1. 研究目的与意义（文献综述）

1.1 选题背景

随着经济的发展，社会的进步，中小企业在国民经济发展中的地位越来越重要，在吸纳劳动力、促进市场竞争、推动科技创新和经济发展等多方面发挥了不可替代的作用，并且对中国 gdp 的增长有很大的促进作用，据国家统计局公布的数据可知，当前中小企业的数量快速提升，已占到中国企业总数的 99%以上，对中国 gdp 的贡献超过 60%，税收收入占总税收的一半以上，解决了 80%以上的城镇就业问题，故中小企业已成为社会发展的主力军，中小企业发展的快慢与否以及中小企业是否健康有序的发展，已经成了影响整个经济社会发展的重要因素，它为社会的贡献度很大，也显现出了它存在的意义和重要性。

中小企业对经济发展的促进作用不言而喻，但其自身也存在诸多问题，诸如产品结构单一、财务机制不健全、人员管理混乱等，据统计，中国的银行对于中小企业的贷款支持仅占到全部贷款的 20%，由此可见，企业规模、社会贡献度与融资数量的不匹配存在着很多问题，中小企业在银行融资方面仍是弱势群体，面临着融资难、融资贵的问题，也制约着中小企业的健康发展。

2. 研究的基本内容与方案

本文将按照“提出问题—分析问题—解决问题—应用分析”的研究思路，拟对中小企业信贷风险评价进行研究。首先通过对中小企业信贷流程进行分析，发现企业信贷过程中存在的问题及涉及的风险。接着对信贷风险的动因分析，进而对信贷风险的特征进行分析，从而深入探析中小企业信贷风险形成机理。并以此为切入点，在信贷风险形成机理的基础上，构建中小企业信贷风险评价指标体系。然后利用bp神经网络构建中小企业信贷风险评价模型。最后，通过选取创业板公司样本来对中小企业信贷风险评价模型进行验证。具体内容如下：
2.1 基本内容
第1章 绪论
1.1 选题背景
1.2 选题目的及意义
1.3 国内外研究现状
1.4 研究内容与研究方法
第2章 中小企业信贷风险形成机理
2.1 中小企业信贷流程
2.2 中小企业信贷风险动因分析
2.3 中小企业信贷风险特征分析
第3章 中小企业信贷风险评价指标体系
3.1 盈利能力指标的选取
3.2 偿债能力指标的选取
3.3 经营能力指标的选取
3.4 发展能力指标的选取
3.5 宏观经济指标的选取
第4章 基于bp神经网络的信贷风险评价模型
4.1 信贷风险评价模型框架
4.2 信贷风险指标权重分析
4.3 bp神经网络参数的确定
4.4 信贷风险评价模型训练
第5章 案例研究
5.1 样本选取及数据获取
5.2 评价模型的应用
5.3 应用结果分析
2.2 技术方案及措施
技术分析路线：

2.3研究方法

（1）文献研究法

在撰写本文之前，收集、整理现有有关企业信贷风险管理、风险评价方法、bp神经网络等方面文献，并对文献进行研读分析，从整体上把握相关领域的研究脉络，对所要研究的问题做出基本认识。

3. 研究计划与安排

（1）2017.01.15：完成论文提纲
（2）2017.03.10：完成开题报告
（3）2017.03.19：撰写论文初稿，提交第一次阶段报告
（4）2017.04.08：完成论文初稿，提交第二次阶段性报告
（5）2017.04.28：完成论文第二稿，提交第三次阶段性报告
（6）2017.05.20：论文定稿，提交第四次阶段性报告
（7）2017.05.30：论文评审完毕
（8）2017.06.05：论文答辩完毕

