P2P网络借贷自从在我国兴起以来,发展势头极其迅猛。在2018年,我国P2P网 络借贷行业不仅开发了很多与国外不同的新运营模式,并且其凭借着借贷高效快捷,收 益高,门槛低等优势迅速发展壮大。但是随着该行业蓬勃的发展,问题也是频频爆出, 例如:“跑路”、“提现困难”、违约等。这些问题主要是因为P2P网络借贷是个新兴 行业,发展又及其迅速,相应的法律法规,征信体系,监管体系等配套体系的发展与完 善没有相应跟上,而我国P2P借贷行业又根据本国特色开发出一些国外没有的新运营模 式,使国家与企业很多时候都是“摸着石头过河”。在大数据智能风控方面,我国没有 完善的征信体系,各个P2P网贷平台对自身的风控投入不够并且不愿披露交易数据,所 以导致我国学者对P2P网贷过程中信用风险的量化分析过少。在智能风控建模方面,也 由于缺少网贷真实交易数据导致选取模型与优化方面缺少实证研宄。通过对P2P网贷平 台真实交易数据进行研宄与分析,可以证实一些风险评估与风险控制的相关理论并提出 新的思路,进而对我国整个P2P网贷行业提出更加切实有效的风险控制建议与措施。同 时在树立投资人与借款人理性思考、建立完善的P2P网贷信用评估机制以及保证整个 P2P网贷行业可持续发展上有极其重要的实际意义。 本文通过文献分析法,将近些年的国内外对于P2P网贷过程中风险的成因、预防和 控制方面的研究进行了整理与总结,得出当前P2P网贷中几个主要问题。通过对借款人 违约率影响因子进行介绍与比较,最后选取借款金额、利率期限、年龄、月薪、性别、 车产、车贷、房产、房贷、婚姻状态、职位、学历,作为评估借款人违约率的影响因子。 通过对当前几种主流评估方法进行阐述与比较,得出各种评估方法在应用上的优缺点, 最后选取BP神经网络、逻辑回归、支持向量机三种评估方法以及上述借款人违约率因 子作为参数进行建模。以钱包金服满标历史数据进行实证研究,进行借款人违约率预测 评估,通过比较分析后发现,应用BP神经网络进行建模的评估预测率最高,拟合时间 与次数也最少。而应用逻辑回归进行建模虽然预测率不如BP神经网络,但是可以获得 各个参数(借款金额、利率期限、年龄、月薪、性别、车产、车贷、房产、房贷、婚姻 状态、职位、学历)对借款人违约率影响的权重大小,因而进一步证实了国内外学者对 借款人违约率因子的分析结论。最后,结合国内外文献以及本文的实证分析,在P2P网 贷平台自身与国家政府管理两个方面,提出一些关于我国P2P网贷信用风险控制方面的 积极建议与措施。希望为我国P2P网贷行业的健康发展做出一定贡献。