随着中国经济的快速发展,中国的信用消费已逐步浮出水面,个人贷款的增长速度非常迅速。个人消费信贷已经成为我国拉动内需,促进经济增长的重要手段。在个人消费信贷的发展过程中面对的主要问题之一就是个人信用风险难以评估和控制,导致消费信贷业务风险过高,因此,对个人信用评分模型的研究具有重要的应用价值。信用卡是消费信贷中发展最快,且最富创新活力的重要的金融信用支付工具。本研究从信用卡风险度量角度研究个人信用评分模型。通过将现代的数据挖掘技术中的支持向量机(SVM)、遗传规划(GP)和遗传算法(GA)引入信用卡风险管理领域,建立了信用卡申请风险模型和后期行为管理的评分模型,然后将信用评分模型应用到实际的信用数据中,验证了模型的有效性。论文将遗传规划和支持向量机方法结合起来,建立两阶段申请风险评分模型(2SRSM)。第一阶段利用遗传规划获得规则,并根据具体问题,引入误判成本分析和多目标优化选择策略来改进遗传规划算法。第二阶段利用支持向量机处理规则无法覆盖的客户数据。实证分析表明该评分模型具有分类准确率高和可解释性强的优点。论文通过研究国内商业银行信用卡行为数据,针对我国信用卡业务发展尚处于起步阶段,数据样本少、冗余属性多的特点,建立了基于遗传算法的特征选择算法。通过特征选择算法选择关键属性,消除了冗余属性对模型的影响,再利用多类支持向量机建立动态调整客户等级的信用卡行为评分模型,以便对信用卡的后期管理提供决策依据。实证分析表明,该模型能够有效提取关键属性,提高了模型的分类准确率。论文引入了遗传规划和支持向量机两个较新的数据挖掘技术,拓展了信用评分模型的研究,为解决个人信用评分进行了有益的尝试。