随着经济社会的发展进步,我国也逐渐向“信用经济”方向迈进。加之我国经济政策的优化调整,信贷业务已逐渐在我国的金融市场上遍地开花。随着城市化建设步伐的加快,更加推动了“房贷”、“车贷”等个人信贷业务的井喷式发展。但毕竟我国的信用体系建设起步晚、基础差、经验少,在实际应用中难免有不足之处,尤其在“信用风险”控制方面常常顾此失彼。通过深入研究调研发现,目前我国大多数银行在进行个人信用风险评估时,普遍采用打分制的评估方法,且业务开办实施多年来,评估指标却未能与时俱进,基本上没有较大的改动。显然这种评估方式带有很强的主观性,评估指标也相对落后,略显刻板、单一。对此,本文提出了新的评估指标体系,并采用改进的BP算法建立了个人信用风险评估模型,希望能对银行的个人信贷业务提供积极的参考意义。基于BP神经网络的个人信用风险评估模型的研究,本质上需要解决三个问题:BP神经网络算法的改进、个人信用风险评估指标体系的建立及评估模型的构建:(1)BP神经网络算法的改进:BP神经网络受初始权值和阈值的约束,容易陷入局部极小值点。而混合蛙跳算法是一种仿生智能优化算法,具有良好的全局搜索能力,所以本文提出了用改进的混合蛙跳算法优化BP神经网络的解决办法。(2)个人信用风险评估指标体系的建立:在符合我国信用体系的实际发展背景下,本文主要参考借鉴了建设银行个人信用评级、蚂蚁金融芝麻信用、人人贷、美国FICO这四种个人信用评估方法的评估指标,以及中国人民银行征信中心出具的个人征信报告。然后在传统评估指标的基础上,剔除了一些对个人信用识别能力较差的指标项,添加了2项对个人信用评估有较强识别能力的“互联网线上”指标项,打破了以往传统评估指标仅仅局限于“线下”的桎梏,做到了对借款人实施“线上+线下”的全方位评估。(3)评估模型的构建:利用改进后的混合蛙跳算法来优化BP神经网络进行模型建立,对“线上+线下”的18项指标进行科学的预测分析,实现对个人信用风险等级的评估,从而规避了传统评估方法的主观性,缩短了评估流程,提升了评估效率。最后通过实验论证模型的预测准确率。