汽车产业是我国国民经济的重要支柱，在社会发展中发挥着巨大的作用。目前，我国汽车产业面临着从粗放式、外延式扩张到精细化、集约化转型的挑战。汽车金融正是该产业应对转型升级的重要手段。而以汽车金融公司为主体的汽车消费信贷，以行业背景为优势，与市场销售相结合，对汽车产业的发展有非常积极的推动作用。参考国外发达国家的发展轨迹，该业务在我国也有很大的发展空间。通过对国内外文献的研究，发现信用风险管理是影响汽车消费信贷业务发展的重要因素，因此对其进行了深入研究。　　信用风险管理主要包括三大内容：反欺诈管理、信用风险评估、央行和其他征信机构信息查询及参考。反欺诈管理是信用风险管理的第一道坎，它利用黑名单比对等手段，剔除明显的欺诈行为，使后续的信用风险评估更加准确和高效。央行和其他征信机构信息查询及参考，则是发挥各自机构的特长，对信用风险评估进行了有力补充。相对于反欺诈管理和征信机构信息查询及参考两部分内容，信用风险评估则是整个信用风险管理的重点和难点。　　本文的核心正是聚焦于信用风险评估的全流程，在某汽车金融公司的实例操作中，研究如何通过信用风险评估实现对信用风险的管理。首先，从数据的基本定义入手，结合金融机构的经营策略，对观察期、表现期、好坏客户等基本概念赋予了具体含义。并且，通过对数据的验证、整理和抽样，以及对特征变量的分组和筛选，以实际数据为例，详细地阐述了得到正确而有效数据的途径和方法，也为金融机构的数据收集和管理提出了新要求和新规范。其次，根据对各种建模方法的对比，将logistic回归算法应用于实例，使用SPSS和SPSS modeler工具将各种有效数据转换为信用分数，并且输出信用风险评估模型。将定性分析与定量分析相结合，赋予信用风险一个简单而直观的量度，便于金融机构进行信贷决策。最后，以输出模型为基础，从稳定性和准确性两个维度探讨了对模型质量进行评估的方法，以及如何设置信用分的临界值，区分好坏客户，为金融机构的最终信贷决策做出支撑。另外，结合金融机构的风险策略以及对风险的容忍度、偏好度，在模型应用、监测和跟踪环节，罗列出需要对模型进行更新和调整的各种情况，由此将评估结果反馈到评估流程的起始点，使整个流程形成闭环。这正是运用了CRISP-DM（跨行业数据挖掘标准流程）数据挖掘和处理的方法及思路，从数据中获得价值信息，继而将价值信息嵌入到业务流程，最终达到业务目的的具体演绎。　　在论文的最后对整个研究过程进行了总结，并在梳理创新和不足之处的基础上，对后续工作进行了展望。