供应链金融在缓解企业融资难问题的同时也拓展了银行的融资业务,在新冠疫情的影响下我国政府出台了一系列政策,进一步放开了市场融资环境来扶持中小企业的发展,要求国有大型商业银行和地区性中小银行积极给中小企业提供金融贷款服务。但是我国企业征信体系尚未健全完善的问题依然存在,尤其是中小企业抗风险能力弱、信用信息相对封闭的现状极大地降低了金融服务开展的积极性。中小企业信誉质量参差不齐的信用现状促使各金融机构倾向于采取区别放贷,可见如何有效识别风险因素并对其进行管控对于降低供应链金融风险显得尤为重要。针对当前供应链中小企业的融资现状,本文主要通过构建中小型外贸企业风险画像和保险机制下应收账款的融资质押率决策两个角度开展研究。首先基于经过脱敏处理的878家中小型外贸企业的真实数据样本构建机器学习模型,通过三种集成模型、四种常规分类模型以及两类集成优化算法对训练样本构建模型,根据六种分类指标对二十一种模型进行评估,结果发现bagged＿catboost为最优模型。其次通过调整阈值进一步提升风险企业的识别精度,从源数据的十三类指标特征中提取到八类风险标签,并诠释了各类风险标签的权重以及对风险的影响程度,最终构建出企业的风险画像。最后面向应收账款融资模式,基于博弈各方均为理性人假说等假设条件,建立了应收账款融资模式下供应商、分销商和银行的三方博弈模型,通过博弈分析对银行的期望收益进行研究,验证了保险机制对于降低融资风险的有效性,进一步研究了最优质押率的影响因子并提出了管理对策。