近年来,我国国民经济飞速发展,使得人们的生活水平逐渐提高,同时消费观念也开始发生转变,个人消费贷款等个人金融业务的数量和规模都出现了显著增长。所以金融机构希望通过信用贷款业务获得可观的收益,但高收益往往伴随着高风险,所以如何提高信用贷款风险管理水平成为保障金融机构健康和持续发展的关键问题,而当前信用贷款业务具有的单笔额度低、笔数多的特点决定了信贷机构需要构建智能化、高效率的信用评估模型来管理风险。本文建立了基于XGBoost算法的个人贷款信用风险评估模型,通过对大量历史信贷数据进行数据挖掘和分析探索违约的根源和规律。本文主要开展了两个方面的研究,一方面,基于特征重要性筛选特征,构建XGBoost信用评估模型,并与决策树和逻辑回归进行对比,发现XGBoost模型分类效果更好;另一方面,基于XGBoost模型输出的特征重要性筛选特征,并与依据(1值筛选的特征进行对比,发现基于XGBoost模型的特征重要性的特征工程筛选有效特征的能力更强。以上研究表明基于XGBoost算法的大数据信贷风控模型可以提高信用风险管理的效率。