2007年以来，美国次贷危机使全球金融市场和世界经济进入寒冬，金融业面临的最大风险——信用风险又一次摆在我们面前。我国金融开放程度不断加深，商业银行在国内外竞争日益加剧的形势下，能否有效地识别个人信用风险，成为个人金融业务健康持续发展的前提条件，也是我国经济和金融稳健运行的重要保障。其中，个人信用评分是识别信用风险的主流方法。　　 个人信用评分是预测贷款申请人违约可能性的一种统计方法，它利用定量方法对贷款申请人的不同特征、对申请人拖欠和违约行为的影响进行分析。个人信用评分对不同的申请人产生不同的“分数”，商业银行可以利用这一分数对贷款申请人的违约风险进行评估。一个设计较好的信用评分模型使得那些表现好的客户得到高分数，而使得那些表现不好的客户得到低分数。　　 本文便是在对信用风险，个人信用评分管理，神经网络和Logistic回归深入研究的基础上，针对我国商业银行信用风险管理的实际情况，构建个人信用评分模型，为商业银行和信用评估机构对个人的信用评估提供更加准确、科学的决策信息，本文的主要研究工作有：　　 1.基于真实的历史客户数据，抽象出客观科学的信用评分指标体系，并与实际金融业务结合起来分析。　　 2.采用多种建模方法，对比研究，结合模型的优势，建立基于神经网络和Logistic回归的单一模型和混合模型，在预测准确率和解释性上更进一步。　　 3.采用多种检验方法，保证模型的稳定性，并为进一步改进模型提出方向。　　 4.参考某银行的信用风险管理系统，进行信用评分卡设计和信用评分系统的研究。　　 针对上述研究内容，本文进行了严密的解释和论证，结果表明，本文的理论，方法和结论正确有效，具有实际应用的前景。