随着我国经济由高速发展转向高质量发展,我国在各方面进行改革推进,但受外部环境因素的诸多变化,经济下行压力有所加大。面对经济运行中存在的突出矛盾和问题,经济下行的压力和国家的宏观调控使得企业陷入资金困境。此外,我国投资行业不够完善,社会闲散资金较多,居民投资知识水平薄弱,而企业通常使用高投资回报和合法文书或广告宣传使得对企业的非法行为识别更加困难。针对上述情况,目前已经有学者从金融市场和法律层面角度研究非法集资的成因和宏观防范措施,在时效性和特征因素影响评估上仍较缺乏。本文意在从实际数据中采用分类预测手段探索非法集资的影响因素并针对不同风险程度提出相应措施,及时的评判预估与风险测度,为实际防范和打击非法集资行为提供一定参考。本文首先通过数据预处理和特征工程构建获得影响企业非法集资较大的变量指标。其次,对整体数据进行企业基本信息探索、经营状况探索和科技水平探索非法集资行为的企业的特征,从整体上对企业有一定的认知。最后使用数据平衡处理后的逻辑回归、xgboost、随机森林以及gbdt模型对企业非法集资风险概率进行预测,划分风险等级并深入探索特征表现,探究有针对性的防范措施。研究表明,分类预测模型在实际企业非法集资量化分析是可行的,并且从数据中探索能更直观的感受非法集资的影响因素,并且能细化的处理非法集资问题。对于高风险非法集资倾向企业,其资金需求、裁判文书数高于同行业基本水平、主营业务单一,缺乏风险抵御与规避能力。次高风险资金和业务单一是主要问题。在防范非法集资行为上需要对高风险企业各指标严格审核,对次高风险在资金和业务数量上密切关注。