随着我国信用风险研究的发展,人类在享受成果的同时,绿色信贷风险问题也日渐突出。本文依托大数据分析理论对绿色信贷这一热点问题,结合所学知识,运用统计分析中的层次聚类分析、主成分分析等特征工程方法进行研究,同时利用机器学习中的监督学习式BP神经网络模型进行仿真分析,进而得到更加科学的结果。银行机构在企业贷款中最重要的风险之一就是信贷风险,实行风险防控对机构的长远发展有至关重要的作用。本文所阐述的绿色信贷是指银行等金融机构在进行企业信贷时结合生态保护建设与开发等方面,在原有信用风险基础之上,重新评定企业的信贷能力。纵观文献可了解到国内外诸多学者对信用风险有着大量研究,但针对绿色信贷这一刚刚兴起的热点问题,还处在探索阶段,发展还不成熟。本文探索性构建了两个数据挖掘模型,分别是基于AHP的绿色环保评级模型以及基于PCA的BP神经网路绿色信贷信用评估风险模型。首先,针对绿色信贷在我国处于起步阶段,缺乏相关数据,本文查阅相关文献并进行研究,结合银行现有信用风险体系,利用AHP构建绿色信贷信用风险评估指标层次体系。接着,通过东北证券同花顺提取2000多家上市公司基础数据,选取企业类型为综合型企业作为样本数据,应用系统聚类分析针对原有风险评价研究的10个指标进行分析,剔除高危风险企业。针对筛选后的企业增加4个绿色风险指标,以经济以及绿色风险指标作为一级指标,下设14个二级指标,其中10个为基础财务指标,4个为层次分析法准则层指标,利用主成分分析方法来构建模型与处理数据,通过PCA对14个指标进行处理,得出6个公共因子。最后利用BP神经网络进行仿真分析(matlab2012a),验证其可行性。以定量与定性分析的方式为绿色信贷风险评估的方法选择与运用提供参考。