随着互联网技术的发展普及和社会经济发展对金融服务业的需求,从2015以来,我国的网络贷款平台经历了从爆发性增长到稳健发展的阶段。在我国网络贷款平台的发展源动力来自于我国现有的金融服务体系无法满足中小企业和个人不断增长对金融服务的需求,而网贷平台以它的低门槛,方便快捷的优势正好弥补了这一市场需求。网贷平台基础还是为用户提供金融服务,那么金融服务的核心风险控制就是网络贷款平台的核心问题。信贷风险评估的方法有很多种,结合网络贷款平台自身的特点,借助个人的信贷数据,个人资产和其他数据,建立模型评估是使用较为广泛的一种。本文介绍了建立构建网络贷款平台个人风险评估模型的方法。本文从网络贷款平台的个人风险评估角度出发,主要研究借款人的风险预估模型,重点阐述模型的建立过程和各个过程中使用的方法。本文以当前最大的网络贷款平台Lending Club公司的公开的2016年第四季度数据为研究样本数据,研究采用统计学习方法建立预测模型。首先,对数据清洗转换后,提取关键指标。然后,分别用Logistic回归、xgboost和组合模型的方法建立风险评估模型,并将模型应用在测试数据中,用AUC值和K-S检验的方法检验模型预测结果的准确性。最后得结论,在网络贷款平台的个人信用评估中,采用Logistic回归方法可以稳定和可解释性的特点,xgboost建立的模型准确度相对较高,而采用组合模型可以综合上述两种的方法,有一定的解释性和准确度高的特点。