网络借贷业务模式具有特殊的普惠金融价值,填补了传统金融服务模式缺口,提高了金融行业服务于实体经济的效率,解决了众多小微企业、农民等融资困难群体的融资需求,扩展了金融市场投资者的投资边界。然而,由于面临更为严重的信息不对称问题,网络平台中违法、诈骗等爆雷事件的频生,使其成为投资者望而怯步的“最危险”金融领域。据统计,仅2018年共立非法集资案件就一万余起,涉案金额高达3千亿元。在此背景下,市场参与者理性分析网络借贷市场有效信息,警惕网贷市场存在的问题,关系着平台的未来发展与实现普惠金融的战略目标。网络借贷市场中的借款文本语言反映了投资者的偿还意愿和偿还能力,不同的语言特征影响投资者的阅读感知,是影响决策行为的至关重要因素,而成为判断借款者违约风险的重要信息。首先,本文在文献研究的基础上关注于揭示借款人偿还意愿的文本语言特征对投资人决策的影响以及在信用风险预测中的作用,采用扎根理论将借款文本语言划分为3个特征:复杂性、积极性和欺骗性,提出四点研究假设。然后,选取人人贷平台为实证分析平台,以平台自2010上线至2016年296188个有效融资数据为研究样本,使用文本识别和特征提取方法量化借款文本语言特征。最后,在控制其他影响因素的条件下,建立文本语言特征对融资状况影响的计量经济回归模型,构建基于Random Foreast、XGBoost和LightGBM分类算法的信用风险预测模型,进行大样本数据的实证分析与检验。研究结果显示,1)借款文本语言特征为网络借贷平台中的投资者带来额外信息,在一定程度上消除了投资者是否出借资金和借款者是否违约的不确定性;2)借款文本语言的不同特征影响投资者的投资决策,借款文本的复杂性越低、积极性越高、欺骗性越低拥有更高的融资成功率,更高的融资金额和更低的融资利率。关注主观性的借款文本语言特征对投资者投资决策的影响,有助于提高网络借贷市场的信息透明度;3)借款文本语言不同特征的加入提高了信用违约风险预测的召回率和AUC,其中LightGBM算法的AUC达到85.84%,表现出更好的预警能力。基于以上研究结论,结合当前P2P发展现状、问题,从信息审查与平台服务、风险防范与风险预警、平台监管与金融创新三方面提出对策建议,以期帮助网络借贷市场中的投资者甄别有效信息,科学评估个人信用违约风险,促进网络借贷平台“转危回暖,回归均衡,健康发展”。