1. 研究目的与意义
随着信息技术的高速发展和大数据时代的到来，我国越来越重视科学与技术的创新和发展，科技型中小企业作为创新的微观载体和实体经济的中坚力量，在促进经济增长、吸纳劳动力就业，国民经济健康稳定发展的过程中，发挥着至关重要。在科技型企业成长的过程中，金融支持扮演着不可或缺的角色，国际华人科技工商协会主席李大西曾表示，“科技是第一生产力，金融是第一推动力”，足以见得科技创新与金融创新的深度融合是推动技术进步与经济增长的重要引擎。然而，对于企业最根本的信贷、融资问题却一直没有得到很好地解决。这种困境的根本原因一方面是因为其投资风险普遍高于传统企业，具体表现为：研发周期长、轻资产运营、缺乏抵押物、信贷记录少，且市场对于新开发的技术和产品是否认同和接纳存在很大不确定性，这违背了银行谨慎性经营的原则，降低了金融机构为其提供贷款的积极性。另一方面是因为我国科技金融的发展起步较晚，在风险识别、度量等方面仍以经验分析为主，主观性较强，并且金融机构对科技型企业进行贷款审查时，仍参照传统企业的信用风险评价标准，不能客观公正的反应科技型企业真实的信用状况。因此，金融机构很难筛选出优质的、有实力的、信用较好的科技型中小企业为其提供信贷支持，帮助其防范经营风险，导致这部分企业缺乏研发资金，融资成本居高不下。这不仅加重了企业负担、阻碍了科技成果转化为现实的生产力，而且还影响了资本市场的公平性，难以激发青年人创业、创新的热情。国外的信用评价体系虽然已经比较成熟和完备，但并不适应我国现行的经济状况，无法完全照搬，而我国在这方面的研究尚处于摸索阶段。因此，本文从这问题出发，以科技型中小企业为研究对象，研究在融资困难的环境下，贷款机构应对新型科技创新企业采取何种方法进行风险测度，分析影响其信用风险的关键因素，才能最大程度的发掘具有投资价值的优质企业、做好企业的内部风险管控和商业银行信贷判断。
2. 研究内容和预期目标
在本文进行撰写的过程中，希望通过查阅和整理相关文献资料，在现有理论和实证研究的基础上，对关于研究科技型上市公司信用评估方式的理论成果进行梳理，总结科技型企业融资的现状、信用评估方式和影响因素。在此基础上，从企业的盈利能力、成长能力、运营能力、偿债能力、供应链因素、行业状况六方面考虑在融资困难的背景下，对科技型上市公司应采取何种风险测量方式，才能最大程度的发掘有价值的新兴企业，为优质企业提供资金支持，促进企业产品的研发与创新。最后根据分析结果来总结信用评估方式对企业产品生产创新的影响，并提出相关建议和举措。
研究的基本内容和拟解决的问题主要有以下几点：
3. 国内外研究现状
早在二十世纪末，martin （1977）和 ohlson（1980）运用动态模型对公司的信用风险进行预测。bran（2002）从实证的角度分析了影响银行向中小企业提供贷款的因素。
国外对于信用风险评价的研究逐步深化，由定性到定量先后出现了传统信用风险评价模型、信用评分模型、人工智能和现代信用风险模型，在理论与方法上均不断寻求突破，而我国专门针对科技型企业的研究还较少，且大部分是定性阐述科技型企业融资难，如何解决等。 高凌云等人（2004）、吴岩（2005）从财务指标角度构建了中小企业信用评价指标体系，李力群（2004）从非财务指标角度对影响信贷决策的因素进行了分析。基于此，姜灵敏（2006）通过构建财务因素定量化分析模型，解决了非财务因素分析主观性太强的问题。综上所述，国内外关于信用风险的研究主要从两方面展开，一方面运用传统的统计方法选择影响因素，并相应赋予权重；另一方面对影响变量进行选择，并结合简单的线性方法进行风险预测。在统计模型方面，李道波以２５家ＳＴ和２５家非ＳＴ科技型上市企业作为研究样本，运用判别分析法构建了我国上市科技型企业的风险评估模型，实证结果的准确率为８７％；杨楠选取了１４１家成长型科技创 业企业进行研究，应用Ｌｏｇｉｓｔｉｃ回归方法构建了信用评价模型；楼裕胜运用模糊神经网络的方法构建出企业信用风险评价模型，该模型具有较强的自调节功能，且实证结果表明其具有较高的准确性。近年来，随着研究方法的不断更新与优化，国内许多学者的研究发现表明，在变量之间存在非线性关系的情况下，神经网络模型的评价精度显著优于传统的统计方法。而本文所研究的信用评价本质上是区分信贷申请人的优劣，可以被看作是分类和预测的问题。基于此，本文将探索更加科学、更具可行性的科技型中小企业的信用风险评价方法。
4. 计划与进度安排
本文拟采用文献、理论分析和实证研究相结合的方法，着重研究分析科技公司信用评估方面存在的主要问题，并针对性地提出了建议和措施。具体如下：
（1）搜集和查阅大量国内外学者关于科技型上市公司信用评估模型的研究，运用文献和理论分析法梳理总结相关理论，分析影响科技公司经营，创新的度量和因素。
5. 参考文献
| |||||||||||||||||||||
