随着世界经济一体化的快速发展，风险控制对银行业而言也越发重要。个人信贷作为银行的主要资产业务之一，其风险水平的控制关系到商业银行对于经济资本的整体要求。因此，能否对个人风险进行有效的识别与计量，就成为了商业银行能否合理控制风险的关键因素。目前国内外的信用评分模型以统计学模型和人工智能模型为主。统计学方法可以提供假设检验但精度不高，人工智能方法精度较高但解释性不强。而且，这些成熟的个人信用评分模型都面临着样本偏差和信用样本动态变化的问题，亟待解决。案例推理模拟人类大脑认知过程，具有很强的理论基础和广泛的应用背景，恰对这些问题有着良好的处理能力。本文通过建立基于案例推理的个人信用评分模型，分析了案例推理在个人信用评分上的优势及局限性。案例推理的局限性主要来自案例推理循环的制约。对于这些局限性，本文一方面通过建立多属性归一化算法、混合距离度量加权算法、变权值引擎模型对案例检索进行优化，解决了单一距离算法及等指标权重计算带来的评分鲁棒性低的问题，另一方面通过基于时序的贝叶斯权重调整算法对案例重用进行优化，充分挖掘有效数据。应用结果表明，优化的案例推理循环系统较传统系统不仅能更好地解决样本偏差问题，准确性、稳定性和解释性均有所提高，而且能够对错分代价实施有效控制。