1. 研究目的与意义

一、 课题内容1.理论学习（1）学习关系数据库理论；（2）研究知识库架构；（3）学习数据库的访问机制，研究软件开发方法；（4）掌握数据挖掘思想，选用合适的挖掘算法运用到个人信用评价分析中；（5）开发出功能完善、实用性强的应用软件。

2.完成以下工作（1）数据装载与初步清洗；（2）相关数据抽取与数据管理；（3）个人信用行为数据分析； （4）个人客户信用评分可视化；（5）根据分析或探索结果，给出个人信贷风险的报告；（6）系统用户管理；（7）撰写毕业设计论文。

二、课题意义1. 课题应用方面随着我国金融市场改革的深入，各金融机构之间的竞争也会越来越激烈，如何提高金融机构的信用管理水平，在未来的竞争中保持优势，成为各个金融机构必须面对的问题。

2. 文献综述

摘要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。

信用卡是消费信贷中发展最快，且最富创新活力的重要金融信用支付工具。

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，建立信用卡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，以验证模型的有效性。

5. 难点与创新点

采用CLEMENTINE数据分析平台与.NET平台建设个人信用评分系统，基于CLEMENTINE和.NET平台的数据仓库的设计以及数据分析，很好地体现了现代信息技术特别是数据挖掘技术在金融业的应用。

SVM和遗传规划的应用，将极大改善个人信用评析过程的多因素、多层次的复杂而庞大的特点，使信用评分研究更科学更稳定，具有很强的现实指导意义。