随着时代的发展,信用个人、信用经济、信用社会逐渐形成并具有规模效应。以个人为单位的借贷客户在我国银行业务和利润配比上所占份额越来越大,与此同时,违约风险也随之增大。由于借贷者个人在向银行等金融借贷机构申请贷款时,亦或银行对借贷者进行信用监管的过程中,往往会出现由于信息不对称、逆向选择等问题引起的个人信贷配给错位现象,导致银行优质贷款未达到最优发放比率,高风险贷款增加引致违约风险概率增加。因此,能否有效的控制、管理个人信用风险,在评分过程中对潜在风险进行有效的识别、计量和预警成为商业银行规避风险的重要手段。本文在梳理了国内外个人信用违约风险研究的基础上发现,提高信用风险控制能力,需要对个人信用评分过程进行全面的优化处理:找出个人贷款过程中信贷配给失衡的原因、对包括指标权重、样本配比、样本容量、评分方法在内的评分系统进行分析、优化,选择更加合理的信用评分方法、提高个人信用违约风险的预测精度和稳定性。这样才能更加有效的管理信用违约风险,提高放贷机构的收益和效益。在此种情况下,商业银行如何优化信用评分过程,选择更合适的个人信用评分的模型,成为学术界和金融界普遍关注的问题。本文系统论述了个人信用评分的过程,主要分问题定义、理论机理分析、数据采集和处理、建立个人信用评分模型、模型的检验和应用等阶段。首先,本文运用信贷配给理论揭示了信用评分与信贷配给的相关关系;对个人信用贷款过程中出现的信息不对称、逆向选择、道德风险方面等引起的信贷配给失衡的问题,提出相应的优化方案,即对指标权重、样本配比和样本容量进行系统的优化,在此基础上构建单一的个人信用评分模型、基于模型的预测精度、稳定性和适用性进行比较,引入差异化概念和选择性集成方法,构建了基于选择性集成算法的信用评分体系。为了验证模型的预测效果,采用三个国家商业银行的数据进行了实证分析。本文主要研究内容及取得的主要成果如下:首先,本文使用信贷配给理论分析了信用评分与信贷配给的相关关系,并运用该理论揭示了信用评分的微观机理和作用机制。从需求和供给的角度分析个人信用贷款过程中出现的信息不对称、逆向选择、道德风险方面等引起的信贷配给失衡问题。通过分析信用评分方法的优化机理,为个人信用评分体系奠定了理论基础。其次,为解决理论分析中提出的信贷配给问题,通过对指标体系及样本结构的优化分析,建立了无偏的个人信用评级指标体系。其中,对个人信用评分指标的优化,建立结构方程模型将指标变量的相互影响系数通过模型的路径系数表示出来,对指标变量赋予权重。结果表明:通过该方法优化的指标变量,增加模型的分类精度和稳定性。对样本容量和样本配比的优化,采用多种单一模型对不同样本配比和样本容量下的预测精度的变化进行比较分析,最终确定合理的样本配比和样本容量。再次,构建更具适应性的基于选择性集成方法的个人信用评分模型,引入差异化作为选择性集成算法的依据,根据选择性集成模型的特点,对作为基分类器的单一模型进行差异化处理,选择Q差异性度量方法,从最具代表性的15个单一模型中优选出4个单一模型进行后续的选择性集成。通过不同的选择集成规则,建立了基于GSEAN优化算法的个人信用评分模型,基于OO排序的个人信用评分模型,基于FCM-CFP分簇的个人信用评分模型。本文采用中国、德国和澳大利亚样本对所建立的选择性集成的个人信用评分模型进行应用和检验,对三种选择性集成方法的评分进行比较分析,采用模型精度、选择时间、基分类器数量三个指标作为评价的依据。结果表明:三个选择性集成个人信用评估模型各有优势。其中OO排序法和FCM-CFP分簇法预测性能最好、OO排序法进行基分类器选择时所用时间最短、GASAN所使用的基分类器数量最少。最后,为了综合检验和比较包括单一模型在内的各种信用评分方法的应用效果。本文将所建立的三种选择性集成个人信用评分模型分别同单一个人信用评分模型、集成个人信用评分模型进行相较,结果表明,选择性集成个人信用评分模型能够获得更好的评分精度,稳定性更强。