近年来,随着我国经济的高速发展,人们的消费观念也有了很大的改变,越来越多的人选择通过信贷方式提前消费,对银行来说如何提高信贷效率及降低信贷风险就成为了一个重要的课题。随着大数据挖掘技术的飞速发展,银行也在积极的进行数字化转型,建立信用风险评分模型对客户进行评分,评估客户风险,并通过制定各种评分模型的应用策略来达到既提高信贷审批效率又降低信贷产品风险的目的。本文的数据来自国内某大型商业银行个人信贷产品。通过目标变量定义、样本选择、数据清洗等步骤完成建模样本的选取加工;再通过逻辑回归和Xgboost两种方法分别建立申请评分模型;然后根据制定的评分卡刻度,完成预期违约概率到评分的转换;最后通过区分力、区分力稳定性、排序能力和群体稳定性指标对模型效果进行评价。通过实证数据得到以下结论:Xgboost模型区分能力上表现更佳,而逻辑回归模型则在区分力稳定性表现更好;在排序能力和群体稳定性上逻辑回归模型和Xgboost模型都表现良好。这证明了使用逻辑回归和Xgboost进行信用评分卡建模的可行性和可用性。同时,逻辑回归模型在业务解释性上表现更好,实施部署方面更易实现。