第四部分，构建小微企业信贷风险评估研究的BP神经网络模型。首先进行BP神经网络的介绍，对该神经网络进行一个简要的说明，然后构建基于ＢＰ神经网络的小微企业信贷风险评估研究模型，交代清楚BP神经网络构建的具体步骤以及导入Matlab的BP神经网络的具体算法，并对评价结果进行分析研究。
第五部分，结论与启示。本章主要归纳了全文的主要研究结论，同时总结了有本文所引发的政策启示。
1.3研究方法
本文拟采用的研究手段如下：
（1）定性分析
积极查阅有关本课题研究的文献、数据和资料，了解与本课题有关的理论，掌握正在兴起的互联网金融模式的发展情况，并有选择性的吸取同行研究成果，不断充实自己的研究。
（2）规范研究法
德尔菲法：采用背靠背的通信方式征求意见小组成员的预测意见，经过几轮磋商后，使预测意见趋于集中，并最终做出符合市场趋势的预测结果。
本文利用德尔菲法，是希望能够从繁杂的众多指标中，挖掘出互联网金融环境下，几个主要的小微企业信贷风险评价指标，为构建模型作充分的准备。使用德尔菲法，可以博采众长，收集每个人的观点并加以优化，不会导致忽视重要观点的情况出现。
（3）实证研究法
BP神经网络：BP神经网络是当前应用最广泛的神经网络模型之一，它是一种多层前馈网络，按照误差反向传播算法训练。BP网络能学习和存储大量输入到输出的模型映射关系，不用事先揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播网络不断调整权值和阈值，以使误差平方和最小。本文希望通过搜集整理小微企业近年来的经营数据，使用MATLAB软件，构建BP神经网络小微企业信贷风险评价模型最终实现降低小微企业信贷风险和信贷难度的问题。
（4）理论与实际相结合
本文以互联网金融的相关理论为基础，选取我国部分小微企业的基本数据，挖掘出主要的信贷风险评价指标，成功构建得到信贷风险评价模型，最终实现降低小微企业的信贷风险和信贷难度的目标。
 
2  相关理论与文献回顾
2.1  小微企业的划分标准
小微企业包括小型企业、微型企业、家庭式企业和个体工商户四种类型的企业。小型和微型企业的概念已经被合并在中小型企业中，到2010年，国家才将支持重点细化专注于小型和微型企业上，小微企业的问题才因此得到了多方面的重点关注。2011年，国家工信部根据企业资产总额，营业收入额，从业人员情况等多项指标，重新确立了各行业的划分标准，将我国中小企业正式划分为中型企业、小型企业和微型企业。以工业企业为例：员工人数在1000以下或者营业收入在4亿元以下的是中小微型企业。其中，员工在300人以上，并且营业收入在2000万元以上的是中型企业;员工在20人以上，营业收入在300万元以上的是小型企业;员工少于20人或者营业收入在300万元以下的是微型企业。 互联网金融环境下小微企业的信贷风险评估研究(3):http://www.youerw.com/kuaiji/lunwen_15861.html