本发明公开了一种基于改进图卷积神经网络的不均衡金融数据信用评估方法，包括以下步骤：首先根据当前金融特征数据进行图构建，得到图G(V,E)，其中V为点集，E为边集。在已构建的图的基础上，采用改进图卷积神经网络进行有监督学习模型的训练，最终用训练好的模型完成对金融用户信用的预测。本发明从数据增强的层面来缓解类别不均衡金融数据中的过拟合问题；另一方面，在改进GCN模型中，每一层图卷积运算综合利用一阶邻域中的节点向量和边向量的信息，通过加权聚合节点向量与边向量来更新所有的图节点向量，从模型层面来提升图节点向量表示学习的效果，进而提升对于类别不均衡的金融用户进行分类评估的效果。