信用风险是我国银行所面临的最主要的风险，由于贷款企业和个人信用的缺失，导致银行不良资产急剧增加，成为银行破产最常见的原因之一。随着个人信贷在银行贷款业务中的比例不断上升，对贷款个人的信用状况提供一种科学的评估方法以避免不良现象的再生，是我国商业银行界急需解决的主要问题，它直接关系着银行经营的成败。 本文首先在综合考虑覆盖面和计算量的基础上，获取了大量真实宝贵的相关数据，确定了合理的个人信用评估指标体系。鉴于实际的经济生活中，影响个人信用的因素很多，这些因素和信用之间多为复杂的非线性关系，采用神经网络方法进行个人信用评估。然后，利用LVQ学习向量量化神经网络技术建立个人信用评估模型，对客户信用等级进行划分，从而确定相应的授信额度。通过BP神经网络技术得到客户信用预测值，细化了客户信用情况，有利于对处于边界处的客户信用情况做出精确的判断。论文研究中对BP网络固有的不足之处，采用遗传算法对其权值及阈值进行优化，并综合遗传算法的全局搜索能力与BP网络的局部搜索能力建立遗传神经网络模型。两种模型—LVQ神经网络模型、遗传神经网络模型，既可独立使用，也可相互补充。 最后，针对具体问题对模型进行设计。用MATLAB这个良好的建模工具实现模型的建立和仿真，并利用相关数据对所建模型进行验证和分析。 利用神经网络方法，建立个人信用评估模型，对客户的信用情况进行预测及评价，在一定程度上消除了信用评估结果中的人为干扰因素。所建模型为金融机构规范个人信贷管理、减少投资风险起到重要的作用，为银行个人信贷业务提供了决策依据。