该文就消费者信用风险管理问题进行了研究,主要的内容和创新之处有:一、探讨了信用风险管理中的数据挖掘应用原理,构建了数据挖掘应用的过程,并对该过程涉及的具体内容进行了较为详细地研究.首先阐述了消费者信用风险管理的一般理论与方法,分析了信用风险管理中的主要方法——信用评分系统的原理、过程,并评述了其运用的主要模型方法,随后介绍了数据挖掘技术的目的、模式、过程与运用的模型和算法.而后,探讨了消费者信用风险管理中数据挖掘应用,该文认为,数据挖掘可以在信用风险管理的几乎全部阶段中发挥重要作用,一个基于数据挖掘的评分系统会具有更好的风险管理效果.基于此,构建了消费者信用风险管理中的数据挖掘应用过程,该过程由商业问题定义、数据准备、数据分析与建模、模型应用与评价四个阶段组成,并对每个阶段的若干具体内容进行了较为详细地分析.二、提出了基于主成分线性加权的数据挖掘模型,应用于消费者信用风险管理中,使用两类实际信用卡数据集进行了实证和对比研究,并研究得出模型若干应用方面的特征.三、提出将统计学习理论的最新成果——支持向量机(SVM)应用于消费者信用风险管理领域,并构建了基于SVM的评分过程,实证研究的初步结果表明该方法具有良好的分类效果,并得出了该方法若干具体应用方面的结论.针对评分模型的建立需要大量历史样本而实际中往往不能满足的事实(特别是在中国现阶段),该文引入了处于统计学习理论最新研究阶段的支持向量机方法,实现对消费者信用风险的分类.在阐述了SVM的相关概念、基本原理、模型之后,构造了基于SVM方法的评分过程,并分析了其中的几个主要问题.