随着国际金融领域竞争的空前加剧及大规模贷款组合的不断发展，传统的信用度量方法已不能满足人们的需要。就我国实际情况而言，银行经营效益低下，呆账、坏账增加固然有体制上的原因，但忽视信用风险分析和管理方法的研究，对信用等级进行不合理的度量也是一个不容忽视的原因。以往的研究多集中于对定量指标的分析，模型使用范围较狭窄，本文力图建立定性与定量指标相结合的信用风险度量模型，以期能有更强的使用性。本文以信用风险度量、专家系统和神经网络等领域知识为基础，首先对信用风险成因及目前采用的度量方法做了简单介绍，并对BP神经网络模型、专家系统的构建以及运行原理进行了系统的研究，确定了专家系统支持神经网络的信用风险评估模型。其次，确定了模型网络结构、学习参数和学习算法及模型划分的方法和依据，构建了定量指标，定性指标相结合的信用风险评估模型，最后对构建的模型进行了仿真和验证，结果表明该模型在风险度量方面具有一定的优越性。