融资融券业务自我国于2010年引入并正式启动以来,整个中国证券市场从“生怯”到逐渐接受,再到已然成为不可或缺的交易策略运作工具。历经十年发展至今,融资融券无论是交易额、余额还是客户数,均呈现爆发式的增长,不仅丰富了我国交易的品种和方式,而且在推升证券交易活跃度的同时,日渐成为了各大券商经纪业务收入的重要“输血管”。根据中国证券业协会统计证券公司2018年业绩排名情况的数据计算得出,截止2018年底,89家证券公司的融资融券利息收入占其经纪业务收入比例均值已高达48.39%。然而基于其高杠杆性的信用交易的本质和特征,融资融券业务在助推我国证券市场蓬勃发展的同时,也带来了极大的信用风险隐患。尤其是在2015年6月和2018年6月“千股跌停”之际,融资融券客户违约率集中式爆发,乃至部分券商出现单日上百人被强制平仓的局面,致使融资融券客户的风险控制一跃而为整个证券行业关注的焦点。而相较机构客户,个人客户金融专业知识较为缺乏,风险意识相对薄弱,且缺乏有效的风险对冲工具,其发生违约事件的可能性远大于机构客户。在中国征信市场发展不足,个人信用数据覆盖不全、金融市场个人信用评估主要基于银行信贷的大环境下,如何更有效地甄别和筛选风险客户无疑成为融资融券业务健康发展进程中亟待探索和解决的难题。本文试图从实用角度出发,剔除客户主观填写或覆盖不全的风险度量因子,创新引入行为数据“投诉次数”作为替代信用数据,采用逻辑回归、支持向量机和XGBoost等二分类模型对融资融券个人信用风险进行特征挖掘和计量研究,从而建立与融资融券个人客户风险特征适配的计量模型,帮助证券公司更好地厘清风险度量因子的筛选思路,探索替代信用数据的新应用,以期对个人信用风险评估更科学且更具现实应用价值和借鉴意义。经结合P证券公司案例进行实证分析发现,在违约样本偏少,样本类别数量严重失衡的情况下,采用过采样方法进行样本均衡且训练集和测试集按8:2比例划分,能有效促进模型预测准确率的提升;此外,无论在模型分类准确性抑或模型拟合度层面,支持向量机和XGBoost模型相较逻辑回归模型更适合应用于融资融券个人信用风险计量,其中XGBoost模型无论在对单个样本分类还是对整体的预测效果表现均优于其他两种模型。