世界银行对全球银行业危机的研究表明，导致银行破产的主要原因是信用风险。在我国，近年来，随着金融领域改革的不断深化，各大银行不良贷款比率的严重问题逐渐浮出水面，给经济社会的发展稳定带来了极大的危害。因此加强对贷款企业的信用风险评价，对于降低银行信用风险，确保经济健康稳定运行具有重要意义。 信用风险的评价是银行信贷风险管理中一项重要的基础性工作。由于商业银行信用风险评价越来越重视量化研究，因此搜寻先进的信用风险量化评估技术就成为了商业银行信贷风险管理研究的重要内容之一。在这样的背景下，本文主要研究了商业银行对贷款客户信用风险量化评价的技术方法。论文在对主要的信用风险评价方法的优劣进行比较研究的基础上，结合我国的实际情况，采用支持向量机的方法，将信用风险评价的问题看作是对贷款企业信用风险的模式分类问题。并结合我国商业银行信用风险的特点，构建了适合商业银行应用的信用风险评价指标体系，根据该指标体系，采用支持向量机模型，基于收集到的贷款企业的数据进行了相应的实证分析。在支持向量机模型的基础上，为了克服支持向量机模型对误分类代价考虑的不足，采用了考虑误分类代价的改进支持向量机方法进行信用风险分类评价，有效地平衡控制了分类错误率；最后进一步结合 K 近邻法，使用KNN-SVM模型来评估信用风险，并与BP神经网络方法的结果进行了比较，结果表明，KNN-SVM模型的准确率最高，对于商业银行贷款客户的信用风险分类，具有较好的性能，而且它易于操作，因此在我国商业银行信用风险评价领域的具有较大的应用前景。