进入“互联网+”时代后,随着大数据技术的不断更新迭代,互联网金融行业已经打破了传统金融的垄断格局,P2P平台、众筹平台、第三方支付等互联网金融模式百花齐放、百舸争流,但是我国的信用体系还很不完善,尤其是在个人消费信贷方面。尽管目前我国P2P借贷平台有强烈的征信需求,但是它既不能直接接入央行征信中心查询客户信用信息,也不能征信中心报送借款人的相关信贷信息,大大增加了平台运营风险。因此,本文通过对借款人进行征信研究,以期降低P2P借贷平台的运营风险,为其贷款决策提供依据。首先,本文从理论层面论述风控对于P2P借贷平台的意义,以及建立个人信用评估模型的经济学解释。同时,对K-Means聚类方法和贝叶斯判别方法对于个人征信模型建立的适用性进行了分析。其次,本文在2016年《网络借贷信息中介机构业务活动管理暂行办法》出台的背景下,分析了 P2P平台未来的发展趋势及风控模式使用现状,并参考了美国FICO信用评价和中国芝麻信用评价的基本指标和框架。然后,对借款人进行信用风险评估研究,搜集了人人贷平台6471条实际借款人信息数据进行实证分析,一方面对P2P平台的借款人进行了描述性统计分析和K-Means聚类研究,将借款人信用情况划分为五个等级,并制定了不同信用等级的借贷决策准则;另一方面对P2P借款人进行了判别分析,特征选择发现借款人的年龄、收入、工作年限、房产和逾期次数对分类影响较大,选用这五个变量采用贝叶斯判别法建立了判别函数,发现此判别函数的判别准确度为87.4%,是较为理想的判别结果。并利用贝叶斯判别函数对人人贷平台的借款者新样本数据进行了判别和决策。最后,结合P2P平台实际业务情况及得到的判别函数,指导P2P借贷平台进行业务实施并给出相关建议,给平台提供了借贷决策参考。