2007年,我国首家P2P网络借贷平台“拍拍贷”在上海成立。随后,以“红岭创投”、“人人贷”为代表的网络借贷平台也纷纷成立。P2P网络借贷凭借着门槛低、灵活性大等特点得到越来越多人的青睐,短时间如雨后春笋般在我国迅速发展起来。然而就在我国网络借贷行业快速发展,影响范围渐趋广泛的同时,也因监管缺失、风险控制不成熟等问题带来了巨大风险隐患。目前,脆弱的风控能力是我国大多数P2P网络借贷平台面临的通病。因此,P2P网络借贷行业要想走向成熟,必须提高自身的风控能力,建立有效的风控预警机制。本文通过对P2P网络借贷面临的主要风险进行识别与分析,构建了P2P网络借贷风险预警理论框架,并以宜人贷为例,进行风险预警模型的实证分析,最后为P2P网络借贷的发展提供建议。论文主要包括五个部分:第一部分,介绍P2P网络借贷的概念、模式、发展历程和现状。第二部分,分别从政府层面、市场层面以及内部层面分析P2P网络借贷面临的风险,其中政府层面包括监管风险和法律风险,市场层面包括信用风险和流动性风险,内部层面包括操作风险和信息系统风险。同时针对各个层面的风险总结出目前P2P网络借贷平台的主要风险管控方式,主要包括用户信用审查、鼓励出借人分散投资、逾期账款催收制度、风险准备金制度以及引进担保和抵押等。第三部分,构建P2P网络借贷风险预警体系理论框架。首先在风险分析的基础上,结合网贷之家的发展指数评级构建P2P网络借贷风险预警指标体系,初步选取20个指标。然后运用因子分析对风险进行评估,确定风险状况的评价标准。最后通过借鉴商业银行的风险预警模型,选用BP神经网络建模,并论述模型的可行性及算法。第四部分,以宜人贷为例进行实证分析。首先,运用聚类分析对指标进行筛选,形成更简洁有力的预警指标。然后,对这些指标进行因子分析,得出影响宜人贷风险的3个公共因子,分别是贷款余额因子、分散度因子以及狭义的流动性因子,并将“每月份主成分综合得分的平均值”作为风险类别的判定标准,将宜人贷每月的风险状况分为稳健与风险两种情况。最后运用SPSS软件中的多层感知器(MLP)方法来建立BP神经网络模型,并调用该模型对宜人贷2015年1月和2月的数据进行风险预警。第五部分,P2P网络借贷风险预警的对策建议。首先,应建立风险预警的管理体系,其次应促进风险预警法规化、最后还应在行业内和行业外逐步建立征信系统。