P2P网贷平台以其门槛低、限定条件少、收益率高等特点,迅速占领互联网金融市场;在快速发展的同时,风险逐渐凸显,平台问题也逐渐暴露。跑路、清算、爆雷等平台问题层出不穷,给投资者带来了巨大的损失,也给监管者和平台经营者提出难题。P2P网贷平台的生存受多种因素的影响,关乎其生存与发展的平均出借收益率的高低也由多种因素决定,对P2P网贷平台进行生存状况研究,挖掘影响平台生存发展的关键因素,对平台的发展有着重要的意义。贝叶斯学习是对参数设置先验分布,结合样本信息求得后验分布,从而得到总体分布的统计方法。其通过概率来表示事件的不确定性,实现学习和推理的过程;贝叶斯学习方法通过利用先验分布,结合样本信息得到随机变量的后验概率,可以提高统计推断的质量。即使在样本数据较少的情况下,也可以根据样本信息和先验获得较为可靠的分析结果,实现模型的鲁棒性、扩展性和灵活性。本研究通过搜集网贷之家、网贷天眼发布的P2P网贷平台的统计指标及数据,运用贝叶斯方法与传统的Cox比例风险模型、分位数回归模型相结合,对P2P网贷平台进行贝叶斯框架下的生存分析及影响因素研究;构建贝叶斯网络结构对P2P网贷平台进行生存预警;运用熵权法和灰色关联度理论对网贷平台进行综合评价。主要内容如下:(1)针对P2P网贷平台出现跑路、清算等问题而呈现出的生命周期较短的特征,对P2P网贷平台进行生存分析研究。首先利用Lasso-Logistic回归进行变量选择,挖掘影响P2P网贷平台生存的重要因素,然后运用MCMC模拟与Gibbs抽样对贝叶斯Cox模型进行参数估计,分析平台的风险因子和保护因子,将分析结果与经典的Cox比例风险模型所得结论进行对比,得出贝叶斯Cox模型所得到的平台保护因子与风险因子更符合实际。(2)P2P平台平均出借收益率关乎平台的生存与发展,本研究对影响P2P网贷平台平均出借收益率的因素进行研究。P2P网贷平台平均收益率等金融数据具有尖峰后尾的特点,而非对称拉普拉斯分布(ALD)对这类数据的适应性较强,本研究运用误差服从ALD的贝叶斯分位数回归来分析不同分位点下各指标变量对P2P网贷平台平均出借收益率的影响程度,并进行经济意义上的解释。(3)在鱼龙混杂的P2P网贷行业中,如何在众多网贷平台中分辨、选择生存状况良好的平台,进行科学的投资与借贷,从而满足投资者和借款者的需要,是P2P网贷研究中一个值得关注的问题。本研究对P2P网贷平台进行贝叶斯网络结构学习,通过网络拓扑结构反映指标间的关系,并对平台进行分类,从而更好地判断P2P网贷平台的生存状况,达到P2P网贷平台生存状况分类预警目的。(4)针对网贷平台面临的生存发展问题,本研究将对部分网贷平台进行发展综合评价。运用根据数据信息进行客观赋值的熵权法,结合灰色关联法分析指标间关系,计算平台发展的综合得分,对平台进行综合评价和排名,为衡量平台生存状况提供参考。本研究运用贝叶斯框架下的三种模型方法,对P2P网贷平台进行生存分析、平均出借收益率影响因素研究和生存状况分类预警,对P2P网贷平台的生存风险进行量化研究,实证研究表明,贝叶斯方法能够更直观地解释模型对于P2P数据的拟合效果,便于理解;并且能够有效地利用数据信息对P2P平台进行生存与发展的分析。最后对网贷平台进行综合评价与排名,本研究希望为投资者、借款者、监管者以及平台自身提供生存风险识别及分类预警方法,从而促进P2P网贷平台健康发展。