我国是最大的茶叶种植国家,也是世界上茶园种植面积增长速度最快的国家,茶叶产业已经成为某些地区的支柱型产业。然而,作为茶叶产业发展的瓶颈,茶农的融资问题一直严峻。信用评级为缓解农户融资约束发挥了积极作用,有助于客户从正规金融部门获得授信。与此同时,由于农户信贷数据可得性差、财务和非财务信息都不健全,其信用风险难以准确刻画,而将农户整个群体细分每个行业做信用研究的更是寥寥无几。鉴于此,本文以福建省安溪、武夷山1814个茶农为例,通过利用Lasso-Logistic方法,构建了符合茶农特点的信用风险测评指标体系。在此基础上,通过挖掘对茶农信用风险有重要影响指标的关键特征,提出改善茶农信用状况的对策建议,旨在为茶农信用风险测评和管理提供参考。论文共五章:第一章是导论,主要介绍茶农信用风险测评研究的背景、意义,梳理相关文献并概述研究内容、思路,以及本文的潜在创新。第二章是茶农信用风险测评研究的理论基础。本章界定了农户、茶农、信用、信用风险和信用评级的定义,阐明了茶农信用风险测评所需的理论基础。第三章是茶农信用风险测评模型构建方法。茶农信用风险测评建模包括茶农信用风险测评原始数据预处理,茶农信用风险测评指标的筛选、指标赋权、信用得分求解,信用等级划分和对茶农信用风险有重要影响指标的关键特征挖掘。第四章是基于安溪、武夷山1814个有效茶农样本数据的信用风险测评实证分析。首先,利用Lasso-Logistic方法处理茶农高维稀疏的数据,剔除信用风险测评的冗余指标,构建了茶农信用风险测评指标体系。其次,利用费舍尔判别的方法,求解茶农信用风险测评指标的权重,进而求得贷款茶农的信用得分。再次,使用模糊-C均值方法,划分不同信用风险下茶农的信用等级。最后,基于非参数检验,挖掘同一指标哪种特征属性是影响茶农贷款违约与否的关键特征。第五章是结论与建议。实证得出如下结论:首先,利用安溪、武夷山1814户茶农信贷数据,以茶农是否违约为因变量,构建Lasso-Logistic模型,筛选出茶农性别、供养人口、县域分类、家庭主要收入来源、家庭总负债、合同状态、借款期间家庭总支出、风险分类等8个能显著区分茶农违约状态的重要指标。其次,茶农信用等级划分结果基本呈现正态分布特点,46.58%的茶农位于BBB级,茶叶产业信用风险整体较低。最后,通过对8个影响茶农违约状态的重要指标进行特征挖掘,得出男性、供养人口为1人,非重点县域、武夷山茶农、风险分类为次级,家庭负债在20-40万,家庭总支出超过40万的茶农违约风险较大。论文的创新之处:一是利用安溪、武夷山1814户茶农信贷数据,通过Lasso-Logistic定量筛选,构建了由茶农性别、每户茶农供养人口、茶农所属县域分类、茶农家庭主要收入来源、家庭总负债等8个指标组成的茶农信用风险测评指标体系。二是利用非参数检验,挖掘同一指标下哪种特征属性是影响茶农信用风险的关键特征。这种思路方法,对金融机构进行茶农贷款客户识别和茶农信用风险增信具有重要参考。