P2P网络借贷模式是我国互联网金融领域中一种典型而又新颖的创新服务模式,自创造以来就面临着巨大的机遇和挑战。在金融脱媒的发展趋势下,P2P网络借贷模式作为传统融资方式的一个有力补充,可以用来解决小微企业以及个人消费的融资难问题,有利于促进民间金融发展的阳光化与规范化。P2P网络借贷行业起步时间晚、发展速度快和监管力度弱,风险问题逐渐凸显。近几年来,部分P2P网络借贷平台坏账率攀升,平台跑路倒闭事件频发,平台的风险控制问题再次成为焦点。其中,最核心的风险是借款人的个人信用风险,它直接影响平台的安全运作。因此,本文焦距P2P网络借贷平台中的借款人信用风险评估问题,以具有代表性的红岭创投平台为例,探索研究影响借款人违约情况的因素。本文主要研究以下内容:1、分析P2P网络借贷平台发展的行业发展情况,梳理我国P2P网络借贷行业的发展历程,重点关注平台的风险控制模式。2、通过阅读专业文献,综述国内外对P2P网络借贷平台的研究观点,着重分析学者对借款人个人信用风险的研究,选择和构建信用风险评估的模型基础;3、选择P2P网络借贷行业具有代表性的红岭创投进行实证分析,抓取平台真实交易数据作为研究对象,构建Logistic回归模型,探索影响借款人发生违约风险的因素;4、采用几个适用的分类模型进行实证分析,结合分类结果与Logistic回归模型进行对比分析,总结本文的主要观点,并提出相关政策建议,供借贷双方和平台管理者参考。经过研究发现,Logistic回归模型分析出4项对借款人信用风险有显著影响的变量指标,包括:用户信息完整度、借款月利率、借款期限、还款方式。Logistic回归模型的解释性较强,同时分类准确率也较高。同时,BP神经网络对借款人的总体分类准确率最高,决策树对违约个体的分类准确率最高。