近些年,国家实施创新驱动战略,出台了多项政策和措施促进我国创新型小微企业的快速发展,创新型小微企业正成为国民经济和社会发展的重要基础和创业富民的重要渠道,它们在扩大当地民众就业、增加人民收入和国家税收、改善人民生活水平、提高市场经济活力等方面发挥着举足轻重的作用.然而,融资难一直是阻碍创新型小微企业发展的重要瓶颈,为了更好解决创新型小微企业融资难的问题,商业银行必须建立一套完整的、符合创新型小微企业实际情况的信贷评级模型.本文以湖南省A行开展“投贷联动”业务的实际情况为研究背景,从湖南省A行信贷系统中筛选出一批创新型小微企业,参照信贷系统选取企业评级指标,通过互联网获取这些企业的评级指标数据,针对现有信贷评级系统存在的缺陷,通过如何提高创新型小企业贷款可获得性以及降低商业银行运营成本的有效性分析,提出了新的信贷评级模型解决方案,分别利用BP神经网络算法和AdaBoost组合分类算法建立了两个信贷评级新模型.此外,本文通过湖南省A行专业信贷人员的对样本企业的评分结果,并结合湖南省A行专业信贷人员的建议,将样本企业的信贷级别分为Ⅰ、Ⅱ和Ⅲ三类,并确定各个信贷级别的阈值.其中Ⅰ类级别最高,表示湖南省A行可以对该企业以“股权+债权”模式进行投资;Ⅱ类级别表示湖南省A行可以对该企业开展信贷业务,Ⅲ类级别表示该企业信贷评级过低,湖南省A行在此类企业未提供抵押物或第三方担保的情况下不能对其开展信贷业务.从实证评价的结果来看两种信贷评级模型都较好地解决了湖南省A行的创新型小微企业信贷评级问题,为其提供了可行的解决方案.最后,本文还对两种信贷评级模型的评级结果与湖南省A行专业信贷人员针对样本企业的评级结果进行拟合对比分析,从两种模型的计算结果可以看出,虽然BP神经网络模型的评级效率在一定程度上要高于AdaBoost组合分类算法模型,但是AdaBoost组合分类算法模型在准确率、稳定性以及风险控制三个方面都明显优于BP神经网络模型.因此,本文认为针对湖南省A行的创新型小微企业信贷业务,基于AdaBoost组合分类算法的信贷评级模型具有更好的实用性,它具有较强的提升分类性能的作用,在实际运用中对于商业银行信贷人员进行信贷分析有一定的指导作用,并能够为湖南省A行信贷决策提供良好支持.