信贷业务的收入作为商业银行的主要收入来源,因此将其排在所有业务中的首位,在带来收入的同时,商业银行必须面对信贷业务带来的风险。因此,信贷风险是银行经营管理过程中面临的最主要的不确定因素。在信贷管理过程中,信贷风险的评价是最基础、最首要的环节,具有非常重要的理论以及现实意义。本文以中国商业银行的信贷客户(本文主要研究:上市公司)的违约风险为研究对象,首先对商业银行信贷风险进行综述,分析信贷风险的成因以及特点,并将商业银行信贷风险传统评价方法与基于神经网络的评价方法进行对比,表明基于神经网络的评价方法的可行性以及优越性;然后,在借鉴国内外前人研究的成果基础上,构建符合我国实际情况的信贷风险评价指标体系,具体包括:企业偿付能力、企业盈利能力、企业当前的运营能力、近期的现金流量、未来的发展能力、企业拥有的信用以及企业的综合竞争力7个一级指标25个二级指标,接着利用SPSS进行相关性分析,将相关度高的财务指标聚为一类,再利用因子分析方法在每类中选出最具有代表性指标,经筛选后指标被简化成19个;随后,基于简化后的指标体系构建三层BP神经网络模型,并应用贝叶斯正则化和动量梯度下降法较好地解决了传统BP人工神经过拟合现象;最后把随机选取的沪、深两市101家非ST公司和25家ST公司的年度数据作为样本数据,并应用Matlab.R2010b对样本数据进行训练和测试,由实验结果可知,基于BP神经网络构建的信贷风险评价模型的准确率高达95.00%。因此,上述模型能够实现对企业客户信贷风险的准确评价,据此,为完善我国商业银行信贷风险评价提出相关建议。