【摘要】在个人信用违约风险与日俱增的背景下，为了使企业准确识别个人信用风险，本文提出了基于改进BS-Stacking模型的个人信用风险评估方法。针对个人信用风险数据的特点，首先对数据使用改进后的Borderline SMOTE-2算法进行过采样处理，然后使用网格搜索算法对分类器进行参数寻优，为了寻找模型的最优组合，使用逻辑回归对基模型进行贡献度分析，从而确定Stacking模型。实验表明所提出模型与各类集成算法相比，在个人信用风险评估违约样本的识别率上以及稳定性等各类指标上均有最好表现，验证了模型的有效性。