信用风险是金融市场最古老的也是最主要的金融风险之一，它直接影响着现代经济生活中的各项活动，也影响着一个国家的宏观决策和经济发展，甚至影响着全球经济的稳定发展。 在国外，信用风险管理已经有了很长的发展历史，但在国内信用风险管理尚处于起步阶段，缺乏对信用风险管理的系统化研究。现在，我国绝大部分银行的不良贷款率大大高于10％的国际警戒线和15％的监管标准，因此，加速我国信用风险管理的研究工作，为金融机构提供决策依据，使他们的管理和经营更合理、更科学，提高这些机构的国际竞争力，将具有重要的意义。 为此，信用评级应运而生。信用评级是对企业还本付息的能力和可信任程度进行的评估。企业信用评级是一个十分复杂的过程，要综合考虑企业各方面的情况，包括定量和定性两方面的分析。国外对信用等级的评定采用信用模型的方法，传统的信用评级模型有财务比率分析、多元判别分析等，但这些模型都不能有效、全面、完整地解决信用评级问题。 随着人工智能技术的发展，神经网络技术在模式识别、市场预测等领域得到了广泛的应用。它克服了传统分析过程的复杂性以及选择适当模型函数的困难，是一种自然的非线性建模过程，无须分清存在何种非线性关系，给建模与分析带来了极大的方便。为此，本文在对神经网络以及企业信用管理进行了深入研究的基础上，针对我国信用管理的实际情况，提出了基于BP神经网络的企业信用评级模型，为金融机构对企业的信用评级提供科学准确的决策信息。 本文主要完成了以下工作：首先针对我国企业的实际情况，建立了适用于我国企业信用评级的指标体系，分为定量和定性指标共26个评级要素，基本上包括了企业管理和经营中与信用相关的所有指标；之后对指标体系中的数据进行了标准化处理，将定性指标数据转化为[0，1]的标准数据；接下来通过实验确定了神经网络模型的拓扑结构和各项参数，并在此基础上建立了基于神经网络技术的企业信用评级模型；然后采用神经网络中的BP算法，利用Matlab工具中的神经网络工具箱对企业信用历史数据进行训练和测试，并对模型的可行性进行了仿真；最后构建了企业信用评级原型系统。研究表明，基于神经网络技术的信用评级取得了令人鼓舞的成绩。它弱化了权重确定中的人为因素，提高了评估结果的准确性和权威性，应用了神经网络超强的非线性处理能力，更加准确的体现了指标体系各要素与结果的关系，提高了评级结果的准确性。因此，它非常适用于企业信用评级，具有很高的应用价值和广泛的应用前景。