如今，传统金融机构依托互联网手段和方式从事的互联网金融经过超常规发展之后逐渐进入了规范发展时期。在互联网金融的几种模式中，P2P网络借贷（Peer-to-Peer Lending）的发展尤为突出。P2P网络借贷作为一种创新的模式，在互联网金融市场结合了互联网和民间借贷，依靠其自身的优势不仅解决了中小企业和个体商户融资难的问题，同时也加速了整个资本市场资金的流向。正是由于 P2P 网络借贷能够给中小企业及个体提供融资的更大可能，伴随着市场需求，越来越多的 P2P 网络借贷平台出现。另一方面，由于 P2P 网络借贷平台增长速度过快，风险乱象不时发生，淘汰洗牌剧烈。在缺乏监管的情况下，假标、非法集资、庞氏骗局等层出不穷。借款者的还款能力越低，容易导致违约率增加，进而加大 P2P 网络借贷平台的经营风险。P2P网络借贷平台风险控制的难度往往比银行的风险控制更加困难。因此，有必要规范 P2P 网络借贷的程序和尽可能控制借款者的信用风险，使得P2P网络借贷平台能够健康的发展。
　　另外，目前国内大多数研究仅仅关注 P2P 网贷的个人信用风险评估，但仍缺乏 P2P 网贷投资组合的量化分析。站在投资者的角度上来说，通过评估借款者的信用风险，可以更好的根据自身需求投资合适的借款者，从而实现风险与收益的平衡。因此，建立 P2P 网贷投资组合模型可以为投资者如何投资提供参考意见。为了帮助投资者进行 P2P 网贷投资组合决策，分别构建了 P2P 网贷个人信用风险评估模型与基于核回归的投资组合决策模型。前者首先利用主成分分析对借款者的信用风险影响因素进行初步处理，得到筛选后的主成分后分别利用遗传算法优化单隐含层 BP 神经网络算法与双隐含层 BP 神经网络算法进行进一步评估，拟合得到借款者的违约概率；然后根据计算出的借款者的违约概率距离矩阵，通过建立核回归方程与投资组合方程，得到最优投资组合方案。最后通过比较借款者的违约概率与相应的投资比例，可以验证该模型准确度较高，能够为投资者的投资决策提供有效参考依据。
　　论文创新点在于：（1）将遗传算法优化单隐含层BP神经网络算法与双隐含层BP神经网络算法应用到个人的信用风险评估；（2）将P2P网贷信用风险评估与投资者投资组合决策结合起来进行定量研究；（3）改进了投资组合决策模型。