随着现代信息技术的发展，以互联网为依托的移动支付、社交网络和云计算等将对传统的金融模式产生深刻的影响。P2P平台依托互联网对传统的金融模式尤其是借贷模式产生了颠覆式的改变。根据网贷之家的数据显示，截止到2017年3月底，网贷行业累计平台数量己达到5888家，历史累计成交量达到了41052.69亿元。有420万投资者和240万融资者在近4600家在线的网贷平台上参与交易。在互联网金融业务快速扩张的同时，P2P平台的网贷违约风险也逐渐暴露，累计有3611家在线平台出现跑路、停业、提现困难、经侦介入的情况，给投资人财产造成了极大损失。群体性的客户违约现象严重影响网贷行业的健康有序发展。因此，有效识别违约风险是增加投资者收益及维持互联网金融网贷业务良性发展的有力保障。　　本文立足网贷平台投资者利益最大化视角，关注客户还款行为的差异，依据网贷客户每月动态还款表现，对马尔科夫链中状态转移矩阵进行逆向推理，构造出信用状态转移方程，得出多分类客户对应的违约概率，将客户由“违约”与“不违约”两类细分为“提前结清”、“当前正常”、“可疑”、“损失”四类。利用有序多分类logistic模型及R0 C检验进行网贷客户违约预测实证研究，探究客户特征与动态还款行为之间的关系。　　实证结果表明，（1)在众多的客户特征征信变量中年龄、财务状况、学历、产品类型、职位、借款类型、是预测违约的重要指标，具有较大的区分度。年龄等变量存在违约风险突变的节点。（2)社会关系变量对客户的违约行为具有较强的约束力，社会关系信息能够反映客户借款的真实性，对客户信用风险的判别有重要的影响。（3)具有明显等级性、层次性的变量，随着等级的增加、违约风险并不随之减少。学历、会员等级达到一定层级水平后，客户的违约风险差别不明显。（4)借鉴状态转移矩阵，反向推测出四类客户的潜在违约概率的做法能够避免违约概率临界点的设定，得出的四类潜在违约概率使预测结果更加细致，使客户的聚类更为便捷，有序logistic模型的A U C值更髙，错判率更低。