4. 参考文献（12篇以上）

[1] 龙正清. 我国商业银行中小企业信贷风险管理研究[J]. 金融经济:理论版, 2015(3):140-142.
摘要：在经济新常态下,我国的经济机构的调整和转型进入快车道.经济决 定金融,商业银行也需适应经济新常态,在经营理念的转变、经营行为的安全、经营机制的重构和金融风险的防范方面加快调整已势在必行.目前,国家的经济重点 是扶持中小企业发展,商业银行的信贷重点也摆在中小企业上,这种经济和金融的新常态决定了商业银行中小企业信贷风险管理的重要性,它直接关系着经济结构调 整和商业银行可持续发展的大局.本文通过对商业银行中小企业信贷风险现状及形成进行了分析,提出了中小企业信贷风险管理控制的相应措施和对策建议.
[2] 唐波. 基于神经网络模型的商业银行信贷风险研究 [J].征信，2016，(3)：83-86.
摘要：通过VAR模型选择GDP增长率、通货膨胀率、广义货币发行量增长率等变量的一阶滞后项与二阶滞后项作为输入变量，分别建立BP神经网络与GＲNN模型对商业银行不良贷款率进行拟合与预测验证，并对两种神经网络模型的拟合效果与验证结果进行比较。研究表明，GＲNN神经网络的拟合精度较高但预测精度较低，而BP神经网络拟合精度较低但预测精度较高。此外，随着验证期限的延长，两种模型的预测精度均下降。BP神经网络预测2015年第四季度不良率仍将小幅上升。
[3] 马建峰. 商业银行中小企业信贷风险评估体系的构建[J]. 经营管理者, 2015(2).
摘要：鉴于商业银行转型速度的不断加快,商业银行对于中小企业信贷业务的重视程度也在不断增加。但是,因为中小企业所具有的市场地位、产品与大型企业比较起来尚有较大差距,这就会造成中小企业抵御风险的能力偏弱。同时,由于中小企业的数量相当大,信贷操作也极为琐细致,造成商业银行在信贷操作中的风险较大。有鉴于此,构建商业银行的中小企业信贷风险评估体系显得尤为重要。本文分析了我国中小企业信贷业务的主要特点,剖析了我国商业银行在中小企业信贷风险评估中的主要问题,并提出了建立商业银行中小企业信贷风险评估体系的实施策略。
[4] 江训艳. 基于 BP 神经网络的商业银行信用风险预警研究 [J].财经问题研究，2014，(5):46-48.
摘要：信用风险是指借款人没有能力或没有意愿按期还本付息而给贷款人造成损失的风险。传统的信用风险主要来自于商业银行的贷款业务，现代意义上的信用风险考虑到了风险环境的变化，不仅包括传统定义上的贷款违约风险也包括借款人违约可能性发生变化而给银行资产造成损失的风险。本文在研究目前较为流行的信用风险度量模型之后，提出 BP 神经网络预警系统来预警信用风险。
[5] 赵婷. 浅析我国中小企业信贷风险基本特征及防范对策[J]. 时代金融, 2015(3X):112-113.
摘要：在中小企业对促进经济发展、刺激金融创新、缓解就业压力等方面发挥重要作用的同时,其信贷风险管理问题日益突出,影响着银行等金融企业的经营绩效和市场竞争力,对信贷风险的研究成为了中小企业发展的重中之重。因此,深入研究我国中小企业信贷风险问题,对我国商业银行具有重要的实践意义。通过对中小企业信贷风险的基本特征进行分析,提出了针对中小企业信贷风险的防范对策,以期促进中小企业与社会经济持续与和谐的发展
[6] 景兆荣. 基于BP神经网络的商业银行信贷风险评价研究 [D].山西财经大学，2015.
摘要：金融机构，尤其是银行业中的信贷风险由来已久，且是一个世界范围的普遍问题。在西方，有关信贷风险管理的理论研究比较深入，商业银行可以将一些重要理论应用到实践中去，形成一套行之有效的体系。反观我国，商业银行信贷风险管理还不完善，理论以及技术都相对简单，仅凭此，还远不能解决我国商业银行风险管理中出现的各类状况。因此，研究信贷风险评价对于我国金融机构，特别是对商业银行的稳健运行有着重要的理论与现实意义。在商业银行风险管理中，信贷风险评价是首要环节和基础环节。首先，本文在阅读大量国内外文献的基础上分析了研究的背景，同时明确本文应该研究的重点。其次，明确商业银行信贷风险相关概念，分析我国商业银行信贷风险评价的现实状况，将BP神经网络引入到商业银行信贷风险评价中来，并对此进行了可行性分析。再次，借鉴国内外学者的相关研究，结合我国的实际情况建立了风险评价指标体系，具体包括企业运营能力、企业获利能力以及企业规模等6个一级指标11个二级指标。最后，收集137家上市企业的财务数据进行实证分析，利用因子分析结合3δ法则计算出所测样本的基础值，之后对Matlab7.0实施建模操作，得出检验结果，并提出相关政策建议。本文通过将BP神经网络引入商业银行信贷风险评价，利用其自学习能力和自适应能力构建信贷风险评价模型，并且实现了模型的学习与检验，得出了较高的准确率，以有效降低人为因素所造成的影响，从而为商业银行对于信贷风险的防范提供一定的借鉴意义。
[7] 王梦琪. 我国商业银行中小企业信贷风险成因分析及对策研究[D]. 浙江大学, 2015.
摘要：中小企业对我国国民经济的发展至关重要,是支撑经济发展的重要组成部分。然而,由于多种内外因素的存在,中小企业信贷风险十分突出。本文旨在通过分析中小企业信贷风险状况,剖析造成信贷风险的成因,进而提出一系列可行性的解决方案。首先,本文剖析我国中小企业的发展现状。同时从融资角度出发,对中小企业几大融资渠道进行对比,得出中小企业贷款需求旺盛,网络融资发展迅速但状况堪忧,从而银行业仍旧是中小企业信贷融资的主力。进而通过定量的模型,作出商业银行对中小企业的信贷选择性分析,进一步解释商业银行的信贷投放动力。其次,分析了中小企业的信贷风险状况,以及导致信贷风险的各种成因,包括外部风险因素、中小企业自身因素和银行内部因素。本文的最后阐述了6条解决方案,希望能为商业银行合理控制中小企业信贷风险提供一些思路,促使商业银行和中小企业更好、更快的发展。
[8] Zhang Q amp; Liu T.N . A new credit risk assessment approach based on artificial neural network [J]. Journal of Chemical and Pharmaceutical Research，2014, 6(6) :157-163
