信用风险是目前商业银行面临的最主要的风险之一,信用风险以及由此产生的巨额不良贷款已经成为制约我国银行业发展的一个重要问题。商业银行对信用风险的控制和管理能力直接关系到银行体系的稳定与健康发展,建立内部信用评级体系是适应新的监管要求的必然趋势,并成为提高银行核心竞争力的重要手段之一。国际上一些金融机构陆续开发出各种信用风险管理模型,以提高其对信用风险的管理和预测能力。国内对商业银行贷款的信用分析还主要停留在传统的管理模式上,利用现代风险管理模型进行信用风险分析尚处在起步阶段。本文首先通过分析国内外研究动态和比较现代信用风险度量模型的特点,从我行的真实贷款样本出发,采用数据挖掘中的决策树CART算法,经过数据采集、抽取、预处理,量化为具体的评分模型,再在决策树模型的基础上,对属性进行赋权,根据应用案例对模型做出调整,建立符合实际需求的新型客户信用评分模型。然后从样本数据的错分概率、预测成功率等指标来分析决策树客户信用评级模型的性能,针对在评价中、低级信用级别的用户准确度不尽入人意的问题,引入主观评价方法对客观模型进行调整,形成完整的包含主客观因素的信用评分模型,从而实现了客户信用度的有效度量；最后设计并实现一个客户信用评级的模块,应用到我行的信贷管理系统中,实现客户贷前审查、贷后管理的信用评级。本文尝试将数据挖掘技术应用到客户信用评级研究中,为建立一套客观的、科学的、具有一定前瞻性和能够充分揭示授信客户信用风险的信用评级方法做出一点力所能及的贡献,希望通过本文的研究能够促进业界加大客户信用评级的重视程度。