P2P(Peer-to-Peer)网络借贷,是一种基于网络平台的新型民间借贷模式,这种模式通过互联网平台及线下系统实现个人与个人之间的直接借贷,有利于降低投融资成本、提高投资者收益,且操作便捷。但是这种模式具有信息不对称、贷款无抵押、高风险、借贷关系复杂、风险管理能力较低等局限,使得投资者在投资决策中面临着更大的违约风险。针对这一现实情况,本文在考虑我国P2P网贷运营模式的基础上,寻找合适的指标和模型来研究P2P网贷借款人和平台的信用风险。本文主要从以下几个方面开展研究:首先,介绍P2P网贷的发展历程与运作模式,根据其特点分析P2P网贷平台所面临的信用风险,并从两个角度来衡量P2P网贷的信用风险,一是从借款人的角度,研究影响P2P网络借款人信用风险的因素,构建P2P网贷借款人信用风险评估指标库;二是从平台的角度,选取能够有效评估P2P网贷平台信用风险的指标。其次,介绍支持向量机模型的原理,分析支持向量机在P2P网贷个人信用风险评估的适用性。针对P2P网贷平台可信用户和违约用户样本分布非均衡的特点,考虑投资者对不同分类错误的不同接受程度,在模糊近似支持向量机的基础上引入双边权重误差测量方法,通过映射距离选择正负样本误差项的隶属度,构建基于非均衡模糊近似支持向量机(DFPSVM)的P2P网贷借款人信用风险评估模型,得到借款人信用评分与评级模型。同时,构建基于主成分分析的层次分析法(PCA-AHP)的P2P网贷平台信用风险评估模型。然后,运用网络爬虫技术抓取人人贷平台借款人的真实交易数据进行实证研究,并与线性回归、BP神经网络、支持向量机、近似支持向量机以及模糊近似支持向量机模型进行对比分析。实证结果表明,本文所提出的非均衡模糊近似支持向量机模型具有更好的泛化能力和较高的分类准确度,并且能有效减少样本非均衡性对分类结果的影响,显著增加负类样本分类的准确率。通过模型得出了借款人的信用得分与信用等级,为投资者提供一个更透明化的借款人信用风险评估方法,帮助投资者选择违约率较低的借款人,也为人人贷平台提供一种新的评级思路和收费标准,降低平台的违约风险。最后,在Wind上获取我国具有代表性的十家P2P网贷平台的数据,利用PCA-AHP模型计算得到这十个平台的综合信用得分与排名。通过与专业的P2P网贷行业分析机构“网贷之家”公布的我国P2P网贷平台排名进行对比发现本文提出的PCA-AHP模型能较准确地得出我国主要P2P网贷平台的信用排名,具有一定的科学性与合理性。