【摘要】本文以网络借贷为例,利用某网络借贷平台7459个借款人2015年5月至2017年1月的数据,对比了不同数据挖掘模型(决策树、随机森林、支持向量机和神经网络)与传统金融机构常用模型(Logistic和OLS)在预测违约风险上的差异,识别了能够影响借款人违约的主要因素。主要结论有:第一,随机森林预测借款人违约的效果是最好的;第二,"软信息"特征在判断借款人是否会违约时具有重要作用;第三,借款金额、利息金额、月利率、借款开始时间对借款人违约具有显著的正向作用,非一手账单率和主叫对象在通讯录中的比值对借款人违约具有显著的负向。