随着中国经济的快速发展,个人信贷消费(如买车、买房)也逐步成为个人消费的主要方式。个人信贷消费的快速增长要求商业银行具有较为完备的信用风险管理体系。但是缺乏科学的个人信用评估体系是目前中国商业银行信用风险管理中最严重的问题之一。目前学术界虽然提出了包括数理统计、人工智能等多种信用评估模型而已有的信用评估模型之所以不能得以推广,主要原因是很多模型精确性得到提高的同时,稳健性不是很理想,模型的泛化能力也不是很强,要解决这些问题,仅仅改进模型还不够,指标的选择以及处理也是很重要的。本文在国内外学者研究的基础上,分析了单一模型和组合预测模型的原理和建模思想。文中主要是运用了两种单一模型的组合,其中一种是在统计学习理论中,分类精度比较理想的logistic回归模型；另一种是在智能算法中应用比较广泛且分类精度较高的BP神经网络模型。把二者运用组合模型的原理进行组合,通过真实数据样本对单一模型和组合模型的实证检验和对比,可以看出,组合模型比单一模型具有更好的分类性能。