随着中小企业的迅速发展,中小企业逐渐成为我国经济发展的重要组成部分,对银行业和金融业的稳定,乃至社会生产力的发展都有着不容忽视的影响。但目前我国中小企业内部信用管理水平以及外部信用服务的市场化程度都比较低,从而导致信用缺失。这是中小企业出现融资难问题的主要原因。为了解决这一问题,建立有效的信用风险评估模型迫在眉睫。但是由于中小企业数据量小,信用数据难以获取,如何精确地评估中小企业信用风险,一直是国内外学界与业界面临的一大难题,目前尚未形成统一和公认的办法。从将信用风险评估视为一个分类问题出发,研究人员以及信用评级机构多数使用一些统计和数据挖掘方法来开发信用评级模型。本文从运筹管理的角度探讨了一种小子样有序分类的多准则决策法（ELECTRE TRI方法）的潜力。已有研究表明多准则决策技术非常适合于构建信用风险评估模型,它使分析师能够在模型构建过程中介绍自己的偏好,了解评级模型的特征,并最终对模型进行校准,以便其符合银行或信贷机构风险管理部门的要求。本文尝试在ELECTRE TRI方法基础上,与两种模型拟合过程的优化工具,即混合整数线性规划以及差分进化算法相结合,来构建中小企业信用评估模型,并对我国97家中小企业进行实证分析,通过与逻辑回归模型以及KNN分类算法进行比较,综合评价本文构建的信用风险评估模型的优劣。对此,本文主要做了以下研究。首先,在ELECTRE TRI方法的框架下,通过简化模型的部分参数,推导基于混合整数线性规划的理论模型;其次,考虑到线性规划模型可能存在找不到解的问题,同时为了能将ELECTRE TRI方法的所有参数纳入模型,本文尝试利用差分进化算法建立ELECTRE TRI模型框架。最后,利用我国中小企业的实际数据对上述理论模型进行实证分析,并通过与逻辑回归模型以及KNN分类算法进行比较。研究结果表明,本文提出的级别优先序模型（ELECTRE TRI）非常适合于信用评级,因为（1）该模型提供了良好的分类结果,不论是从预测精度、分类模型本身的性能（AUC值）还是召回率指标进行评估,整体都优于逻辑回归模型以及KNN分类算法。（2）从模型的解释效果和分析能力来看,该模型能够有效地洞察评级指标的相对重要性,同时,还能为信用评级分析师提供更多决策属性和企业特征的信息。这体现在,首先,ELECTRE TRI模型在指标的重要性排序和选择上与逻辑回归模型的结果比较一致;其次,相较于逻辑回归模型只能得出一个固定的系数值,ELECTRE TRI模型参数设置更加灵活多样,包含一致性检验和否决强度等各个方面。此外,在DE算法模型下,还可以很好地发挥ELECTRE TRI模型的非补偿性优点。