随着我国住房市场的快速发展,商业银行个人住房贷款业务的规模不断扩大。与此同时,商业银行在这项业务上所面临的风险也日益加大,不良贷款比率明显高于西方发达国家的水平。因此,如何建立有效的风险防范机制,对于商业银行来说非常重要。而建立一套科学合理的住房信贷评估体系和方法对于有效地控制住房信贷风险具有重要意义。基于以上的考虑,本文利用最近几年发展起来并得到广泛应用的支持向量机模型构建了商业银行住房信贷评估模型,并利用某商业银行的住房信贷数据进行了应用研究。分析了影响我国住房信贷违约的因素,结合我国住房信贷评估体系中存在的问题,从住房特征、借款人特征、贷款特征以及衍生变量特征构建了适合于我国住房信贷评估的指标体系。利用某商业银行的住房信贷数据构建了基于后验概率的支持向量机评估模型。基于后验概率的支持向量机模型能够给出住房信贷客户违约的后验概率,可以据此进行住房信贷客户信用等级的划分,从而制定相应的住房信贷政策。与BP神经网络以及logit模型的应用结果进行对比表明,基于后验概率的支持向量机模型的分类精度高,模型的稳健型好,对于商业银行控制住房信贷风险具有更好的适用性。