Abstract: For most credit risk assessment models, decision attributes and history data are of great importance in terms of accuracy of prediction. Decision attributes can be classified into two types: numerical and categorical. As these two types have different characteristics, there will be interference if they are used simultaneously in the same model. By applying the case based reasoning (CBR) and artificial neural network (ANN), this study attempts to use numerical and categorical attributes separately in different phases application of the model. For example, if numerical attributes are used in CBR to select similar cases, categorical attributes will be used as inputs of an ANN based on the cases selected. Therefore, interference caused by the different types of attributes is avoided and the accuracy is improved. As only similar history data are selected and input in the ANN, accuracy is improved further. With the idea above, a triple ANN-CBR model is designed in this paper. This model synthesizes advantages of CBR and ANN. Practical examples show that the model established in this paper is feasible and effective. Compared with other models, it has a better precision performance.
[9] 吴敬茹. 中小企业信贷风险评价指标体系构建[J]. 财会通讯, 2016(26)：102-104.
摘要: 随着我国经济的高速发展,中小企业在促进国民经济增长、提供就业岗位、推动技术创新、保持社会稳定等方面发挥着越来越重要的作用。中小企业将银行贷款作为重要融资渠道,银行如何对中小企业进行科学、客观的信贷风险评价,真实反映和预测其信贷风险状况非常重要。本文结合中小企业实际特点,对信贷风险评价指标体系进行修正,运用模糊层次分析法确定中小企业信贷风险评价指标的权重,最终构建一个科学合理的中小企业信贷风险评价指标体系。
[10] 李凌. 商业银行中小企业信贷风险控制研究--以中国工商银行重庆分行为例[D]. 西南财经大学, 2016.
摘要：随着我国市场经济的不断发展，中小企业在市场中的作用越来越大，根据最新的统计显示，中小企业对我国社会发展的贡献十分明显，我国经济50％的税收、60％的GDP、70％的创新以及80％的就业都来自于中小企业，可见中小企业在我国经济中的重要地位。虽然中小企业在社会经济中发挥着重大的作用，但是其自身却存在着诸多的不足，如产品附加值低、创新能力弱、股权结构单一等，这些因素导致中小企业的内部管理结构混乱，在企业财务制度方面也不够健全等。在中小企业融资方面对商业银行贷款的依赖很强，近几年经济的增速放缓，再加上自身存在的多种问题，导致中小企业的融资难问题日益突出。商业银行在对中小企业贷款的时候也面临着较大的信贷风险，不愿意将资金贷给中小企业，导致商业银行的信贷业务也受到了约束。商业银行在这样的背景下如何做好中小企业的信贷风险控制，是需要迫切解决的问题。有效的信贷风险控制对于借贷双方都有利，笔者就职于商业银行，与中小企业的接触较多，在日常的信贷业务中常常面临着中小企业信贷风险的控制问题，基于此，本文将结合笔者所供职的工商银行重庆分行，根据实际工作情况与长期思考，研究中小企业信贷风险控制问题，希望对商业银行的信贷业务健康发展提供必要的支持，对缓解中小企业融资难问题提供一个有益的思路。本文在对相关理论进行梳理的基础之上，对中小企业的信贷风险控制机进行了研究，就商业银行开展中小企业信贷中面临的风险特点、原因等进行了全面的分析，通过与大中型企业信贷业务进行对比，突出中小企业信贷业务的风险，找到中小企业开展信贷业务时候自身存在的问题。最后，笔者结合自身工作，工商银行重庆分行中小企业信贷风险控制案例分析，结合实际工作中遇到的情况，进一步的论证中小企业信贷风险控制措施。从理论与实际的层面寻找控制信贷风险的科学方案，实现借贷双方的双赢。通过本课题的研究，不但能够为商业银行开展中小企业信贷业务提供借鉴，还能够探究中小企业融资难背后的一些原因，为商业银行更好的帮助中小企业解决融资难问题指明方向。
[11] Zheng Z. The Impact of Electronic Banking on the Credit Risk of Commercial Banks —An Empirical Study Based on KMV Model [J]. Journal of Mathematical Finance，2016,（05）:778-791
Abstract: Due to the birth of the age of Big Data and the development of Internet finance, electronic banking has been booming. With the application of descriptive statistics, KMV model, panel data regression and robustness testing, this paper examines the validity of KMV model as a measurement of the credit risk of financial institutions, and reveals the impact of electronic banking on the credit risk of commercial banks. The findings are as follows: First, the default distance based on the KMV model can well reflect the credit risk of banks; Second, the growing electronic banking may increase the credit risk, considering the lack of governmental and industrial regulation; At last, the credit risk of banks under different systems have their unique characteristics, so that a clearly defined division of responsibilities for risk control and supervision is needed.
[12] Fang K G, Huang H.Variable Selection for Credit Risk Model Using Data Mining technique[J].Journal of Computers，2012, Vol.6 (9), pp.1868-1874.
