随着经济全球化进程的演进,科技创新已成为推动一国经济发展的“新引擎”,而我国正处于推动创新型国家建设和实现经济结构转型升级的重要时点。在我国以银行为主导的金融环境下,银行如何既能满足处于不同生命周期的企业融资需求,又能合理控制信贷风险,是规整我国科技金融创新体系、推动产业升级和经济增长的重中之重。科技银行正是为解决科技型企业融资困境、提高资金配置效率、构建合理的科技金融体系而发展起来的,但我国对科技银行的有关分析与研究还不够深入全面,难以控制和管理科技贷款的高成本、高风险以及银企信息不对称、科技信用评价体系不完善等多方面因素严重制约着科技银行的发展。因此在此背景下研究科技银行信贷风险预警问题,具有重要的现实意义。本文在梳理国内外相关研究基础上,从科技银行、科技创新型企业的概念、特点出发,借鉴信贷风险预警理论与神经网络模型的方法,构建科技银行信贷风险预警模型,并进行实证检验,同时提出控制科技银行信贷风险的相关对策建议。具体研究成果及结论如下:(1)科技银行运营模式及信贷风险成因分析。本文从分析硅谷、苏州和上海科技银行的不同运营模式出发,指出了未来科技银行的发展目标是建设更具优势的科技法人银行;同时,通过对科技银行信贷参与主体的分析,指出科技银行信贷风险的类别和成因。(2)信贷风险预警指标体系的筛选与构建。本文从企业创新能力、银行内部控制、外部环境三个视角构建科技银行信贷风险预警指标体系,并运用组合赋权的方法确定指标最终权重。(3)科技银行信贷风险预警模型的构建。本文应用BP神经网络确立了科技银行信贷风险预警模型。通过指标体系的数理特征确定了 BP神经网络各层节点个数、激活函数、学习速率等参数,并以浦发硅谷银行为实证样本,对构建的神经网络模型进行训练和测试,最后通过遗传算法优化神经网络,模型的误差较小,预警结果满意。