近年来，个体工商户和中小企业作为我国市场经济很重要的一部分，发展迅速，为推动经济发展起着不可忽视的积极作用。但由于金融服务支持不足，我国个体工商户和中小企业所获得的金融资源和融资服务却一直处于相对稀缺的状态，于是提供融资的小额贷款公司便应运而生了。小额贷款公司的主要业务就是向这些小型企业法人提供贷款服务，鉴于此，客户的信用和贷款的质量决定了企业的效益。但这些客户的背景都很复杂，如何判断客户的信用与贷款与否，目前小额贷款公司还处于凭经验判断的阶段，没有一套科学的理论方法和体系。随着客户的增多和业务量的增加，贷款风险的控制难度也日益增长，建立一套完整科学的客户信用评价体系成为了一个亟待解决的问题。　　 本文首先提出了研究背景、目的及意义，论证了建立客户信用评价体系的重要性和必要性。其次对国内外信用评价研究的现状和现有的信用评价模型与技术进行了分析，并对知识发现和神经网络技术的理论基础以及BP神经网络的具体结构和算法进行了研究。再次，在借鉴国内外学者研究成果和现有金融机构的信用评价体系的基础上，建立了针对小额贷款公司客户的信用评价指标体系，其中个人客户信用评价指标包括个人指标、经济指标和信用指标三个方面共20个指标；中小企业客户信用评价指标包括企业偿债能力、企业盈利能力、企业运营能力、企业成长能力、企业管理水平、企业信誉水平和企业市场竞争力这七个方面共20个指标。本文先采用主成分分析法对评价指标进行因子分析，选出对模型训练最具有统计意义的主成分，然后利用BP神经网络建立模型。最后收集小额贷款公司客户的实际数据，使用MATLAB7.0对模型进行实证分析。　　 本文重点研究针对小额贷款公司客户的信用评价指标体系的构建，结合该体系基于BP神经网络建立信用评价模型，并对模型进行了实证分析，从而为小额贷款公司降低信用风险和提高科学决策水平提供一定的借鉴意义。