一 、选题背景和意义
信用卡起源于美国。192019年，美国的一些百货商店、饮食娱乐业、汽油公司向特定顾客发放一种金属徽章作为信用筹码，顾客可凭徽章在商店及其分号赊购商品，约期付款，这就是信用卡的雏形。上述筹码在1950年演变为具有证明身份和支付功能的卡片，这是世界上第一张塑料卡。1951年，美国纽约弗兰克林国民银行发行了允许持卡人在规定的信用额度内在指定商户消费的卡片，开始了银行发行信用卡的历史。20世纪70年代，美国的一些银行发行了直接从客户活期账户扣款、专供ATM取款使用的借记卡，开始了银行发行借记卡的历史。
与国外相比，我国的信用卡业务起步较晚。信用卡在我国流通领域中出现始于八十年代初期。随着改革开放，大批外国人士来华旅游或公干，传统的现金结算方式无法满足国外来宾的需要，中国银行先后与国外七家信用卡公司签订了办理这七家公司发行的七种国际主要信用卡的取现和直接购货。1986年中国银行又率先发行了中国第一张信用卡——人民币长城卡。1988年又推出了中国第一张长城万事达卡，1990年中国工商银行和中国建设银行也开始发行万事达卡。1995年广东发展银行发行了我国第一张具有循环信用功能的信用卡。信用卡在中国从代理到发行，经历了大约2019年时间，从无到有，并逐渐成为一种重要的支付方式。
近年来，由于我国信用环境建设不完善，银行与持卡人之间的信息不对称、持卡人违约等问题日益突出，加之法律法规不健全，发卡机构在经营和管理过程中风险控制乏力及银行间的无序竞争，致使该业务存在的问题和风险逐步显现，突出表现在信用卡持卡人违约和欺诈行为出现攀升的势头。因此，商业银行在大力拓展信用卡发卡过程中，必须对信用卡业务风险进行认真分析和研究，以便采取措施，这对于商业银行防范和化解信用卡风险从而增加经济效益具有重要意义。
二、国内外研究现状
信用风险分析是一个世界性问题，从60年代开始，美国、欧洲一些国家的学者已经开始信用风险评价模型的研究，并逐步应用到银行业的客户信用评分与风险管理之中。这期间统计学和运筹学等定量分析工具被运用到信用评分领域，主要采用传统的多元参数统计方法，包括多元判别分析法（MDA）、Logit模型（Martin 1997,Ohlson 1980）以及运筹学的线性规划分析方法等。20世纪90年代兴起以神经网络为代表的非参数统计方法，并逐步应用到信用评分模型。包括多层感知器(MLP)、BP算法网络、概率神经网络（PNN）（Eric andLong 1995）、自组织映射神经网络（SOM）（Kiviluoto and Bergius 1997）、玻尔兹曼机神经网络（Boltzman Machine）（Kryzanowsk,Galler,Wright1993）、遗传算法以及多智能体系统等。
2019年1月，人民银行的个人征信系统在全国正式运行，可以查询到个人在商业银行的借还款、信用卡、担保等信用信息，以及相关的身份识别信息。我国绝大部分商业银行已将查询个人征信系统纳入信贷管理流程。根据信用报告上的个人信息，在信贷审批和贷后管理时能够甄别出高风险客户群体，然后采取相应措施，降低风险损失。
目前，个人信用报告已成为商业银行风险管理过程中的重要依据。但是，由于信用报告上的信息量大，审批人员做决策时需要一定的时间综合考虑各类信息，同时审批工作难免存在一定的主观性和片面性。为此，有必要根据个人信用报告开发征信局信用评分，为商业银行提供决策支持，帮助其有效防范风险。
在美国，征信局信用评分主要由三大个人征信公司提供，分别是益百利(Experian)、艾可飞(Equifax)和美国环联公司(Trans Union)。他们从各个银行和信用卡公司获取消费者的数据，并对数据进行汇总，按照规定的格式向外界提供个人信用报告，报告中有一项是个人信用评分，同时还提供信用等级并给出比例。这三家公司的评分都由评分科技公司Fair Isaac提供，称作FICO系列信用评分。
在国内，目前还没有类似的全国性的征信局信用评分，只有地方性资信公司的信用评分。比如上海资信公司推出的个人信用评分体系设立了7个评分等级，从-600分到1700分将个人信用状况详细量化，从而评出G～A 7个等级。深圳鹏元也于2019年推出了个人综合信用风险评分——鹏元800。该信用评分体系共设6个等级，从320分～800分，每80分一级，每个分数对应一个违约概率，分数越高表示违约风险越低。
三、设计（论文）的主要研究内容及预期目标
通过信用评分的方法来分析个人客户的信用状况，可以增强个人信贷决策的科学性与公正性，并且提高个人信贷决策的效率。因此越来越多的数学方法被引入到了信用评分中，概括来看，主要分为统计和非统计两大类。统计方法主要包括判别分析、回归分析、分类树和最近邻法，非统计方法包括神经网络、遗传算法、专家系统和数学规划方法。从发展过程来看，虽然统计方法应用最早并且现在仍然是非常重要的方法。但是采用传统的评估方法对企业客户进行信用评价时，判断失误的例子经常发生，给信贷机构带来巨大损失。而采用神经网络评价系统不仅评价结果具有较高的可信度，而且可以避免信贷分析人员的主观好恶和人情关系造成的错误，它以客户的信用资料为输入，将实际的信用情况作为评价结果输出。BP神经网络的网络结构简单，算法易于编程实现；BP网络用最小均方差学习方式，只要有足够的隐层和隐结点,可以逼近任意的非线性映射关系；实证结果表明，在众多建议型神经网络算法中，BP网络具有很好的评估效果。