2008年国际金融危机爆发,全球商业银行经营业绩受到冲击,对于商业银行风险预警的需求日渐增强。我国商业银行业整体起步较晚,并且国有商业银行受到上市改制前的种种弊病限制,导致商业银行体系在风险预警方面的意识薄弱,且方法手段相对欠缺。目前多数国内外学者的研究多集中在单个商业银行风险预警、特定类别风险预警等少数几个点上,而对于我国商业银行体系总体风险的预警尚缺少相应的研究成果。但从实践来看,单个商业银行或者特定风险类别的预警难以做到对商业银行体系风险的科学全面揭示,从而很难在体系内部危机出现之前给出最准确的预警结论。研究立足我国商业银行体系整体,试图建立起符合我国商业银行体系实际的风险预警模型,以期对我国商业银行体系的平稳运行起到一定的作用。本文首先对国内外金融环境的现状作出客观合理的阐述,讨论了在目前经济形势下,建立我国商业银行体系风险预警模型的必要性。研究前期梳理了国内外有关商业银行个体风险预警的研究成果,同时对研究金融危机预警和主权信用评级的部分重要研究成果作出了相应的描述,为接下来的指标体系建立和统计方法选择奠定了必要的理论基石；其次,通过对现有相关研究的总结得出,在我国商业银行风险预警研究领域,较常采用的方法是指标体系法,并且结合实践来看,指标体系方法不仅能有效满足巴塞尔协议以及国内监管要求,而且可以与多种统计方法结合,建立起高效率的风险预警模型。同时,分析了目前我国商业银行体系采用的风险预警方法,指出其存在的不足；再次,研究描述了人工神经网络模型的基本原理,并详细论述了神经网络方法用于商业银行体系风险预警的可行性和优势所在。同时,由于研究采用了“有导师学习”的训练方式,明确指出了在研究过程中采用专家分析法进行输出结果判定。最后,收集并处理实验样本数据,建立起BP人工神经网络模型,并输入训练集样本数据进行网络训练,得到的网络再以测试集样本检验,表明预测结果良好。在完成模型后,结合本研究的前期分析和研究结论,指出实际中建立我国商业银行体系风险预警时应注意的事项。