融资担保行业以其特有的杠杆与放大功能,在缓解中小企业融资难中发挥着不可替代的作用。目前绝大多数担保企业的风险评估工作还是依靠业务人员的工作经验及主观判断为主,缺乏科学的风险评级量化方法,企业管理风险难度变得越来越大。为此,有效地利用信息技术,构建融资担保企业融合数据分析、风险管控、业务监管于一体的信息化系统已然为一种趋势。本文以融资担保企业为研究对象,围绕业务生命周期全流程的业务节点,针对如何进行前期风险量化参数的确定以及合理的防控区间的设定,对风险的定量和定性因素进行了综合考虑,利用机器学习风险评估算法和相关预警技术手段对融资担保风控模型和应用进行了研究。本文的主要工作如下:（1）风险指标特征构建。在国内外相关文献资料研究基础上,对融资担保业务全流程的业务节点进行了深入分析,结合相关专家的意见,将风险类型进行了分类,并对定量和定性的风险指标特征进行了构建。（2）风险评估模型的构建。采用机器学习进行定量风险分析模型的构建,围绕影响风险预测性能的原因,如模型的选择、降维、参数调整以及不平衡数据集的处理等等,以USVM作为分类器,并通过RFECV对其进行降维,采用k-means SMOTE对不平衡数据集进行处理,并结合遗传算法进行参数的优化。在定性风险分析模型的构建中,采用综合模糊评价矩阵获取定性评判的量化结果。实验结果表明,评估方法进一步提升了模型的综合预测性能。（3）预警机制研究与设计。针对有警乱预、有警迟预、有警不预以及有警无预等问题,进行预警机制的研究与设计。提出了预警任务定义、预警任务监控以及预警结果展示的预警机制。首先对预警任务关联的警信号进行定义,之后进行预警任务的监控,通过数据感知触发预警规则,推送预警消息到相应的业务环节,并将预警信息通过看板的形式进行展现或形成相关的预警报告。（4）原型系统设计与实现。在原型系统分析的基础上,对系统架构如功能用例、体系架构和应用架构等进行了设计,完成开发环境进行配置和部署,进行了关键功能模块的实现,最后结合应用场景对工作成果进行了展现。