Z小额贷款公司在迅速发展扩张中,日益发现信用风险管理的不足。当前,Z小额贷款公司在对客户进行信用风险评价时,存在很大的主观性,容易使得评价不准,最终容易导致贷出的款项不能按时收回。亟需构建适用于本公司的客户信用风险评价模型,提高现有的信用风险管理水平。针对这一现状,本文以Z小额信贷中的客户信用风险为研究对象,利用BP神经网络建立客户信用风险评价模型,以提高Z公司的信用风险管理水平,减少客户违约风险发生的可能性,促进Z小额信贷的可持续发展。文章从以下几个方面展开,第一,本文从信用风险评价的基本理论入手,在描述我国小额信贷特点的基础上,基于对现有小额贷款信用风险评价指标的梳理,形成了对于小额信用贷款风险评价的基础理论分析。第二,参考国际上经典的小额贷款评价模型,以实地调研获得的第一手数据资料和信贷档案为依据,采用相关性分析和变异系数分析,对指标进行筛选,确立了客户特征维度和贷款特征维度的评价指标。同时,研究并确定了适合于南京Z小额贷款公司数据特点的信用风险评价关键技术,包括初始变量识别、变量赋值以及变量降维技术,进而确立了南京Z小额贷款公司信用风险评价指标。第三,介绍BP神经网络学习算法,并对比、总结人工神经网络的特点,为后续实证研究部分作理论铺垫。第四,构建适用于Z小额贷款公司的BP神经网络模型及其算法,并且通过Matlab7.0软件编写BP神经网络模型的运行程序。建立了基于BP神经网络的Z小额贷款公司客户信用风险评价模型,证实了BP神经网络对小额信贷客户信用风险评价领域中的有效性和适用性,能够为Z小额贷款公司识别客户信用风险提供较好的依据。第五,为使BP神经网络信用风险评价模型得以更好的推广应用,并有效降低小额信贷中的客户信用风险,针对该公司小额信用贷款风险评价中存在的问题,提出相应的使用和发展建议。