P2P网络借贷市场是对传统金融市场的一个有益补充,然而其发展受到借贷双方信息不对称问题的制约,亟需建立行之有效的P2P借款人信用评价模型和方法。本文以有效解决P2P网络借贷市场信息不对称问题为研究宗旨,以个人征信体系和信用评价模型为主要研究内容,在国内外相关理论和文献研究,以及P2P网络借贷市场发展状况和个人征信体系建设实践的基础上,从P2P借款人信用指标评价和P2P借款人信用评价模型两个方面深度研究P2P借款人的信用评价问题。第三章对国内外P2P网络借贷市场和征信体系的的发展状况进行多方位阐述。详细介绍P2P网络借贷的定义、特征和与传统金融借贷的区别,对比了国外P2P网络借贷市场的运营模式。对国外个人信用体系的三大模型进行详细探讨和总结,认为完善个人征信系统必须选择适应国情模式、有健全的法律体系支撑和有多样化的征信产品支持等。我国P2P网络借贷的征信问题受个人征信体系不完善、央行的征信系统不对接、商业征信业务刚刚起步、民间征信开展困难、大数据征信刚刚起步等制约,不得已采取耗时耗力和高成本低效率的线下征信活动。传统官方征信模式、大数据征信模式和云征信模式的深度融合是未来P2P网络借贷平台征信的发展方向。第四章以信息不对称为研究视角,以P2P网络借贷的借款利率和还款状态为研究内容,借助能够自适应、自组织、实时学习和处理非线性信息的人工神经网络模型和世界上领先的P2P网络借贷平台——Prosper和LendingClub的交易数据,深度剖析借款人信用指标反映借款利率的重要性程度以及借款利率对各信用指标的响应特征。研究发现,仅有少数几个指标决定了借款人借款利率高低,一旦出现借款人信息失真或平台定级失准的情况,势必会造成P2P网络借贷市场定价机制的扭曲。因此需要制定多指标综合评估的利率定价机制,避免因定价机制的某一环节出现问题,而招致整个定价机制的扭曲。人工神经网络模型有效的评估了 P2P借款人的各项信用指标,同时,还款状态对各项指标的响应曲线展示了两者间的作用方向。由于征信体系的缺失和平台大数据积淀的不足,国内P2P网络借贷平台开始以各种方式介入平台交易,从而扰乱了自身的纯平台服务性质。对P2P借款人信用指标的有效评价为P2P网络借贷平台回归纯平台中介定位提供了理论支撑。第五章以大数据征信为视角,构建P2P借款人的信用评价模型,认为空间维度上借款人多角度、多层次信息的交叉复现,以及时间维度上借款人社会活动信息的持续呈现能够反映借款人的信用状况,进而借助不确定知识表示和推理领域成熟的贝叶斯网络模型,以Prosper和LendingClub多维度交易数据检验P2P借款人信用评价模型的有效性。研究发现,贝叶斯网络模型为P2P借款人多维信息间的复杂关系提供了统一的表达方式,基于贝叶斯网络推理的样本内信用评价准确率高达87%,增加信用评价的概率值临界点能够显著提高信用评价模型的有效性;信用评价模型的样本外推理能力是相当有效和稳定的,增加训练数据集能明显提高信用评价模型的有效性;借款人相关的信息维度越多,运用信用评价模型评价借款人信用状况的准确率越高。选取统计学和非统计学具有代表性的Logistic回归模型、决策树模型和支持向量机模型进行有效性对比,发现贝叶斯网络模型的稳定性好、解释能力强、能够通过有向无环图直观的表达借款人信用指标与还款状态间的相互依赖关系,其整体表现优于以上三种分类模型,选择贝叶斯网络模型作为P2P借款人信用评价模型的“黑箱”工具是合理和有效的。第六章选取国内具有代表性的“人人贷”作为研究对象,实证检验我国P2P网络借贷的信用指标评价问题。在对样本数据进行充分分析的基础上,首先构建人工神经网络模型研究借款人指标的相对重要性和对还款状态的影响特征。实证结果表明,“标的信息+信用档案”指标集蕴含着还款状态的最多信息,其次是“用户信息”,最后是“审核状态”;将三类指标集中较重要的指标汇入同一模型,发现各指标的相对重要性差别较小,最重要的是信用等级、严重逾期、成功借款、还款期限和年利率,而信用报告、工作认证、借款总额、收入范围和房贷的相对重要性较低。其次,本章利用贝叶斯网络模型预测“人人贷”借款人的还款状态,无论是样本内还是样本外预测,所构建模型均能在信息充分的情况下准确预测。最后,针对国内P2P网络借贷的具体环境,本章还从法律、监管和挑战三个方面论述我国P2P网络借贷的特殊性。第七章在研究结论的基础上提出有效评价我国P2P借款人信用状况的政策建议,如加强个人信用体系建设、扩大P2P网络借贷的征信范围、开发有效的信用评价模型、完善P2P网络借贷的法律体系和加强P2P网络借贷市场监管等。