随着中国经济的迅速发展,人们生活水平的大幅度提高,汽车已经成为人们日常生活中必不可少的交通工具。互联网的迅速普及给汽车金融业务插上了腾飞的翅膀,使得汽车金融业务超越了地域的限制,在全国范围内普及开来。然而,由于我国缺失完善的信贷监督体系、二手车市场环境复杂、法律法规制度不健全、对于汽车金融资本监管严格及汽车金融经营主体不专业等原因,导致互联网汽车金融行业逾期率高,风险大。互联网汽车金融公司的风险主要集中在信用风险,前人在度量及规避信用风险方面已经有所研究。Logistic模型在计算违约率方面有着广泛的应用,除此之外,专家判断法、神经网络法及决策树等方法在实际中也有着广泛的应用。本文通过查阅前人的研究文献及汽车金融行业研究报告,结合互联网汽车金融行业工作经验,基于logistic模型分析互联网汽车金融行业数据。基于理论分析,提出7个可能对信用风险违约率产生影响的因素,并描述此7个因素可能产生的影响,运用logistic回归分析验证假设,得出是否抵押及抵押时间、车辆属性、月供及代理商性质四个因素对信用风险违约率影响显著。本文在logistic回归分析所得出的验证结果的基础上,结合实际工作经验中控制信用风险的措施,得出结论,为控制互联网汽车金融公司信用风险,应该完善个人信贷体系,加强科技研发,增强互联网汽车金融公司的专业性,建立有效的风险管控流程。在内容安排上,本文首先介绍互联网汽车金融的相关概念及发展历程,说明互联网汽车金融的业务模式与传统汽车金融相比的优劣性,并介绍了目前互联网汽车金融的主要产品;然后结合国内外对汽车金融风险的介绍、汽车金融信用风险的介绍以及互联网汽车金融信用风险的介绍,简要介绍汽车金融信用风险度量的模型;第三部分做信用风险的理论分析及实证分析,本论文收集了A互联网汽车金融公司的3万多条客户数据做logistic模型分析,将可能影响信用风险的因素进行归类,并对每一个因素进行验证,对于显著性大于0.05的因素进行逐个分析;最后通过政治环境、经济环境及对金融公司自身及客户等方面对互联网汽车金融信用风险管理提出相应的对策和建议。