近年来，我国互联网金融领域得到了迅速发展，P2P网贷是金融形式创新的重要方面，也是互联网金融的重要组成形式，P2P网贷的发展对于拓宽我国融资、投资渠道，繁荣市场消费，形成普惠金融局面等方面都发挥了积极作用。但由于国内个人信用体系建立尚不完善，国内各家P2P网贷经营平台开展业务的时间还相对较短，针对个人信用数据的收集还十分有限，且贷款人与借款人之间存在严重的信息不对称性，造成各家P2P网贷平台违约现象时有发生，严重影响了P2P网贷的健康发展。建立针对借款人的有效信用评价体系，采用有效的信用风险评估手段，规避或降低借款人信用风险的发生，具有重要的理论和应用价值。
　　国内外学者针对P2P网贷借款人特征描述，信用风险体系构建，风险评价方法等领域进行了深入研究，传统的统计学方法和人工智能都被应用到网贷信用风险评价。支持向量机(SVM)理论是一种新型的机器学习方法，具有模型建立所需样本小，运行效率高，分类效果好的特点，在P2P网贷信用风险评价研究领域展现了良好的应用前景及独特优势，近年逐渐成为针对借款人信用风险评价方法中的研究热点。
　　本研究通过分析处理国内知名P2P网贷平台（人人贷）贷款数据，按照科学、有效原则建立了适应网贷特点的信用风险评价体系，利用libsvm-3.22软件编制程序，训练优化基于SVM的网贷信用风险评价模型。研究中比较了各种核函数的分类效果，利用试探法调整基于径向基(RBF)核函数SVM模型的惩罚系数C和gamma值，优化模型的数据预测准确率，经调整后的SVM模型对网贷数据的分类准确率达到93.46％，且分类效果稳定，证明SVM是一种进行网贷信用风险评价的有效方法。文中还对SVM模型核函数分类效果、参数选择等问题进行了分析讨论，并对加强P2P网贷平台管理，减少信用风险提出了政策建议。