随着互联网金融以及普惠金融的快速发展,人们投融资需求日益膨胀,P2P网贷平台借贷规模得以迅速扩张。但是由于金融风险监管体制不健全,P2P网贷市场中的信息不对称、羊群效应现象加重,借款人逾期还款事件频频发生,P2P网贷平台、投资者面临着较高的信用风险。为了有效地规避P2P网贷借款人信用风险,降低P2P网贷平台、投资者的经济损失,P2P网贷平台、投资者准确地评估借款人信用风险变得格外重要。本文在分析现有P2P网贷借款人信用风险研究的基础上,针对信用风险评估的问题特征,提出了一种P2P网贷借款人信用风险评估的集成模型。该模型首先从P2P网贷平台上收集借款人的借贷交易数据并进行数据预处理;其次是以数据分类的思想对缺失数据进行划分,保证模型充分利用样本特征变量;然后是使用Easy Ensemble方法对样本进行类别不平衡处理,降低正负类样本的不平衡比例;最后是运用XGBoost分类算法对P2P网贷借款人信用风险进行评估,同时也使用随机森林、决策树、逻辑回归以及支持向量机四种分类算法对数据进行测试,比较它们之间的性能优劣。为了验证所提模型的有效性,本文以融360平台提供的借款人借贷交易数据为研究样本进行实证研究。研究结果表明模型能够有效地评估借款人信用风险,并且XGBoost算法的分类效果好于其他四种算法的分类效果。通过实证研究,我们还发现借款人的消费行为特征、借还款行为特征以及在线浏览行为特征对评估P2P网贷借款人信用风险具有重要作用。具体来说,消费行为特征方面,借款人的收入支出金额、笔数相关特征影响P2P网贷借款人信用风险评估的准确性;借还款行为特征方面,借款人的信用卡交易笔数、本期账单最低还款金额、本期账单金额以及本期账单余额等相关特征是评估借款人信用风险的关键特征;在线浏览行为特征方面,借款人的网站访问次数、平均浏览网页数量以及最多浏览网页数量相关特征是准确评估借款人信用风险的重要特征。基于以上结果,金融风险监管部门可以有针对性地制定风险监管体制,推动P2P网贷行业的健康稳定发展。