随着中国经济的快速发展,信用消费增长迅速。在消费信贷热不断升温的形势下,各商业银行均把发展消费贷款作为未来发展战略的重要组成部分。但是目前国内商业银行对消费贷款的风险管理水平较低,在消费信贷的发放过程中,仍然采用传统的信用分析方法来评价消费信贷申请者的信用状况及还款能力,在个人信用评估方法上仍然没有形成稳健可靠的模型。而目前学术界虽然提出了包括数理统计、人工智能等多种信用评估模型,但是这些方法都无法同时达到精确性和稳健性的最优状态。基于以上的考虑,本文利用最近几年发展起来并得到广泛应用的统计学习和支持向量机理论构建个人信用评估模型,并利用某商业银行的个人信贷数据建立模型。文章首先构建了适合于我国个人信贷评估的指标体系,其次,分析了影响标准支持向量机分类性能的因素以及核函数的特性,针对这些问题提出了支持向量机参数的最优化方案和利用单一核函数的各自优势建立混合核函数支持向量机模型的新思路,并构建的混合核函数支持向量机模型应用于商业银行客户的消费信贷评估中,将得到的数据结果与经典统计学模型和神经网络模型在精确度和稳健性方面进行对比分析,最终得到比较结果。