随着我国居民生活方式和消费观念的变化,网络购物、提前消费迅速普及,个人信贷需求大幅增长,P2P网络借贷应运而生。自2013年以来,我国P2P平台呈爆发式增长,到2017年达到顶峰,全年成交量高达2.8万亿元。野蛮式增长的同时也带来了巨大的安全隐患,平台“暴雷”事件频频发生,其主要原因是大量的借出款项无法收回,引发平台资金链断裂。因此解决问题的关键便是对借款人信用风险进行评估。本文在吸收前人研究成果的基础上,通过对比目前的各种评估方法,结合P2P平台的特点,选择了Logistic回归和BP神经网络模型,并提出了组合模型的思路。以“人人贷”为实证案例,对从该平台获取到的借款人变量先后进行信息价值法和相关性分析的筛选处理,得到了16个自变量。对得到的17000条数据划分为9800条训练集和样本容量都为2400条的三个相同测试集,以借款状态为被解释变量,以性别、年龄、学历、职业、收入、婚姻等为解释变量,分别建立Logistic回归模型和BP神经网络模型,并以Logistic回归达到显著的8个自变量及Logistic回归的信用评分值作为BP神经网络模型的输入变量,建立二者的组合模型。实证结果显示,三个模型的预测准确率分别为99.03%、99.31%和99.58%,对于三个测试子集预测准确率建立的标准差分别为0.0327、0.2351、0.0327。组合模型兼具Logistic回归和BP神经网络模型的优点,在保留了Logistic回归的稳定性的基础上提高了两个单一模型的精确度。