P2P信贷(peer to peer lending)即个体与个体之前的借贷,它是通过互联网实现借贷资金的发布和出借,是借款人和出借人之前直接交易,不需要传统的金融机构进行干预。因此可以说P2P信贷开创了互联网金融新时代,弥补的传统金融机构下款难,下款慢的缺点,使得借款人可以更方便快捷的获得资金,同时对于出借人来说,可以获得高于如银行等传统金融机构的出借收益。因此可以说,P2P信贷的诞生可以更好的服务于我国的实体经济,并且大大促进了我国互联网金融的发展。然而,不可否认的是,我国目前的网贷监管政策不完善,很多情况下都无法可依,导致很多P2P平台采用非法集资手段获取不法收益,并且此现象日益严重,已经造成了行业恐慌,并且已经严重威胁了网贷市场的健康持久的发展。因此,对P2P市场来说,构建借款人的信用风险评估十分迫切,只有加强对借款人的信用评估才能保证整个P2P市场健康的发展。本文研究并实现了P2P借款人的风险评估模型的构建,主要工作内容如下:1.针对目前主流的几种建模方法进行研究,分析每种方法的适用情况及优缺点,最终选择BP神经网络建立模型。2.结合我国国内的P2P信贷的业务模式,风控体系,发展情况以及风险来源等综合因素,制定了借款人的信用评价指标体系,并根据各个指标结合样本数据创建评价指标体系。3.针对传统基于梯度下降法的BP神经网络模型,采用Levenberg-Marquardt(LM)算法进行权值及阈值的调整优化,并确定恰当的网络参数构建了信贷风险评估模型。4.通过两种模型对样本数据进行训练,分析对比实验结果,选取更优的模型用来对借款人进行信用风险评估。实验表明,Levenberg-Marquardt算法在借款人风险预测的准确性和收敛速率明显优于梯度下降法,且预测的准确性和收敛速率较高,可在实际业务场景中使用。