信用风险是银行业所面临的重要风险,信用风险的研究是银行信贷的一项基础性工作。加入世贸组织七年以来,外资银行进一步蚕食国内市场,中国的商业银行面临的竞争越来越激烈,新巴塞尔资本协议的实施也给国内的商业银行带来了新的挑战。随着市场竞争的日益激烈化,商业银行对信用风险量化和风险评估模型化的要求也日益强烈。在这种情况下,国内外众多研究者在这方面进行了广泛而深入的研究,设计了很多适应特定环境的信用风险评估模型。本文对商业银行信用风险的现状和成因进行了分析,在此基础上建立了基于径向基核函数支持向量机模型、基于多项式核函数支持向量机模型、BP神经网络模型和RBF神经网络模型,本文主要的工作在于:(1)构造BP神经网络和RBF神经网络模型,通过对神经网络的网络信息容量与样本数的研究,以及商业银行信用风险的多分类问题,设定神经网络参数,通过matlab神经网络工具包,基于多分类的神经网络算法程序,对训练样本进行学习训练并对测试样本进行分五类预测,显示了两种模型比较好的分类精确度。(2)构造基于多项式核函数和径向基核函数的支持向量机模型,建立商业银行信用风险评估模型,文中给出详细地步骤和说明,实现了信用风险的多分类预测,并与两种神经网络算法分类结果进行了比较,发现基于径向基核函数支持向量机的方法精确度和推广性高于其他模型,最后文中给出分析和结论。