信用評分模型是近年來興起的壹種為了保障銀行和其他金融部門的金融安全而設立的壹種關於人身金融權限的劃定模型。該模型指根據客戶的信用歷史資料，利用壹定的信用評分模型，得到不同等級的信用分數，根據客戶的信用分數，來決定客戶所可以持有的金額權限，從而保證還款等業務的安全性。而隨著在現代社會和公司中，貸款，信用卡的作用日漸突出，信用評分模型的發展前景不可估量。
2、分為哪些？
（1）判別分析模型
判別分析法是對研究對象所屬類別進行判別的壹種統計分析方法。進行判別分析必須已知觀測對象的分類和若幹表明觀測對象特征的變量值。判別分析就是要從中篩選出能提供較多信息變量並建立判別函數，使推導出的判別函數對觀測樣本分類時的錯判率最小。這種方法的理論基礎是樣本由兩個分布有顯著差異的子樣本組成，並且它們擁有***同的屬性。它起源於1936年Fisher引進的線性判別函數，這個函數的目的是尋找壹個變量的組合，把兩個擁有壹些***同特征的組區分開來。
判別分析方法的優點適用於二元或多元性目標變量，能夠判斷，區分個體應該屬於多個不同小組中的哪壹組。自身也存在不可避免的缺點:該模型假設前提是自變量的分布都是正態分布的而實踐中的數據往往不是完全的正態分布，從而導致統計結果的不可靠性。
（2）決策樹方法
決策樹模型是對總體進行連續的分割，以預測壹定目標變量的結果的統計技術。決策樹構造的輸入是壹組帶有類別標記的例子構造的結果是壹棵二叉或多叉樹。構造決策樹的方法是采用自上而下的遞歸構造。在實際中為進行個人信用分析選取個人信用作為目標屬性，其他屬性作為獨立變量。所有客戶被劃分為兩類，即好客戶的和壞客戶，將客戶信用狀況轉換為是否好客戶”(值為1或0而後利用數據集合來生成壹個完整的決策樹。在生成的決策樹中可以建立壹個規則基。壹個規則基包含壹組規則每壹條規則對應決策樹的壹條不同路徑，這條路徑代表它經過節點所表示的條件的壹條鏈接。通過創立壹個對原始祥本進行最佳分類判別的決策樹，采用遞歸分割方法使期望誤判損失達到最小。
決策樹模型的優點:淺層的決策樹視覺上非常直觀，容易解釋;對數據的結構和分布不需做任何假設:可以容易地轉化成商業規則。它的缺點在幹:深層的決策樹視覺上和解釋上都比較困難;決策樹對樣本量的需求比較大;決策樹容易過分微調於樣本數據而失去穩定性和抗震蕩性。
（3）回歸分析法
回歸分析法是目前為止應用最為廣泛的壹種信用評分模型這其中以著名的logistic回歸為代表。除此之外，線性回歸分析、probit回歸等方法亦屬於此類。最早使用回歸分析的Orgler他采用線性回歸模型制定了壹個類似於信用卡的評分卡，他的研究表明消費者行為特征比申請表資料更能夠預測未來違約可能性的大小。同數學規劃方法中壹樣假設已經通過壹定的方法從樣本變量中提取出了若幹指標作為特征向量回歸分析的思想就是將這些指標變量擬合成為壹個可以預測申請者違約率的被解釋變量自然就是違約率p回歸分析中應用最廣泛的模型當屬線性回歸模型它是對大量的數據點中表現出來的數量關系模擬出壹條直線，回日分析的目標就是使目標變量值和實際的目標變量值之間的誤差最小。因此最早將回歸方法應用於信用評分研究的模型，就是簡單的線性回歸模型，目前基於logistic回歸的信用評分系統應用最為普遍。