良性资产循环意识迫使我国商业银行必须建立有效的信贷风险监测和控制平台。从商业银行贷款良性循环的角度出发,建立一套科学、合理的信贷风险评价指标体系,研究商业银行的信贷风险评估模型,对金融行业良性发展、我国国民经济的健康发展和防止全球信贷危机具有一定的现实意义。本文基于风险和信贷风险管理的基础理论,研究商业银行信贷风险改进神经网络的非线性建模。首先,在信贷风险理论分析的基础上,确定能够综合体现信贷风险的评估指标;其次,通过分析商业银行《信贷客户评价报告》中信贷评价打分要素的各项条款,确定影响信贷评估的若干关键过程指标;再者,采用某商业银行总部的贷款企业海量数据库中的样本数据,进过分析整理并制作数据样本集;最后,比较分析了神经网络中几种学习算法的误差性能和收敛性,利用BP神经网络,建立LM-BP信贷风险评估模型,该模型的预测精度还有待改善;在上一模型的基础上,引入主成分分析,建立PCA-LM网络模型,仿真对比表明,后者具有更好的泛化能力,测试样本预测精度高。该信贷风险评估模型在金融业上具有较好的推广应用价值,通过信贷风险评估建模,提升商业银行信贷风险的管理水平,提高商业银行的整体经济效益,同时为金融信贷资产的良性循环提供了一套实用的解决方法。