伴随着我国经济的飞速发展，国内银行业正在逐步与世界接轨。近年来，随着巴塞尔新资本协议的逐步被引入，国内大多数银行都逐渐开始了以新巴塞尔资本协议为指导的信用风险计量工作，风险量化也在逐渐成为信贷风险管理的主要方法。由于我国征信信息的收集以及相应系统的建设工作起步较晚，数据质量以及数据时间长度都难以满足定量模型开发的需要，因此目前我国银行业风险识别的方法主要还是在以定量与定性相结合的方式为主。本文主要目的即是介绍如何以定量与定性相结合的方式进行个人信用风险评分模型的开发。本文以某商业银行的实际项目为基础，将会以房屋贷款为例，详细阐述如何通过数据挖掘中的逻辑回归算法，结合层次分析方法开发定量与定性相结合的个人信用风险评分模型的整个过程。同时还会对模型在银行实际信贷业务中的使用，给出相应建议。以便能够对银行信用风险量化管理工作提供帮助。本项目中所建立的个人信用风险评分模型，是在基于历史数据的定量模型的基础上。结合专家经验进行层次分析调整，引入定性建模的方法，并通过定性分析结果对定量模型进行修正，最终得出调整结果。以期弥补数据方面的不足，从而达到对模型进行优化的目的。通过数据采集、抽取、预处理，模型定义、细分、开发、验证等步骤，最终建立了个人信用风险评分模型，并将模型付诸使用。从对模型使用跨时间样本进行验证的结果来看，本次开发的模型，在个人住房类贷款中的预测能力相对较高，基本达到了预期的目的。在此基础上，我们建议商业银行一方面尽量多的收集相信息，并将其逐步引入模型之中，从而进一步增加模型的预测能力。另一方面，还需再从市场风险角度进行相应分析，以确保对风险的控制能力。