2009年我国开始批准消费金融公司开展分期贷款的业务,人们逐渐接受了这种超前消费、透支消费的观念,消费金融的市场规模随着客户的增多,场景越来越多元化而发展壮大,我国的信用贷款业务得到了快速的发展。然而随着信贷业务的发展,传统的线下人工审批客户需求已不能满足日益扩大的客户群体。目前消费金融行业遇到的瓶颈就是蒸蒸向上的业务与落后的个人信用风险评估体系之间有着较大的差距,因为国内并没有一个统一使用的个人信用风险评估体系,各个消费金融公司均使用自己的信用评估体系并且不共享各自的算法。目前主要是统计的方法和非统计(数据挖掘)的方法用来研究个人信用风险,评价模型的效果主要考虑精度和稳定性。本文在分析国内外对于个人信用风险评估的研究成果后,结合样本的数据,基于AdaBoost算法的框架下建立了三个单一的个人信用风险模型,并比较各个模型的预测效果。其中决策树不管在训练集还是测试集,其预测效果非常理想,精度均高达90%,朴素贝叶斯模型和支持向量机综合的预测精度相当,但朴素贝叶斯模型的稳定性比支持向量机的稳定性好,SVM在第二类的误判率较高。因此本文认为基于AdaBoost框架下的决策树算法建立个人信用评分模型是较优的方法。