信贷风险预测是通过将客户的相关信息作为判断依据,从而对借贷人能否履行财物承诺进行提前的预测工作。目前,虽然我国的大型银行已经建成了比较完备的信贷管理系统,但一些中小型银行依然使用基于传统的数学统计方法进行风险预测,这既无法满足日益增长的信贷风险预测业务需求,也无法保证预测质量。因此,基于深度神经网络研究银行信贷风险预测问题,主要做了如下工作:（1）针对中小型银行使用基于数学统计的传统方法进行风险预测具有很大局限性的问题,提出基于多层次深度神经网络的银行信贷风险预测管理模型。在数据处理方面,首先对客户数据进行整合,通过研究各个变量与风险预测结果之间的关系,借助层次分析法将客户的数据进一步归纳出影响因子较大的一些特征,并将其输入到深度神经网络中,可以得到模型对客户的信用评分情况。以某商业银行的实际贷款数据做为实验数据进行仿真实验,结果表明,该模型具有较高的预测准确性,能够帮助银行信贷业务员对贷款申请人的偿还能力进行准确的评估,进而有效地提高了工作效率,降低了银行坏账的发生率。（2）在上述多层次深度神经网络的银行信贷风险预测管理模型的基础上,设计了基于风险预测模型的银行信贷风险评估系统。首先对该系统进行需求分析,并对银行日常信贷工作流程进行详细研究。然后对系统进行了总体设计和详细设计,并对系统数据库进行了设计。在此基础上,实现了银行信贷风险评估系统。（3）对上述银行信贷风险评估系统进行测试。测试结果表明,该系统达到了设计要求,满足客户需求;人机界面友好,操作简单,并且具备较强的安全性。通过在某商业银行实际使用的结果表明,该系统进一步提高了银行信贷风险预测的准确率,提高了管理效率,降低了银行的信贷业务管理成本,增强了银行的竞争力。