大力发展普惠金融,不仅有利于金融业可持续发展,也能助力经济发展增进社会公平,是我国全面建设小康社会的必然要求。商业银行需发挥金融服务职能,加大对“小企业”和“小行业”的金融支持,从而弥补金融服务不均衡和地方金融基础设施有待加强的问题。但目前我国的普惠金融发展水平不高,农户和金融信贷机构之间信息不对称、农村信用评估体系不完善等问题导致金融信贷机构不能准确客观对农户的信贷授信能力做出准确评估,从而导致农户贷款不良率较高,商业银行面临较大的逾期风险,严苛的评分模型使得多数农户被阻挡门外,农户们想要得到价格合理、便捷安全的金融服务很困难。为提高农户对金融服务可得性,建设银行针对广大农村推出了裕农贷项目,旨在从农户普遍性角度为农户提供资金需求解决农户融资难、融资贵、融资慢的难题。本文基于建设银行的裕农贷款项目,从不同贷款申请主体的特殊性角度出发,研究的主要目的就是构建混合模型来帮助商业银行决策是否对贷款申请的不同个体进行贷款投放,使得银行能更加精准的实现贷款投放、降低贷款的不良风险同时也不会因为过于严格的筛选条件将农户阻挡于银行之外。目前相关的研究中银行金融机构通常采用变量统计分析、权重线性加和的回归模型建立评分卡模型进行逾期风险管理,随着人工智能的发展,机器学习方法应运而生,标志产物就是基于统计学习理论的支持向量机、随机森林、类神经网络、K-means聚类算法等集成分类方法,拥有更强的特征拟合能力,不仅能提高建模的复杂度还能进一步增强模型稳定性,对非线性特征和交叉特征有更好的处理能力,强大的数据处理能力迫使传统金融机构不得不向机器学习技术突围,面对激励的市场竞争,尤其是发展迅速的互联网金融,银行需要在客户门槛审核时提高精准度,降低贷款的违约风险,使用机器学习加工新的特征,以传统风控为体,机器学习为用,所以本论文旨在建立一个有利于商业银行贷款精准投放同时满足农户信贷需求的应用模型。为此,本研究首先运用逻辑回归、支持向量机、类神经网络、K-means聚类算法等机器学习模型先对裕农快贷项目申请主体是否能通过贷款发放的预测模型评估,同时加入提前还款和贷款收益率（Net Return Rate）作为模型输出的方式训练回归模型,通过比较不同机器学习模型找到最适合精准的模型。最后,提出一个有监督的聚类算法和回归算法的混合模型,从而避免因数据分布不平衡导致逾期分类模型结果不准确的问题,本次研究使用大规模数据样本,力图保证银行逾期模型的稳定和泛化。本次研究实验结果证明了通过所提出的混合模型,银行能实现更加精准的贷款投放,降低贷款的违约风险同时也不会因为过于严格的筛选条件将农户阻挡于银行之外,透过特征选取的方法本研究也证明了贷款时间、贷款利率对农户还款能力的影响,可以帮银行作为筛选贷款对象的重要指标,使银行也能在激烈的市场竞争中建立适合商业银行业务发展和风险管理的理论与方法,建立更符合国情实际更能创造效益的机器学习模型预测信贷逾期风险,不仅解决农户实际需求,还能对其他金融机构产生具有较强的借鉴意义。