商业银行运营过程中面临着诸多风险,其中信用风险是商业银行面临的主要风险之一,所以信用风险管理的重要性尤为突出。新巴塞尔协议建议商业银行建立完善的内部信用评级体系,以提高信用风险的管理水平。客户信用评级是内部信用评级的重要组成部分,它可以量化贷款客户的信用风险,计算客户的违约概率,对客户进行信用评级。所以客户信用评级在信用风险管理中的重要性是不言而喻的。本文介绍一种客户信用评级方法,该方法步骤为：1.计算财务指标的weight of evidence(WOE), information value(Ⅳ)等量,初步为logistic回归选取指标；2.通过Logistic回归得到计算违约概率的模型；3.利用Kolmogorov-Smirnov检验(简称K-S检验)、ROC曲线,检验违约概率模型的区分能力和准确度,最后确定客户信用评级模型。该方法在指标的选择上不同于传统的主成分分析,因子分析等方法,该方法引入信息论中的Ⅳ并结合WOE的线性拟合优度,直接选择与违约相关性强,并且风险趋势呈线性的指标;在Logistic回归计算信用评级的核心要素——违约概率时,我们采用了变量序别化方法,将原始指标值用区间的WOE值代替,提高了Logistic回归的韧性,减少异常值的影响。另外本文结合实际,利用某大型商业银行IT行业的实际数据,进行实证研究,得到了该银行IT行业的客户信用评级模型。进而论证了这种方法的可行性。