个人信用评估是商业银行个人金融业务开展及信贷审批的关键环节,是个人信用风险管理的核心。以主观判断和定性分析为主的个人信用评估模式存在着效率低、成本高、准确性低等缺点,已不能满足商业银行个人零售业务快速、多样化发展的需要,引入定量化、自动化的个人信用评估系统,是商业银行加快业务发展、提高竞争能力和经营效益的迫切需要。本文在总结和借鉴国内外相关研究成果和实践经验的基础上,以具体的实际信贷数据为样本,介绍和演示了如何分别运用层次分析法、Logistic回归和人工神经网络三种方法来建立个人信用评估模型及模型求解的详细过程,并对这三种单一模型的建模原理、过程和效果进行了比较分析和实证检验。通过对单一模型的比较分析及结合我国实际情况,本文进一步构建了以层次分析法和Logistic回归为基础的个人信用评估组合模型。本文认为,层次分析法与Logistic回归组合建模的思路既保留了层次分析法易于建模、运用灵活、可操作性强的优点,又吸收了Logistic回归计算客观严谨、预测准确率较高的优点,可在保证较高预测精度的同时降低数据收集的工作量、简化业务流程,是一种在我国当前个人征信体系不完善、个人基础信息数据库不完备等实际情况下建立个人信用评估模型或系统时所值得参考和采用的建模方法。