随着经济的快速发展,各种个人消费贷款的规模迅速扩大。在消费信贷热不断升温的形势下,各商业银行均把发展消费贷款作为未来发展战略的重要组成部分。但是目前商业银行对消费贷款的风险管理水平较低,管理手段与方法均较落后,在消费信贷的发放过程中,仍然采用传统的信用分析方法来评价消费信贷申请者的信用状况及还款能力,缺乏一套有效的个人信用评估方法,这严重阻碍了个人消费信贷业务的发展。因此,开发出一套能够有效降低信用风险的个人信用评估方法,对社会经济的发展具有十分重要的意义。本文阐述了个人信用评估方法的发展和国内外研究的现状,以及个人信用评估指标体系的现状,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。针对指标体系混乱问题,利用因子分析和遗传算法两种指标优化方法构建两种个人信用评估指标体系。针对单一模型中存在的分类精度以及模型稳健性等方面的不足,将组合预测模型的思想引入个人信用评估中,构建了Logistic回归和Probit回归的线性非负组合预测模型,为了解决数据过少的问题,在检验模型上,采用了蒙特卡洛模拟进行样本数据的模拟。利用德国银行的信贷数据进行的实证研究表明,总体上,在同一指标体系下Logistic回归模型和组合预测模型的分类效果都很好,在稳健性方面,组合预测模型要优于相应的单一评估模型,遗传算法优化指标的组合预测模型分类精度的标准差仅为0.0070228,波动很小,说明组合预测模型的稳定性很强;在相同模型的情况下,遗传算法优化指标的模型结果要优于因子分析优化指标的模型。通过研究可以看出,遗传算法优化指标得到的指标体系更好,并且组合预测模型是目前较好的个人信用评估方法。