随着我国互联网金融迅猛发展,传统金融行业的性质和范围发生了巨大变化。自我国第一家P2P网贷平台拍拍贷正式成立后,大批P2P网贷平台如雨后春笋般成立。然而,井喷式地快速发展所带来的隐患也逐渐显现,多家P2P网贷平台爆雷,出现提现困难、跑路及经侦介入等严重问题。近年来,问题平台累计涉及资金超千亿元,严重扰乱我国市场经济秩序,导致众多P2P网贷投资者损失惨重,产生了极其不良的社会影响。因此,对P2P网贷平台信用评级研究具有十分重要的意义。首先,本文阐述了P2P网贷平台以及信用评级的国内外研究现状,研究了P2P网贷平台的发展现状,信用评级的产生发展、相关理论和各类信用评级方法。考虑P2P网贷平台兼具互联网与金融属性的特征,构建P2P网贷平台信用评级指标体系,该指标体系包含22项指标,加入平台网络域名的品相等级等互联网指标,定性指标与定量指标相结合,构建了全面合理的P2P网贷平台信用评级指标体系。其次,本文提出两种改进的引力密度峰值聚类算法。密度峰值聚类算法(Density Peak Clustering,DPC)于2014年在Science上发表,其在处理不同大小和密度的集群上具有独特优势。基于引力的密度峰值算法(Gravitation-based Density Peaks Clustering,GDPC)于2018年提出,该算法使用引力的倒数作为参数替换DPC算法中的参数,使DPC算法的聚类结果更加优化。但该算法仍存在一些不足,如决策图中心点选择困难及人为设置截断距离取值等问题,人为的参与会对聚类结果产生较大影响。鉴于此,本文利用两种群智能优化算法,对引力密度峰值聚类算法存在的两点不足分别进行改进:(1)运用群智能优化算法中的布谷鸟优化算法对引力密度峰值聚类算法进行改进。根据布谷鸟优化算法的优势,利用内部评价指标Sil指标,不断更新聚类中心点的个数,直到找到使聚类结果最优的聚类中心点个数,以此实现自动化选取中心点。由于现实中往往是无类标签数据,将内部评价指标作为目标函数能够使聚类算法在不依赖数据类标签的情况下,在搜索空间内寻找使聚类结构最佳的解,该改进后算法在现实问题上具有较好的可行性与解释性。(2)运用群智能优化算法中的树种优化算法对引力密度峰值聚类算法进行改进。该改进利用树种优化算法较强的寻优能力,同样利用内部评价指标Sil指标,将其相反数作为目标函数,在截断距离取值范围内选取使目标函数取值尽可能小的截断距离参数,再运用基于引力的密度峰值聚类算法进行聚类。通过对比试验表明该改进后算法具有较好的聚类效果。最后,本文对P2P网贷平台信用评级进行实证分析。依据本文提出的指标体系,收集200家P2P网贷平台22项指标数值。通过因子分析对数据降维,再分别运用两种改进后的算法进行P2P网贷平台信用评级。为验证本文所得评级结果的有效性,对该200家平台进行追踪,收集8个月后平台情况,根据平台是否出现问题,对评级结果进行检验,随后将两种改进后聚类算法的评级结果进行综合对比分析。运用真实数据对信用评级结果进行检验,能够使检验更准确更具现实意义。最终结果表明,两种改进后算法均对P2P网贷平台信用评级具有适用性,相比较,基于布谷鸟优化的引力密度峰值聚类算法对P2P网贷平台信用评级结果更精确。