历经次贷危机的洗礼后,影子银行在美国的土地上逐渐发展壮大,甚至蔓延全球,国内外许多研究人员也对其表现出兴趣。影子银行的出现使得实体经济的融资渠道更加多元化,也正是因为社会融资需求旺盛,催生并促进了影子银行的进一步发展。影子银行丰富了金融产品,可供人们选择的投资或者借贷种类更多,但是其在带来金融便利的同时,也存在巨大风险。影子银行风险容易产生过度累积,进而威胁到整个金融系统的安全稳定。如何对其进行有效的风险防范,如何及时发出预警,是本文的主要探究内容。本文首先介绍了国内影子银行的概念和主要特征,根据商业银行主导的影子银行业务、可融资的非银行金融机构、准金融系统以及民间金融等四部分,对国内当前的影子银行发展现状进行梳理。其次,对中国影子银行所面临的风险和监管现状展开分析,指出建立影子银行风险预警系统的必要性。在前述研究基础上,本文分别从宏观经济体系、商业银行内部影子银行业务、非商业银行金融机构以及其他影子银行等四个维度共选取了16个风险指标参与模型搭建,然后构建了BP神经网络模型和遗传优化BP神经网络模型,同时对两种模型进行多次训练仿真,最后选择预测精度更高的模型对2020年影子银行的风险等级展开预测。实证研究发现,遗传优化BP神经网络模型的收敛速度相较于BP神经网络有所改善,且训练误差值更小。再通过对比两种模型的预测正确率,发现前者的正确率比后者高两倍之多,因此可选择遗传优化BP神经网络对国内影子银行风险状态进行预测。预测发现,2020年影子银行风险等级仍处于高位,这也与我国2020年的实际情况相吻合。2020年的预测结果也意味着,我国的金融风险防范攻坚战仍需持续进行。相关监督管理部门除了需要监测部分重点风险指标的数据变动外,还需健全和完善影子银行业务本身的制度规范。我国影子银行的当前形式不容乐观,风险预警体系的建设迫在眉睫,有关部门应持续完善优化风险预警系统,满足提升预测精度的迫切需求。