网络借贷是一种新型的借贷形式,是我国互联网金融的重要组成部分。从2007年中国出现了第一家互联网借贷平台后,网络借贷在我国得到了飞速发展,同时也面临着诸多挑战,不少网贷平台由于风控能力的欠缺,大量用户发生违约行为导致平台关闭。很多学者和相关专家尝试将机器学习算法与网贷相结合,预测用户是否会发生违约行为,然而在实际业务场景下,仅仅能判断用户是否会违约对于平台来说还不够,平台需要了解影响用户违约的因素来调整运营策略。由于复杂机器学习算法并不具有较强的可解释性,不像传统线性模型一样有回归系数等参数,很难通过模型探索用户违约风险的影响因素,因此许多网贷平台仍然使用传统风控方法或者较简单的违约风险模型。本文使用Python爬虫技术爬取真实的网络借贷数据做实证分析,构建能准确判断用户是否会发生违约行为的集成树模型并基于模型研究违约风险的影响因素,尝试化解机器学习模型预测准确性和可解释性的矛盾。首先对数据集做数据处理,处理了数据缺失、异常等问题,用SMOTE算法解决了数据的不平衡。特征工程方面,用人工处理的方式清洗特征,并用嵌入法的方式对特征做出选择。将处理好的数据集做简单的描述性统计分析,从数据分布的角度探索违约风险的影响因素,发现传统研究方法的不足。随后建立基于Logistic回归、随机森林和Xgboost算法的用户违约风险模型,从精度和召回率的角度对模型作出对比评价,选择出最优秀的违约风险模型。最后分别用Logistic回归系数、集成树特征重要度和SHAP值的方法研究用户违约风险的影响因素。对比分析三种模型解释方式的特点和局限性,详细展开Xgboost-shap值的方法,分别从单个样本、模型整体和对比变量角度分析影响因素,可以此分析重点用户、平台整体的违约风险影响因素,并突破性地分析多个特征交互作用对用户违约风险造成的影响。本文的实证分析表明,使用嵌入法处理特征及SMOTE算法处理数据不平衡后能够提升违约风险模型的表现效果,集成树模型的预测效果优于简单机器学习模型Logistic回归,虽然Logistic回归有较高的违约用户召回率,但是精度过于低,不能将其投入真实业务场景中。在研究用户违约风险的影响因素方面,传统的描述性统计和模型自身参数都各自存在其局限性。使用Xgboost-SHAP值方法,能够从多个维度分析违约风险的影响因素,并且集成树模型Xgboost也保证了结果的可靠性。在未来,网贷平台风控工作者可以合理地将复杂的集成模型与SHAP值相结合,在保证预测准确率的情况下正确的找到违约风险的影响因素,帮助运营及时调整运营策略,减少用户违约损失,同时在细化到具体用户、具体因素时,该方法也提供了很好的解决问题的方案。复杂机器学习模型与SHAP值方法的结合,也为工业、教育、医疗等其他领域提供解决问题的新思路。