P2P(Peer to Peer),即个人对个人的网络借贷,如今P2P平台在我国发展的如火如荼,但借贷人违约率过高的问题也日益严重,给平台和债权人造成很大损失。这种情况下,如何建立完善的风险预测系统是P2P平台平稳发展的决定性因素。但由于国内P2P行业起步较晚,较多公司在该方面比较薄弱。因此设计一个预测能力好,泛化能力强的模型来构建风险预测系统,对借款者进行信用评价,然后进行借贷逾期预测,降低违约率,是P2P发展急需解决的问题。目前现有的平台,如拍拍贷,陆金服都在增强自己的风险预测模型。为解决以上问题,本文构建了针对P2P借贷人的逾期风险预测模型,本文的主要工作包括:(1)提出了基于融合的风险预测模型的构建方法并阐述了理论基础。(2)在P2P借贷平台用户数据集的基础上,通过数据预处理与对SMOTE算法改进来进行数据优化与类别不平衡问题的解决,将处理好的数据进行特征提取、特征构建与特征选取处理,构建最优特征子集,为后续开展风险预测模型研究奠定基础。(3)研究和比较了常用的风险预测模型,并根据P2P特征子集的特点进行模型的改进与调参,实验结果证明由XGBoost、随机森林与支持向量机构成风险预测模型预测效果好,为下一步的融合风险预测模型提供算法的选择依据。(4)在对模型融合方法对比后,选择stacking集成学习框架对XGBoost、随机森林与支持向量机进行模型融合,经实证融合后的风险预测模型的预测性能更好,泛化能力更强。充分的证实了本文提出的风险预测模型在P2P风险控制中有重大作用。综上所述,本文分析了P2P风险预测模型的重点与难点,提出了基于融合模型的风险预测模型构建方法,构建了模型所需的最优特征子集,对比、选取并改进了三种算法,将其用于模型融合风险预测模型的构建,并通过实验证明了基于融合的风险预测模型的优越性,并探讨了该模型的应用场景。