如何解决借贷双方之间的信息不对称问题是决定借款是否成功的关键。自2007年6月国内第一家纯线上运作P2P网络借贷平台—拍拍贷(ppdai.com)成立以来,作为一种以互联网技术为核心的创新型金融模式,为我国中小微企业融资提供了一种新的、更加便捷的方式,从某种意义上缓解了中小微企业融资途径单一化问题。同时也为投资者创造了一个新的投资机会,使社会上的闲散资金更加高效地流转。借贷双方依靠P2P平台完成了以下借贷交易过程:信用评级、信息配对、利率协调、合同签订以及资金转移,而平台利用现代信息采集手段快速获得海量数据,然后运用云计算等科学技术进行大数据处理,根据分析结果评估风险大小和确定借款人的信用等级,在此基础上实现借贷的顺利完成。目前,P2P网络借贷的交易规模正在快速增长,参与人员也逐渐趋于非金融化。P2P网络借贷平台作为借贷的交易场所面临着各种风险,但由于市场中存在大量资金需求以及缺失行业准入门槛,平台的运营风险不断地积累,进而导致大量的平台倒闭,甚至是一些看上去运营情况不错的平台也有可能突然就倒闭或跑路了。其中,最大的风险就是借款人的信用风险,而相较于银行等传统金融机构日趋成熟的风险控制措施,作为刚刚兴起的新事物,国内目前还比较缺乏关于借款人信用风险的评估新方法。因此,能否有效地评估借款人的信用风险,节约交易成本,提高交易效率,促进信用资源优化配置,无论是对于投资者还是监管层都有着非常重要的意义。本文从对国内P2P网络借贷信用风险评估研究现状及存在的问题分析出发,梳理了目前国内外P2P网络借贷模式以及比较分析其中存在的风险,重点研究了以下四种主要运营模式:信用中介模式、担保模式、类资产证券化模式以及风险准备金模式。与国外比较后发现,国外P2P平台收集借款人信用信息大多数来自专业的第三方信用评级机构,而我国由于征信系统的不完善导致缺乏第三方信用数据,信用风险评估困难,进而本文提出基于数据挖掘方法来建立P2P网络借贷信用风险评估模型的想法。主要工作包括:首先,收集了LendingClub平台2016年的贷款记录,在预处理和异常值剔除后得到一个不平衡的数据集。由于平衡的数据集能提高分类性能,所以再分层抽样后得到10个平衡的数据集。在此基础上,从全部变量中去除不相关和冗余变量并分成了四大类指标,作为P2P网络借贷信用风险评估模型的备选变量。最后,运用数据挖掘方法对P2P网络借贷进行了实证研究,主要运用了朴素贝叶斯、IBk、决策树、二项Logistic回归以及支持向量机五种典型的算法。优化后得到了具有较好预测能力的结果,并针对研究结论提出加强及完善我国P2P网络借贷的相关建议。