随着经济全球化不断加速,信用欺诈事件时有发生。近几年,毒奶粉、地沟油等食品安全问题层出不穷,网络团购和网络购物流行的同时,假冒伪劣产品也在困扰着我们的生活。另外,受国际金融危机和欧洲债务危机的影响,信用违约问题经常发生在生产生活中的每个角落。信用问题不仅扰乱了正常的市场秩序,延误了市场改革进度,而且增加了市场交易的成本。近几年来,我国正在积极建设社会信用体制,出台了多项法律法规。同时,不少学者也研究和探索了我国社会信用体系的相关问题,但都停留在定性分析层面上。本文立足于国内外现有信用文献的研究,首先从不同角度对社会信用进行了全面综述,其次构建了社会信用风险评估模型,最后探讨研究了信用监管机制。首先,本文分别从信用理论基础、评分技术以及监管机制三方面对政府、企业和个人进行了综述。研究发现,(1)评级技术从偏向于定性分析的专家系统发展到效率和准确性较高的人工智能模型,评级效果得到了很大的提升；(2)监管机制的研究仅仅停留在定性分析层面,缺乏定量分析。其次,本文基于人工智能Agent构建了信用风险评估模型(ELM-C)。不同于现有使用固定分类分界点(0或0.5)的模型,本模型特地将寻找最优分界点作为模型的重要参数给以考虑,以期提高模型的分类准确度。该模型选择高性能的极致学习机作为基本分类算法,运用网格寻优算法选择最优分类分界点。实证研究表明：(1)在信用风险评估领域,极致学习机比传统的人工智能模型预测准确度要高。(2)基于网格寻优算法的极致学习机信用风险评估模型在分类准确度上要远远高于没有进行分界点选择的模型。(3)分类分界点的选择对于提高信用风险评估模型的预测准确度意义重大,尤其对于非对称数据集而言。最后,本文基于Multi-Agent技术构建了多主体信用监管仿真模型。在考虑企业信用评级基础上,仿真模型以期探讨不同政府监管政策对企业利润的影响。通过模拟不同监管政策对企业利润和次品率的影响,可以得出如下结论：(1)政府监管在对于企业长期的发展至关重要。相比于没有政府监管机制的信用市场,拥有政府监管机制的信用市场,企业的获利能力要高。适当的政府监管有利于提高企业利润,然而过于严格的政府监管反而会影响企业的健康发展。(2)信息披露的监管政策相对于罚款的监管更有利于企业利润的增长以及次品率的降低。(3)与惩罚比率相比,企业利润对于信息披露比率的变动敏感程度更高。本文从信用理论基础、评分技术以及监管机制三方面对政府、企业和个人进行了全面综述。在评级技术方面,构建的基于分界点选择的人工智能Agent信用风险评估模型优越于其他没有进行分界点选择的人工智能模型。在监管机制方面,基于Multi-Agent的信用监管仿真模型表明政府监管对企业长期发展有利,并且信息披露的监管政策更为有效。