我国现在正处于经济快速发展时期,加之我国消费信贷市场的不断完善,个人消费信贷的规模在迅速扩大。目前,很多银行等金融机构将个人消费信贷作为未来发展的主要战略之一,他们投入大量的人力、财力和物力“抢占”信贷消费市场,这其中最重要的就是风险管理控制问题。众所周知,个人消费信贷的风险是很高的,但是我国的风险管理水平比较低,风险管理手段和发放也都比较落后,尤其是对个人信用风险的评估。个人信用风险评估是消费信贷的第一步,准确合理的评估信用风险,是完善信贷市场、保障个人信贷健康开展的重中之重。本文从信用的定义和分类入手,对个人信用风险评估的必要性,国外个人信用风险评估方法的研究现状以及国内个人信用风险评估指标、个人信用风险评估方法和个人信用风险的产生来源进行阐述,指出目前存在个人信用评估方法指标体系混乱、精确度与稳健性无法兼顾等问题。对于指标体系问题,本文以德国信用数据为样本数据,先对指标进行初步筛选,进而通过因子分析中的主成分分析法进行指标优化,综合提取出9个公因子,并以此作为构建模型的变量。为了对比模型的准确度和稳健性问题,本文先后构建了三个单一模型,即:基于因子分析的Logistic回归模型、基于因子分析的多元线性回归模型以及PCA-RBF神经网络模型和三个基于遗传算法的组合评估模型,即:Logistic回归与多元线性回归的组合评估模型、Logistic回归与RBF神经网络的组合评估模型、多元线性回归与RBF神经网络的组合评估模型,并对结果进行比较分析。研究表明,总体上,在同一指标体系下,基于遗传算法的个人信用组合评估模型要比相应的单一模型更优,适用性更强。从组合模型角度而言,统计模型与神经网络模型的组合要比统计模型之间的组合分类效果更好,而统计模型之间的组合模型的稳定性要优于统计模型与神经网络模型的组合。在实际的应用过程中,我们可以通过不同的模型组合来实现分类准确率和模型稳定性的最优组合。