当下,我国经济正进入换挡降速、提质增效的新常态,作为我国经济半壁江山的小微企业,已经成为我国国民经济和社会发展的中坚力量,然而由于小微企业自身信用差、财务制度不健全、信息不对称、缺乏担保物等因素使小微企业难以获得融资、缺乏担保物等因素使小微企业难以获得融资。如何解决资金紧缺问题已经成为小微企业在发展过程中所面临的最严峻的挑战。本文聚焦于小微企业信用评分模型,分析商业银行如何应用小微企业信用评分模型,降低信息不对称的风险和贷款成本。与目前已有的文献中对小微信用评分的成果相比,我们的独特之处在于对小微企业进行信用评分建模时,为了充分揭示小微企业好坏样本在信用评分模型中的信息不对称,我们把支持建模的样本进行了比较精致的分类,即除了标记好客户状态为“正常”外,我们把坏样本分为“关注”,和对应的坏客户的另外三个精致的状态“次级”,“可疑”,和“损失”。这样,本文建模结果比目前文献的对应成果更为精致,本文的研究为小微企业信用评分的实践提供一种新思路。首先,本文阐述小微企业信用评分模型的相关概念、理论基础以及使用的主要方法;其次,根据小微企业的具体特点,初步构建了小微企业评分指标体系;最后以某商业银行真实贷款企业为研究对象,在初步建立指标体系基础上,综合利用IV检验、AR检验、Χ~2检验对指标进行了初步筛选,并使用贷款申请数据和企业主个人征信数据进行实证研究。本文首次将Softmax回归方法运用到小微企业信用评分模型。实证研究表明Softmax回归模型有比较强区分好坏客户的能力,其对测试组的预测精确率85%,召回率85%且AUC为91%。该模型也有比较好的区分正常、关注、次级及可疑的能力,其对测试组精确率75%,召回率77%,平均AUC为80%。并利用Logistic回归对模型进行稳健性检验,Logistic结果与Softmax回归模型结果一致,模型的稳健性较好。