Abstract：With the emergence of the current financial crisis, societies see the increasing importance of credit risks management in financial institutions. Four mainstream credit risk rating models have been developed, however, their applicability in the Taiwan market is yet to be evaluated. In this paper, six major credit risk models, including Merton Option Pricing Model,Discriminant Analysis Model, Logistic Regression (Logit) Model, Probit Model, Survival Analysis Model, and Artificial Neural Network Model were examined, in order to identify the common variables applicable to each model. The common variables were then applied to each respective model directly. Using Transition Matrix and mapping methods to estimate long term default probability, for developing appropriate credit risk model with the estimated default probability.
[13] Zhang X.P. amp; Chen C.Research on Credit Risk Evaluation for Small and Medium-sized Enterprises in Supply Chain Based on BP Neural Network [J]. International Conference on Computational Science and Engineering, 2015, Vol.37 :213-217
Abstract：Abstract More attention to supply chain finance as a new form of financing channel is paid with the increasing highlight of the financing difficulty of small and medium-sized enterprises (SMEs). It is crucial for scientific and accurate risk assessment to control the control of the credit risk of supply chain finance. BP neural network model is used to open up a new way for credit risk assessment of SMEs based on the establishment and improvement of an index system of credit risk evaluation for SMEs. BP neural network model is a smart algorithm with self-learning and adaptive characteristics. The BP artificial neural network model was analyzed and detected in a practical case. The feasibility of the model was proved. The result is satisfactory. The model can be used to assess SMEs’ credit risk in the supply chain.
[14] Sousa, Marcos de Moraes, Figueiredo, Reginaldo Santana.Credit Analysis Using Data Mining: Appication in the Case of a Credit Union [J]. Journal of Information Systems and Technology Management : JISTEM, 2014, Vol.11 (2), pp.379-396.
Abstract：The search for efficiency in the cooperative credit sector has led cooperatives to adopt new technology and managerial knowhow. Among the tools that facilitate efficiency, data mining has stood out in recent years as a sophisticated methodology to search for knowledge that is "hidden" in organizations' databases. The process of granting credit is one of the central functions of a credit union; therefore, the use of instruments that support that process is desirable and may become a key factor in credit management. The steps undertaken by the present case study to perform the knowledge discovery process were data selection, data pre-processing and cleanup, data transformation, data mining, and the interpretation and evaluation of results. The results were evaluated through cross-validation.
[15] 周飞. 商业银行中小企业信贷风险管理研究 -以A银行为例[D]. 山东财经大学, 2016.
