论文首先回顾了农村信用社信贷风险管理的历史发展，重点阐述和评论了目前信用社信贷风险方面存在着重大的问题,指出近些年来的一些信贷风险理论基础更加侧重于组合信贷风险管理和对信贷风险的控制，但在信贷风险问题上还没有取得较大的突破。本文研究目的在于运用人工神经网络的学习能力和非线性映射能力，建立起信贷风险评估的人工神经网络模型。之后，论文构造了BP神经网络模型运用于信贷风险评估。本文从理论上对网络的结构和算法以及指标的输入等问题进行了阐述，并且与实例相结合验证了人工神经网络模型的有效性。实例取自X县农村信用社披露的一些会计信息。最后，论文构建了用于信贷风险评估的人工神经网络模型。人工神经网络的提出是为了将人工系统的推理结构与神经网络的学习功能结合起来，改善神经网络运算结果的可解释性。根据信贷决策的特点，本文重点在网络结构、学习算法、输入数据处理三方面进行了研究。实例结果表明，本文构造的人工神经网络不但达到很高的判别正确率而且具有一定的解释功能。论文创新主要体现在两个方面：1、根据X县农村信用社实际业务情况，对其当前各种业务产生的风险进行了分类和描述，指出了不同风险的来源以及其对银行自身发展产生的影响。同时，根据X县农村信用社当前信贷风险管理的实际，对其发展的现状进行了分析和论述，并且根据新的不良贷款的出现进一步指出了其当前管理所存在的不足。2、本文采用X县农村信用社的不良贷款率作为研究的对象，应用简化的时间序列模型，对人工神经网络模型在信用风险评估中的应用问题作了尝试性的实证研究。本文研究结果表明运用神经网络技术识别信贷风险可以达到很高的正确率，可以克服信贷过程中很多不确定因素的干扰，更直接、客观地评价，从而为农村信用社信贷决策及信贷风险管理提供科学的依据。作为复杂系统的有力工具，神经网络在银行信贷风险评估领域中的应用具有良好的发展前景。