互联网信用贷款业务与银行等金融机构开展的传统线下信用贷款业务有着较大的区别，互联网信用贷款业务一般基于移动端或者网页端进行申请，申请人只需要提供简单的个人资料，无需提供抵押或担保物，金融机构无法对申请人进行面签面审，只能通过申请人提交的资料、人行征信报告以及三方数据对申请人的违约风险进行评估。
　　由于我国银行等金融机构对于互联网技术以及数据应用存在较大的差异，部分大型商业银行、持牌消费金融公司能够通过数据挖掘及建模技术有效识别申请人的违约风险。但部分城市商业银行以及农村商业银行对于互联网信用贷款业务的技术应用仍然处于初级探索的阶段，违约风险管理能力较弱。而金融机构规模越大、合规性越强，越倾向于采用逻辑回归模型进行违约风险识别，因为大型金融机构经常需要面对监管部门的检查，需要向监管部门对违约风险识别模型进行解释，逻辑回归模型相当于一个透明的箱子，解释性比较强。而其它的机器学习模型虽然区分效果比逻辑回归模型好，但由于建模过程类似一个黑箱，难以向监管部门解释，所以应用的比较少。
　　拍拍贷是我国最早的互联网信贷机构之一，拥有完备的互联网信用贷款流程管理系统、完善的风险管理组织架构以及严谨的风险控制流程，并利用大数据以及创新的技术对于信用违约风险较高的贷款申请人进行识别。本文通过对拍拍贷互联网信用贷款风险管理控制的研究，为开展互联网信用贷款的机构提供了参考。同时，本文还利用拍拍贷的借款人样本、通过python以及spss为工具，搭建了逻辑回归模型与随机森林模型以及基于这两个模型的混合模型。研究结果发现混合模型相较于逻辑回归模型区分效果更强；同时发现混合模型的预测能力与随机森林模型相差不大，但解释性更好、更稳定。同时模型计算时间更短，较为符合国内银行、持牌消费金融公司与互联网小贷公司使用。