当前互联网贷款行业正处于促健康化、规范化发展阶段。信用风险是从互联网贷款行业到整个金融业最常见、最基本的风险之一,信用风险的识别也是关注的重点问题之一。互联网贷款相比传统金融信用风险更高,因此亟需研究如何借助更多的信息识别信用风险。目前在网贷信用风险识别的研究中,算法和指标都有研究空间。借款人通过通话交流、文本信息提交等方式对借款目的、还款能力、还款意愿等信息的主观描述会被记录,这些借款描述在一定程度上是对借款人资料的补充。因此,将借款描述这一文本类软信息融入借款人特征,作为信用风险识别考察因素,再结合logistic回归、随机森林、XGBoost等机器学习算法,来提升信用风险识别的准确性,可完善互联网贷款信用风险识别方法,助力互联网贷款行业的促健康化、规范化工作。本文首先从国内网贷网站爬取了100267条真实借款记录,变量数为54;接着分定性变量和定量变量对指标进行描述性统计分析,初步探究影响违约的因素;然后对借款描述文本信息进行了主题提取,步骤分为文本分词、最优主题数确定和LDA主题模型结果分析,得到了每条借款描述文本的主题概率分布和每个主题的高频词,提取出每条借款描述传递出的与信用风险相关的信号,并结合变量删减和文本提取结果初步完善了信用风险影响因素指标体系;最后是网贷信用风险识别模型构建。在变量选择、数据不平衡处理和独热编码的基础上,分别构建logistic回归、随机森林和XGBoost模型,得到各个模型的查准率、查全率、F1值、ROC曲线和AUC值,横向比较不同模型的评价指标,纵向比较融入借款描述前后各模型评价指标的变化,找到识别效果最好的模型,并判断借款描述对于信用风险识别的重要性。文本得出以下结论:第一,通过对借款描述文本构建LDA主题模型,可将文本概括为五个主题,分别是借款用途主题、创业投资主题、基本信息主题、资质审核主题和信用保证主题。其中,在其他特征相似的情况下,透露借款用途主题、创业投资主题和信用保证主题的借款人信用风险相对较大,透露基本信息主题和资质审核主题的借款人信用风险相对较小。第二,通过对融入借款描述主题概率的借款人特征构建机器学习模型,并横向比较不同模型的评价指标发现,XGBoost模型和随机森林模型在查准率、查全率、F1值、ROC曲线和AUC值上的表现均优于logistic回归模型,因此优选XGBoost模型和随机森林模型作为网贷信用风险识别的二分类模型。第三,通过纵向比较融入借款描述前后的建模结果发现,无论哪种二分类模型,在融入借款描述后模型的评价指标均优于融入借款描述前,因此融入借款描述信息对于识别网贷信用风险具有重要意义。