批发零售小企业在国民经济中发挥着重要的作用,是吸收就业、活跃市场、拉动内需的中坚力量,但由于企业财务制度不健全、信息公开化程度低,金融机构难以准确衡量其信用风险,批发零售小企业融资状况不容乐观。因此,本文针对批发零售小企业,构建违约状态显著判别的信用评价模型,为银行等金融机构度量批发零售小企业信用风险提供参考。文章结构分为五个部分,各部分内容如下:第一章是导论,主要介绍构建批发零售小企业信用评价模型的背景、目的和意义,并梳理相关文献,简述研究思路和研究方法。第二章是概念界定和理论基础,界定批发零售小企业、信用风险的定义,介绍信息不对称理论和信用评价理论。第三章是违约状态显著判别的信用评价模型构建方法,包括基于随机森林-Fisher判别法的违约状态显著判别的信用评级指标体系构建方法,基于Fisher判别法的违约状态显著判别的信用评分模型构建方法,基于模糊C-均值聚类（FCM）算法的信用等级划分方法,涉及到SMOTE数据扩充、随机森林指标重要性排序、Fisher判别、模糊C-均值聚类的原理。第四章是基于中国某城市商业银行687个批发零售小企业样本进行实证研究。第一,使用SMOTE方法处理不平衡数据,在此基础上用随机森林对指标重要性排序。第二,结合重要性排序和Fisher判别准确率进行指标筛选,构建违约状态显著判别的信用评价指标体系。第三,基于Fisher判别系数确定指标权重,求解信用评分。第四,使用模糊C-均值方法,依据信用得分,实现信用等级九级划分。第五,进行对比分析和稳健性检验。第五章,总结了本文的实证结论,并提出政策建议。最后从研究主体、指标体系、等级划分方面分析了不足和展望。研究结果显示:（1）本文将随机森林指标重要性排序与Fisher判别法结合,筛选指标体系,最终构建了包含行业景气指数、资本积累率、资产负债率等20个指标的批发零售小企业违约状态显著判别信用评价指标体系,该指标体系从还款能力、还款意愿两个层面衡量信用风险,结合了财务指标和非财务指标,考虑了公司法人（负责人）信用情况对贷款违约的影响。（2）使用FCM算法,对批发零售小企业进行九级信用等级划分,结果显示,BBB级客户数量最多,为全部样本的20.09%,其次为BB级与A级,位于两端的AAA级与C级客户数量最少,等级划分下的客户数量分布呈现“两头小,中间大”的钟形分布特征。（3）通过对比分析,发现随机森林指标重要性排序可以提高指标筛选效率,本文所提出的结合随机森林指标重要性排序和Fisher判别法的信用评价模型较其它五种基本分类模型有更高的准确率,该模型准确率为98.90%,五倍交叉检验准确率为88.46%,模型表现出了较好的判别能力和稳健性。