居民住房似乎是中国人拥有一个安定生活的象征,从近年来如火如荼的房地产市场交易情况中就可窥见一斑。个人住房贷款具有周期长、收益高的特点,各家商业银行在争夺这块“蛋糕”的同时也给自己带来了日益增加的巨大的风险。根据国内外学者的研究,在个人住房贷款的风险中,由借款人信用风险造成的不良资产占据了大壁江山。那么应该怎样做好借款人信用风险的管理,特别是在贷前的识别和评估中——将风险防范于未然——就是本文的研究重点。本文使用BP神经网络设计了A银行J支行的个人住房贷款信用风险评估模型,实现了对借款人信用风险在贷前更为准确的评估和识别。首先,本文详细分析了个人住房贷款信用风险的特征和因素,设置了19项评价指标,且对所有指标进行了合理量化定义;其次,确定了基于BP神经网络的个人住房贷款信用风险评价过程,并通过对比确定了神经网络各项参数;继而,在随后的章节中使用A银行J支行2010年1月至2017年12月受理的个人住房贷款数据对该神经网络模型进行训练及验证,使该神经网络在评估历史数据中准确率高达96%以上,并将此方法与该支行现行评估方法进行比较,发现BP神经网络在信用风险评估方面更具有优越性,结果更为可靠;最后,总结现有研究成果,并在此基础上提出了未来的改进方向。本文可能的贡献在于建立的BP神经网络模型能够帮助A银行J支行更好、更快的评估借款人的信用风险,且模型的建立并不会过多的增加成本支出,且该模型能够对其信贷业务流程的简化提供帮助,为常规情况下的个人住房贷款实现“自动审批”做好铺垫,从而实现“减人增效”的目的。