信用是市场经济运行的基础和核心。征信产生、依赖并且服务于信用活动,是市场经济活动中的重要一环。为大众所熟知的传统个人信用风险评估方式主要基于贷款人的基本信息、银行存储流水和借贷记录等,对贷款人的风险状况进行评估,评估数据项目不够丰富,数据源狭窄,数据覆盖率低,评估方法不够灵活,过度依赖于央行信用调查信息和行业专家的经验判断。由此而产生的由借贷信息不全面造成的道德风险和逆向选择问题无法得到有效解决。如果不利用互联网大数据对个人信用风险管理进行加强和完善,坏账率必然会上升,带来区域性和系统性的金融风险,为我国金融体系的安全运行和社会稳定带来严重的影响。随着网络技术的发展和经济活动范围的不断扩大,在交易数据外,信用还可以通过行为数据、社会关系等非结构化数据展现出来。它不仅是对传统信用调查方法的补充,也是一种创新和变革。本论文以大数据时代下社交网络对个人征信的影响为出发点,收集了98个用户的芝麻信用和社交数据构建了真实社交网络,引入了社会资本和关系强度理论,利用复杂网络的概念分析社交网络的特征。在模型构建上,通过改进PageRank模型构建了SCRank模型,以芝麻信用作为模型的初始信用值,利用层次分析法,设置社交强度指标体系并计算各用户连边的关系强度,将关系强度指标作为模型各连边的权重,计算出最终的信用值进行分析,寻找社交关系对个人信用影响较大的节点,分析其特征。研究发现:（1）利用层次分析法的相关原理,从互动性、认可度、相似性三个维度对社交关系进行考量,并细分出9个社交关系强度指标,构建了社交关系强度度量体系,该度量方法可以将定性的社交数据进行量化,衡量好友间的关系紧密程度,具有代表性和可行性。（2）将社会资本、社会关系引入到个人征信评定中,发现社交强度对征信有显著影响,用户本身征信状况比较差,但如果与其联系紧密的好友个人信用评分较高,且这种好友数量比较多,有即该用户有较好的社会资本,那么自身的信用评分会被提高;用户本身征信比较好,但社会资源差,其朋友信用都不如他,那么该用户会被好友拖累,个人征信会被下调;如果用户与朋友间关系不够紧密,或者好友数量不多,那么该用户的信用变化不会太大。本论文不仅运用层次分析法确立了互动性、认可度、相似性三个维度的9个关系强度指标,构建了丰富的社交关系强度指标体系,将社交关系、社会资本纳入到个人信用评估体系中,更加全面有效地进行个人信用评估。还在度量个人征信时引入PageRank算法,并对此进行改进,构建了SC-Rank算法。不仅对各节点的初始信用值赋值,还将社交关系强度进行量化后计算各连边的权重,通过多次迭代计算来重新计算每个节点的SC-Rank得分,用于衡量社交关系对征信状况的影响。经过验证,相比于芝麻信用和PageRank算法,本文提出的SC-Rank具有更高的准确性和适用性。