供应链金融的出现,缓解了中小企业融资困境,但由于其自身的局限性以及需要与供应链中核心企业进行绑定授信的新特性,所以也产生了新的信用风险。因此精准的中小企业信用评价对于整个供应链的稳定性和协调性至关重要,信用分析和评价的相关研究已经由来已久,统计和非统计这两大类信用评价方法都是目前的主要信用评价方法。支持向量机（Support Vector Machine,SVM）方法由于其强泛化的能力而逐渐受到了广泛的关注和应用。本文的主要研究方向主要如下,一是在目前国内已有的中小企业信用评价方法和体系的研究基础上,结合供应链金融下中小企业的信用评价特点,建立一个相对完善的信用评价方法和体系,二则强调利用支持向量机算法对供应链金融模式下的中小企业能够进行一个精准高效的信用分析和评价,并引入回归决策树（Classification And Regression Trees,CART）采用组合集成方法来优化和调节算法,建立一个改进型的模型然后应用到信用评价中。实证分析表明,经过评价体系和评价方法的改进后信用评价较之传统的信用评价更有效。本文主要内容如下:本文主要通过在建立相对完善的中小企业信用评价指标体系过程中,探讨在目前主流的信用评价指标体系基础上,如何建立一个精准有效的供应链金融下中小企业信用评价体系,并利用实证数据进行分析。新的指标体系文献频数统计后预选取指标43个,经相关性筛选即指标优化后,最终确定24个信用评价指标,构成新的信用评价指标体系,并且既满足了评价体系的全面性、准确性,又消除了冗余性。其次在供应链金融下中小企业信用评价方法的研究以及验证部分,基于SVM和CART的组合集成方法,在支持向量机已达到较优的分类和验证效果的技术基础上,利用相应的组合方式进一步做出改进,并与随机森林、神经网络等其它常用的信用评价方法结果进行了比较,实证结果表明,改进后的信用评价模型较之前的模型能取得较好的分类结果。