随着我国个人消费观念的转变,个人贷款的需求日益增强,特别是中国房地产行业近十年的高速发展,更是大幅度催生了个人贷款需求的高速发展。但是2008年的美国次贷危机为世界敲响了警钟,银行也开始更关注个人贷款信用风险的管理。2013年前后,从齐鲁票据案、青岛港骗贷案,再到全国性钢材贸易信贷危机,全国各地金融大案要案频发,银行资金损失严重,我国银行业案件防范形势严峻。为此,银监会发布《关于加大防范操作风险工作力度的通知》,要求各银行采取措施防控操作风险。2004年,《新巴塞尔协议》将商业银行的主要风险划分为:信用风险、市场风险以及操作风险。其中,信用风险是商业银行办理的各类业务中所面临的最主要和最复杂的风险。贵州银行在近6年的运营中,积累了一定的历史数据,如何合理利用这些数据进行科学的量化分析,发现经营过程中存在的问题,防范市场风险,对于贵州银行在未来的可持续发展具有重要的意义。判别分析又称线性辨别分析(Linear Discriminant Analysis),诞生于上世纪30年代,是一种基于历史数据,通过对历史样本类型的数据进行分析并建立判别模型,而后借助该判别模型对未知类型的样本进行类型判断的统计学方法。上世纪90年代末开始,判别分析开始广泛应用于疾病预防、动植物选种及经济管理学科等领域。判别分析的特征鲜明,就是通过对已知的每个类别的若干样本的数据进行科学分析,总结发现客观事物分类的规律性,从而构建此事物的判别公式及判别准则。当未来再次遇到此事物新的样本点时,可以根据所构建的针对性的判别公式和判别准则,就能以很高的概率判别该样本点所属的类型。论文基于贵州银行数据库的历史数据,对过往个人信贷数据进行分类统计分析,发现个人的年龄、收入水平、教育背景、从事工作、贷款价值比(LTV)、贷款投向等等因素都会对个人贷款的违约产生影响。论文在量化数据后,首先使用因子分析对数据进行降维分析,而后使用Fisher判别分析法和Logistic回归模型,构建了判别函数,最后对贵州银行的数据进行了实证分析,经过分析发现两种方法的准确率都超过了80%,最后加入K-Means聚类分析与上述方法进行比较,发现判别分析明显由于聚类分析。