中国第一家P2P网络借贷平台拍拍贷于2007年在上海成立，随后无论是平台数量还是行业的累计借贷量都有惊人的发展。截至2016年底中国在运营的P2P网络借贷平台数量共有2388家，待还的借款数量为8560亿元，整个P2P行业的平台容量有了爆发性的增长;市场参与的活跃度不断的增加。随着P2P网络借贷行业的发展和国家对网路借贷谨慎监管政策的推行，行业的风险开始集中释放。未来P2P网络借贷平台要实现长期发展，在行业调整中存活、壮大发展下去;建立完善的借款人信用风险评估系统是平台的核心竞争力。本文研究旨在探索适用中国P2P行业的信用风险评估模型的选择与构建。　　本文采用理论研究与实证研究相结合的研究方法。通过研究国外Lendingclub、Zopa等成熟的P2P平台的信用风险评估体系;结果显示，国外的信用风险评估体系均是以信用评分模型为内核构建的。本文详细的综述了信用风险评分模型的理论发展与实践的运用，以及不同的信用评分模型在个人信用风险评估中的优缺点与适用性。在实证研究部分，本文选择国内P2P平台人人贷2015年之前的借贷交易数据为样本数据进行研究;构建BP网络神经模型、Logistic模型和随机森林模型三个经典并且商业化程度最高的信用评分模型。通过实证结果比较不同的模型对平台借款人信用风险评估的准确性，为P2P网络借贷平台在构建信用风险评估体系中的模型选择提供实证的参考。　　实证结果显示;通过模型总体预测的准确性判断，随机森林模型＞Logistic模型＞BP网络神模型;但是对借款人信用分类时将履约客户判断为违约客户（第一类判断错误）与将违约客户判断为履约客户（第二类判断错误）不同的模型之间存在差别。第一类错误判断发生概率最小的是BP网络神模型概率为3.34％;第二类判断错误发生概率最小的是随机森林模型为3.67％。在理论与实证研究的基础上，本文从构建组合的信用风险评估模型、动态的信用风险评估模型、强大的信息搜集体系和构建一个统一的行业信用风险评估体系等方面为完善P2P行业的信用风险评估提供建议。