改革开放以来,随着我国社会经济和金融市场的不断发展,一方面,商业银行的外部环境发生了巨大的变化,信用风险越来越复杂；另一方面,中小企业蓬勃发展,但实力弱,抗风险能力差,信用风险大。本文首先基于已有研究对信用风险和中小板上市公司的信用风险特点等内容进行了分析；然后分析了中小板上市公司的信用风险与测度的现状及存在的问题；最后,采用人工神经网络模型,对我国中小板上市公司的信用风险进行测度分析。首先,基于已有研究对中小板上市公司信用风险测度进行了理论分析,分析结果表明：中小板上市企业的信用风险的概率分布不对称、观察数据较少且不易获取、存在逆向选择和道德风险等问题；信用风险测度方法包括传统方法和现代方法,通过比较分析本文选择BP神经网络模型作为实证研究的方法。然后,对我国中小板上市公司信用风险及测度进行了现实考察,分析结果表明：中小企业中发展较为成熟的中小板上市企业也规模较小、实力较弱；其信用风险的成因主要包括企业内部原因和外部原因；中小企业信用风险测度分析中存在数据获取困难,技术手段落后,信用评级体系不完善和社会信用体系不健全等问题。最后,基于中小板上市公司的数据,运用BP神经网络模型进行实证分析,实证结果表明：训练好的BP神经网络模型,对训练样本和仿真样本的判断准确度均在90%以上,BP神经网络可以用于中小板上市公司信用风险的测度研究。基于本文的研究结果,本文提出了一些关于降低中小板上市公司信用风险水平,改善中小板上市公司信用风险测度及管理水平的建议。