近年来,随着互联网技术的迅猛发展,互联网金融作为一种新的金融形势逐渐走进了人们的视野并受到人们的欢迎,基于广阔的需求市场,P2P网贷平台以一种野蛮姿态开始扩张,但一家又一家网贷平台诞生的对立面,是更多网贷平台的爆雷死去。观察网贷平台爆雷原因,存在一些公司浑水摸鱼,利用P2P的大热进行非法集资、骗贷跑路的现象,也有一些公司自身风险控制不到位,未能很好控制资金质量及流动性,在挤兑中发生资金链断裂导致破产。P2P的发展的确给我们带来了很多便利,但其隐含的巨大风险性也绝不能忽视,爆雷现象如此严峻,如何识别网贷平台风险并对其进行控制已迫在眉睫。因此,对网贷平台进行风险评价,将其概率化、模型化,对P2P行业的健康发展具有现实意义。基于以上背景,本文明确需研究的问题,即探究如何对网贷平台实现准确客观的风险评价,探究网贷平台风险评价指标体系构建的科学性及BP神经网络应用于网贷平台风险评价的适用性。网贷平台风险评价指标体系构建上,目前学术界未形成统一的构建规则,本文借鉴传统银行行业常用的ROCA评级法,结合网贷平台自身风险构成,构建了网贷平台风险评价指标体系,该体系包含5个一级指标,16个二级指标。一级指标分别为风险控制指标、产品及营运指标、合规性指标、资产质量指标和用户评价指标,该套指标体系结合网贷自身特点,很好的覆盖了网贷风险形成的各方面因素;方法模型的选取上,未采用以往学者使用的因子分析、回归分析等传统方法,规避传统方法限制条件较多,在运用时需满足严格的假设条件的不足,采用BP神经网络这一可以实现非线性的映射并具有较强泛化能力的机器学习算法,同时扩大样本量,运用爬虫技术爬取网贷之家网站240家数据,运用BP神经网络对网贷平台进行风险评价。经过模型训练仿真,数据准确率达到预期要求,证明BP神经网络运用于网贷平台风险评价是有效的且便捷的,证明了 BP神经网络等现代评价方法应用于网贷平台评价的有效性,为之后的研究提供了更广阔的研究前景。此外,本文分别站在国家监管层、平台自身和投资者的角度阐述了本文风险评价方法的使用场景,对网贷平台的管控和风险识别提出了相应建议。