本文首先对个人信用评估方法的发展和国内外目前研究现状进行分析，构建了多层感知机MLP、专家系统MOE、径向基函数RBF、学习矢量量化函数LVQ、模糊自适应FAR等五种神经网络个人信用评分模型，详细阐述了五种网络的结构特征及学习算法，从理论上比较了五种神经网络的优缺点、适用范围，经过筛选选择四种适用于个人信用评估的网络模型进行实证研究。然后结合模型的应用对个人信用评估的备选指标进行了分析并构建了符合我国实际的指标体系。在充分考虑各种神经网络结构特点的基础上，确定了模型的输入变量。接着在某商业银行4000组个人消费信贷数据中选取了496组，用10倍交叉确认的方法对四种模型进行了测试，并对四种模型在网络结构、学习速度、鲁棒性、特别是预测精度、错分成本进行了比较分析。最后结合模型的应用，就个人信用评估指标的完善、个人信息的动态性、留酌情处理权等方面提出了建议。