为落实普惠金融战略,2016年建设银行开发大数据信贷产品——云税贷,致力于打通小微企业融资渠道,支持小微企业发展。云税贷运用大数据技术对小微企业税务信息进行分析,采用全线上自助流程方式,为小微企业提供流动资金贷款。自2017年产品投入市场,云税贷在A地区分行迅速推广,信贷余额、客户数量呈现加速增长的态势。然而,2018年,贷款不良的问题逐步显现,产品不良率不断攀高,产生多方面负面影响。在此背景下,本文旨在构建Logistic不良甄别模型,实现通过申贷企业财务数据预测企业贷款是否不良的功能,以降低信用风险。首先,本文采用案例研究的方法,在商业银行小微企业授信相关理论基础上,结合对云税贷产品的分析,指出A地区小微企业云税贷的主要问题是不良率上升,其主观原因在于产品自身存在缺陷;其次,本文通过借鉴国内外不良甄别相关理论,结合云税贷产品及小微企业特性,依据国家政策导向,提出构建不良甄别模型的问题解决方案;再次,本文基于数据挖掘的财务分析方法,将Logistic模型应用到不良甄别上,使用建设银行A地区分行99家小微企业的财务数据及贷款履约表现构建模型,以达到预测申请贷款企业贷款表现的目的;最后,本文详述Logistic不良甄别模型的应用过程,从贷前管理、贷中管理、贷后管理三个角度对建设银行A地区分行云税贷改进进行分析。本文的主要任务是解决云税贷在A地区分行不良升高的问题,解决方案是构建一个能准确预测贷款不良企业的Logistic模型,选题的背景是国家大力支持普惠金融,意义在于保障银行营业利润、延长云税贷生命周期、为资信良好的小微企业提供更好的融资服务、促进信用社会体系形成。研究结果能够为建设银行改造云税贷提供指导,有利于云税贷的良性发展,具有较强的理论和实践意义。