目前,互联网金融行业呈现欣欣向荣的局面,借贷业务作为金融行业中的基础业务,其理念和方式也在不断地推陈出新,随着小额信贷市场中“普惠金融”理念的提出,P2P网络信贷平台应运而生,平台提供极简的借贷审核流程以及借款项目跟踪记录,为投资人和借款人提供便利的借贷通道,缩短了传统借贷业务的办理时间。但是,随着P2P行业由成长扩张阶段转为爆发增长阶段,行业竞争日益激烈,不规范的行业运营导致问题平台不断暴露,借款人违约率也持续升高,平台经营者遭受了巨大的损失。为了防止互联网金融行业发展的进一步恶化,除了相应监管政策需要完善落实,更应该提高平台的抗风险能力,一项基础而又重要的工作是建立并运行一套低成本高效率的违约风险预测模型。本文首先介绍P2P行业发展背景及研究现状,接着对机器学习分类模型的相关理论知识做了阐释。然后本文运用八爪鱼爬虫软件采集了“人人贷”平台开源借贷数据,经过数据预处理后,先对代表性变量与客户违约率之间做统计分析,然后基于数据集构建决策树、随机森林、XGBoost三种机器学习模型,评估各模型违约风险预测能力,基于调参后XGBoost模型所得到的具有高精确度、高召回率的预测结果,结合Stacking集成模型聚合性强的特点,建立了基于优化后的XGBoost组合型违约风险预测模型。实证分析的结果表明,该模型能够为P2P运营后台中放贷审核模块提供理论和技术支持,有助于促进P2P网络信贷健康有序发展。