为了解决三农问题，中国政府利用金融为手段，促进农村金融体系的建设，为农民提供贷款，支持农业建设的发展。在农村金融体系的建设方面，结合农村的实际情况，政府较为重视各类农村中小金融机构的发展。对于农村中小金融机构而言，利率定价问题是其所面临的核心问题。在农村中小金融机构开展实际金融业务的过程中，利率定价问题对金融机构的贷款积极性、盈利水平、可持续发展性具有重要的影响。同时利率定价也影响农村金融资源的配置。但是，受限于农村中小金融机构的能力，目前在贷款定价等方面，这些机构采用的方式较为单一，同时由于对农村金融的风险控制水平有限，导致贷款利率偏高，影响农民的贷款意愿。因此，贷款定价问题是目前制约这些金融机构发展的一种重要问题。
　　本文对中国农村中小金融机构的信用风险评估以及贷款定价进行了研究。首先，本文分析了目前中国农村中小金融机构的特点以及贷款现状；其次，对目前贷款定价中存在的问题进行了深入研究，本文认为目前农村中小金融机构贷款准确性较低的问题在于对于客户的信用风险判断不准确；第三，为了能够提高客户信用风险的判断准确性，本文基于Xgboost模型，采用人工化学反应优化算法对该模型进行了优化，构建了ARCO Xgboost模型。为了能够验证模型的有效性，本文使用真实样本进行了实证分析，通过SMOTE方法解决了样本的不平衡问题，从信用风险以及定价准确性方面进行了测试，并且与基于遗传算法的Xgboost模型、随机森林模型、专家规则方法进行了对比分析。
　　本文的研究结论如下：（1）通过对本文构建的ARCO Xgboost在信用风险评估上进行实证，验证了该模型比一般的数据挖掘模型以及当前的专家规则评价方法更为准确。ARCO Xgbosot模型对比目前使用的专家规则评价方法，在对正常客户的预测上提高了10个百分点，在信用风险客户的预测上，提高了50个百分点；（2）通过将ARCO Xgboost用于实证样本的定价，本文验证了该模型在定价上更为准确，能够有效规避风险损失。基于GA Xgboost的定价平均贷款利率为6.42，正常贷款评价利率为6.54，逾期贷款评价利率为6.59，差异不大，贷款风险损失为512万，贷款利润为6987万，最后净利润为6475万；基于随机森林模型定价中，平均贷款利率为6.44%，正常贷款平均利率为6.57%，信用风险贷款利率为6.31%，出现了风险倒挂现象，也就是违约概率高的客户定价更低，最终该模型的风险损失为640万，利润为6051万，净利润为5411万；ARCO优化的Xgboost模型的平均贷款利率为6.61%，正常贷款的利率为6.54%，信用风险贷款的利率为7.21%，对不同风险贷款区别较大，最后贷款的风险损失为312万，利润为7098万，净利润为6786万。ARCO优化的Xgboost模型对信用风险较低的客户的利率较低，对信用风险较高的客户利率较高，虽然利润总额低于目前的定价方式，但是风险比当前的定价方式减少了很多。同时，由于对正常客户的贷款利率更低，更有利于优质客户发展其他业务，进而提高客户的综合贡献率。
　　本文的研究对于农村中小金融机构进一步提高信用风险的预测以及贷款定价的准确性具有重要的参考价值。