随着现代经济和信息技术的迅猛发展,包括互联网在内的网络技术有机地融入了传统的金融领域,形成了互联网金融这一特殊业态。P2P网络借贷能够便捷和高效地实现资金融通,可在一定程度上减轻个人和小微企业在融资方面的困难,能有效缓解中国长期存在的金融拟制问题,所以P2P网贷一经推出便大受欢迎。但在P2P飞速发展的同时,平台风险也在不断积聚,这不仅损害了投资者的利益,而且限制了行业的稳定和可持续发展。因此,本文着眼于P2P网络借贷平台风险,借鉴成熟的个人信用风险管理理念,根据我国P2P网络借贷平台的发展现状,研究网络借贷平台风险管理问题,以对我国网贷平台风险进行有效管理。首先,本文开展平台风险理论分析,概述网贷平台主要面临的风险类别,并从内在和外在两个维度构建风险形成机制,同时从网贷参与主体出发分析风险来源,进一步形成各类风险的传递路径;其次,本文进行风险识别,通过网络爬虫获取1634家样本平台数据,在综合应用平台硬信息和软信息的基础上,利用二元Logistic回归模型对网贷平台风险的影响因素展开实证研究,结果表明信息披露程度、运营时间以及服务得分等变量能够显著影响平台风险;第三,本文进行风险预测,借助多个机器学习算法模型开展网贷平台风险预测,以便探索最佳的平台风险预测模型。通过多模型对比,本文发现在决策树模型中,C5.0对平台风险的预测效果比CART和CHAID均好,同时神经网络模型在准确率、F-score、误分类成本等方面显著优于其他单一模型,另外在基于决策树的同质集成模型中,Boosting模型对于平台风险预测效果最好,随机森林预测效果次之,而Bagging的预测性能提升较小。进一步利用异质集成思想,结果发现KNN和神经网络组合模型的平台风险预测效果显著优于KNN和SVM组合模型,且串联KNN-神经网络是本文研究的13个模型中预测网贷平台风险的最佳模型,串联KNN-神经网络模型预测准确率可以达到94.36%;最后,本文着眼于风险控制,结合理论分析和实证过程中的风险因子和重要变量,针对监管层、网贷平台、借贷参与者分别提出相关风险控制的对策。本文通过建立风险形成框架和风险传递路径对平台风险进行了深入的理论分析,通过实证研究平台风险的影响因素完成了平台风险的有效识别,利用多个机器学习算法模型实现了平台风险的高精度预测,并从主体责任角度出发提出了平台风险控制的对策。这对全面认识网络借贷的平台风险有理论意义,也对保护网络借贷中投资者利益和实现网络借贷平台有效监管具有现实意义。