不久前，民营经济座谈会在京隆重召开，结合近年不断推动的“中国制造2025”战略计划可以看出，大量体量规模在中小型，行业属于医疗、新能源、人工智能等领域的民营企业，未来不仅仅要继续作为保就业的“定海神针”，同时还肩负着让技术创新在中国大地遍地开花的职责。拥有以上特点，且通过发行股票进入人们视野的一批企业，正是我国的创业板上市企业。我国创业板开设于2009年10月30日，初衷是为了缓解和解决“两高”、“六新”企业的融资难问题，首批36家企业在深证交易所上市，到了2018年底，这一数字达到了740家，政府对于高新技术企业扶持力度不断增加，民间资本对于科技公司的热情也非常高涨。因此，研究这些企业的成长性，判断哪些企业勤于治理，具有高成长潜力，哪些企业疏于经营，有上市“圈钱”的嫌疑非常有必要。
　　企业的成长性既代表了企业过去的经营成果，也意味着企业未来的发展潜力和品牌价值。自西方国家开始对企业质量进行研究以来，学术界和业界在度量企业的成长性方面取得了很大的进展，度量的角度从单一到多元，用于评估的方法也趋于客观、科学。另一方面，企业的发展质量是非常多元、综合的概念，涉及的评价领域之多，是现今任何度量方法都难以科学兼顾的，因此，关于企业成长性的衡量，当今世界并没有统一而公认的指标。尽管如此，按照客观的逻辑，高成长性企业应该在更多指标上优于低成长性企业，也可以说，由良好的成长性指标划分的高、低成长性企业，应该在各个指标上体现出足够的差距，即指标具有良好的区分性。基于这个想法，本文研究的主要重点有两个，第一，构建一个有效且区分性强的成长性指标。第二，构建用于预测成长性指标的模型。
　　根据这两个研究重点，本文通过理论推理和实证研究的方法，得出了以下两个主要成果和结论：
　　（1）成长性指标的构建。本文通过突变级数的方法，基于传统的财务数据计算出了研究企业的初级成长性指标，再通过KMV模型，运用企业的股票交易数据和少量财务数据计算各自的违约距离，最后将初级成长性指标和违约距离进行等权重的加权，得出新的综合成长性指标。新构建的指标综合了企业的财务信息和市场交易信息，拥有更广的覆盖面和解释性，也通过数据验证了综合成长性指标在区分高低成长性企业方面，优于单一的初级成长性指标或违约距离。
　　（2）预测模型的构建。基于构建的新的综合成长性指标，文章接着通过过分类和连续值预测两种思路构建了预测模型。在分类任务上，运用高斯核函数的支持向量机模型取得了良好的分类预测效果；在连续值预测上，通过提升方法的改进，GBDT模型相对与单棵决策树具有更强的预测能力。两种预测方法各有优缺点，模型的选用应基于现实任务的需求和侧重。