我国金融业中履行环境责任的关键角色之一是银行,因此开发新的银行信贷产品——绿色信贷。想要发挥绿色信贷真正作用,更广泛、更顺利的发展,离不开加强绿色信用评价的研究。长期以来,我国商业银行信用评价体系不健全,缺乏高效的绿色信贷信用评价模型来控制和衡量企业的违约风险。现今,随着信息技术的不断发展,人工智能方法和机器学习模型被应用于解决绿色信用评价问题,本文尝试用尚未应用于绿色信用评价领域的卷积神经网络模型对商业银行绿色信贷信用评价做一些探讨和研究。本文以绿色信贷信用评价为研究对象,概述总结了其国内外相关研究和相关金融理论,包括可持续金融理论、企业社会责任理论,赤道原则理论和银行信用评价理论。首先总结分析绿色信贷信用评价指标的发展现状与选取原因,在此基础上,构建出包含ESG(Environment,Society,Governance)发展指标和传统财务指标在内的绿色信贷信用评价指标体系。之后,选用来自上交所和深交所中的247家上市公司的数据,并利用支持向量机,BP神经网络和卷积神经网络建立合适的商业银行绿色信贷信用评价模型,并对其结果进行了对比分析。其研究结果显示,比起传统的,只包含财务数据的信用评价模型,引入ESG发展指标的绿色信贷信用评价体系能够更好地综合反映企业的信用水平。同时,本文还发现,在没有人工干预的情况下,相对于支持向量机和BP神经网络的分类效果,卷积神经网络模型的分类预测能力更好,准确率更优。