2018年8月国务院召开关于促进中小企业发展工作会议中指出,中小企业贡献了70%以上的创新技术成果,提供国家50%左右的税收收入,解决80%以上城镇居民就业问题,是国家经济高质量增长的重要基础。近年来,中小企业陷入融资难、融资贵等难题,制约中小企业健康长远发展。中小企业之所以陷入融资困境是因为其信用风险较高、违约概率较大,导致中小企业一般难以通过商业银行的贷款审核。因此,本文试图建立基于决策树的中小企业信用风险预警模型,通过决策树模型能够较为准确的预测中小企业的信用风险水平,从而为商业银行做出贷款决策提供参考依据,体现决策树作为中小企业信用风险预警模型具有良好的应用价值。本文选取2018年度中小企业板上44家存在信用风险的企业和884家未发生信用风险的企业作为研究样本,深入探讨中小企业信用风险的现状和特征,揭示信息不对称理论、信贷配给理论以及不完全契约理论成为中小企业产生信用风险的主要原因。通过对比信用风险预警计量方法,表明决策树模型具有分类规则简单、模型假定相对宽松以及适用范围更广等优势。因此,本文选择决策树方法作为中小企业信用风险预警模型,通过过滤式特征选择方法从盈利能力、经营能力、现金流、发展能力、相对价值以及每股指标这六个角度筛选出相关性最高的15个财务指标。由于本文选取存在信用风险的中小企业样本量较少,属于类别不平衡问题,本文在建立模型时采用RUSDT的方法即以决策树作为分类器,基于随机欠采样方法对总体样本进行不平衡数据的处理,已克服非均衡样本可能引起的预测精度下降的问题。实证结果表明,决策树预警模型对中小企业信用风险水平的预测准确率高达95.5%。为了进一步检验该模型的预测性能,本文将Logistic回归模型、SVM模型和KNN算法的预测效果与决策树模型进行比较,通过对预测结果的对比分析可知,决策树模型的预测精度最高。另外,为了尽可能降低中小企业信用风险发生的概率,需重点关注盈利能力、经营能力、相对价值等财务指标,防止陷入财务困境。