【摘要】有效识别违约风险,降低违约损失,对消费金融平台至关重要。基于捷信集团公开的大规模消费信贷数据,采用软投票策略融合XGBoost和Light GBM进行违约风险评估,准确率达到91.99%;从实际场景出发提出违约率、误拒率两个指标,完善模型评价体系;识别出违约率和误拒率的负相关关系,采用KS曲线选择阈值,在降低违约率1.22%的同时,将误拒率控制在合理水平;总结出违约风险评估中的七类重要因素,以此为消费金融平台健康发展提供参考建议。