随着我国经济结构调整,内需消费逐渐成为拉动经济增长的主要动力,个人消费信贷的健康发展可为我国的消费增长提供重要的助力作用。在信贷业务中,风险控制是能否可持续发展的关键要素,而近年来依赖于人行征信和大数据的个人信用风险评估方法仍存在挑战,面临着人行征信覆盖面不全和个人隐私数据被滥用的问题。任何能够验证个人资质的信息,都能够用于辅助判断借款人的信用风险,应该被利用起来,为信贷业务的良性发展提供帮助。保单作为个人金融资产的一种,具备较强的金融属性,保单年缴保费、缴费历史和次数等能够反映出投保人的资产、收入水平和稳定性,可以在个人信用评估中作为参考依据。过往研究中,尚缺少针对纯信用保单贷款的风险评估研究。本文以纯信用保单贷款数据为基础,并结合机器学习构建模型后应用于信贷风险评估中。文中的主要研究内容包括:（1）对保单质押贷款和纯信用保单贷款的特点和价值进行了梳理,两者有各自的适用场景,都可以为保单持有人和金融机构带来便利和收益。（2）结合样本数据维度,对影响信贷风险的个人基本属性、财务属性、历史借贷行为属性和保单属性四大类因素,以实际的表现为基础,展开做了探索和分析。其中对于保单属性中的分析和探讨,可为纯信用保单贷提供一定的风险评估借鉴价值。（3）基于实际表现,选择合适的好坏样本定义标准和表现期长度,在完成单变量和多变量分析筛选后,建立了基于Logistic回归的评估模型,并选择合适的评价指标AUC和KS作为评判指标,对模型效果做了评估。（4）分析了Logistic回归建模流程中的可优化点,通过剔除欺诈样本、平衡好坏样本比例、对基础保单数据做特征衍生和分箱颗粒度优化后,重新构建了改进后的Logistic回归模型,模型在做出改进后性能表现有较明显的提升,并给出保单数据的特征衍生建议。（5）构建了XGBoost和随机森林模型,并对三种模型表现基于AUC和KS做了对比分析,最后结合三种模型的性能表现和算法结构特点,给出了实践中纯信用保单贷款模型选择的建议。本文的最终目的是在纯信用保单贷款中,结合保单数据和其他个人属性数据,通过合理的建模流程,建立有效的Logistic回归、XGBoost和随机森林风险评估模型,并给出保单衍生变量方法和纯信用保单贷的模型选择建议,为纯信用保单贷款的风险评估提供一定的理论和应用参考。