随着互联网的不断普及以及金融创新的深入发展，互联网金融正逐步取代传统金融，成为国民经济发展的新动力，P2P网络借贷就是在这一时期出现的极具代表性的互联网金融产品。其凭借便捷、高效、成本低的独特优势迅速获得了大众的认可，在行业发展初期，P2P网贷行业出现爆发式增长，但是高增长也伴随着高风险，国内相关体制机制的不健全等因素都为行业“爆雷”埋下了伏笔。特别是2016年以来，行业负面消息不断，严重影响我国金融体系的安全与稳定，行业整治刻不容缓，监管之靴随之落地，行业发展由春天逐步进入冬天。尽管P2P网络借贷行业的不正规发展给经济发展造成了巨大的损失，但在促进普惠金融发展、提升金融服务质量和效率、满足多元化投融资需求等方面仍然有着不可替代的作用。放眼未来，P2P网络借贷行业在经过整顿清退之后必将回到正规，行业发展也将迎来新的春天。
　　本文首先对P2P网络借贷行业发展现状及存在问题进行了梳理和归纳，研究得出行业出现问题的原因及行业实现新发展首要解决的关键问题，从而引出对于借款人违约影响因素识别机制的研究，对于P2P网络借贷平台这类非均衡、非线性、维度高并且存在大量的分类变量以及非结构化的信用数据，Z-score、ZETA以及Logistic回归等传统方法很难有效挖掘P2P借贷数据的复杂信息，造成模型预测准确率较低。而集成学习方法将随机预测能力较好的弱学习器(基学习器)，集成为可以精准预测的强学习器的优势，更适合于借款人违约影响因素分析这一应用场景。在实证分析部分，利用多种模型对人人贷真实借贷数据进行研究，找出不同因素对于借贷违约的影响程度，并基于研究结果提出相关建议，以期为平台建立完善的信用评估系统提供参考。