P2P网络贷款,也就是点对点的个人借贷,是借款人和贷款人通过第三方网络平台,公开自由投招标以及达成交易的新型网络借贷模式。这种网络借贷模式是2007年从国外引入中国的,在短短的8年间,我国的P2P网络贷款行业取得了迅猛的发展。据《中国P2P借贷服务行业白皮书（2015）》报道,截至2014年底,我国P2P网络贷款平台数量已超过1900家,年增长率高达187%。2014年我国P2P网络贷款平台总成交额约为3000亿元,环比增幅超过172%。然而众所周知,2012年以来我国P2P网络贷款平台频繁出现倒闭情况,这种热潮让人们的注意力开始集中到网络贷款平台的信用风险评估和控制问题上,信用风险问题一跃成为威胁我国P2P网络贷款行业健康快速发展的首要问题。因此,在利用平台已有数据的基础上,如何建立高效、客观、公正的P2P小贷信用风险评估模型以预测和控制P2P网络贷款平台信用风险,就成了解决P2P小额贷款问题的关键出口。据此,本文从评估和控制P2P网络贷款平台信用风险的角度出发,运用理论与实践相结合、定量与定性相结合的研究方法,利用从人人贷、拍拍贷、红岭创投等国内多家具有代表性的P2P网络贷款平台收集到的1434条散标数据,运用信息增益技术,对评价指标进行筛选,最后得出的指标筛选结果是:性别、年龄、借款用途、借款期限这几个变量的信息增益值太小,也就是说这几个变量对客户是否违约的影响不大,可以从模型里剔除。剩下的变量对客户是否违约的影响较大,予以保留。这样我们就得到一个包含1 1个变量的信用风险评估模型,这1 1个变量分别是借款人的婚姻状况、文化程度、所在地区、工作年限、月平均收入、房产、车产、逾期债务情况、借款金额、名义年利率以及标的类型。Logistic模型是商业银行对个人信用风险评估时常用的模型,由于它对变量类型要求不高等特点,它在P2P网络贷款信用风险评估方面具有天然的优势,因此,本文选取Logistic模型进行建模。本文对筛选出来的11个指标进行Logistic回归,运用SPSS统计软件最终得到预测模型,并用验证组数据对所建回归模型进行验证,通过混淆矩阵和ROC曲线判别的方法,对模型拟合的准确度进行判定。混淆矩阵的结果显示该模型的预测准确率高达87.29%,同时模型的AUC=0.812,均显示模型的拟合效果较好。最后,本文根据Logistic回归模型的研究结论提出4点完善我国P2P网络贷款行业发展的对策与建议,分别是:制定严密的信贷审核流程并对客户的个人信息进行全面核实、提高量化管理的能力、完善我国个人征信系统的建设以及国家政策合理干预监管。