对于个人隐私信息的保护规定不尽相同，以美国为例，在信息采集中个人家庭信息，宗教信仰，工作情况等基本不会出现，而是以各类经济活动情况为主。国内对这方面的隐私管理还较少，但是也在逐渐进步，如年湖南省颁布的湖南省信用信息管理办法中就规定了禁止收集个人宗教信仰，政治归属，身体形态，基因，血型等信息。第二，各国收集个人信息的环境与条件不同。与美国等资本主义发达国家的个人信用信息收集完善且共享便利的情况不同，我国目前信用信息体系还很薄弱，很难掌握完整的个人信用信息。这对信用评价在客观上造成了定障碍。以两个表格简单举例说明中美两国目前信用信息采集指标的区别国内信用评分指标示例交通银行华夏银行建设银行个人基本信息年龄年龄年龄性别性别性别婚姻状况婚姻状况婚姻状况健康状况健康状况文化程度文化程度住房性质户籍情况户籍情况户籍情况工作行业信息单位类型单位类型单位经营状况所属行业行业发展前景职位职位工作年限工作年限职称职称职称行政职务经济能力信息月收入月收入月收入家庭平均收入家庭平均收入金融资产其他资产与银行关系信息是否本行员工是否本行员工担保方式本行账户情况本行账户情况本行账户情况存款余额与银行业务往来与银行业务往来其他贷款情况其他贷款情况表国内信用评分指标示例国外信用评分指标示例花旗银行个人情况年龄年龄性别电话住房情况住房情况居住地稳定性现居年限现居年限职业职业就业稳定性工作年限现岗位工作年限行业经济情况家庭年收入拥有不动产债务比率信用卡情况商店信用卡数使用信用年限循环信用透账户户个数与金融机构关系信用额度使用率拥有银行账户拥有银行账户拥有银行账户有无银行贷款银行卡和旅行招待卡数小公司贷款次数参加人寿保险信用记录年内不良次数表国外信用评分指标示例通过对两个表格的对比我们能够看出国内个人信用指标体系要复杂的多，第是因为经济相关指标无法得到完全的信息。第二是美国隐私保护更加全面，无法获取更多信息。但这也为我国信用评价体系的建立带来了不小的困难。二建立个人信用评分指标体系目前国内还没有关于选取评分指标的科学标准，只能依照经验判断信息的重要性，同时结合获取信息的可能性建立评价指标。本文借鉴上述国内外金融机构评分准则构建用于模糊个人信用评分模型的基本指标如下级指标二级指标说明个人基本情况年龄连续变量现居地居住年限连续变量文化程度离散变量婚姻状况离散变量健康状况离散变量个人工作情况职业或单位离散变量职位或职称离散变量现岗位工作年限连续变量单位和行业发展情况离散变量个人经济情况个人月平均收入连续变量家庭月平均收入连续变量贷款月还款金额与收入比连续变量住房价值连续变量车辆价值连续变量金融资产情况连续变量信用卡使用情况连续变量与银行关系银行账户情况连续变量个人贷款或信用卡记录年限连续变量历史信用记录公安司法不良记录离散变量其他不良记录离散变量四模糊个人信用评分模型设计建立递阶层次结构使用模糊法建立模型首现需要确定递阶层次结构。设立目标层准则层指标层目标层准则层指标层说明个人信用得分个人基本情况年龄连续变量现居地居住年限连续变量文化程度离散变量婚姻状况离散变量健康状况离散变量个人工作情况职业或单位离散变量职位或职称离散变量现岗位工作年限连续变量单位和行业发展情况离散变量个人经济情况个人月平均收入连续疾病病史二工作情况职业或单位职业不稳定般国有企业股份公司私营企业员工或个体户业绩优良上市公司员工邮政能源媒体烟草航空等优质企业员工国家机关公务员事业单位金融机构员工职位或职称职位不稳定般企事业单位员工通过统执业资格考试的国家专业人员国家机关公务员国有大型企业般管理人员或初级职称人员私营企业高层管理人员个体私营业主国有企业或上市公司中层管理人员科级以上干部或中级职称人员国有企业或上市公司高层管理人员处级以上干部国家机关厅局级以上干部或高级职称人员岗位工作年限年及以下年含年年以上单位和行业发展现状及前景单位业绩亏损严重，单位和所在行业已经接近衰亡单位业绩不断下滑，单位和所在行业出于衰退期单位业绩平平，单位和所在行业处于初创期单位业绩较好，单位和所在行业处于发展期单位业绩优良，单位和所在行业处于成熟期三经济情况个人月平均收入元以下含元含元含元含元含元含元以上配偶月平均收入元以下含元含元含元含元以上债务收入比含含含含房产情况无自有房产与他人共有处房产自有处房产自有两处或以上房产金融资产情况没有购买任何股票债券基金保险等金融产品金融资产总价值万元及以下金融资产总价值含万元金融资产含万元金融资产含万元金融资产万元以上车辆情况无自有车辆车辆万元以下车辆含万元车辆含万元车辆含万元车辆万元以上四与金融机构关系情况信用卡使用情况无信用卡或信用卡年消费额在万元以下有张信用卡或信用卡年消费额在含万元以上有张或张以上信用卡，或信用卡年消费额在含万元以上银行账户情况无银行账户只有银行储蓄账户或贷款账户等种类型账户有储蓄账户贷款账户等两种类型账户量家庭月平均收入连续变量贷款月还款金额与收入比连续变量住房价值连续变量车辆价值连续变量金融资产情况连续变量与银行关系信用卡使用情况连续变量银行账户情况连续变量历史信用记录个人贷款或信用卡记录年限连续变量个贷违约及信用卡恶意透支离散变量公安司法不良记录离散变量其他不良记录离散变量表递阶层次结构二构造模糊致判断矩阵将同层次的因素以及上下两层因素的重要性进行比较，确定这些因素之间的重要性分值，按照前文所属模糊判断矩阵的至的打分规则赋值后就构成了判断矩阵。