金融机构，尤其是银行业中的信贷风险由来已久，且是一个世界范围的普遍问题。在西方，有关信贷风险管理的理论研究比较深入，商业银行可以将一些重要理论应用到实践中去，形成一套行之有效的体系。反观我国，商业银行信贷风险管理还不完善，理论以及技术都相对简单，仅凭此，还远不能解决我国商业银行风险管理中出现的各类状况。因此，研究信贷风险评价对于我国金融机构，特别是对商业银行的稳健运行有着重要的理论与现实意义。在商业银行风险管理中，信贷风险评价是首要环节和基础环节。首先，本文在阅读大量国内外文献的基础上分析了研究的背景，同时明确本文应该研究的重点。其次，明确商业银行信贷风险相关概念，分析我国商业银行信贷风险评价的现实状况，将BP神经网络引入到商业银行信贷风险评价中来，并对此进行了可行性分析。再次，借鉴国内外学者的相关研究，结合我国的实际情况建立了风险评价指标体系，具体包括企业运营能力、企业获利能力以及企业规模等6个一级指标11个二级指标。最后，收集137家上市企业的财务数据进行实证分析，利用因子分析结合3δ法则计算出所测样本的基础值，之后对Matlab7.0实施建模操作，得出检验结果，并提出相关政策建议。本文通过将BP神经网络引入商业银行信贷风险评价，利用其自学习能力和自适应能力构建信贷风险评价模型，并且实现了模型的学习与检验，得出了较高的准确率，以有效降低人为因素所造成的影响，从而为商业银行对于信贷风险的防范提供一定的借鉴意义。