【摘要】商业银行零售业务信用风险评估问题具有维度高、数据更新快等明显特征，在此条件下，利用统计分析、数据挖掘技术建立可靠的动态预警模型具有十分重要的意义。基于数据挖掘的思想，充分利用客户信用消费行为数据，以及粗糙集理论对决策表中条件属性进行约简，并构建基于变精度加权平均粗糙度和基尼指数的决策树算法，依照决策属性值进行客户违约还款预测。实验结果表明，改进后的基于粗糙集与决策树算法的信用卡消费信用风险动态预警模型在准确率、稳定性等方面往往优于基本统计模型及机器学习算法。