近年来,以个人信贷为主导的消费金融行业发展迅猛,但随之而来不断攀升的逾期率也逐渐成为其不可忽视的痛点问题。本文通过对某消费金融平台的用户信息及交易记录进行分析,从违约用户与未违约用户总体的内在分布出发,构建了一个有效的风险违约预测模型,并与其他模型进行比较,说明了提出模型的有效性。首先在数据描述分析的基础上,发现数据中存在不均衡分布的特性。然后采用方差分析的方法,发现违约用户与未违约用户总体的均值在性别、年龄、是否是实名用户、所持银行卡数目、信用评分、使用额度、注册信息缺失率、用户信息缺失率和注册订单时间差九个指标下存在显著差异。进一步,在掌握了可能会影响用户违约因素的情况下,考虑从量化的角度估计出用户潜在的风险违约可能性。由于数据中违约用户与未违约用户的比例差异较大,因此本文首先对初始构造的24个变量进行特征选择,利用Boruta算法筛选出9个具有显著区分度的特征进入模型。然后从违约用户的概率分布出发,根据特征的分布特性对混合高斯模型加以改进,构建了基于EM算法的混合模型,来估算出用户出现违约行为的潜在概率。同时比较违约用户总体和未违约用户总体的模型参数,给出了违约用户画像。进一步根据特征的实际意义和先验信息来改变其分布假设并得到了相同的模型结论,有效地验证了提出模型的鲁棒性。最后比较了提出模型同不均衡分类中常用的LR、XGBoost和XGBoost+LR三种方法的预测效果。结果表明,尽管提出模型在整体的预测精度上不及XGBoost和XGBoost+LR,但在违约用户预测准确度上显著的高于其他模型。该模型有助于消费金融平台较为准确地掌握用户可能违约的程度,为平台的风险管控措施提供参考依据。