近两年来,随着商业银行个人住房贷款业务的快速发展,与信贷密切相关的个人信用体系的建设越来越不能满足信贷发展的需要,并且缺乏行之有效的个人信用风险预测工具。导致拖欠贷款现象时有发生,个人信贷风险逐渐显现。如何客观综合评价个人信用,为商业银行发放信贷提供及时的决策依据,是当前商业银行发展过程中亟待解决的问题,也是我国信用体系建设面临的一个紧迫课题。本文以个人住房贷款信用风险为研究对象,从信用的基本概念出发,对国内外信用评估方法按照时间的脉络进行了全面的归纳与总结。随后,在借鉴国内外金融机构与专家学者的违约风险因素研究的基础上,结合住房贷款数据与信用风险关联度的定性分析结果,有针对性地设计出符合中国国情的个人住房贷款评估指标体系。接着,基于国内某商业银行个人住房贷款的三千多条真实数据,利用径向基神经网络数据挖掘算法,进行多次网络参数调试优化后,生成信用评估初级模型。然后,从模型预测结果中挑选边界数据作为新的训练样本,生成了最终的径向基神经网络模型。该模型能根据贷款人不同的个体情况、经济情况与贷款情况快速分析出该笔贷款的风险程度。经过预测数据集的检验,与同类、异类算法所建模型的预测结果比较后,证明该信用评估模型具有良好的预测准确率与较快的运算速度。最后,结合个人住房贷款模型对真实数据的预测结果,利用数据挖掘软件的分析工具,论文详细阐述了结果的实际意义,并为银行信贷风险规避以及信用评估系统的建设提出了合理化建议。