近十年来商业银行零售信贷业务蓬勃发展，与公司金融业务、中间业务成为商业银行利润来源的三大支柱。伴随网络技术的发展和互联网金融的兴起，“得零售者得天下”已成为传统商业银行的业界共识，大力发展零售信贷业务成为商业银行抵御互联网金融攻势的有效手段。随着利率市场化的改革和金融市场竞争趋势愈演愈烈，贷款定价需兼顾考虑业务的风险性和产品的盈利空间。定价合理与否关乎商业银行的风险控制能力、业务盈利水平和产品市场竞争力。本文的主要工作逻辑上分为两大部分:第一部分，基于数据挖掘方法对信用风险违约概率建立预测模型，在对比不同方法优势的基础上提出双集成方法来改进算法，发现双集成方法在预测精度和泛化能力方面较传统的神经网络方法和支持向量机方法均有提高，从而建立兼顾预测精度和泛化性的违约概率估计模型;第二部分，在建立以违约概率估计为核心的信用风险评估体系基础上对不同的零售信贷产品建立定价模型并进行实证分析，从而构建合理有效的零售信贷产品定价模型。本文通过改进违约概率评估方法，实证表明双集成方法可将违约概率的精度和泛化能力显著提高，并创造性地引入三因素定价方法，从而使得基于基础内部评级法的零售信贷产品定价更具竞争力。通过此论文的研究，作者希望能够完善我国银行实务中零售信贷产品信用风险评估模型和系统化定价机制，促进零售信贷市场合理健康发展，维持利率市场化背景下信贷经济的平稳运行。