P2P网贷平台快速发展的同时平台跑路、经侦介入以及提现困难等事件也频繁发生,不仅给投资者造成损失,更给P2P网贷行业带来了恶劣影响。评估P2P网贷平台的风险是当前投资者、监管部门以及平台管理者所面临的首要任务。已有的平台风险评估模型多数基于决策树或其他单一算法构建,模型预测准确度较低,应用性较差。因此对P2P网贷平台的风险评估模型进行研究具有重要意义。本文以P2P网贷平台的风险作为研究对象,首先基于对P2P网贷平台风险分析构建了P2P网贷平台风险评价指标;采用Scrapy爬虫技术对平台数据进行爬取,建立了从数据爬取到数据清洗再到数据分析的整套流程,使用K-均值聚类算法对平台的风险等级进行划分;接着建立了基于Stacking集成策略的P2P网贷平台风险评估模型,并对其进行检验分析;基于研究结果,对投资者、监管部门以及平台管理者分别提出了建议。(1)构建了新的P2P网贷平台风险评估指标体系。针对现有风险评估指标体系中指标选取不完善、指标数据获取难度较大以及风险等级划分主观性较强的问题,对P2P网贷平台的信用风险、法律风险、操作风险、资金流动性和市场风险进行分析,探究风险背后的影响因素,并根据风险选取指标;基于Scrapy框架对数据进行爬取,并对清洗后的数据进行相关性分析和描述性统计分析;然后采用K-均值聚类算法将平台根据风险指标进行分类,根据聚类结果将平台分为安全平台、低等风险平台、中等风险平台、高等风险平台和重度危险平台五类。(2)构建了基于Stacking集成策略的P2P网贷平台风险评估模型。决策树算法虽在离散型变量的处理上表现较优,但其易受噪声数据干扰从而产生过拟合现象;支持向量机算法虽不易受噪声数据干扰但存在核函数难以选择的问题。基于此,采用Stacking集成策略,以决策树算法和支持向量机算法作为基学习器,以支持向量机算法作为元学习器,构建了基于Stacking集成策略的P2P网贷平台风险评估模型,将该模型分别与基于决策树算法和基于支持向量机算法建立的模型进行对比研究,通过模型预测准确度、ROC与AUC三个指标全面验证了模型的有效性。此外,对网贷平台的风险等级与平台运营类型之间的关联进行分析发现,安全平台中平台运营类型以正常运营为主,而高等风险平台和重度风险平台中平台运营类型分别以提现困难和跑路为主。(3)对投资者、监管部门以及P2P网贷平台管理者就如何预防和把控平台风险提出了建议。针对以往关于平台风险管理研究中提出的建议缺乏数据支撑的问题,基于研究结果,建议投资者在选择平台时应不盲目追求收益并多维度考察平台;建议监管部门应提高平台的准入机制,并对网贷平台实施分级监管;建议P2P网贷平台管理者应加强对借款人的审核、增强行业合作并且完善平台自身风险控制机制。