随着消费升级以及互联网信息技术的发展,互联网消费金融业务新模式随之产生。互联网消费金融具有覆盖范围广、交易简单便捷,其提高了金融服务能力,扩大了金融服务的普惠性。然而,由于其面向客群资质较低且我国社会征信体系尚不完善,因此出现不良率上升的问题。为了,提高互联网消费金融机构及平台的风险管理能力,本文探索个人信用评分卡在P2P平台中的应用。本文首先梳理国内外学者对于个人信用评分方法的研究,指出对于最优的方法学者们尚无统一意见。同时,个人信用评分的全过程涉及样本数据收集、变量预处理、特征工程、模型构建等。通过对比统计方法、非统计方法、组合方法的优势和劣势,综合考虑本文使用的数据样本的特征,选择模型稳定、解释性强的Logistic回归方法,建立申请信用评分卡。本文的数据来源于人人贷借款平台,通过数据预处理、变量筛选、Logistic回归方法等建立模型;然后通过ROC曲线对模型检验。在此基础上,通过模型打分得到最终的信用评分。通过模型建立和实证分析总结到:一是,信用评分卡设计要基于业务需求。在模型开发之前,需要检视模型的开发目的、使用节点、数据特征等选择不同的评分卡、评分模型。在建立模型的过程中,“违约”“非违约”定义是确定因变量的关键,不同业务和产品的特性不同,从而客户好坏定义也不同。二是,数据的预处理过程中采用不同方法对模型的影响不同。在考虑变量的预测能力和变量之间的相关性的基础上,采用WOE和IV值筛选法和相关性检测相结合的方式进行变量的筛选能够提高模型的有效性。三是,改进信用评分卡两个方面入手。一方面,提高数据的质量,目前平台的信息资料主要限于申请人填写的相关信息资料,后续可以引进电信运营商、外部信用评级机构等数据;另一方面,目前学术界和业界研究热点方向是通过机器学习等与Logistic组合的方法提高模型预测的有效性。四是,加强互联网金融监管。互联网消费金融区别于传统的个人消费信贷,其受众更广,信用资质相对较低。尽管信用评分卡能够直观呈现客户的信用风险分数,但并不能完全限制平台或者机构处于对利益的考虑而降低授信分数的阈值。因此建立完善的法律法规,降低其行业风险势在必行。