信贷风险的实质是信贷资金安全系数的不确定性，根据巴塞尔新资本协议规定，
在信贷资金风险控制管理过程中，提高借款人违约率评估的准确性是信贷资金风
险控制的关键，因此，在贷前调查过程中对客户进行财务风险评级就显得尤为重
要，它可以帮助商业银行客户经理在信贷资金发放的源头进行风险控制，从财务
风险角度将不符合信贷发放标准的企业剔出，进而避免信贷资金的损失。

我国商业银行信贷风险管理起步较晚，信贷风险评估仍然主要使用传统的比
例分析模式（如主观分析法或财务比率分析法），往往存在主观臆断性较强，缺
乏客观评价基础等问题，有关的信息往往残缺不全，部分因素带有模糊性，得到
的结果有时会和实际情况有较大出入。神经网络带有高速并行处理信息的机制且
具有高速的自学习、自适应能力，内部有大量的可调参数，系统灵活性很强，同
时其后天学习能力使之能随环境的变化而不断学习，与传统的风险评估办法相比
表现出更强的功能，因此逐渐被用于商业银行信用风险评估。

本文选取了目前应用最广泛的神经网络—BP神经网络，该网络能够解决多
层网络模型中隐含层的连接权问题，提高了神经网络的学习和记忆功能，采用了
最小均方差的学习方式，通过配置阶段、训练阶段和测试阶段三个阶段来完成模
型的训练和学习。模型采用的所有数据均来自于浦发银行沈阳分行信贷客户的相
应财务报表，主要包括13项能够反映企业生存情况的财务指标（资产负债率，
产权比率，利息保障倍数，流动比率，速动比率，净资产收益率，资本金收益率，
主营业务利润率，净利润率，应收帐款周转率，存货周转率，总资产周转率和收
入增长率）。同时有针对性的从不同客户等级（A+，A，BBB）选取训练数据，利
用matlab软件进行仿真，保证了模型训练输出数据的合理性和可靠性。在完成
了模型的训练和学习过程之后，选择了不同客户等级的测试数据来验证模型的可
用性，从而起到贷前风险控制的参考作用。

关键词：
BP神经网络、贷前风险、评级模型