随着互联网的快速发展,金融业借助互联网发展出新的商业模式—P2P借贷。P2P借贷是互联网金融的一种,它为中小型企业融资借贷提供便利的同时,也为个人投资提供了新的渠道。P2P平台是指经营P2P借贷业务的网贷平台。当P2P平台出现支付困难或偿还能力恶化、企业高级管理层出现贪墨事件或携款潜逃等问题而未得到及时的治理和监管时,就会产生金融风险,从而可能引发金融突发事件。本文基于互联网文本数据研究与实现了P2P平台风险预测。首先,本文通过爬虫技术从P2P第三方资讯平台获取P2P平台信息和P2P平台评论文本,依靠人工标注的方法构建P2P领域的情感分类数据集和序列标注数据集。其次,本文利用TextCNN 模型对评论文本做情感分类,得出情感倾向变化的时间序列,达到度量投资者情感变化趋势的目的;通过格兰杰因果检验和皮尔逊相关系数验证投资者情感时间序列和成交量指数之间的关系,实验证明了情感变化趋势与成交量指数有统计意义上的因果关系和强相关性;基于以上的研究,本文提出了基于投资者情感变化的P2P成交量预测方法,发现情感特征在P2P成交量预测中起到显著作用。然后,本文提出了改进的序列标注模型ELMo-BiLSTM-CNN-CRF(EBCC)和P2P平台风险预测模型。本文发现投资者每月负情感倾向的变化趋势与每月的问题平台数量呈正相关,而投资者的情感体现在其对P2P平台的评价中,因此利用EBCC模型提取投资者评论中的关键信息--这些信息蕴含着投资者对P2P平台的真实看法。本文使用评论的文本特征和数据特征训练P2P平台风险预测模型,为阻止金融突发事件提供一种可借鉴的方法。最后论文对数据的采集,数据处理及模型的具体实现进行了详细论述。