随着互联网技术的高速发展,金融理财、在线支付等新兴互联网金融行业借助于互联网技术、移动通讯技术,得到快速的发展。虽然成熟可靠的互联网技术为互联网金融的正常运营发展提供了强有力的保证,但是互联网金融的风险控制体系与传统金融的风控体系相比,在规范性、准确性和合法性等方面尚存在很多问题,这些问题将会产生诸多不确定的金融风险,不仅会影响企业的资产安全性,还会影响国家和社会的繁荣稳定。要控制金融风险,需要有一个健康、稳定、规范、准确的风险控制体系。互联网金融作为最新的商业发展模式,是未来发展的一个趋势。传统的风控模型主要通过人们的经验来分析各类指标在风险中的比重,判断用户的风险大小,在用户需求量少、产品单一的情况下是可行的。随着产品的迭代升级,越来越多的产品问世,人们对各类产品的需求量在不断的攀升,传统金融风控模型已不再适用。本文通过将传统金融与机器学习技术相结合,有助于压缩人力成本、时间成本、实时监控财务、减少人为干预、增加工作效率。运用各种数据挖掘算法对金融数据分析比较,建立新的金融风控模型,能够更快、更好的适应相应的金融风控场景。本文主要研究工作有:(1)本文针对借贷数据介绍其专用的特征选择方法,介绍借贷数据的清洗、特征构建过程,以及如何对借贷数据进行特征选择的方法。将经过特征选择后的借贷数据在已有的五种算法上集成训练相应的模型,并求出借贷数据在这五类模型上的准确率,最后对这五类模型进行多元加权集成,建立一个集多种模型优点于一体的风控模型,采用业界常用的评价指标ROC和AUC评价各类模型的效果,对模型进行分析比较。(2)对传统的规则模型来说,不同的产品对应的规则不同,通过研究多元集成加权模型的架构,描述它的业务流程以及实现过程。通过多元集成模型与其他算法的比较,展现了多元集成加权模型的优势。