在金融行业中,风险是永恒的主题,如何对金融行业中存在的风险进行正确的评估,对金融的发展有着重要的意义。自2007年我国出现第一家P2P平台拍拍贷后,P2P网络借贷开始迅猛发展。但是,现阶段我国P2P网络借贷还处于初级发展阶段,监管和制度建设不健全,导致了许多问题平台的产生,阻碍了P2P网络借贷行业的发展。与传统借贷相比,P2P行业尚未建立完善的信用风险评估体系,对借款人的风险评估尚不成熟,这就导致了严重的借款人潜在信用风险,从而影响P2P网贷行业的发展。为了使P2P网贷更好的向前发展,对P2P网络借贷进行风险评估显得尤为重要。支持向量机是20世纪90年代提出的一种基于统计学习理论的机器学习算法,通过寻找最优分类超平面解决优化问题,适用于解决非线性、小样本问题。本文对P2P网络借贷进行一定的阐述,介绍支持向量机的相关理论知识,并分析P2P网络借贷借款人信用风险的成因,构建评价借款人信用风险的指标体系。根据研究问题的特点分析,建立支持向量机模型,借助获取的人人贷网站上的借款人信息,使用处理后的数据对模型进行训练,根据实验结果,发现:(1)与现有的对信用风险的定性分析相比较,把对P2P借款人的信用风险研究转化为对借款人进行违约分类是可行的;(2)选择不同的核函数,用支持向量机进行违约分类的性能是不同的,在借款人违约分类的表现上,径向基核函数的分类效果最好;(3)不同的参数选择,会影响支持向量机在违约分类中的准确率;(4)与常见的其他分类算法相比,支持向量机在P2P借款人的违约分类是优于其他算法的。本文采用支持向量机进行信用风险评估,将其转变为分类问题,并得到较高的分类正确率,可以得出,在对信用风险进行评估的过程中,不仅可以使用传统的信用风险评估方法,也可以采用机器学习算法,从而使得对风险的评估更为全面。