企业信用评级是新巴塞尔资本协议确定的信用风险计量基础,也是目前银行信贷风险管理的主要方法。在我国,由于企业征信数据建设相对滞后,企业信用评级方法尚以定性分析为主。本文侧重于对商业银行个人客户信用评分模型的研究,以住房贷款数据为分析标的,研究如何将数据挖掘中的分类算法应用于真实的个人信用数据中,挖掘出隐含的规律,并量化为具体的评分模型;同时根据应用案例对模型作出调整,建立符合实际需求的新型个人信用评分模型。本文从已获得的某商业银行的真实房屋贷款样本出发,采用数据挖掘技术,运用决策树CART算法,经过数据采集、抽取、预处理,建立了个人评分决策树模型,再在决策树模型的基础上,对属性进行赋权,得出信用评分模型。本文得出的信用评分模型是一个百分制的个人信用评分模型,对于此模型,建立了评价标准。从对模型评价的结果看,个人信用评分模型在评价高信用级别的用户中有较高的预测准确度,在评价中、低级信用级别的用户准确度不尽入人意,这同时也是现今银行进行信用评分的难点,对这些存在还款风险的用户,是给予贷款还是拒绝,是一个难题。在通用法则失灵的同时,抽取更多客户的信息,也是进一步增加预测准确性的方法。本人建立个人信用评分模型是一个通过客观建模法形成的模型。经过调整,引入主观建模的方法,用层次分析法建立主观个人信用评估模型,并由此对客观建模法进行修正,最终得出调整结果。