经历了连续多年世界产销量第一后,我国汽车产业的发展开始步入微增长时代。汽车消费信贷作为推动汽车销量大幅增长的催化剂,越来越受到年轻一代消费群体的接受与认可,但与国外成熟市场相比,仍然具有较大差距。随着90后一代成为新的购车主体,我们认为国内汽车消费信贷必将迎来高速增长,在渗透率上有望快速接近国外成熟市场。而汽车消费信贷市场的进一步成熟,离不开传统信用评价模式的创新与升级。本文通过对现有典型信用评价模型的研究,寻找其中可能存在的缺陷与并深入分析原因。利用Logistic模型与人工神经网络两种方法进行实证对比研究,发现Logistic模型在样本选取、数据处理与录入、以及被拒客户的信息利用等方面的局限性,使得该方法的准确率与稳定性只能在70%左右。因而提出借助较为领先的人工神经网络尝试进行新的信用模型的构建,增加数据采集维度的丰富性、提升处理过程的严密与科学性、注重对大数据的挖掘与发现,从而使新的模型在运算效率、信用评价准确性与稳定性能达到80%以上。我们希望,我们的探索,能够帮助汽车金融机构在汽车消费信贷业务的服务效率与风险控制上均带来一定改善,为我国汽车消费信贷迈向繁荣添砖加瓦。