城市商业银行（下文简称“城商行”）在我国多层次金融体系中的地位是不可取代,其不仅有益于提高和改善地区经济发展水平,并且对促进民营小微企业生存有举足轻重的作用。不可否认的是,城商行发展过程中也存在不可忽视的劣势,表现在其同业负债利率与大型银行、股份制银行相比较高。同时,相较于这类银行,货币市场上信用分层现象较为明显。值得注意的是,我国目前未上市城商行数量庞大,仅有约占总量比例不到20%的城商行在A股和H股上市,具体为26家。相比于上市城商行在信息获取上具有得天独厚的优势,有研究表明未上市的城商行因受信息不对称影响更容易大规模招致传染性较强的流动性风险,对我国金融体系发展而言无疑是一项重大隐患。因此,对城商行的流动性风险问题研究迫在眉睫。本文首先对国内外前沿的成熟商业银行流动性风险度量模型,以及坚实可靠的预测技术进行深入学习和总结,进一步刨析其基本理论内涵和核心思想,在以实证分析方法对我国城商行资产质量下滑速度过快的主要原因进行分析基础之上,对城商行流动性风险预警模型进行详细研究。通过分析比较各类城商行流动性风险计量工具,按照流动性风险的复杂性程度,综合考虑国内城商行信息科技系统建设实际情况,提出城市商业银行引入采用以深度神经网络为代表的人工智能等先进技术手段对流动性风险度量的迫切性以及必要性。本文拟构建基于深度神经网络城商行流动性风险预警模型,并以城市商业银行上市公司2014年第四季度-2020年第四季度数据为样本进行了实证研究,取得较好的预测能力。本文研究成果不仅有坚实可靠理论依据支撑,同时,本文结论也建立在完整数据样本基础上,所以在实际运用中也体现出较强操作性和较广适用性,可以借鉴本文城市商业银行风险预警分析方法,同时,以及为监管提供参考。