家庭是社会经济活动的基本单位,而家庭参与投资的活跃程度也是我国经济活力的重要表现,近年来,我国的家庭开始越来越重视理财,越来越注重金融资产配置,2021年10月由欧洲安联集团发布的《2021年安联全球财富报告》显示,2019年与2020年中国家庭金融资产总额的增长连续两年超过10%,增速远高于全球平均水平,2020年中国家庭金融资产总额超过2.5万亿欧元（约合人民币18.6万亿）,占亚洲地区金融资产总额的47%。这表明我国家庭越来越重视金融资产配置,家庭金融成为我国金融结构不可忽视的组成成分。此外,随着家庭金融成为我国金融结构的重要组成成分,需要有理论指导政府进行有针对性的金融政策调整,指导金融行业得到客户开发的启示,以及为居民的金融理财提供指导,本文研究的理论在一定的程度上有这个指导作用,所以,对我国家庭参与中高风险金融资产的投资和影响因素进行研究,既有重要的现实又有重要的理论价值。本文采用中国综合社会调查（CGSS）2017数据集,在利用欠采样方法处理数据不平衡问题以后,通过构建Logistic回归模型、决策树模型与随机森林模型探究我国参与中高风险金融资产投资的家庭的识别,然后利用识别效果比较好的Logistic回归模型的回归系数、随机森林模型的变量重要性指标探究我国参与中高风险金融资产投资家庭的影响因素的大小与方向分析。在我国参与中高风险金融资产投资的家庭的识别方面,对比三个模型发现Logistic回归模型正例的查全率和查准率分别为0.87和0.81,AUC指标达到0.90,随机森林模型正例的查全率和查准率分别为0.88和0.79,AUC指标也达到了0.89,而决策树模型的效果则比较差,正例的查全率和查准率分别为0.77和0.73,其AUC指标也仅仅达到0.80,研究表明,Logistic回归模型与随机森林模型在测试集上对正例的查全率和查准率的结果比较均衡,相比起决策树模型要好很多,更适合作为识别我国参与中高风险金融资产投资的家庭的模型;在影响我国家庭参与中高风险金融资产投资的因素方面,本文利用分类效果较好的Logistic回归模型的回归系数与随机森林模型的变量重要性指标,根据随机森林模型变量重要性以及重要性排序得到全家家庭总收入、最高受教育程度、个人年收入、户口登记情况、英语水平、所在地是否为城市、互联网使用程度、是否使用网络支付、普通话水平、所在地所在的省份、对社会保障项目的重视程度、家庭是否拥有家用汽车、年龄、子女数量、政治参与积极程度、母亲最高受教育程度、父亲最高受教育程度以及住房面积等18个指标对所在家庭是否有从事风险金融资产投资活动的影响解释程度超过75%,研究表明,第一,从地域上看发现上海市、北京市、广东省、浙江省4个经济比较发达的地区的变量重要性占据了前四,说明经济发达地区省份的家庭普遍要比经济比较不发达地区的省份的家庭对于中高风险金融资产投资的意愿要高,第二,从户口性质上看可以发现持农村户口的家庭对比持城市居民户口的家庭有更低的中高风险金融资产投资意愿,说明农村地区家庭普遍都是风险厌恶,第三,除地域与户口因素外个人维度中最高受教育程度、个人年收入、普通话水平与英语水平,家庭维度中全家家庭总收入以及所在地是否为城市,社会维度中居民互联网使用程度等几个因素,在一定程度上影响了我国家庭参与中高风险金融资产的投资。因此,若想开发金融领域的客户识别方面的系统,可以优先选用与测试Logistic模型与随机森林模型,节省前期成本;此外,若想提高我国家庭中高风险金融资产投资参与率,除开地域与户口因素外,可以从个人、家庭、社会三个维度的因素方面分别采取一些措施,第一,可以在个人维度方面采取重视教育,普及基础的金融知识;合理提高居民个人的收入以及继续加强普通话的推广等措施;第二,可以在家庭维度上采取提高家庭收入水平,提高家庭内劳动力的就业比率,多手段降低失业率持续以及继续提高城镇化水平等措施;第三,从社会维度来看,主要有增加互联网络的普及率,加强网上金融信息的流通等措施,以达到降低中高风险金融资产的投资门槛。