这些年来,互联网技术和金融的结合,催生了互联网金融,它降低了交易时间和融资成本,使得交易过程更为简单和便捷。特别是P2P网贷平台的出现,一定程度上缓解了个人贷款和小微企业融资难且贵的问题,对传统信贷存在的借贷缺口做出了弥补。但在P2P网贷平台行业快速发展的同时,由于平台自身质量良莠不齐及风险控制能力匮乏,区域发展不平衡,国家和相关监管部门缺乏完善的监管和管理方案等,网贷平台风险与日俱增,平台问题层出不穷,平台倒闭风潮也随之爆发,极大的威胁了投资者的资金安全,使得整个行业面临着巨大的信用危机和风险。本文通过python网络爬虫技术,爬取“网贷之家”和“网贷天眼”两个P2P网贷平台上相关平台特征数据,构建指标体系。通过Kaplan-Meier曲线和logrank检验,初步得到各分类变量的不同分组对应的样本平台的生存概率具有显著差异。然后利用Lasso变量选择方法,筛选出对P2P平台风险有显著性影响的变量,建立Cox模型,定量给出每个变量对P2P平台发生问题风险的影响方向和影响程度,结果表明,除了综合收益率变量外,平台背景、标的类型数量、投资期限、债券转让、标的期限是否是有超过12月及以上、监管协会、银行存管、保障措施、之家考察、实体店照片、提现评分、推荐人数比例均属于保护因素,这几类指标变量越大,P2P平台越不容易发生问题;并估计平台生存率,设置临界值,对平台进行预测分类;最后建立生存树模型,可以直观的看到模型对变量的分类依据和过程,并与Cox模型的分类结果进行对比,生存树预测模型比Cox预测模型的预测效果好。本文通过将生存分析模型引入P2P网贷平台风险研究中,可以量化各因素对平台风险的影响程度,还可以给出每个时刻的平台生存率,并对平台做出分类预测。希冀通过本文的实证分析,一是为广大投资者判别平台的风险程度提供一个参考方法;二是为平台经营者识别和防止P2P网贷平台发生问题提供一个预警手段,提高平台抵御风险的能力;三是帮助监管者制定监管政策提供参考,规范网络借贷行业,防控网贷行业风险。