近年来,随着互联网技术的革新和普及,以及金融产业的创新,互联网+金融成为了未来金融业发展的大趋势。P2P是其中最具代表的互联网金融模式,借助互联网平台直接将借贷双方连接起来,以其操作便利、无需抵押担保和高收益性,在我国得到了迅速的发展。P2P网贷很好的缓解了中小企业融资难的问题,同时扩宽了小额资金拥有者的投资渠道,促进了我国经济的发展。但是,近年来网贷平台出现了大量坏账,极大地危害了投资人的利益以及平台的正常经营。由于大部分P2P网络借贷是一种无需要抵押担保的借贷,加之网贷平台没有建立有效的借款人信用风险评价体系,信息不对称普遍的存在于借贷的整个过程中,借款人的信用风险是P2P网络借贷所面临的主要风险之一。因此,建立完善的借款人信用风险评估体系,是解决信息不对称所引起的信用风险的有效手段。本文梳理了国内外学者对信用风险评估方法的研究,并分析了P2P网贷过程中产生信用风险的原因。通过梳理发现以Logistic模型建立信用风险评估模型有较强的实用性。但是,如果过多的引入无关变量,或是变量间存在共线性,都会造成模型的评估准确性下降。因此,本文将在Logistic模型的基础上,引入Lasso算法解决变量间的共线性,并对变量进行筛选。最终使得模型更加简洁,预测准确性更高。本文的建模数据均来自“人人贷”平台,将从借款人的基本信息、资产收入信息、历史交易和信用信息以及借款标的信息四个方面构建指标,并将数据分为实验组和测试组。通过实验组数据来建立信用风险评估模型,利用测试组来测试模型的预测准确性。模型共筛选出了9个主要的解释变量,通过测试组的分类表及ROC曲线发现模型有良好的预测准确性。希望通过本文的研究能为P2P网贷平台进行更好的风险控制提供一定参考。