中国于2009年3月加入巴塞尔银行监管委员会,这会给我国银行业发展带来非常深远的影响。一方面,我国银行监管从此实现了从规则‘接受者’到‘制定者’角色的重大转变；另一方面,这将对提升我国银行业的整体水平产生特别重要的推动作用。我国银行业当以此为契机,进一步提升风险管理水平,并以此为基础全面提升银行业整体实力和竞争力。而中国等新兴市场国家的加入也将促进巴塞尔银行监管委员会更好地与全球银行业发展保持一致,不断提升全球银行监管水平和改进监管技术。2009年7月29日,银监会网站发布巴塞尔银行监管委员会新扩员后第一次会议的新闻公告。该会议上,审议通过了对新资本协议框架的完善修订,该协议的实施将对国际银行业的发展格局产生重大而深远的影响。当今,国际活跃银行的竞争焦点已经从传统的强调市场营销转向注重风险管理。越来越多的有识之士认识到,良好的风险控制能力以及由此产生的持续发展潜能才真正是先进银行的重要标志。按照新资本协议的要求来看,原有的客户评价办法已不能满足现代商业银行进行信用风险计量与资本配置的要求,不能满足银行日益精细化风险管理和稳健经营的发展需要。巴塞尔新资本协议要求银行的客户评价系统能够符合内部评级法的基本原则。鉴于新资本协议在银行风险管理工作中的重要指导作用,按照新协议中内部评级法的要求,运用科学的技术方法,制定一套合乎银行业务发展需要的客户信用评级办法并且预测出每一等级的违约概率成了银行风险管理的一项重要而紧迫的任务。它不仅有利于银行对信用风险的精细化管理,也有利于银行信贷业务的健康快速发展。本文主要分为五章。第一章为绪论部分,主要分析了本次金融危机的爆发使得国际银行业在监管理念上进一步达成的共识,对新资本协议的实施进程起到了一个什么样的影响,同时为新资本协议的改进和发展提供了一些借鉴。第二章对巴塞尔新资本协议的内部评级法及其关键技术进行了分析与研究；第三章对数据挖掘理论进行评述,主要从数据挖掘的概念和定义、数据挖掘的功能和数据挖掘方法的介绍三个方面对数据挖掘进行评述。第四章为实证部分。该部分以2007年底1261家上市公司为样本,对21个财务指标使用因子分析主成分法进行降维,得出负债因子、偿债因子、运营因子、周转因子、成长因子、盈利因子、存货因子、杠杆因子、增速因子等9个相互独立的公共因子。然后把这9个公共因子作为输入变量,建立以公司违约概率为输出变量的一个数据集合,使用了神经网络、Logistic回归和决策树三种数据挖掘分类方法。最后根据模型预测的违约概率值由小到大排序,通过确定9个临界值把1261个样本分成十个等级。本文的主要贡献和意义在于：1.把数据挖掘分析方法运用到内部评级体系的构建当中,对银行的公司类信贷资产如何进行十等级分类以及得出每一级别资产的违约率提出了一个切实可行的方案。2.巴塞尔新资本协议中对公司类风险暴露的监管资本计算中,风险权重的计算系数如何得出的,进行了详细的推导。指出单一系统性因子不能全面覆盖风险暴露所面临的风险。3.通过SAS的EM模块实证的结果,神经网络和Logistic回归这两种数据挖掘分类方法在预测公司类客户违约概率中,可以获得较好的效果。