随着互联网金融行业的兴起,P2P在我国得到迅速发展。P2P网贷是一种个人对个人的金融模式,既促进了金融行业的发展,也更好地安排了社会上的闲散资金。但是,因为国内相关的法律和政策还不够完善,监管力度不强,且风险预警机制不成熟,近年来P2P平台屡屡“爆雷”,“跑路”、停业或提现困难的现象出现得越来越频繁,平台无法实现兑付的现象屡见不鲜,使得投资人的利益受到损失。因此,需要对P2P网贷平台的风险识别以及防范。而一些网贷平台为了快速获取暴利,存在大量交易数据遗漏、造假情况,使硬信息对P2P平台风险识别功能大打折扣,仅仅依靠网贷平台的基本信息和交易信息等硬信息进行风险识别是不够的,因此,识别网贷平台的风险需要充分发挥网络舆情和高管信息等软信息的作用。基于此,本文以P2P网贷平台为研究对象,对P2P平台进行风险识别,并根据方案策划的结果,提出针对政府、P2P网贷平台和投资者的建议。首先,对国内外互联网金融风险的相关文献进行了梳理,分析了风险评估和预警模型研究的相关理论;其次,介绍了信息不对称理论以及网贷行业的信息不对称的问题,并且介绍了常用的机器学习算法;然后,结合我国P2P网贷平台运营中所面临的风险,根据风险影响因素选择风险识别变量,并在识别变量中加入网贷平台软信息变量,包括平台的网络舆情信息以及高管信息,通过逻辑回归模型和支持向量机模型验证加入软信息变量后,风险识别准确率都得到提高,并且支持向量机模型风险识别准确率更高;最后,进一步提出组合模型LightGBM-LR,并验证该组合模型进行网贷平台风险识别,不仅准确性比支持向量机更高,而且结果的可解释性更好。根据本文研究结果,网贷平台的注册资金、参考收益、营业时间、网络舆情、高管信息等因素都会对平台风险产生影响,并且在其他因素保持不变的情况下,平台评价越低、体验越差,平台高管人数较少、学历越低、从业时间越短,网贷平台更易出现跑路等风险问题。根据本文的结论,平台并提出了针对政府部门监管、投资者的投资和网贷平台规范运行的建议。