中国线上二手车交易起步较晚,且国内信用体系尚待完善。目前国内二手车的金融用户筛选主要使用规则模型系统,通过人工拨打电话,近期浏览内容等较为初级的手段判断用户的金融意向高低。该模型系统覆盖面小,适用条件生硬,服务效率低下,不能适应越来越频繁的业务变化,因此需要一个更加完善,更加高效的金融用户画像系统。针对现状,本文采用模型结构简单,非线性效果优良,可解释性高的梯度提升决策树(Gradient Boosting Decision Tree,GBDT),以及逻辑简单,执行迅速的逻辑回归(Logistic Regression,LR)模型的组合模型。通过分析挖掘用户在平台近段时间的浏览日志数据,预测未来一周内用户金融成交的概率。更加高效,更加全面的服务二手车用户。本文完成的主要工作如下:(1)海量数据处理与效率优化:使用Spark分布式集群进行数据处理,提升数据处理速度,避免本地内存占用。使用宽窄表转换,时间区间标志位,Spark常驻内存策略提升处理性能;(2)不均衡数据处理:提出一种新的基于业务逻辑的样本扩充方法,对稀少正样本进行扩充。对负样本则采用随机降采样,均衡正负样本比例;(3)特征工程:使用时间窗口和时间加权处理,对特征进行升维。构建多维度用户金融特征,并统计用户在过去7天,每天看车价格区间的分布以及最近购车时间等特征;(4)建模:使用GBDT+LR模型进行预测,使用GBDT进行初步建模,将连续数值离散化,并进行编码,后续送入LR模型中,进行最终的预测。通过与现有线上模型系统进行A/B测试(A/B测试即使用相同的环境,对比几个模型的实际表现,选取最优的模型),对比三个关键指标,判定优劣。结果证明,本文在精度上更加精确,同时在覆盖范围上更加广泛,执行速度更快,效果较线上模型系统有较大的提升。在二手车金融用户甄别方面具有较高的实用价值。