小企业信用风险评估是商业银行业务经营的一个重要环节，是进行信贷决策的一个重要依据。在实际的信贷过程中，影响企业信用的因素很多，各种因素与信用之间的关联度不同，多为非线性的关系。目前，我国商业银行用于小企业信贷决策的信用风险评估模型，多沿用西方企业信用风险评估模型，因中西方经济体制以及市场经济发展程度不同，指标体系很难准确判断我国小企业真实信用水平。在评估方法上，我国商业银行多采用专家方式，评估结果人为因素和主观成分较多，科学性和准确性较差。　　 因此，本文在界定信用风险的内涵及其作用以后，对国内外信用风险评估的现状进行综合分析，指出当前我国商业银行在小企业信用风险评估中所存在的问题，并依据信贷资金循环理论和我国小企业现状，建立了三类小企业信用风险评估指标体系。在现有信用风险评估的理论与方法基础上，引进数据挖掘过程，以经过改进的BP神经网络作为信用风险度量方法，并通过相应的模拟对比实验，显示该方法的有效性和准确性。　　 本文从整体上分为五个部分：　　 第一部分是信用风险概述。此部分进行相关理论的综述，包括信用风险的含义、我国商业银行在信用风险评估领域的不足以及进行小企业信用风险评估的重要意义。　　 第二部分是小企业信用风险评估指标系统建立。论文首先对国内外知名评估机构的企业信用风险评估指标体系进行整体概述，比较分析了其指标体系的评估特点。其次对我国小企业以小企业界定、成功潜质为出发点，以马克思信贷资金循环理论为依据，结合我国商业银行信贷工作的可操作性以及小企业的信用及经营状况，将小企业分为工业、商业、非工商三类，并建立了与之相对应的三个评估指标体系。　　 第三部分是信用风险评估方法的研究分析。文中对传统的信用方法进行了总结论述，并对常用的评估方法进行了比较分析。由于我国商业银行进行信用风险度量起步较晚，信息往往残缺不全，如果用传统的风险度量方法很难达到满意的效果，且耗时费工。而神经网络带有高度并行处理信息的机制而且具有高度的自学习、自适应能力，在处理我国商业银行残缺信贷信息中具有较好的效果。　　 第四部分是BP神经网络的改进、应用分析以及模型的仿真试验。经过改进的BP算法有效降低训练过程中权值调整的过冲效应，从而较大的提高了学习效率，其内部所包含的大量可调整参数使得系统的灵活性更强，结合第二部分建立的企业信用风险评估指标体系和某商业银行近年信贷数据，编写实际java应用程序进行试验，得出实用性和可操作性较强的神经网络评估模型。　　 最后为结论，对本文建立的小企业信用风险评估模型以及实验结果作了一个总体性地概括，并对本文的不足之处进行总结。