随着人们生活水平的不断提高,消费金融行业日益兴起,人们对无抵押贷款有了更强烈的需求,这给金融机构带来了发展机会和巨额利润。许多银行、互联网金融公司等金融机构便纷纷推出各自的无抵押贷款产品,以满足社会对资金的需求。但同时金融机构也面临着巨大的风险,风险主要来源于两个方面:一方面,客户通过互联网申请无抵押贷款,金融机构无法核实客户填写信息的真实性,很多客户使用虚假信息或利用互联网技术进行骗贷;另一方面,客户对无抵押贷款违约付出的代价低,这导致无抵押贷款业务中存在着大量的违约现象。这两个方面的风险一旦发生就可能给金融机构造成难以弥补的巨额损失,甚至可能引起金融机构的倒闭。为了保证金融机构的正常运行,需要对客户的无抵押贷款的风险进行较为准确的评估,预测客户违约的可能性,为金融机构是否放贷提供决策依据;同时为了实现金融机构的利润最大化,需要对客户贷款的总额进行预测,优化资金的合理配置。随着大数据技术的不断发展,大数据风控取得了显著的成效,在这样的背景下本文主要研究大数据技术在无抵押贷款业务中的应用。通过堆叠方式融合逻辑回归、随机森林和极端梯度提升三个模型得到风险评估模型,以预测客户违约的可能性,降低金融机构的风险;然后利用极端梯度提升算法建立客户贷款需求预测模型,提高金融机构的资金利用率,为金融机构提供资金分配依据。为验证本文模型可行性和有效性,用我国某金融机构的无抵押贷款业务真实数据进行实证分析,分析结果显示:风险评估模型预测违约的准确率达到95%,该模型预测的准确率优于逻辑回归、随机森林、极端梯度提升3种模型的任意一个单一模型;贷款需求金额预测模型的误差平方根为0.105,说明模型误差小,预测精度较高。实证分析的结果表明本文所建立的风险评估模型和预测模型是可行和有效的,具有广阔的应用前景。