随着我国经济社会的快速发展,小企业作为我国企业群体中的重要组成部分,已经成为促进国民经济增长不可或缺的坚实力量;而制造业作为我国经济发展中的主导产业,直接反映了国家的生产力水平,制造业小企业不仅推动了我国经济发展,还提供了非常多的工作岗位,缓解了我国就业难的现象。然而制造业小企业由于自身财务制度不健全,管理机制不完善,商业银行也缺乏专门针对小企业各行业的信用评价体系,造成了制造业小企业融资难的现状,为了解决这一问题,建立一套专门针对于制造业小企业的科学、完整的信用评价体系显得尤为重要。本文介绍了我国制造业小企业的发展现状、融资现状和制造业小企业信用评价的现状,梳理了国内外研究成果,发现目前学者们大都研究了参数下的信用评价问题,考虑到现实中指标数据大多不服从正态分布,因此选用非参数方法进行研究。文中选取了某商业银行165个制造业贷款企业为研究样本,兼顾财务与非财务指标选取了 44个指标构成了初选指标体系,通过非参数Bayes判别的方法进行第一轮筛选,挑选出能够显著鉴别企业违约状态的指标,通过非参数聚类分析的方法进行第二轮筛选,避免了剩余指标反应信息冗余,构建出了由资产负债率、营业利润率等16个指标组成的完整且信息不重复的指标体系,最终得到的信用指标体系不仅与国际通用的“5C”原则相对应,而且判别精度从73.1%提高到了 80.6%;根据非参数Bayes判别结果中每个指标对判别精度的影响程度对指标进行赋权,赋权后财务指标所占比重为0.45,非财务指标所占比重为0.55,证明了非财务指标对于制造业小企业信用评价具有重要作用;最后通过权重和标准化后的指标数据得到评分模型,并将其与通过逻辑回归构建的评分模型进行对比,结果显示非参数Bayes判别方法构建的信用评价模型效果更好,判别准确度达到了 81.6%。本研究在商业银行对制造业小企业进行信用评价时提供了参考依据,在行业标准、法律法规等方面给出了政策建议,降低银行财务风险的同时也对制造业小企业的融资起到了一定的促进作用。