P2P贷款是指需要借助专业网络平台帮助借贷双方确立借贷关系,并完成相关交易手续的个人与个人之间的小额信用借贷交易。2007年第一家网络贷款平台在中国成立以来,P2P行业快速发展,互联网+概念的提出和大力宣传使得P2P网络借贷迅速被大众熟知,一时间成为互联网金融界的宠儿,但行业高收益的背后也酝酿着高风险的爆雷,2013年起,部分P2P网络借贷机构频发借款人恶意逃废债的负面消息,随后2015年,大规模平台跑路、倒闭潮涌现,P2P网络贷款引发了前所未有的信任危机。P2P网络借贷的核心是风险控制,通过科学的方法找出对违约行为产生重要影响的因素,合理的规避风险并引导行业良性发展有重要的现实意义;P2P网络借贷起始于英国,壮大于美国,美国拥有较为完善的P2P网贷风险控制制度,将中美网络借贷平台进行对比,对我国P2P平台的发展和建设有一定的指导意义。本文以P2P行业的整体发展和影响P2P违约风险的具体因素为切入点,选取中美两国为研究对象,运用文献分析、定量与定性相结合的方法展开研究。首先,文章进行定性分析。对比中国和美国互联网借贷平台的整体发展状况,并从中美P2P网贷行业市场规模、平台运作模式和市场监管机制三个方面展开详细论述,发现我国P2P行业市场需求量大,平台数量多,但存在平台运营模式不健全,国家监管机制不完善等问题。然后,文章进行定量研究。本文选取中美两国具有代表性的网络借贷平台Lending Club和人人贷的具体交易数据,构建基于lightGBM特征优化的逻辑回归模型对违约风险的影响因素进分析。结果显示,对Lending Club平台来说,信用状况是影响违约风险的关键;平台借款总金额、借款利率等指标对违约风险有正向影响,借款人年收入、所有循环账户的最大流动结余等对违约率有反向影响;借款人在平台上申请的总金额对其影响最大。对人人贷平台来说,个人信息和借款信息是影响违约风险的关键;年龄、成功借款数对违约风险产生正向影响,借款笔数、已还完笔数对违约风险产生反向影响;已还完笔数对其影响最大。最后,综合全文定性、定量分析的结果对中国P2P行业提出如下建议:首先,应坚持中国特色的线上线下结合的运营模式;其次,充分保护借款人的隐私,在数据贵如油的时代减少因信息泄露贵借款人造成的负面影响;再次,建立风险分散机制,效仿美国P2P平台的做法,通过寻找其他贷款人一起分担一笔借款额度来分散风险,降低信用成本。逻辑回归模型作为一种线性模型学习能力有限,而基于集成学习的lightGBM方法可以自主发现有区分性的特征,并将决策树的路径直接输入逻辑回归中。本文在实证部分将lightGBM模型和逻辑回归模型结合应用,省去了人工寻找特征的步骤,使模型具有缩短周期、提升效率的优点。文章选取美国具有代表性的平台Lending Club和中国具有代表性的平台人人贷进行对比分析,对我国P2P行业发展具有一定的借鉴意义。但由于人人贷网站信息披露规则不完善,由爬虫软件获取的数据无法保证其完整性,此外模型建立的过程又面临着“精”和“准”之间的矛盾,尚未找到合适的解决办法。相信未来随着网站信息披露规则的完善和学者对算法进行进一步的深入研究,会有更优化的方法解决此问题,使模型预测结果进一步接近真实值。