从互联网征信的发展程度来看，虽然互联网金融在欧美诞生，但是由于我国互联网行业发展的后发优势，互联网行业和传统行业的融合更为迅速、对传统行业的变革更加明显和彻底，这一点在我国互联网金融的迅速发展中表现得尤为明显，因此国内对互联网征信体系建立的研究相对更加丰富和全面，国外学者更多的是从金融的角度对发展互联网大数据征信的必要性进行阐述，而对互联网大数据征信体系和风险的研究较少。从目前已有的研究来看，目前的研究更多的是从宏观的层面对互联网征信的定义、发展前景、存在的问题等方面进行探索缺乏从微观的层面对互联网征信体系如何建立以及该体系存在的问题的研究。4373
（一） 对互联网大数据征信模式的研究
在实践方面，国内外各家金融机构均根据自身所掌握的信息优势对互联网大数据征信模式进行探索。
1、国外研究状况
玛格里特•米勒(2004)在《征信体系和国际经济》中，采用数理统计归纳了西方国家征信体系的发展模式和规律，并通过对信用信息数据库的分析，提出采用公共征信模式更有利于宏观调控市场风险，增加贷款收益，而采取私人征信模式却更有助于信用信息的收集，建立更完整的数据库的观点。
 Freedman et al (2008)认为Prosper等P2P网络借贷平台中揭露的借款的“软信息”有利于补偿“硬信息”的缺乏。
在神经网络和机器学习等方法技术加入信用评估体系后，Angelini ( 2008)认为，未来的个征信在评估中将可以使用更多的评估指标，而评估数据的来源也将不再单纯依赖用户的财务信息，而是可以来源于用户生活的方方面面，比如用户的互联网行为；Hoofnagle (2013)在对美国目流的信用评估机构及其方法进行研究后，认为导致美国目前仍有25%的居民无法拥有信用记录的主要原因一是评估指标单一，部分居民因无法提供信用评估机构所需的信息致其无法获得授信，而在未来的互联网大数据时代，由于人们行为数据的电子化，信用评估可以使用的数据将无处不在，这将有助于社会实现人人有信。
随着互联网技术和网络应用的快速发展，美国已经出现了利用大数据征信的企业，其中用户的互联网数据行为数据成为了其信用评估的重要的指标。Crosman(2012)在对美国大数据征信公司ZestFinance进行研究后认为，利用互联网用户行为数据进行征信相比传统征信根据优势，一方面，互联网征信的的评估指标更加多样，从而避免了申请者因无法提供相关评估数据而无法获得信用，以ZestFinance为例，相对于传统征信考察用户20个左右的评估指标，ZestFinance在评估时，融合多源信息，采用了先进机器学习的预测模型和集成学习的策略，进行大数据挖掘。首先，数千种来源于第三方(如电话账单和租赁历史等)和借贷者的原始数据将被输入系统。其次，寻找数据间的关联性并对数据进行转换。再次，在关联性的基础上将变量重新整合成较大的测量指标，每一种变量反映借款人的某一方面特点，如诈骗概率、长期和短期内的信用风险和偿还能力等。然后将这些较大的变量输入到不同的数据分析模型中去。最后，将每一个模型输出的结论按照模型投票的原则，形成最终的信用分数。
2、国内研究状况
当前国内已经有运用互联网大数据进行征信并发放贷款的征信机构，他们各有自己独特的数据来源和优势。
互联网征信活动目前主要表现在三个方面。一是以阿里巴巴为代表的电商平台对用户在网上交易的行为数据进行采集、整理、保存、加工，提供给阿里小贷或与其合作的商业银行，再经过深度挖掘和评估，形成对客户的风险定价，并用于信贷审批决策。二是以宜信、陆金所为代表的较大型的P2P网贷平台自建客户信用系统，并用于自身平台业务。三是以网络金融信息共享系统（NFCS）、小额信贷行业信用信息共享服务平台（MSP）为代表的同业信息数据库通过采集P2P平台借贷两端客户信息，向加入该数据库的P2P等机构提供查询服务。 互联网大数据征信模式国内外研究现状:http://www.youerw.com/yanjiu/lunwen_1024.html