现代商业银行在社会经济的发展中,发挥着筹集融通资金、提高资金使用效率和调节社会需求的重要作用,然而从商业银行诞生之日起,就经受着信用风险的威胁。因此如何准确的评估商业银行的信用风险,并据此建立信用风险防范体系具有重要的理论和现实意义。　　本文首先回顾了商业银行信用风险状况并展望了未来发展趋势,得出商业银行运营过程中所面临的主要风险,然后结合金融实践,建立起商业银行信用风险的评价指标体系。　　神经网络具有自适应、自学习、自组织和并行计算等能力,特别适用于描述同时考虑多种因素的、不确定的,因果关系的复杂判断、识别等问题。商业银行信用风险的影响因素也是一个非线性系统,具有高度的复杂性,因而人工神经网络(ANN)方法为解决这一问题提供了可行性。但同时,ANN也存在学习速度慢,有可能收敛于局部极小值等问题,因此本文将BP神经网络与遗传算法(GA)相结合,建立起GA-BP模型。模型利用遗传算法来修改网络的连接权值和阈值,构建进化型的神经网络模型,缩短网络学习、训练时间,提高模型精度。　　本文从理论上对指标输入、网络结构以及算法的实现等问题进行了阐述,并通过仿真验证了模型的有效性,仿真样本来自于某市建设银行,运用显著性检验的方法确定了主要评价指标,通过研究,表明遗传神经网络技术在识别信用风险方面有较高的正确率,作为处理复杂问题的工具,该网络在商业银行信用风险评估领域中的应用,具有良好的发展前景。