信用是市场经济的基础,国家信用、企业信用和个人信用共同构建成了完整的信用体系,完善的信用体系对推动经济的稳健运行具有非常重要的意义。个人信用制度是整个社会信用制度的基石,完善的个人信用制度是建立社会市场经济秩序和防范金融风险的有效保证。良好的个人信用体系能够推动消费信用的迅速发展,扩大内需,进而拉动经济增长。随着我国消费信用市场的不断发展,个人信用评估中存在的问题越来越受到理论界和学术界的关注。客观综合地评价个人信用,可以为商业银行发放消费信贷、发展个人金融业务提供科学、及时、有效的决策依据,显著降低信用风险,提高信贷决策效率。个人信用评估是当前金融领域中亟待解决的重要实践问题,也是学术界面临的一个严肃而紧迫的课题。由于我国信用建设起步较晚,社会征信体系不完善,既缺乏个人信用评估的相关资料,又缺乏专业的研究人员和评估机构,导致国内目前没有相对统一合理的个人信用评分体系,因此,对我国商业银行零售客户的信用评价进行研究具有重要的现实意义。本文尝试将BP人工神经网络模型运用到我国商业银行零售客户信用评价的实践当中,重点探讨了BP神经网络模型在零售客户信用风险评估体系中的应用。文章首先阐述了个人信用和个人信用评价的相关理论和方法,并重点介绍了BP神经网络基本原理和运行流程,及其在商业银行信用评价的适用性。然后利用BP神经网络的自学习能力、非线性处理能力和容错能力,在选取个人信用评价指标参数的基础上,构建了基于BP神经网络的零售客户信用评价模型,并利用MATLAB软件对模型进行了仿真实现,得到了较好的预测效果。考虑到BP神经网络在训练过程中,网络的权值和阈值可能会陷入局部最优值,因此提出用遗传算法对BP神经网络的权值和阈值进行优化,并用MATLAB软件对优化模型进行了仿真实证分析,结果发现优化模型的均方误差更小,预测精度更高。