随着世界经济的不断发展，金融业在各国经济发展中所发挥的作用越来越重要，特别是进入九十年代以来，欧洲货币危机、墨西哥金融危机和亚洲会融危机等给世界经济带来了巨大的影响和损失，引起全世界金融业对金融风险管理的高度重视。对于我国而言，由于利率没有实现市场化，我国商业银行的主要业务仍是传统的存贷款业务，而商业银行对客户的信用评价是银行贷款的核心内容，对银行客户的信用评估是否合理、科学、准确关系着银行贷款承担风险的大小。有了银行内部的信用评级，可以大大降低银行承担的风险。 本文介绍了信用评级领域的基本概念和研究现状，分析了各种银行客户信用评级方法的优缺点，在此基础上提出采用SOM-LVQ复合神经网络来构建商业银行客户的信用评估模型，并分别介绍了SOM和LVQ神经网络的基础网络结构和学习训练算法。同时，本文在参考穆迪、标准普尔等国际著名评估机构的评价体系，总结前人文献的基础上，建立了评价指标体系，使用因子分析消除相关性，选取了具有代表性的指标用于评价模型的构建。接下来，本文使用MATLAB进行模型的构建，将样本输入到SOM-LVQ复合网络中进行训练和分类，分类完成后，按照每一类客户的综合实力强弱，对其进行排序，评定客户等级，得出信贷客户评级结果。最后，本文对模型进行有效性检验。本文把SOM和LVQ神经网络有机结合在一起，并将其应用于商业银行信用评级的研究。同时，利用MATLAB6.5为开发分析工具，对样本数据进行实验分析，实现了理论到实践的跨越，为商业银行对企业客户进行信用评级提供了决策依据。