随着互联网金融的迅速发展,信贷风险预测越来越重要,风险控制是当下的热点之一。随着信息化建设的不断完善,海量数据被沉淀和积累。需要更多的大数据技术去分析并获取更有价值的信息,为实现自动化提供原理支持,从而节省成本,提高效率。本文通过对近6万用户贷款信息数据进行分析,提取有价值信息,建立多个信贷逾期预测模型,优化并对比分析各模型,为实现自动化逾期预测提供原理支持。首先对数据进行预处理,主要是对缺失值和重复值的处理。其次是特征工程,包括特征衍生、特征选择和特征编码。特征工程尤为重要,直接决定了预测模型的好坏。在建模之前,需对离散特征编码,原因是部分模型对离散特征不识别,会把离散特征作为连续值处理,则会导致错误,但是少数模型却能够识别离散变量,比如随机森林。接着进行建模,本文主要用了Logistic回归、决策树DT和Xgboost模型建模。每个模型经过多次调整优化,使得预测模型最优,预测结果效果更加显著。建立的模型需要一定的指标去评估,文中模型的评估指标主要有:AUC、精确率、准确率、召回率和KS值。从整体来看,逻辑回归和决策树训练出的模型,预测效果几乎相同,但逻辑回归的预测效果更好,而训练决策树的模型的效率会更高。调整前后的Xgboost模型的预测效果没有得到显著的优化,但调整后的模型预测效果更优。在建立Logistic回归模型时,模型中加入了L2正则项,由于本文数据的特征比较多,L2正则项的加入可以有效防止模型过拟合。本文把缺失值当做一种特征处理,并且缺失值占比特征对模型有较显著的重要性。综上,通过对比各个模型的评估指标,Xgboost模型预测效果是最优的,而Logistic回归和决策树的预测效果次之。通过本文的研究可以为信贷逾期风险预测模型的建立提供以下参考:第一,特征工程是整个建模过程中的关键,其中特征衍生最为重要,通过对数据的提取分析,从而对用户精准画像,挖掘有价值的特征,进而做好特征工程,有效提高预测模型的准确度和性能。第二,在做相关信贷逾期预测模型时,即使有缺失值,不要直接删除缺失值,而是把它当做一种特征来处理。第三,缺失值对模型的精度影响很大,互联网金融平台要不断健全和完善用户信息系统,减少用户信息缺失。第四,在实际建立信贷逾期预测模型时,可以首先考虑Xgboost模型。可以以此模型为基础,进行模型的融合,建立更加准确的模型。