《商业银行互联网贷款管理暂行办法》的正式发布,宣告了 P2P网贷市场结束。2011年至2021年,P2P网贷平台从无到有,再从极盛至无迹可寻,互金市场终回归理性,商业银行互联网贷款也成为普惠金融的一大支柱。互联网贷款的重大内生风险使得信用风险管理愈发重要,如何对其信用风险合理定价成为亟待解答的问题。互联网贷款授信核心环节与传统信贷线下主导的模式相比存在较大差异,互联网贷款受众大多为自然人,出于商业保密与个人隐私保护等原因,相关研究资料与成果比较稀缺。本文在总结国内外学者相关研究的基础上,对互联网贷款信用风险与信用定价模型相关理论系统性地展开分析,包括互联网贷款及其信用风险的关系梳理、对比分析传统信用风险模型与大数据风险控制模型之间的优缺点,从数据的五个维度评估风险数据的质量等。接下来,本文从设立限制性模型约束条件起步,在风险定价与风险模型运用逻辑的指引下,结合机器学习应用思想创新性地构建了一套稳定性良好、定价效率较高的大数据信用风险定价模型。为形成对商业银行互联网贷款信用风险定价的深入认知,本文贴合实际构造了一种新的研究方法来分析问题。本文将真实的商业银行互联网贷款风险数据输入至模型后,从计算机科学和经济学角度对输出结果进行综合性分析,主要得出以下四条新结论:其一,在广泛合作的背景下,构建独立、高效、稳定的信用风险定价模型对于商业银行开展互联网贷款业务而言极为重要;其二,对互联网贷款的研究需从互联网技术和金融领域两方面同时着手;其三,部分传统风险特征在信用风险测定中并不显著,与传统贷款违约影响因素相悖;其四,商业银行制定信用风险定价策略时,需要平衡因授信客户群体人数减少导致的收益缩减与因违约率减少而实际增加的贷款收益。最后,本文根据建模分析过程中获得的启发,站在监管当局角度提出避免微弱经济体可能远离信用贷款、加强对个人隐私信息保护、授信限制可以重新考虑调整、完善统一征信平台以及定期对风险模型执行检查相关政策性建议。