随着国家经济发展水平日益提升,人们投资理财及信贷需求也在不断增长,传统借贷方式难以满足小微企业及个人不断增长的信贷需求,于是P2P行业应运而生并获得迅速发展。我国P2P行业自2007年第一家平台诞生,到2015年正常营业的平台数已达到了 3437家,显现出了强大的发展活力。然而,由于我国P2P行业存在自身发展历史不长,缺乏经验,相关法律监管制度缺失,行业进入门槛低,平台自身经营水平有限和管理者素质不高等问题,伴随着行业规模的迅速扩张,行业问题也呈爆发式增长。每年都有大批平台倒闭或出现经营困难问题,2015年,行业爆发了跑路潮,许多平台规模小,资质差的平台在聚拢到一定资金后纷纷携款而逃,致使投资者损失惨重。因此,研究P2P行业最新发展状况以及面临的问题就显得十分有必要。本文研究内容主要有两个:1、研究P2P行业最新发展状况以及发展趋势,为投资者合理投资以及平台发展提出建议。从外部经济政策环境,内部合规运营以及风险管理角度分析2018年行业风险爆发的原因,并根据最新数据对未来发展趋势进行分析;2、针对部分平台存在贷款逾期率高的问题,使用机器学习方法尝试建立贷款逾期预测模型,并研究机器学习在这一方面的应用。基于以上两个研究内容,本文通过实验分析,得到了以下结论:1、行业目前发展状况不稳定,存在平台数量持续减少的现象。未来几年平台发展趋势将是平台数量持续变少、产品收益率趋于稳定、产品周期逐渐增长。相对应行业竞争格局会趋于稳定,平台风险会持续降低。2、2018年行业问题潮爆发的核心原因是流动性风险爆发,造成流动性风险加剧的原因一方面是平台自身经营能力不强,存在不合规经营以及业务高逾期率等问题;另一方面原因是自18年以来,行业外部经济压力以及政策监管压力增大,加剧了平台经营难度。对此,行业内平台应提高自身经营能力,重点防范流动性风险,信用风险,以及经营风险等金融风险,特别是需要提升自身风险管理能力,建立高效合理的风险管理系统。3、通过借鉴国外成熟平台Leeding Club风险控制指标体系中的具体特征,使用递归特征筛选和文献研究法得到了特征不同的两类指标体系,并使用随机森林和DNN模型进行实证分析,建立了高效率的贷款逾期识别模型,逾期识别准确率达到98.7%,证明了机器学习方法在这方面表现优异。