近年来互联网技术的发展速度十分迅猛,一种贷款人通过第三方平台快捷的把资金贷给借款人,并且借款者必须在规定期限内偿还本金加利息的新型借贷模式应运而生,这种模式被称为P2P网络贷款(Peer to Peer),它颠覆了传统民间借贷的地域限制,打破了借贷必须依靠人脉的固定思维,开辟了一种全新的融资渠道。从2005年开始,Zopa、Lending Club等几家P2P公司率先在英法美等地区开展网络借贷业务,该模式一经推出就立刻获取了大量的目标用户,服务对象数量也呈现大幅增长趋势。2007年初,拍拍贷公司通过汲取海外市场经验,率先在国内市场试水P2P借贷业务,这种新型贷款模式融资速度快,无需提供抵押担保,满足了资金双方的需求并且填补银行无法涉及的服务漏洞(比如中小企业融资和个人投资者需求),在方方面面都对传统金融业务产生巨大影响。然而最近几年P2P平台出现的问题并没有减少,依然有许多平台曝出管理者跑路,借款人违约,平台的流动性困难,管理者坚守自盗等等问题,P2P网贷作为正在发展中的事物,其未来发展趋势呈现一定的未知性。借款人的个人信用评价被包含在项目整体信用评价构架之中,因此做好针对个体的信用评价是保证P2P网贷行业健康运营的最基础一环。为此,本文对国内外信用评价方法进行了深入学习,在参考国内外个人信用评价的文献,借鉴不同方法的基础上,结合国内P2P网络贷款业务的特点,选取有针对性的借款人信用评价指标,建立相应的评价指标体系,同时构建基于两种不同算法的BP神经网络模型,通过对比选取更优模型用于借款人的信用评价过程,提高P2P网贷借款人信用评价结果的准确性,减少平台在运营过程中因风险蒙受损失的几率,确保P2P网贷平台在符合监管规定的前提下安全的发展前进。本文所用的数据选取自近期四家评价最高的P2P网贷平台,通过对该模型准确度和适用性验证,结果表明使用LM算法优化的BP模型相对于标准梯度下降法的模型预测风险更为精准,最终模型结果也更为准确,在信息缺失的情况下也能起到一定的预测作用,使用该模型能更好地用来对借款人的信用进行评价,给予平台自身对风险用户的预警能力。