当前,我国的金融市场存在着较为严重的不稳定性,银行作为主要的金融中介机构,其能否可持续、健康、稳定的发展与国家能否稳定发展有着密不可分的关系。对公信贷业务作为银行的主营业务一直给银行业带来高额的利润,但巨大的贷款总量背后也蕴藏着巨大的违约风险。传统的客户贷款逾期风险评估一般只采用客户基本信息和贷款相关信息等,然而客户与客户间存在着复杂的社会化关系,本文在数据统计分析中发现,担保因素对客户贷款逾期有着较大影响,因此本文在增强学习模型XGBoost的基础上构建了基于担保关系(Guarantee Relationship)驱动的XGBoost模型(XGBoost-GUAR)。本文的主要工作内容如下:(1)构建贷款逾期风险评估指标体系,收集贷款逾期风险评估数据,并进行数据预处理和特征处理等工作。(2)利用预处理后的数据建立XGBoost模型,构建客户担保网络并进行社区划分来挖掘潜在的担保特征,然后加入担保影响因素对XGBoost模型结果进行修正,最终建立担保关系驱动的XGBoost模型(XGBoost-GUAR)。(3)完成客户贷款逾期预测结果可视化功能,将可能逾期的客户名单和客户担保网络逾期风险进行可视化。本文将构建的XGBoost-GUAR模型和传统的预测模型进行对比,结果表明此模型有更好的精度,在此模型基础上完成的客户贷款逾期预测结果可视化功能,在某商业银行中已经得到应用,并取得了良好的效果。