信用风险是商业银行面临的主要风险,能否有效地控制信用风险成为商业银行能否盈利的关键。信用风险在西方国家的管理已经有了很长的历史,对它的确定已经用了信用模型的方法。但是我国信用风险的管理则是从20世纪80年代才开始的,还处于刚刚起步的阶段,缺乏对信用风险的系统研究,评价的方式和手段都比较落后,尽快加速我国信用风险的管理工作,为金融机构提供比较科学的决策依据,使它们的管理和经营更加科学合理,具有非常大的意义。但我国传统的管理信用风险的方法还停留在以手工完成的阶段,具有很大的主观性,因而更增加了商业银行经营的风险,如何利用新的科学方法更有效地管理信用风险已经成为一种非常大的趋势。数据挖掘作为一门近些年新兴的边缘学科,由于在很多领域都已经取得了比较成功的应用,因而越来越受到国内外专家学者的普遍关注,成为信息系统领域研究的最活跃的前沿。本文在对数据挖掘、关联规则、聚类分析研究的基础上,从对信用风险的分析入手,结合我国的实际情况,提出了基于数据挖掘的聚类分析、关联规则、因子分析以及统计软件SAS进行分析的基础上得出一些新的见解,为金融机构进行更科学的信用评估提供了一些依据,从而降低了信用风险。本文的主要工作有:1.在传统的对信用风险研究的基础上,运用数据挖掘技术及统计软件SAS对各种数据进行分析,使得出的结果更具有科学性,从而可以给金融机构以更好的指导。2.与以前的进行信用风险分析不同,提出了关联规则的应用,使得金融机构在对贷款企业评级时可以减少对一些指标的考虑,从而减少了模型的复杂度。3.在对各种指标进行相应分析之后,建立了决策树模型。以往的研究都是在基于交易量大小、是否老客户这样的指标上的,而本文则是用的比较重要的财务指标以及和企业发展密切相关的指标进行分析的。