在经济新常态中,消费对GDP的拉动作用凸显,伴随着消费刺激的就是个人信贷业务的扩展,尤其以P2P为代表的网络信贷发展的如火如荼,而其所面临的风险也受到越来越多的关注,其中最重要的就是信用风险。对个人信用进行科学量化,建立起完善的个人信用评估体系及自动化的信用评估系统,是P2P公司、商业银行等金融机构控制信用风险,提高收益的迫切需求。目前国内个人信用评估的研究中更多的是BP神经网络算法,RBF神经网络的应用较少;由于隐私的保密性,个人信用数据很难获取,国内的研究大多使用国外的数据,样本容量小,数据维度低,与国内目前个人信贷业务的情形不相符合。针对以上问题,本文采用国内P2P公司拍拍贷的个人信用数据,进行个人信用评估的研究。该数据集样本容量大、维度高,因此,在进行数据分析前引入了降维操作,去除冗余特性变量。然后将降维前与降维后的样本数据集,分别带入BP神经网络与RBF神经网络,对比分析计算结果。结果表明,对于高维数据在计算前进行降维操作可以有效降低计算时间,提高模型的预测效率;RBF神经网络较强的函数逼近能力、结构简单、收敛速度快等优点,相对BP神经网络有着更高的预测精度。