20世纪70年代以来，金融自由化、全球化的趋势锐不可挡，金融创新层出不穷。各国银行业的监管措施、监管力度和商业银行本身的信用风险管理水平很难再适应银行所面临的日益复杂的风险环境。人们对商业银行信用风险管理不善带来的危机给予极大的关注，它极大地丰富和发展了商业银行信用风险管理的理念和技术，而且促成了侧重于银行信用风险管理的《新巴塞尔资本协议》的出台。这些都使得信用风险管理已成为商业银行所面临的首要的战略问题。《世界银行》对全球银行业危机的研究指出，信用风险管理不善是导致商业银行破产的常见原因。近年来，商业银行的信用风险问题受到了学术界和金融实业界广泛关注。随着金融自由化和一体化的发展，特别是中国加入世界贸易组织，中国商业银行将在金融转型过程中面临严峻的外部环境，致使中国银行风险进一步加剧。因此，需全面系统地研究和把握商业银行风险的类型、特点、表现及致因，构建商业银行风险预警系统，对银行风险进行全面的监控，以便减小风险，避免危机发生。 人工神经网络是基于人类大脑神经运作的模拟。人工神经网络在商业银行信用风险预警系统中的应用，无论从思想上，还是技术上都是对传统预警系统的一种拓宽和突破。商业银行的信用风险管理分为贷前预警和贷后预警管理，本文正是研究商业银行信用贷款的贷后预警。本文首先讨论涉及财务因素的预警信号，采用BP模型设计网络结构，进行网络训练和测试，并用Matlab进行计算机实施并进行样本实证研究。根据BP模型分析的结果，利用专家系统对指标进行综合分析，从而达到商业银行信用贷款贷后预警的目的。最后根据我国商业银行信用风险管理存在的问题，给出具体可行的建议。 数据处理利用Matlab数学软件。