现阶段我国宏观经济处于经济下行、实体部门内生增长动力不足时期,实体企业经营面临困境,商业银行的贷款违约风险大大增加。贷款违约风险是商业银行面临的最主要的一种风险,不仅与商业银行自身的安全与效率息息相关,还会影响到金融与经济的稳定发展。企业可通过借贷获得投资资金,个人也可通过借贷获得更多消费。随着金融创新和个人消费观念的改变,以信用卡业务为首的个人信贷业务发展迅速,随之而起的个人信用风险在商业银行的风险管理中也有了举足轻重的地位。研究影响贷款违约风险因素,对商业银行防控违约风险,维持稳定的贷款盈利水平,保证其稳健运营有着深刻的现实意义。本文以贷款逾期天数为因变量,研究影响用户违约的风险因素以及逾期时长的因素。贷款逾期天数存在显著的零膨胀现象,如何考虑大量0包含的信息是处理该类数据的核心所在。两部模型能很好地处理这类数据,模型的第一部分用于判断用户是否违约,第二部分分析逾期天数的长短。本文在此模型下,从变量选择角度研究了贷款违约的影响因素筛选,将惩罚变量选择方法Lasso与两部模型相结合,建立LASSO-TPM模型,解决了降维问题的同时实现了两部模型的参数估计,并对比主成分两部模型PCA-TPM以及不考虑零膨胀特征的多元线性模型。实证分析表明,政策因素利率,经济因素本月利息收入、已缴期数,人口信息因素性别、婚姻状态、地区对贷款违约存在显著影响。两部模型不仅具有更好的拟合效果,还有更好的预测效果。忽略零膨胀特征的一般线性在拟合度和精度上都与两部模型相差甚远;惩罚两部模型(LASSO-TPM)比主成分两部模型(PCA-TPM)更显优势,不仅在降维效果上更为的简洁直观,模型的稳健性也要更优。