经济全球化的趋势不断增强，国内推动利率市场化的步伐逐渐加快，金融市场的波动性日渐加剧，商业银行面临着前所未有的信用风险挑战。面对竞争日益激烈的生存环境，能否对贷款企业的信用风险进行科学、有效的管理对商业银行的可持续发展具有至关重要的影响。当前，我国的商业银行业尚处于改革转轨和新兴发展阶段，对信用风险的管理仍停留在传统的主观分析方法运用阶段，难以满足商业银行的发展需要。对此，本文站在商业银行的视角上，利用神经网络技术对商业银行贷款企业客户的信用风险评估问题进行研究，以期为商业银行提供一种有效的信用风险评估技术和方法。本文在对商业银行企业客户的信用风险评估模型文献研究的基础上，界定了商业银行信用及信用风险的内涵，运用人工神经网络基本理论，科学研究了商业银行信用风险评估的主要影响因素，构建了包含3个层次27个指标的商业银行信用风险评估指标体系，通过综合比较研究商业银行信用风险评估模型，选择基于改进的BP神经网络建立了商业银行信用风险评估模型。利用搜集的144家公司的数据运用MATLAB2012a统计软件对该模型进行了实证分析。结果显示所构建的商业银行信用风险评估模型判别准确率高达87.04%，优于标准BP神经网络模型及Logistic回归模型的判别准确率，说明该模型对商业银行企业客户的信用风险能够进行合理、有效的评估。本文的研究成果对商业银行企业客户的信用风险评估提供了有益的评价依据，在实践工作中，具有较好的指导价值。