本文在对我国商业银行贷款形成原因进行深入分析的基础上,针对我国商业银行贷款风险管理的特点和贷款风险分类管理的一般流程,建立了商业银行贷款风险因素关系框图模型和贷款风险评价数学模型,并据此阐述了贷款风险评价系统所包括的指标体系构建、贷款风险评价模型函数关系的拟合、风险预警模型的设计三个主要部分具体实现的基本思路。本文在阐述贷款风险评价指标选择的原则及需要注意的问题的同时,建立了贷款风险评价预选指标集,对每个指标的含义、算法及其作用进行了描述;在讨论主成份分析法的基本原理、算法和缺陷的基础上,确定了改进的方向,进而建立了适用于定量指标选择的核心指标筛选法(KIMS)。本文在分析神经网络及人工神经网络的基本特点的基础上,重点研究了基于三层单结点输出BP神经网络的贷款担保风险模糊评价和基于三层五结点输出BP神经网络的贷款风险分类方法,并将两重神经网络进行了耦合,构造了纵向分布双重叠加式BP神经网络,实现了对商业银行贷款风险的科学评价。本文在讨论商业银行贷款风险预警的涵义、性质的基础上,指出了其三方面的局限性,据此对商业银行贷款风险预警的涵义进行了重新界定;并在此基础上着重对灰色系统分析的规则和GM(1,1)模型的建模机理、预测方法、应用优势、缺陷及改进的必要性和改进方向进行了深入研究,并在此基础上研究并建立了灰色自校正预测模型,并研究了基于灰色自校正模型SAGM(1,1)的商业银行贷款风险预警方法。本文在对贷款风险管理相关理论和技术方法研究的基础上,对集成式商业银行贷款风险管理系统的风险评估指标体系生成模块、神经网络训练模块、贷款风险五级分类模块及贷款风险预警模块的结构、功能和界面设计进行了深入研究,并在中文Microsoft Windows98的开发环境下,用Visual Basic语言,设计和开发了基于DBP-NN的商业银行贷款风险管理集成式决策支持系统的原型,同时利用大量实际数据进行了较为深入的实证研究。实证研究的结果表明,系统的柔性较强,风险识别精度较高,且具有较高的自动化、智能化水平。由于系统嵌入了预测模型,因此具有较高的预警能力。