋势与潜力的理论框架。其二,提出两种评价指标测度方法。为兼顾中小企业成长性评价指标体系完备性与可操作性,以及解决部分评价指标数据的可得性问题提供了技术选择。其中,1.基于两阶段学习的专家群体评价方法的改进,可进一步通过有效描述与集成专家群体主观偏好信息,作为部分难以直接测度定性指标的数据来源。2.基于文本挖掘技术的指标测度方法,利用网络爬虫与文本挖掘技术,通过抓取互联网数据并利用基于贝叶斯朴素分类算法的语义分析方法,转换成基于评价等级集合的顺序数据,解决中小企业成长性评价中数据缺失,或敏感性评价指标的测度问题。其三,构建基于机器学习分类算法的中小企业成长性预测模型。针对中小企业成长性评价方法得到的最终评价结果中,存在着信息不充分且难以检验有效性的问题。本文将将机器学习技术引入中小企业成长型评价方法中,构建基于随机深林和Adaboost两种分类算法的中小企业成长性预测模型,通过增加评价对象成长性分类信息,并与综合评价方法结论进行比较,检验评价方法的有效性。