近十年来中国信用卡业务发展迅猛，对于银行而言，信用卡业务是能够撬动消费和实体经济巨大商机的支点。在信用卡业务快速增长的同时，银行为了争夺客户资源，不断地降低办理信用卡的门槛，市场份额加大的同时客户品质却良莠不齐，最终导致逾期风险的出现，逾期风险成为商业银行信用卡业务中的首要风险。各大银行信用卡逾期总数一直处于上升趋势中，不良率率情况较为严重，为银行带来了一定的风险，导致信用卡业务的盈利水平被拉低。因此，采用合适的技术手段对信用卡的逾期进行有效预测，能够提升银行对信用卡风险的管理水平，能够降低信用卡逾期带来的风险损失，对银行具有重要的价值。
　　本文对A农商银行信用卡业务数据进行了分析，并对该行信用卡不良率以及逾期风险的原因进行了研究，为了提高A农商银行信用卡逾期风险的管理，本文构建了SVM-Adaboost模型，根据相关理论以及A农商银行的实际情况，设计了静态因素以及动态因素共计26个指标。其中额度使用率、收入额度比、资料真实完整性、业务粘性、月均出账（消费和取现）、月均入账以及客户净资产等指标具有A银行的特色。通过使用A农商银行的数据进行实证，与SVM、逻辑回归等模型进行对比分析，验证了该模型的有效性以及指标的显著性。
　　本文的结论如下：（1）经过样本实证分析，本文构建的SVM-Adaboost的预测准确率最高，达到93.8%，相比单独使用SVM模型提高了12.7%，相比逻辑回归提高了15%，相比目前的专家规则判断提高了19.7%。（2）经过实证分析，本文设计的指标中，资料真实完整性的影响最大，显著性为-0.265，即资料越完整越真实，客户发生逾期行为的风险越低；业务粘性对客户逾期风险的因素为-0.194，说明客户与银行只发生较少业务联系时，客户逾期风险越高，验证了本文设计的特色指标的有效性。
　　本文的研究对于提升A农商银行信用卡的逾期风险管理水平，丰富A农商银行的信用卡逾期风险指标体系以及方法，具有一定的参考价值。