P2P网络借贷是传统金融与互联网结合的产物,与传统金融不同,P2P网络借贷是一种去中心化的模式,它实现了个人向个人,即点对点的借贷,而不需要金融机构等中介参与到借贷各环节中。由于P2P平台具有方便快捷的特点,同时相比于银行等金融机构,P2P平台对借款人的要求较低,放贷过程更为简便,越来越多的人选择通过P2P平台进行贷款。但是,由于P2P网络借贷本身的特点,对P2P平台进行风险控制尤为关键,不断的降低借贷违约率,提高借贷收益率,并且寻找出这两者的影响因素成为了各个P2P网络借贷平台的第一目标,因此研究P2P平台风险控制机制具有重要的现实意义。现有研究中,学者们大部分都是分别围绕违约率和收益率影响因素进行研究,却较少将两者结合起来进行研究。鉴于此,本文在探究违约率影响因素的基础上,进一步的引入了贷款收益率的概念,试图结合两者各自的优势来对贷款进行划分,得出更为有效的贷款筛选机制来满足具有不同风险偏好的贷款人,丰富P2P网络借贷领域的研究成果。本文选取Lending Club平台2007年至2015年间累计89万条借贷交易数据,经过对数据集的清洗,最终保留24万条信用贷款数据作为本研究的样本。数据集中主要包括借款人个人信息、贷款信息、借款人信用信息、贷款状态和还款信息等信息。经过对样本进行描述性统计后,使用多个机器学习模型对违约率进行预测,最终选择了准确率较高的逻辑回归模型。接着,对逻辑回归的结果进行了分析,对违约率影响因素进行了讨论,并使用了另一种数据挖掘技术xgboost对各个特征进行排序,并将其结果和逻辑回归结果做以比较。最后将预测出的违约率和已有的收益率相结合得出贷款评分,进行了进一步的讨论。数据分析结果表明:第一,在只考虑贷款违约率的情况下,借款人年收入、总信贷余额、负债收入比、平台信用等级和贷款目的对是否违约有较大影响;第二,在同时考虑违约率和收益率的情况下,贷款评分的影响因素和违约率的影响因素较为类似,但是在不同贷款目的下表现不同,以婚礼为目的贷款的违约率是最低的,平均收益率是最高的,但婚礼的平均贷款效益,也就是评分并不是最好的,而最高的是车贷,这种方法提供了新的视角来评判贷款的好坏;第三,从研究中不难发现,网络借贷市场并不是一个完全有效的市场,还存在很大的改进空间。本研究拓宽了 P2P平台信用风险领域的研究,具体而言:第一,根据回归结果得出了对违约率影响较大的几个因素并对这些因素做出解释,对以往文献做以有益补充;第二,采用了新的视角,综合考虑违约率和收益率两者,通过数值分析得出了贷款评分的影响因素,重点分析了不同贷款目的下贷款的差异如何,为借贷平台和借贷个人提供了较有价值的评判参考指标。本研究的研究结论对于P2P平台和贷款人在选取贷款时具有重要指导意义,根据贷款评分和风险偏好选取借款人进行放贷,在规避风险的同时将收益最大化。不断淘汰劣质贷款,提高P2P借贷市场的效率,使其向完全效率市场发展。