2008年，肇始于美国的次贷危机，使全球深陷一场百年一遇的金融风暴和经济衰退。监管当局认识到，宏观金融风险实质上是微观金融风险不断积聚并最终爆发的结果，要从根本上防范和控制宏观金融风险，必须重视微观风险的预警与防范。如何建立科学有效的银行风险早期预警系统，识别和预警银行风险，从而指导银行监管当局合理配置监管资源，及时采取措施防范和化解风险，尽可能减少风险造成的损失，是银行监管领域的一个重要研究课题，对于完善银行监管机制具有重大的理论意义和现实意义。　　近年来，国内外学者和银行界对银行风险的综合评价和预警方法作了很多研究和实践，如Z评分多变量判别分析模型、Logit逻辑回归模型、神经网络模型等理论研究，以及CAMEL评级、SCOR模型、SEER预测模型、RATE评级系统、SABBA模型等欧美国家的银行监管实践工具。这些方法具有一定的应用价值，但不能简单地直接应用到我国的监管部门。主要原因一是各国的经济、金融发展水平不同，银行体系的发展模式不同，对银行的监管方式也不同;二是部分方法的数学过程过于复杂化、抽象化，实际运用效果较差;三是部分模型评估效果只能维持相对较短的时间，并不具有预见性和前瞻性。　　在借鉴国内外关于银行风险预警模型的研究基础上，本文首先对银行风险早期预警的目标予以明确;接着构建了银行风险早期预警模型的指标体系，提出用监管部门对银行的年度CAMEL评级结果作为划分银行风险程度的标准，从而建立“稳健银行”和“高风险银行”两组样本银行;然后采用K-S检验对样本银行的风险指标是否符合正态分布进行了检验，再采用Wilcoxon检验研究高风险银行和稳健银行的财务特征，结果表明“稳健银行”与“高风险银行”在大多数风险指标之间均存在着显著差异，因而可以选用适当的统计方法建立商业银行风险预警模型具有充分的可行性。最后采用Logistic回归分析法构建了含有4个解释变量的风险预警模型，并对不同临界点下模型的风险预测能力进行了检验。