随着中国经济的快速发展,个人信贷业务发展迅速,并逐步成为我国各商业银行等金融机构扩大业务份额、提高利润增长点以及国家拉动内需的一个重要途径。然而信贷主体个人信用的缺失导致银行面临极大的风险,并成为信贷业务发展壮大的主要障碍。全面了解和评价贷款申请人的信用情况是各金融机构搞好信贷业务、防范信用风险的关键问题。因此,对信贷主体的个人信用评估模型的研究也便有了重要的应用和现实价值。本文的主要工作包括:①本文首先综述了国内外个人信用评估情况的发展现状,并详细分析了目前已经被使用个人信用评估方法其各自的优缺点。②综述了我国个人信用评估工作中所使用的评估指标体系,从定性的角度对指标体系的特点进行了分析,并进一步从定量的角度研究了个人信用评估指标体系中的几个重要的指标及其对个人资信的影响作用。③基于对我国个人信用评估指标体系的分析和众多学者对评估方法研究的基础上,本文尝试建立起基于粗糙集和支持向量机相结合的个人信用评估体系,希望能够寻求一种更为有效的评估模型,一定程度上提高个人信用评估的分类正确率。④利用我国河北省某商业银行2009年的450个数据样本对构建的个人信用评估模型进行了验证分析,结果表明该模型具有较好的分类效果。⑤对比实验。为了验证该模型分类效果的可靠性,文中设置了多组对比实验。首先通过软件计算得出同一数据样本就不同的方法的分类效果,这些方法包括线性判别分析,Logistic回归,K近邻判别分析,人工神经网络。其次,将基于RS-SVM组合模型的个人信用评估模型分类效果与这些模型的预测效果进行比较,从而验证了该组合模型的分类效果的可靠性。此外,针对数据样本自身可能存在一定的局限性等问题,本次实验还采用一组公开的国外信贷样本数据来验证了RS-SVM组合模型的分类效果,该组数据虽然是国外数据,但也可以从一个侧面反映了RS-SVM组合模型在个人信用评估方面的适用性和可靠性。本文的研究,旨在寻求一种有效的个人信用评估模型,使其分类识别结果能为信贷业务部门提供有力的支持,帮助我国商业银行等金融机构很好的开展个人信用风险评估体系建设工作、提高信贷业务的风险管理水平、降低因信贷主体个人信用的缺失而导致的不良资产流失及更进一步促进我国个人信贷市场的有序发展。