近几年来,随着我国居民收入水平的提高和国家经济的快速发展,居民的生活水平、消费能力得到了很大提升,消费信贷作为一种有效的融资手段,越来越多地成为消费者解决当前消费资金短缺时的选择,因而市场需求大幅提高。随着政府以扩大内需为目标的宏观经济政策的制定,消费信贷业务也随之进入了快速增长阶段。据统计,截止2004年6月末,境内全部金融机构个人消费信贷余额17952亿元,占同期全部金融机构各项贷款余额的10.6%。与发达国家消费信贷比例(20%-40%)相比,仍有很大的发展潜力。不仅如此,在现阶段我国个人信贷消费结构中,个人住房贷款和汽车消费贷款占了相当比重。到2005年末,个人消费贷款余额达到2.2万亿元,比1997年增长128倍,其中住房贷款余额为1.84万亿元,占整个消费贷款余额的83.64%。然而,由于我国消费信贷业务起步较晚,从出现到目前也仅仅只有十多年的历史,还处于探索阶段,相关机制与法规尚待建立与完善,个人信用体系尚未建立、面临着许多不确定的风险。因此,商业银行在大力发展消费信贷业务的同时,应加强个人消费信贷风险管理体系的研究,有效防范信贷风险。我国对消费信贷客户的信用评分起步较晚,早期一般用判断式信用评分,银行通过借款申请人在申请书上填写的内容来判断贷与不贷,贷款多少,长短期限等,是一种经验式的、人为因素较多的判断方式。至于消费者信用评分,在我国商业银行中,有些没有做过这方面的工作,有些还刚刚起步。我国现有的消费者评分体系主要是借鉴国外银行的消费者信用评分体系,在结合我国实际情况调整后形成本系统的评分体系。由保障支持、经济支持、稳定情况和消费者背景四部分内容组成,采用百分制。消费者信用评分体系的推出,使银行能够更快更准确地评价贷款人的信用,促进了消费信贷业务的发展,并能有效地规避放贷风险,提高资产质量。但这一体系的建立是基于传统的分析模型,没有借助一些量化的数学模型,不具备对新知识的获取能力,不能完全满足对信用风险决策的需要。因此,有必要借鉴西方国家成功经验,使用定量化的评估方法,研究建立适应我国实际情况的个人信贷评估模型。本文根据我国的具体国情,探索提出建立我国商业银行个人消费信贷系统,为银行更好的对客户信用风险度进行准确的预测而提供决策上的数据支持。笔者研究了国内外个人消费信贷现状,并学习国内现有的消费信贷模型,在此基础上使用大量的个人数据,采用数据挖掘技术,使用判别分析法及决策树方法构建个人消费信贷评估模型,对客户信用等级进行分类、预测,为商业银行消费信用风险管理提供决策支持。本文从结构上分为四章:第一章主要研究国内外个人消费信用贷款的发展现状。首先对美国、日本和欧盟等国的个人消费信用贷款进行研究,分析了各国消费信用贷款的特征和现状,并对各国个人消费信贷的种类作了介绍。接着分析了我国个人消费信用贷款的发展、现状、问题和目前我国商业银行消费信贷风险评估体系三个方面。第二章阐述了数据挖掘技术的基础理论及其在商业银行中的应用。首先对数据挖掘的任务、过程标准进行了介绍,然后详细说明数据挖掘相关技术,如决策树、聚类算法、判别分析和神经网络技术等。最后,说明了数据挖掘在商业银行消费信用贷款中运用的必要性。第三章是本文的核心内容。主要阐述个人消费信用贷款系统的设计过程。本章首先介绍了该系统的实现目标、主要功能及开发环境的选择,然后依次介绍了系统的功能结构设计、业务流程分析,并运用数据挖掘技术对原始数据进行预处理,建立客户细分和客户贷款等级评估模型。本章主要用SPSS 14.0在数据基础上使用判别分析法和决策树方法进行客户分类和客户贷款等级的确定。第四章作为整篇论文的结束章节对整个系统进行了一个总体评价,指出了系统的局限性以及相应的改进意见,并对系统的进一步改进工作作出说明。本文的主要贡献是:本文采用数据挖掘技术对数据进行有效分析,采用量化的数学模型,在对数据进行总结的同时对数据进行深层次的分析,进而掌握数据规律并作出预测,以满足信用风险决策的需要。本文选取了10个要素作为客户分类和贷款等级评估的基本因素,把客户基本信息和贷款历史情况相结合,结果表明分类效果较好。此外,设计了个人消费信贷系统,详细规划了本系统功能,客户在输入个人信息后可轻松对贷款等级评估结果进行查询。把客户贷款等级分为三类,分别为第一类完全可贷等级,第二类为接受贷款等级和第三类为拒绝贷款等级。第一类为优质客户,银行应以此类客户为重点发展对象,鼓励其贷款。对于第三类客户,贷款逾期收不回的可能较大,应杜绝为此类客户融资。