供应链金融作为新兴事物,与传统的金融不同。它旨在帮助供应链的参与主体摆脱融资困难,并且建立一个更好的供应链环境,促进供应链快速发展。但在供应链金融信用风险评估领域,相关的研究更偏向于大中型企业的信用风险评估,对于当前市场经济重要组成的偏向于个体的微企业、个体工商户等其他参与个体反而视而不见,本文正是从这方面着手,对供应链金融个人信用风险评估方面进行研究,目标是为供应链参与者带来信用便利。针对现阶段供应链金融信用风险研究现状,以及信用风险评估模型多使用单一模型,导致了模型预测精度与稳健性不能兼并和可解释性差等问题。本文分析了各学者在信用风险领域的研究成果,最后结合现有的信用风险评估方法,提出了基于随机森林(RF)与自适应神经模糊推理系统(ANFIS)的两阶段组合模型RF-ANFIS。利用RF算法对样本指标变量进行重要性度量,选出对分类值影响最大的几个指标变量;再将得到的指标变量作为构建的ANFIS系统的输入变量,利用ANFIS系统进行个人信用风险评估。对于所提出的RF-ANFIS模型的验证,本文采用了 UCI数据库中的德国某银行的个人客户信用数据,利用构建的两阶段模型对信用数据进行评估,结果表明预测效果较好,解决了模型稳健性和预测准确度不能兼并的问题,同时整个模型又具有较强的可解释性。又将组合模型与所设计的单一 BP神经网络个人信用风险评估模型的评估结果进行比较,发现RF-ANFIS组合模型更具有优势,对于解决供应链金融个人信用风险评估问题有较大的实用价值。