本发明公开了一种基于强化学习的风控模型构建方法及装置，属于个人信贷风控技术领域。所述方法包括：接收用户信贷请求，获取风控决策需要的数据，进行验证；对数据进行处理，构建状态向量，并根据状态向量和预定义的动作空间，结合强化学习模型，生成回报预测网络；计算得到动作空间中每个动作实施后的预测回报，并采用预设的搜索策略选择期望回报最大的动作并实施；根据用户的实际还款结果，计算动作实施后的真实回报，并根据真实回报和预测回报，以回报最大化为目标，对回报预测网络的参数进行更新。本发明可使风控模型优化目标与商业目标一致，并且能够迅速应对行业或者市场的变化。