随着中国经济的快速发展,各种个人消费贷款的规模迅速扩大。但是,由于目前国内商业银行对零售业务的风险管理水平较低,管理手段与方法相对落后,缺乏一套有效的个人信用评估方法,这严重阻碍了个人消费信贷业务的发展。因此,开发出一套适合于中国特征的,能够有效降低信用风险的个人信用评估方法,对社会经济的发展具有十分重要的意义。本文运用国内外银行最经常使用的判别分析、Logistic回归、人工神经网络3种方法对收集的数据资料进行处理,并且在对结果进行分析比较的基础上,建立一种新的信用评估方法——个人信用混合两阶段评估方法。即将个人信用评估模型的建立分成两个阶段,在第一阶段通过对判别分析、Logistic回归、人工神经网络3种方法的单独应用所得结果的分析和比较,得到人工神经网络模型的拟合精度最优,Logistic回归预测的稳健性最优的结论,作为第二阶段建立二者混合模型的基础。第二阶段利用Logistic分析建立的模型输出预测结果---概率P,并将P作为新增变量和其他自变量一起作为神经网络的输入,利用先验知识对人工神经网络加以提示,来优化神经网络。由此得到了预测稳健性得到改善的更有效的信用评估模型。这种个人信用混合两阶段评估方法可以有效降低商业银行的信用风险,更好地实现银行利润最大化的目标。