中小企业融资难是个长期以来困扰世界的难题,特别在我国,表现得尤为明显。中小企业融资难有多方面的原因,其中受信息不对称的影响,商业银行信贷从业人员对中小企业贷款违约行为的规律性无从把握,从而产生“惜贷,惧贷”现象,或片面强调抵押担保的作用,提高了中小企业融资门槛。因此研究中小企业信用风险管理中的规律性问题,提高信用风险管理的技术水平是当前的现实需要。本文从贷前、贷后和组合管理三个方面来考察中小企业信用风险问题,主要做了如下工作：首先,采用了因子分析、定性指标的模糊化处理、层次分析、自适应模糊神经网络分析等方法,构建了中小企业贷前信用风险自适应模糊神经网络评价模型。以往很多研究采用神经网络方法来评价信用风险,但大多缺乏对财务数据的不精确性和非财务因素的考察。本文针对以往研究的不足,采集了65家信贷企业样本数据,用模糊化方法来预处理非财务信息,用因子分析法预处理财务数据,利用中小企业贷前信用风险自适应模糊神经网络模型得到分类结果。通过与BP神经网络、XU G、LOGISTIC回归分类等模型比较,表明本文构建的模型有更高的分类精度。其次,通过描述性统计分析、财务指标因子分析、财务因子logistic回归分析以及加入非财务变量的logistic回归分析,构建了中小企业贷后信用风险LOGISTIC回归预警模型。目前尚没有针对中小企业贷后信用风险预警的专门研究,常见的是企业破产预测、财务困境分析、企业失败预测,通常而言这类模型主要基于会计变量,以企业的财务特征比率为解释变量。本文建立了融合财务和非财务因素的预测模型,研究结果表明：预警模型的分类正确率优于随机分类；财务变量有提前预警能力,要重视对财务状况的监测分析;非财务变量的确能提高模型的预警能力。最后,本文引入Copula函数优化传统的计算VAR的模型,构建了中小企业贷款组合经济资本配置Copula计量模型。传统对贷款组合经济资本计量的方法需要对贷款组合的分布作出假设,一般假设贷款组合服从正态分布,比如CreditMetrics模型以及BASELⅡ中所建议的方法,但众多的理论和实证研究表明这一假设不符合实际情况,实证研究表明贷款组合收益的分布有明显的“厚尾”特征,基于正态分布的假设可能会低估风险值。为此,本文提出用Copula函数的方法来改进CreditMetrics模型,这一方法不需考虑分布假设就能计算联合分布。本文通过Monte-Carlo方法进行了模拟计算,并与传统的VaR方法进行了比较。模拟结果表明中小企业贷款组合经济资本配置Copula计量模型能比较好地解决贷款组合的“厚尾”分布问题,较传统的VaR方法更能精确地计量中小企业贷款组合的经济资本需求量。