长期以来,金融市场的一个重要特征就是信贷风险的广泛存在,信贷风险作为一个全球性的问题,早已和银行体系融为一体,是银行业经营过程中不可回避的现实。随着社会经济的不断发展,经济体制改革的不断深入,破产企业的数量正在逐年增加,从而严重导致了银行信贷资产数目的不断扩大,由信贷而形成的不良资产数额以及所占的比例与全球各国相比都处于较差的水平,由此可以看出我国银行信贷风险对于全国的经济发展已经形成了一个巨大隐患。因此,如何通过建立银行信贷风险预警机制来降低信贷风险、提高信贷资产的质量是当前一个非常迫切的问题。本文在查阅、分析了大量银行信贷风险的发生、形成、危害以及处理等相关文献的基础上,对当前银行信贷风险管理中的预警管理所存在的问题进行全面分析,以期通过更科学以及更具有现实应用意义的研究方法来对银行信贷风险预警进行研究,并使研究成果在实际应用上有所提高。在处理方法上,主要是在财务分析理论、类别非平衡分析理论以及预警决策理论的基础上采用人工智能方法,数据挖掘技术以及其它相关科学的研究方法,对银行信贷风险预警的理论和方法体系进行研究。首先,在参考与分析了前人以1：l的平衡度来选取正负类样本数量的基础上,本文以1：3的比例来收集ST和非ST公司的样本数量,以一种类别非平衡的角度来研究该问题,更加符合实际性与合理性。然后,采用类别非平衡数据分类处理方法中较为经典的决策树(Decision Tree)算法、SMOTE采样方法、差异采样率重采样技术(DSRA)及Bagging技术相结合构造了DSB-ID3模型,并将DSB-ID3模型与单决策树ID3模型、基于过采样的决策树ID3模型(OS-ID3)以及基于过欠双重采样的决策树ID3模型(OUS-ID3)进行比较,分析其优劣势。最后,在实证研究过程中选取上市公司ST企业138家,非ST企业414家,并选取7个显著性财务指标,通过相关预处理得到实验初始数据。经过实证数据结果分析得出,DSB-ID3模型得到的G均值和F均值以及总的准确率都是最高的,且稳定性也是最好的。因此,本文提出的DSB-ID3模型在预警准确率上面相比前面几种模型有了显著提升,且该模型更具有实际应用价值。