摘要：随着经济的发展，社会的进步，中小企业在国民经济发展中的地位越来越重要，在吸纳劳动力、促进市场竞争、推动科技创新和经济发展等多方面发挥了不可替代的作用，并且对中国GDP的增长有很大的促进作用，故中小企业已成为社会发展的主力军，中小企业发展的快慢与否以及中小企业是否健康有序的发展，已经成了影响整个经济社会发展的重要因素。但其自身也存在诸多问题，诸如产品结构单一、财务机制不健全、人员管理混乱等，据统计，中国的银行对于中小企业的贷款支持仅占到全部贷款的20％，由此可见，企业规模、社会贡献度与融资数量的不匹配存在着很多问题，中小企业在银行融资方面仍是弱势群体，面临着融资难、融资贵的问题，也制约着中小企业的健康发展。银行对中小企业“惜贷”的一个重要的原因是商业银行对中小企业信贷风险控制存在问题，没有建立一套成熟的中小企业信贷风险管理控制体系。这也直接导致了中小企业融资难的问题，影响了中国经济体制改革的进程，加剧了中小企业发展的困难。本文首先描述了国内外学者、专家对中小企业信贷风险研究，国外经济学家研究较早、成果也比较丰富，从风险识别、风险评估、风险控制三个方面进行了总结，但国外很少有专门针对中小企业的信贷风险研究，国内学者对中小企业信贷风险管理研究较多，主要从银行、企业、社会三个方面进行研究。然后，对中小企业信贷风险理论进行了阐述，并结合信息不对称理论、信贷配给理论、博弈论三个理论分析了中小企业信贷风险的成因，总结了银企信息不对称、社会信用机制不成熟、中小企业经营不规范、银行制度不健全、网贷冲击等五个方面的原因。以A银行为例，依托A银行真实信贷数据，描述了A银行目前的业务规模、业务结构，并解析了A银行信贷资产质量状况，结合现状分析了A银行目前在中小企业信贷风险管理中的难点。在分析A银行现状的基础上，指出了A银行在制度、贷前、贷后及审批等方面存在的问题，并对问题的成因进行了分析。同时，借鉴国内外商业银行在中小企业信贷风险管理中好的经验和做法，并在分析国内商业银行风险管理现状基础上，总结了对其他国内商业银行的启示。
[16] Mohammadi N. amp; Zangeneh M. Customer Credit Risk Assessment using Artificial Neural Networks [J]. I.J. Information Technology and Computer Science, 2016, 3, 58-66.
Abstract：Since the granting of banking facilities in recent years has faced problems such as customer credit risk and affects the profitability directly, customer credit risk assessment has become imperative for banks and it is used to distinguish good applicants from those who will probably default on repayments. In credit risk assessment, a score is assigned to each customer then by comparing it with the cut-off point score which distinguishes two classes of the applicants, customers are classified into two credit statuses either a good or bad applicant. Regarding good performance and their ability of classification, generalization and learning patterns, Multilayer Perceptron Neural Network model trained using various Back-Propagation (BP) algorithms considered in designing an evaluation model in this study. The BP algorithms, Levenberg-Marquardt (LM), Gradient descent, Conjugate gradient, Resilient, BFGS Quasinewton, and One-step secant were utilized. Each of these six networks runs and trains for different numbers of neurons within their hidden layer. Mean squared error (MSE) is used as a criterion to specify optimum number of neurons in the hidden layer. The results showed that LM algorithm converges faster to the network and achieves better performance than the other algorithms. At last, by comparing classification performance of neural network with a number of classification algorithms such as Logistic Regression and Decision Tree, the neural network model outperformed the others in customer credit risk assessment. In credit models, because the cost that Type II error rate imposes to the model is too high, therefore, Receiver Operating Characteristic curve is used to find appropriate cut-off point for a model that in addition to high Accuracy, has lower Type II error rate.
[17] Khemakhem S.amp; Boujelbène Y. Credit risk prediction: A comparative study between discriminant analysis and the neural network approach [J]. Accounting and Management Information Systems, 2015, 14(1), 60-78.
