随着网络信息技术的发展,点对点（简称P2P）网络借贷已经成为我国互联网金融市场的重要组成部分。但是近年来P2P平台频频爆出跑路、诈骗、提现困难等诸多风险问题,对平台和投资者的利益造成严重危害,同时也扰乱了网络借贷行业的秩序。尽管监管部门出台了一系列整治措施,但P2P网络借贷平台存在的风险问题依然层出不穷。如何能有效识别P2P网络借贷平台运营风险成为市场和学者研究的热点,这一问题的解决对推动我国互联网金融市场可持续发展具有重要意义,也为该行业在洗牌之后能够良性发展提供有益参考。鉴于此,本文通过爬虫软件从网贷之家网站上抓取2018年6月至2018年12月共313家P2P网络借贷平台公开数据。选取平台实力、运营能力、保障能力、产品特征和客户印象5个一级指标以及14个二级指标构建风险指标体系,运用统计模型和机器学习算法构建风险识别模型,对P2P平台运营风险进行识别和分析。在建模过程中,本文首先对原始数据进行缺失值、虚拟变量和标准化处理,采用SMOTE算法处理数据不平衡问题,然后利用逻辑回归、支持向量机、随机森林和梯度提升树算法构建风险识别模型,优化模型参数,得到最优参数组合,再通过模型性能评估,横向比较各个模型的分类效果,最后利用随机森林风险识别模型对影响平台运营风险的因素进行分析,获取重要影响的特征变量,并通过模型给出的概率输出值对平台做初步的风险评级。研究发现:（1）机器学习算法构建的模型对网络借贷平台运营风险的识别效果要好于统计模型,且随机森林算法的识别效果最好。（2）平台背景、银行存管、保障模式以及自动投标和债权转让等影响因素对识别平台运营风险具有重要作用。（3）根据研究结果将平台划分为高危平台、警戒平台和低风险平台。高危平台以民营公司、资质低的风投机构和参股国资企业为背景,平均收益率普遍较高,缺乏银行存管和保障模式,抗风险能力低;警戒平台以参股上市公司、风投机构和资金实力平平的民营公司为背景,银行存管或保障模式先天不足,抗风险能力有待提高;低风险平台以强大资金支持的民营背景、控股国资企业和上市公司为背景,有相对完善的风控能力,抗风险能力高,且运营能力强。根据研究结论,本文认为有关部门应建立有效的平台风险识别体系,建立专门的网络借贷数据库平台,进一步完善网络借贷市场规则和监管的法律法规。