在“互联网+”和“普惠金融”等理念的影响下,传统的金融行业飞速地与当下先进的互联网技术相结合,促进金融行业也在不断地被细分化,其中基于真实消费场景的互联网消费金融,在近几年取得了快速发展,并拥有着广阔的市场前景。但是由于互联网金融行业一直普遍存在的道德风险、逆向选择、个人征信短板、贷前多维度数据的采集不足等问题,会在互联网消费金融的迅猛发展的同时带来各种风险,那么如何快速、有效地控制和防范此类风险,如何建立强壮的风险模型和拥有科学的风控策略,是发展互联网背景下消费信贷业务急需解决的问题。首先,本文通过文献研究方法在借鉴国内外学者的相关研究成果的基础上,指出本文研究的背景、目的及意义,并概括总结了互联网消费金融的国内外研究现状。其次,从互联网消费金融的概念、特征、模式三个方面阐释了互联网消费金融的相关内涵,又总结概括了互联网消费金融常见的四种风险类型,再选取其中的信用风险作为本文研究的风险对象,在传统信用风控的基础上,提出基于机器学习依靠大数据背景下的新型信用风控的需求与方向。再次,在介绍Xgboost基本算法原理的基础上,给出选取Xgboost模型的理由,并构建基于Xgboost的互联网消费金融信用风控策略模型,为后文的实证分析提供理论支撑。最后,以互联网消费金融S公司的测试数据为研究样本,按照前文已构建的基于Xgboost的互联网消费金融信用风控策略模型进行实证分析,通过与逻辑回归模型、SVM模型、高斯贝叶斯模型的训练结果对比,在综合考虑训练时长、验证集准确率、TPR评价指标以及结果可解释性的基础上,验证了 Xgboost模型在筛选造成信贷客户发生逾期表现的关键影响因素上面的优势,并根据优化后的信用风控策略为S公司的信用风控提出相应的策略建议。本文提出的基于Xgboost的互联网消费金融信用风控策略模型,其系统性、时效性及风险预测能力为互联网消费金融类公司设计风控策略提供了新的思路与建议。