由流动性风险、投资风险及信贷风险所构成的信用风险是商业银行运营过程中所面临的主要风险。因此，需要运用现代系统论和监管理论，结合金融监管实践，建立商业银行信用风险预警管理系统。 识别风险是预警的前提。在对银行系统运行模式深入研究的基础上，明确指出其非线性机制具体体现在六个方面。基于此，通过对信用风险及其成因的深入分析，构建商业银行信用风险预警指标体系，借以识别商业银行所面临的信用风险。 正确评价风险度是预警的关键。为确定信用风险状态，提出基于Hopfield网络的风险评价模型。该模型通过能量极小点的设计将典型风险模式贮存于网络之中，利用网络的联想功能，实现对风险度的评价。其克服了预警机制中实时警限确定的难题，且能避免模糊综合评判失效情况的出现。 控制风险是预警的目的。信用风险的控制分为流动性风险控制、投资风险控制及信贷风险控制三个部分。对于流动性风险控制，提出在利用小波变换网络预测模型准确预测一系列经济时序的基础上，及早进行流动性安排，从而实现流动性风险的控制：对于投资风险的控制，借助金融期货、金融期权等实现系统性风险预控，借助投资的多样化与分散化实现非系统性风险的控制；对于信贷风险的控制，提出利用模糊综合评判法来实现，并通过方案优选模型来解决资金受限时的方案优选问题。最后，提出基于RBF网络的信用风险控制模型，该模型以定性和定量相结合的方法进行系统分析与综合，算法简单、鲁棒性强。仿真试验表明了上述控制信用风险的一系列方法的有效性。 研究结果表明，商业银行信用风险预警管理系统由信用风险识别、评价及控制三部分组成。在建立评价指标体系的基础上，利用人工神经网络的分布并行处理、非线性映射、自适应学习和鲁棒容错性等特征，结合数学工具，可以构建信用风险预警管理系统。理论研究和仿真实验展示了研究思路的实现过程，表明了所构建商业银行信用风险预警管理系统的实用性。