然后根据模糊致矩阵的性质对判断矩阵进行致性检验后就形成了模糊致判断矩阵。成立专家小组，填写调查问卷。作者现在股份制银行工作，选择了行内位长期从事个贷工作的同事组成专家小组填写调查问卷。对专家的打分结果进行回收统计。对重要性判断致的结果直接采用，不样的部分发回专家小组，讨论后重新打分。综合两轮评分，重要性致的部分直接采用，不同的部分选择出现频率最高的分值。然后进行致性检验，确定判断准确性较高且重要性分值精确的元素，得出的重要性分值分别为，。用，分别减去各行对应的元素，如果得出的差为常数则不需要对该行进行调整。如不为常数，则需要调整改行元素，直到，减出的差为常数。模糊致判读矩阵最终构造如下三层次单排序求出每层对应上层次的相对性重要权重。首先计算判断矩阵每行元素的和利用因素个数，参数，以及每行元素的和求相对重要性权重相对于的权重的计算为按照以上步骤计算，模糊致判断矩阵至算出的相对重要性权重分别为四层次总排序当求出层次单排序的结果之后，就可以通过各指标相对于上层次的权重与层次内部权重相乘得出各个元素在目标层的重要性权重。五建立模型依照模糊建立起的信用评估模型还需要建立针对每个指标的具体评分规则才能够正常工作。每个指标下都应该尽可能详细的划分出不同的情况所对应的分值。分值的设定需要经过专业人员的反复调试才能够使模型准确稳定的运行。下面这份评分表是在借鉴各个文章的基础上并经过仔细更改后确定。评分指标分值备选项分值个人基本情况年龄岁或岁及以上岁岁岁现址居住年限非本市居住年及以下三年以上文化程度初中及以下高中中专大专本科硕士及以上婚姻状况未婚已婚健康状况常年受疾病影响，严重影响工作生活经常受疾病困扰，对工作生活有定影响曾有重大病史，对正常生活工作无影响或影响轻微健康，无重或家庭消费用途的信用交易，也包括用作个人投资创业以及生产经营的信用。它包括个人与个人之间个人与企业之间个人与金融机构之间个人与政府之间在信用活动中交易对方对参与个人的信用度的信任。个人在信用活动中不需要立刻支付现金或现金等价物，信用活动是建立在对个人信用的信任上成立的。了解个人信用的意义是件很简单的事，难点在于对如何对个人信用进行正确的评价与考察。在个人消费信贷与信用卡业务日益增多的今天，这又是极其重要的工作。信用评价机构在获得被授信人个人信息的基础上，利用科学合理的评价方式给出被授信人的信用评价指标，为授信者提供授信依据。个人信用评分的原理个人信用评分的原理在于假设存在界定信用水平的临界值，通过这个临界值划分出信用度不同的区域，根据个人信用得分将具体的个人划入各个不同信用水平的区域。而部分个体的行用特征比较模糊，无法划分到具体的信用区域，这些对象被归入重叠的中间区域，即灰色区域。由于客观上存在信息不对称，在信用评价过程中可能会出现将信用程度低的客户误判为好客户或者将信用水平高的客户误认为差客户的误判，所以信用评分体系就需要追求授信收益最大，授信损失最小，以此来达到尽可能的正确判断。用表示提供授信，表示不提供授信，表示优质客户，表示劣质客户，则将信用程度差的客户误判为优质客户的概率丨，将信用程度好的客户误认为是劣质客户而拒绝授信的概率是丨，表示临界值。假设优质坏客户的分布为标准正态分布。令优质客户的信用得分均值为，标准差为，劣质客户的信用得分均值为，标准差为。则丨同理可得丨其中为标准正态分布函数由此可见，如下图所示，根据以上规则的信用评分后，优质客户与劣质客户的分布为具有不同尾部，中间有个重叠的灰色区域的标准正态分布图信用评分模型中好客户与差客户的信用分数分布三个人信用评分主要建模方法个人信用评分在发达资本主义国家已经出现了数十年，部分国家已经形成了较为成熟的个人信用评分理论，方法及模型。个人信用评分方法可以分为数理统计方法和人工智能方法两个大类，其中数理统计方法包括判别分析回归分析数学规划分类树法层次分析法等。人工智能方法分为神经网络遗传算法最近邻法等。判别分析法判别分析又称分辨法，是在分类确定的条件下，根据研究对象的各种特征值判别其类型归属问题的种多变量统计分析方