商业银行作为国民经济的“总枢纽”和金融信贷中心,在融通资金、引导资金流向和调节社会供需平衡等诸多方面发挥着不可替代的重要作用。然而,商业银行在营运过程中无时无刻不面临着各种金融风险。金融风险一般可分为信用风险、市场风险、操作风险和法律风险等。其中,信用风险占有特殊的重要地位,世界银行对全球银行业危机的研究表明,导致银行破产的最常见的原因就是信用风险。因此,全面系统地研究把握商业银行信用风险的特点、表现及成因,构建商业银行信用风险预警模型对银行风险进行全面的监控,以便减小风险,避免危机发生是十分必要的。为有效进行信用风险管理,须对信用风险进行适当度量。国内外学者对商业银行信用风险度量主要是利用人工神经网络,以BP神经网络为主。人工神经网络不能处理和描述模糊信息,特别是学习及问题的求解具有黑箱特性,其工作不具有可解释性。国内有学者曾经运用模糊神经网络的方法对信用风险进行度量,但是只考虑了财务指标因素,存在指标考虑不全面的缺陷。本文基于以前学者研究的不足,首先本文突破了传统只考虑财务指标因素的做法,构建了财务指标体系和非财务指标体系作为商业银行信用风险的预警指标体系;其次在研究方法上,将BP神经网络、层次分析法以及模糊神经网络三种方法进行串连,即利用BP神经网络构建财务指标子模型、利用层次分析法构建非财务指标子模型,最后以财务指标得分和非财务指标得分作为两个输入,利用自适应模糊神经网络构建商业银行信用风险预警综合模型。综合模型最终的构建,很好的结合三种方法的优点并避免了三种方法的缺点,使得信用风险的度量准确率得到了提高。本文最终构建的自适应模糊神经网络系统模型的基本结构是由两个输入、一个输出、包含14个神经元的模糊化层以及拥有24条规则的模糊规则层,构成的复杂的模糊神经网络。该模糊神经网络的输入隶属度函数为“pimf”,输出隶属度函数为“linear”。在实证部分,取化工业155家公司作为研究对象,其中,选用105组作为各模型的训练样本数据,50组数据作为测试样本数据。利用上述构建的模型进行实证研究发现,在50个测试样本中,只有3个测试样本的期望预警与实际预警存在偏差,表明实测样本的正确预警率达到94%,达到了较好的预警效果。