Abstract：Banks are concerned with the assessment of the risk of financial distress before giving out a loan. Many researchers proposed the use of models based on the Neural Networks in order to help the banker better make a decision. The objective of this paper is to explore a new practical way based on the Neural Networks that would help the banker to predict the non payment risk the companies asking for a loan. This work is motivated by the insufficiency of traditional prevision models. The sample consists of 86 Tunisian companies and 15 financial ratios were calculated, over the period from 2005 to 2007. The results were compared with those of discriminant analysis. They show that the neural networks technique is more accurate in term of predictability.
[18] Asogbon G. amp; Samuel W. Comparative Analysis of Neural Network and Fuzzy Logic Techniques in Credit Risk Evaluation [J]. International Journal of Intelligent Information Technologies, 2016, 12(1),47-62.
Abstract：Credit risk evaluation techniques that aid effective decisions in credit lending are of great importance to the financial and banking industries. Such techniques assist credit managers to minimize the risks often associated with wrong decision making. Several techniques have been developed in the time past for credit risk evaluation and these techniques suffer from one form of limitation or the other. Recently, powerful soft computing tools have been proposed for problem solving among which are the neural networks and fuzzy logic. In this study, a neural network based on back propagation learning algorithm and a fuzzy inference system based on Mamdani model were developed to evaluate the risk level of credit applicants. A comparative analysis of the performances of both systems was carried out and experimental results show that neural network with an overall prediction accuracy of 96.89% performed better than the fuzzy logic method with 94.44%. Finding from this study could provide useful information on how to improve the performance of existing credit risk evaluation systems.
[19] 王晓菲. BP 神经网络下商业银行绿色信贷风险评估研究 [D].天津理工大学,2015.
摘要：在经济高速发展的今天，人类在享受自己成果的同时，与自认环境的矛盾也日益突出。全球气候变暖，生态恶化等问题逐渐引起公众的普遍关注，低碳减排的经济发展之路成为必然趋势。我国作为世界第二大经济体，碳排放量一直居世界前列。面对严峻的生态环境，我国走可持续发展之路成为经济长期稳定增长的重要前提。绿色信贷的提出是我国加大生态保护的重要举措，所谓绿色信贷是指银行等金融机构对从事研发、生态保护建设与开发的企业给予贷款一定优惠政策的手段。近几年，绿色信贷在我国不断发展，兴业银行、中国工商银行、平安银行等多家银行推出绿色金融产品并积极加入赤道原则。商业银行有别于普通企业的一个主要特征是对风险的管理与控制，银行对企业贷款面临信贷风险、操作风险、利率风险等多重风险，而信贷风险是最重要的风险之一，做好风险防控对商业银行的发展有至关重要的作用。纵观文献可知国内外诸多学者对信贷风险的评估进行了大量研究，对信贷风险的定量模型也层出不穷，但由于绿色信贷在我国提出不久，发展还不成熟，国内较少有学者对绿色信贷的风险问题进行实证研究。
鉴于此，本文在文献研究的基础上构建绿色信贷风险评估的 BP 神经网络模型。首先建立绿色信贷风险评估的指标体系，以财务指标、非财务指标和环保指标作为一级指标，下设 30 个二级指标；其次，运用“3”法则对信贷风险标准进行定量判定，计算出贷款企业的信贷风险等级；再次，选取 56 家上市公司作为样本进行实证研究，对其财务指标进行正态性检验和显著性检验，对环保指标和非财务指标权重的判定采用网络分析法（ANP），之后根据专家打分得出个样本的得分，将三类指标进行因子分析，得到具有代表性的公共因子；最后，运用 MATLAB 软件对构建的 BP 神经网络进行仿真分析，得出预测结果，为信贷风险评估方法的选择与运用提供参考。同时，通过绿色信贷风险的评估体系可以提高贷前的分析效率，对企业风险程度进行评价和分级，清晰界定贷款企业所处的风险状况。通过运用一整套分析工具检测出各种潜在信贷风险，优化贷后管理技术。对那些风险上升幅度较大的企业，及时调整授信额度。
[20] 李岚. 中国商业银行中小企业信贷风险管理研究[J]. 经济视野, 2015(3):148-148.
摘要：信贷风险管理就是信贷风险防范化解和管理的全过程控制,商业银行通过对信贷风险识别、风险分析和评估、预防、回避、排除或转移经营中的风险从而以最低的成本将信贷风险导致的后果减少到最低限度,以保证信贷资产的安全,实现经营目标.本文主要研究了信贷风险事前防范方法,并给出建立适合中小企业信贷风险控制的资信评价体系.