随着数量和规模的不断增长,中小企业在成为促进我国经济快速、持续发展的重要力量的同时,面临着融资难的发展困境。特别是对于广大非上市中小企业而言,从金融机构获取较少的信贷额度已成为其持续发展的主要制约。究其原因,信息不对称导致银行对中小企业贷款具有较高信用风险应是重要因素。同时,在金融脱媒、利率市场化以及新监管政策出台的背景下,银行势必在规避风险和应对监管的同时,将目光放在作为新的利润增长点的中小企业信贷市场上,因此,针对中小企业信用风险的准确评估成为其首先要解决的关键问题。近年来,国内理论界和实践界对此进行了积极的探索和研究。通过文献回顾发现,针对中小企业信用风险评估方法的研究多数集中于对风险评估指标和方法进行理论探讨以及使用上市公司公开数据进行实证分析,缺乏针对非上市中小企业实际信贷数据的精准研究,并且在实证研究时偏好财务因素而轻视非财务因素。因此,有必要拓展研究领域。本文利用从某商业银行获得的2012-2013年1297家非上市中小企业的企业信息与信贷数据,构造了包含12个维度共24个财务因素和21个非财务因素的指标池,利用Logistic回归和BP神经网络进行风险评估模型的构建和检验。实证结果显示,对于影响信用风险的财务因素,净现金流量、流动比率、营业利润率、产品销售率和总资产增长率等与违约率成负相关关系。对于非财务因素,企业的成立时间及其与银行的合作时间与违约率成负相关关系,并且若企业年报经过审计,企业违约的可能性较低。经实证检验,本文构建的两种评估模型均具有良好的判别能力,可以应用于我国非上市中小企业的信用风险评估,相对而言,BP神经网络模型的判别能力高于Logistic回归模型。最后,针对银行实际信贷业务中单一的风险评估方法存在局限性的问题,本文基于信息不对称理论,从企业“硬信息”、“软信息”及第三方信用信息的识别特征出发,构造了多角度的中小企业信用风险综合评估方法,有助于商业银行根据银企关系、企业信用信息特征以及为获取信息而支付的成本的不同,选择适用的方法评估中小企业信用风险。