近年来,我国银行个人类信贷业务飞速发展,主要涉及住房及装修贷款、汽车消费贷款、大额耐用消费品贷款、信用卡消费贷款等多个种类。随着个人消费贷款业务的不断发展,个人信贷业务暴露出大量的信用风险问题,对个人信贷市场的发展构成了威胁,个人信用风险越来越受到商业银行和监管者的关注。目前,相对于商业信用风险评估而言,对个人的信用评估显得十分薄弱,大部分银行基本是靠信贷人员的经验和定性分析来决定,针对业务量大幅度上升、信贷人员相对不足的现实状况,这种授信措施会造成审批时间长、人为失误上升,导致服务水平和风险管控能力下降,不利于银行竞争力的提高。在这种情况下,构建个人信用评估模型,可以有效帮助银行提高个人授信效率和准确性,提高个人信贷产品质量和风险管控能力,对个人信贷风险理论及个人信用评估进行全面、系统地研究,便具有了重要的理论价值和现实意义。当前,我国个贷业务的飞速发展使商业银行积累了一定量的数据,商业银行纷纷进行数据集中,建立数据仓库,开始应用各种方法建立科学的个人信用评估模型,进而建立完善的个人信用评估机制,以降低个人信贷业务成本和风险。本文将对此进行系统研究,并以某商业银行个人信贷数据为分析对象,采用已有的数据挖掘算法进行适应性研究,使用判别分析法、Logistic回归法、K近邻法、决策树法分别建立模型对个人客户进行分类,并比较模型表现,从而探索建立适合我国的个人信用评估模型。本文对比了国内外常用的几种风险评估模型,综合考虑对比结果,Logistic回归模型是个人信用评估最优模型,该模型的准确率达到75%以上,训练样本和确认样本误判率相差不大,模型稳健性好,易于理解,效率高,推广能力强,是当前商业银行可以采用的最优模型,值得在实践中推广。本文采用理论与数据相结合的思路,使用定量分析的方法,对现有的几种个人信用评估方法进行对比研究。全文分为五章：第一章讨论了个人信用评估的基本概念及其发展历程。指出个人信用评估是对消费信贷中的个人诚实守信的意志和能力做出评价,并对目前西方国家流行的几种定量方法进行了综述,介绍了这些方法的基本原理和前人的研究成果。最后,分析了国内研究现状,强调了构建适合我国现状的个人信用评估模型的必要性,指出虽然进行了各种积极的尝试,但是我国银行业在个人信用评分模型的建立和应用方面仍处于起步阶段,对各种方法建立的个人信用评估模型的准确性和适用性研究还有待深入。本章的论述为后面进行实证分析奠定理论基础。第二章主要介绍了数据挖掘概念及其在个人信用评估中的应用。首先阐述了数据挖掘的基本概念,介绍了数据挖掘的功能和常用技术以及基本流程；然后介绍了数据挖掘技术的应用情况及其在商业银行风险管理方面发挥的作用。第三章研究了个人信用评估前的数据准备问题。论文研究所采用的数据是由四川省某商业银行提供的个人客户历史资料数据库的真实数据,由于建模用的实际数据存在着不完整、不一致、不精确和重复数据,所以需要对其进行预处理,本章具体介绍了数据清洗和转换的方法和过程；然后,介绍了建模所采用的抽样方法。第四章应用SAS等软件,对样本数据使用判别分析法、Logistic回归、K近邻法、决策树具体构建个人信用评估模型。详细介绍了建立模型的过程、算法、判别准则并计算了训练样本和确认样本的总体误判率及两类错误率。第五章对第四章中所建立的几种模型进行评估和比较。分析结果认为,就本文所使用的数据而言,几种模型建模效果在一定范围内差别不大。相比较来说,Logistic回归模型是个人信用评估最优模型,值得在实践中推广。最后,提出商业银行具体运用过程中还需注意的几点问题。本文的主要特点：(1)采用商业银行个人信贷真实数据进行实证分析,所建立的模型更符合实际情况。(2)论文用几种方法对样本数据进行数据挖掘,找出客户资信水平和个人特征信息之间的关系,构建信用评估模型并用于预测。采用对比研究的方法,对各模型进行评估比较。最终所推荐的模型具有客观性强,预测准确高的特点,有较强的信用风险识别能力和预测能力。(3)本文在选取建模方法时,采用了较多的非参数分析方法,对数据统计分布没有特别的要求,避免了传统技术对模型设定的困难。需要指出的是,由于所能收集到的数据有限,本文对个人信用的评估仅考虑了一些个人基本信息及财务状况,只是提供一种分析问题、建立模型的方法。而在实际业务中,对于个人信用的评价往往需要更多的信息,商业银行可凭借其数据仓库的综合信息获取优势,为模型的建立提供更全面的信息支持,在构建模型时,加入其他有价值的影响因素。同时,在构建成模型之后,还需对模型进行动态调整修正,使其符合业务发展的要求。