随着互联网科技的高速发展,互联网金融行业也应运而生。其中具有代表性的第三方支付一方面促进了电子商务的发展,另一方面,由于许多规模和管理参差不齐的第三方支付机构进入市场,同时现有监管制度的不够完善导致互联网金融行业风险的加大。本文着手于互联网第三方支付违规风险进行研究,通过构建风险预警指标体系,基于随机森林算法和XGBoost算法建立风险预警模型,并对特征变量重要度进行研究分析,在对模型进行评估和优化后结合案例实证分析得出结论,最后根据研究结论提出相关政策建议。本文的创新点主要有:其一是研究方向上的创新,现有关于第三方支付的研究主要集中于第三方支付的概念及风险监管、风险评价和防范管理方面,而本文着重于对第三方支付平台违规风险的研究;其二是在指标体系构建上的创新,由于现有关于第三方支付风险的研究中涉及到的指标不够完善,因此本文作出了改进和创新,基于现有研究结合对违规企业的追踪研究构建了指标体系;其三是模型构建上的创新,在基于随机森林算法和XGBoost算法的违规风险预警模型构建完成后,将两个模型进行融合从而达到模型效果的优化,从而得到最终的第三方支付平台违规风险预警模型。研究发现:在构建第三方支付违规风险预警模型时,基于随机森林算法和XGBoost算法构建的模型性能较为优良,而通过模型融合进行优化后的集成模型准确率和AUC值最高,分别为99.26%和0.9912,该集成模型适用于第三方分析预警机制的建模;通过对指标的重要度分析发现新闻舆情和相关公告、软件违规和失信信息、专利信息和著作信息是最重要的6个指标,并在案例实证分析中进行了佐证,同时也验证了模型的预测准确率。提出建议央行应将这些指标纳入对第三方支付企业的考核和管理条件中。