中国的担保行业兴起于上世纪90年代，历经短短20多年的时间，已在融资领域中发挥了非常重要的作用。随着担保行业与商业银行的合作逐渐加深，融资担保行业为市场主体进行信贷间接融资扩宽了渠道，特别是在服务中小企业融资难题上取得了一定的突破与成果。然而，担保行业在中国的发展也面临一些问题。担保业务规模受社会融资规模影响较大，2012年后随着中国宏观经济下行，担保行业发展速度明显放缓。受中小企业经营困难、信用水平下降影响，担保行业业务风险上升，代偿发生情况不断增加，部分担保机构因失去代偿能力而倒闭，融资担保机构数量连续两年负增长，因此强化对被担保企业的信用评价，有利于担保公司控制风险，提升收益。
　　本文首先对担保公司中小企业信用评价现状以及问题进行分析，认为目前中国担保公司在中小企业信用评价现状中存在指标不够丰富、方法不够先进等问题；其次，为了提高信用评价方法的准确性，本文结合深度置信网络模型以及极限学习机方法进行优化，提出了一种新的信用评价模型；第三，通过在实证样本上进行预测，验证了本文模型的有效性；最后，同时通过随机森林模型对各个变量的重要性进行分析，进一步论证了当前指标需要进一步丰富。
　　本文的结论如下：（1）为了改进目前担保公司信用评价中存在的问题，本文设计了DBN-E LM模型，从理论上推导了该模型的计算过程，论证了该模型具有一定的优化效果；（2）在实证分析上，DBN-ELM模型在正样本上的准确率最高为96.21%，在负样本上的准确率也最高，为93.98%，对比打分法，在风险样本上准确率提高43.23%，在正常贷款样本上提高了4.1%。从AUC值来看，DBN-ELM的AUC为0.831，效果最好，而打分法的AUC值为0.535，效果最差，再次验证本文设计的DBN-ELM模型的有效性；（3）通过随机森林模型的变量重要性输出排序，可以看到财务信息质量、产品市场、创新能力、团队稳定性、政策支持、公共信用记录、应付账款履约情况、行业风险等指标的重要性在所有变量中最高，而本文设计的创新能力、团队稳定性、政策支持等指标比原有的指标重要性更强，说明进一步丰富信用指标的建设对于判断信用风险具有较大的意义。
　　本文的研究对于改进目前担保公司中小企业信用评价方法，完善信用评价体系建设，具有重要意义。