当前我国经济增长已由高速发展转向高质量发展阶段,人们的生活得到了巨大的改善,消费结构升级不可逆转。个人贷款持续增长,个人贷款信用风险不容忽视。为进一步提升银保监会监管科技能力,银保监会要求银行机构按照标准规范报送十个主题领域,五十余张基础表,千余个数据项,以T+1的频率进行采集,应用至EAST系统（Examination＆Analysis System Technology）中,为监管部门提供了大量的业务明细数据,在当前金融市场快速发展、银行业规模迅速扩大、个人信贷风险不断提升,监管资源有限的背景下,充分运用监管科技有利于全面提升监管质效,更好发挥监管利剑作用。因此充分利用好监管部门掌握的业务明细数据,有助于监管部门更准确把握商业银行个人贷款信用风险,为监管部门决策提供支持和参考。本文基于某两家中小商业银行个人贷款业务明细数据样本,首先对常见变量进行描述性统计分析,发现年龄较小、女性、居住地在经济相对发达地区的客户,贷款方式为质押、贷款金额适中、采用等额本金还款法、贷款用途为助学的贷款违约率较低。然后采用Logistic回归、神经网络、XGboost、随机森林等4种信用评估模型进行实证研究。通过四种模型发现XGboost模型在本文数据集上预测效果最佳,随机森林模型次之,模型预测准确率均达98%以上,对监管部门准确把握银行信用风险具有重要意义。最后,本文对各信用评估模型输出的指标重要性进行分析,最终发现贷款浮动比例对违约风险重要性最大,其次变量贷款方式、执行利率、产品名称对违约风险影响较大,对已有的信用评估体系进行了补充。