本论文主要围绕商业银行关于中小企业信贷风险识别问题展开研究。旨在研究建立能够有效识别具有潜在信贷风险的中小企业的模型体系。本论文首先通过对相关文献的研究确立了论文的可行性以及整体架构。之后阐述了中小企业的定义及界定标准。分析了中小企业信贷风险的内涵、类别、现状及成因。并分别针对传统的商业银行信贷风险评价体系以及现代商业银行信贷风险评价体系进行分析研究。总结提出了建立商业银行中小企业信贷风险评价体系的意义。然后通过定性分析方法阐述分析了相关评价指标。从而初步确定了包含财务类以及非财务类指标在内的14项评价指标。并通过量化分析的方法对非财务类评价指标进行打分量化。针对初步确立的评价指标体系,通过独立样本T检验方法对其进行显著性差异检验,完成进一步筛选。最终选出8项显著性差异评价指标。最后基于BP神经网络,运用MATLAB中的神经网络工具箱构建商业银行信贷风险识别模型。并通过导入样本对以上模型进行训练并发现识别企业信贷风险的规律。最后通过测试验证模型在识别企业信贷风险方面的准确率可以达到75%。本论文所构建的模型,相对于其他类似研究而言,在信贷风险的评价指标选取上具有一定的优势,本论文在财务指标的基础上充分考虑了非财务指标的选取,又通过显著性差异检验方法对整体指标进行优化筛选。然而本论文所构建的模型仍在评价结果方面存在部分局限性,有待改进,实用性有待提高。希望本论文的内容可以为今后有关商业银行对中小企业信贷风险识别方面的研究做出一些贡献。