目前P2P网贷行业的风险不断扩大,由于借款人的违约行为,“失控”和“暴雷”等问题平台急剧增加,很多P2P网贷平台出现了严重的偿付危机,阻碍了P2P网贷平台良性发展。因此,对借款人信用风险水平的识别以及有效评估将有利于维护P2P网贷平台和贷款方的利益,进而促进网贷行业整体的良性发展。目前,我国对P2P网贷行业风险的研究不够深入,且多以定性研究为主,研究视角主要集中于监管层面分析,较为单一。为了P2P网贷行业的健康发展,很有必要补充从借款人信用风险评估的角度进行的研究。本文首先介绍了P2P平台的现状、运营模式及网贷平台借款人信用风险相关的理论,接着概述了信用风险评价有关的模型以及信用风险评估指标的选取。然后利用python软件编写了爬虫程序,获取了“人人贷”的散标借款人数据,且进行了数据预处理以及描述性统计分析,最后对借款人数据运用Logistic回归模型、神经网络模型以及基于神经网络算法筛选重要变量的Logistic回归模型进行了实证分析,并运用ROC曲线和AUC值对模型的性能进行了检验。本研究的结果显示,利用神经网络模型选择重要变量的逻辑回归模型在提高了信用风险评估水平的同时还保留了逻辑回归模型较强的解释力度,说明利用神经网络模型选择重要变量的逻辑回归模型在应用于网络贷款平台的信用风险评价时表现更好。本文建议P2P平台应建立更为有效的信用风险评估方式,要加强信用资料共享平台建设,还应尽快加入央行的征信体系进而实现P2P行业的可持续发展。