随着我国经济和互联网金融的快速发展,我国居民的消费理念发生了很大转变。根据汇丰银行、海尔消费金融、融360的2018年统计数据显示,90后这个群体中有超过一半的人网贷,在消费贷款群体中占比高达43.4%。居民消费观念的转变使得个人信贷业务成为银行业中一个竞争激烈且高利润的业务。然而,目前居民的信贷偿还意识的步伐相对于个人信贷业务的发展来说还比较滞后,从而导致金融机构大量不良个人贷款的滋生。所以,基于信贷风险评估模型,如何借助大数据建模技术提升对借款人还款能力和还款意愿的信贷风险评估能力,更为准确地筛选出与M银行风险承受能力相匹配的优质借款人,使结果能为银行的贷款决策提供参考,并有效提高行业整体健康程度,这对于各家银行来说势在必行。文章以M银行为研究对象。在基于风险管理的风险识别、风险计量、风险监督、风险控制的逻辑框架下,首先根据从风险管理体系、组织结构及信贷人员、贷前审批、担保方式审查、贷后检查与管理这五个方面对M银行个人信贷业务风险管理现状的分析,识别出M银行个人信贷业务存在的风险点。其次采用机器算法中预测准确率最高的随机森林模型对个人信贷风险进行评估,即以借款人的收入、职业、贷款额度、执行年利率等作为研究变量,并针对原始数据集中违约状态的借款人数量分布不平衡的问题,先对训练集数据予以SMOTE均衡化处理,再经过参数优化,得到最优随机分割变量树mtry和决策树数量ntree。最后对均衡化后的数据进行实证分析,并根据实证分析的结果判断哪些指标对个人信贷业务风险影响的程度最大,据此提出了:合理化信贷人员组织结构,提高专业化实操水准;互联网贷款贷前营销推广建议;基于个人信贷风险识别和评估选择适合的贷款方式;完善贷后管理;优化信贷风险评估模型设计这五条建议。