随着近年来社会经济的不断发展,我国中小企业对于国民经济发展的贡献程度不断升高,2021年,我国中小企业贡献了超过60%的GDP、70%的专利数量以及80%的工作岗位,由此可见中小企业的成长与国民经济的发展息息相关。其次,考虑到各中小企业之间的成长性也不尽相同,因而对其成长性进行评价和判别的必要性也逐渐凸显出来。最后,在成长性评价研究领域中,一方面,传统评价方法难以真实反映企业的发展潜力和可持续性,政策执行局限性大,机构决策基于经验或过度保守,忽略了非财务因素和外部环境的影响。另一方面,在当前成长性评价研究中,还缺乏对于企业成长性的评分量化研究。因此,本文提出了基于机器学习算法构建评分卡的方法,以完善中小企业成长性的评价方式。首先,本文使用了文献研究法研究了当前成长性影响因素以及成长性评价的研究现状,从内部治理、外部治理、行业状况、经营状况、政策环境五个维度归纳出了企业成长性的影响因素以及成长性的测度指标。其次,在文献研究的基础上,本文选取了中小板和创业板的上市公司数据作为研究样本,使用了内插补缺法和随机森林估算法填补了缺失值;使用了WOE分箱、IV值对比以及相关性分析的方法对数据的特征变量进行了筛选;使用了比率分析法以及趋势分析法等定量分析方法对数据进行了探索性分析;在测试过所有机器学习模型的基础上,经过深入的分析和训练结果的横向对比,最终选取了逻辑回归、随机森林、XGboost和GBDT算法来构建成长性评价模型,在构建成长性评价模型和训练数据后,发现逻辑回归模型和随机森林模型的拟合效果最佳;在逻辑回归和随机森林算法的基础上,本文构建了中小企业成长性评分卡。最后,本文进一步使用K-means聚类方法对成长性进行评级,使用SHAP值分析法筛选出影响中小企业成长性的关键指标和驱动因素。经过上述研究,本文得到以下结论:（1）本文采取的构建评分卡对中小企业的成长性进行量化评分的评价方法是可行且有效的。其中,逻辑回归评分卡的评分逻辑性要强于随机森林评分卡,随机森林评分卡的区分能力要优于逻辑回归评分卡。（2）中小企业成长性评分卡是一种通过机器学习方法构建的企业全面评价工具,可以帮助政府、金融机构、社会服务机构等准确评估企业的发展潜力和可持续性,为其决策提供参考依据;同时也可以帮助中小企业克服各种困难,制定科学合理的发展策略,提高市场竞争力。（3）相对于传统的成长性评价方法,本文采用基于机器学习方法的中小企业成长性评分卡具有多维度评价、高准确度和可解释性的优势。本文的贡献在于通过使用机器学习算法以及评分卡的方法构建了全新的中小企业评价体系,丰富和完善了企业成长性评价研究,提出并证实了量化评分研究方法的可行性及有效性,从中小企业、政府、第三方机构应用评分卡的角度出发,从而可以更好地助力于我国中小企业的可持续发展。本文的不足在于选用的成长性影响因素和成长性测度的方式有待进一步改进,中小企业的样本选择范围有待进一步完善,且在近几年的样本研究中,没有将疫情影响因素纳入到本文的评价体系当中。