本文基于商业银行的历史数据,研究银行的贷款申请人的个人信用评估问题,并据此判断其贷款的信用程度。国内外现在研究这方面的方法和模型比较多,但将支持向量机应用到个人信用评估的还比较少见。首先,本文阐述了支持向量机在分类方面具有其它模型所不具有的优越性,提出支持向量机在个人信用评估中的先进性,并对其数学基础进行了分析,重点论述了支持向量机的强大的数学理论支撑。其次,个人信用评估指标体系的建立是一个重要的环节。国内很多论文中,都是直接套用其它学者的分类指标体系,并没有论证指标体系所需要指标的选取标准与选取方法。在本文指标体系的建立过程中,作者在系统分析国内外学者分类指标的基础上,立足于我国消费信贷现状,从中发现了具有普遍意义的个人信用综合评价指标,采用了经验式信用分析来构建指标体系,提出了适用于我国信用环境的指标体系。再次,个人信用收集到的数据中除月平均收入等比较精确的定量数据外,还包含许多较难描述的定性指标。因为数据的预处理对于建立模型具有至关重要的作用,因此,本文中首先采用交叉表分析法对可能的特征变量的一些特征项进行了删除与合并;然后,采用“信息价值”法对某商业银行394个贷款人信息的12组数据进行了处理,将其中的定性指标进行定量化,并从12组数据中筛选出7个特征变量。最后,将有关数据经过处理后用于建立支持向量机模型,并且通过编程不断地调整支持向量机的有关参数。为了模型的正确性,最后,对模型进行了交叉验证。通过实证研究表明,本论文建立的支持向量机模型的正确性和适用性。