随着我国社会主义市场经济不断发展,小微企业在激发市场运行活力、推动产业优化升级方面的重要作用日益凸显。为优化小微企业金融服务、全面激发小微企业发展的活力,国家出台了一系列政策明确了小微金融发展战略,包括《关于进一步加大对中小企业纾困帮扶力度的通知》《关于进一步扩大小型微利企业所得税优惠政策范围的通知》《关于进一步实施小微企业“六税两费”减免政策的公告》《推进普惠金融发展规划（2017-2021）》。在国家的政策扶持下,小微企业获得更为优质的金融服务,融资难融资贵问题得到缓解,但违约企业也随之大量增加,阻碍了小微企业整体的发展。在这样的背景下,优化小微企业的信用风险评估方法,帮助信贷机构识别优质客户,从而降低信贷机构的不良贷款率,破除小微企业的发展障碍,具有更加重要的理论价值和现实意义。本文以国家统计局印发的小微企业划分办法为依据,对新三板上的中小企业进行筛选,从中选择了 4146家小微企业作为研究样本。本文的研究工作可以分为两大部分。第一部分为构建小微企业信用风险评估指标体系。首先通过阅读相关文献,选取对小微企业有重要影响的财务指标和非财务指标,并结合普惠金融的相关理论及其在我国的发展现状,添加了数字普惠金融指数,最终构成初步的风险评估指标体系;然后在对数据进行插补及标准化处理的基础上,通过Alasso回归筛选指标,保证指标的显著性和相互独立性,最终筛选出15个指标。第二步对小微企业进行信用风险评估,构建了 Logistic回归模型、SVM模型以及二者的组合模型,分别在包含以及不包含数字普惠金融指数的指标体系下训练模型,并从准确率以及稳定性出发评估模型的性能。通过实证研究,本文得出以下结论:第一,数字普惠金融指数是评估小微企业信用风险水平的有效指标。本文通过对比模型的性能,发现在加入数字普惠金融指数的情况下,三种模型的准确率都有所提高,其中组合模型的准确率由81.12%提高到了 83.71%。由此可见数字普惠金融指数能够提高小微企业信用风险评估模型的性能。第二,LOG-SVM组合模型能够实现模型间的优势互补,具有更优秀的风险评估能力。本文通过准确率、召回率、AUC值以及KS值多维度地评价了三种模型的性能,结果发现相比于SVM模型,Logistic回归模型具有更高的准确率但稳定性较差,而组合模型在准确率以及稳定性方面均要优于两种单一模型。由此可见,在小微企业信用评估领域,通过模型组合可以发挥各模型的优势,取长补短,进而提高模型的性能,降低信贷机构的不良贷款率。本文有两大创新点。第一,本文以新三板上的小微企业为研究对象,考虑到小微企业有着较快的发展速度,本文按照国家统计局发布的《统计上大中小微型企业划分办法（2017）》对获取到的小微企业进行了筛选,进而保证了研究结果的针对性和适用性。第二,小微企业是我国普惠金融的重点服务对象,本文结合国内普惠金融快速发展的现状,详细说明了普惠金融对小微企业融资的积极影响,并将数字普惠金融指数纳入小微企业信用评估指标体系当中,通过实证研究得出该指数确实能够提高信用风险评估模型的性能,丰富了小微企业的风险评估体系。