众筹作为一种快速、低廉、便捷的互联网融资手段,受到了大量中小型企业的青睐,有效缓解了我国中小企业融资难、筹资贵的问题。但是,众筹市场在高速发展的同时也存在大量风险。由于网络空间限制,投资人与众筹平台很难及时有效地发现项目发起人背后的信息和行为。这种严重的信息不对称导致投资人与众筹平台面临的众筹违约风险急剧增大,监管难度直线上升。近年来,履约失败、虚假宣传、回报逾期等众筹违约事件时有发生,不仅给投资人以及众筹平台带来了巨大损失,也给众筹行业的发展蒙上了阴影。本文首先借鉴国内外相关文献,结合众筹平台提供的项目公开信息,从企业信用记录、环境因素、运营能力、项目设计、融资能力五个维度建立了众筹违约预警指标体系,并通过计算最大信息系数,挖掘出文案质量、专业化程度、项目类别等关键风险识别特征。其次,针对预警过程中数据集不平衡、误分类代价大、边界样本重要性强等特点,提出了一种基于混沌映射、模拟退火算法、禁忌搜索算法的欠采样方法,并与支持向量机结合,提出了针对众筹违约预警的混沌自适应禁忌搜索集成支持向量机算法(Chaotic Adaptive Tabu Ensemble SVM,CATE-SVM)。此外,由于众筹融资阶段与项目实施阶段可以获取到的信息量不同,本文建立了基于CATE-SVM的两阶段众筹违约预警模型,对融资阶段与项目实施阶段的众筹项目分别进行预测。最后,本文使用“京东众筹”自2014年7月成立至2017年11月的10,317条项目数据对模型性能进行验证。评价结果显示,CATE-SVM算法的性能与稳定性显著优于Ada Cost、Easy Ensemble等不平衡分类算法,基于CATE-SVM的两阶段众筹违约预警模型可以在融资阶段与项目实施阶段有效预警项目违约,为用户投资以及平台监管提供决策支持。