近年来,随着互联网金融的快速发展,借贷业务逐渐由单一的线下模式转变为线下与线上并行,P2P借贷已经成为多层次金融体系的重要组成。与此同时,P2P借贷也涌现出一些新特征,带来了一些新问题,给信用风险评价带来巨大挑战。一方面,P2P借贷中信用风险多样性强,平台信用风险与借款人信用风险并存且各具特点,需要针对不同类型的信用风险进行评价。另一方面,P2P借贷中信用风险复杂性高,信用主体和交易过程虚拟化,信息不对称性和动态性强,需要时效性强且能反映信用变化趋势的全过程动态信用评价方法。为此,本文从为投资人提供投资决策服务的角度,围绕平台和借款人两类信用主体,以信用特征和评价方法为主线,研究平台信用特征识别、平台信用风险动态评价方法、借款人信用特征识别、借款人信用风险动态评价方法等内容。具体的研究内容和贡献包括:(1)P2P借贷信用风险识别和评价框架。采用预期收益理论模型分析P2P借贷投资决策过程,发现了 P2P借贷中针对平台信用风险和借款人信用风险进行综合评价能够有效降低投资风险。在此基础上,分析了 P2P借贷平台信用风险和借款人信用风险的特点及其对信用特征识别和评价方法设计的影响,提出了 P2P借贷信用风险识别和评价框架。(2)P2P借贷平台信用特征和平台信用风险动态评价。结合5C信用评价和羊群效应等理论,从平台和用户视角系统性分析了平台信用风险影响因素,在此基础上,从平台特质、平台能力、平台资本、平台环境以及用户口碑五方面分析和识别了多个维度的平台信用特征。进而,利用混合治愈方法构建平台信用风险动态评价模型来预测平台违约状态和违约时间,同时识别了单边效应、双边效应以及时变效应等多种平台信用特征影响效应。(3)基于面板数据的P2P借贷平台信用风险动态评价方法。针对平台信用特征的动态性,提出了一种基于面板数据的平台信用风险动态评价方法。该方法通过混合生存分析建模有效地解决了观测数据删失性问题,通过构建多重生存观测将不同时间下信用特征与观测状态关联起来,从而将面板数据中的动态信息纳入到模型中。研究表明所提出的方法可以准确预测平台在不同时间下的违约概率,能够有效刻画平台的信用风险趋势。(4)融入软信息的P2P借贷借款人信用风险评价方法。针对非结构化借款描述文本信息,提出了一种融入语义软特征的借款人信用风险评价方法。该方法利用多种共现统计指标识别固定多词表达,利用词嵌入模型将关键词映射到向量空间,并提出了一种语义相似词集抽取算法,将向量空间中的关键词聚类为语义相似词集,进而定义语义软特征并将其加入到借款人信用风险评价模型中。研究表明所提出的方法可以有效提升借款人信用风险评价模型的违约预测性能和投资组合选择的有效性。(5)预测驱动的P2P借贷借款人信用风险动态评价方法。为了提升借款人信用风险评价的精准性,包括违约状态判别的准确性和违约时间估计的精确性,提出了一种预测驱动的借款人信用风险动态评价方法。针对违约状态判别,提出了一种基于集成学习的违约状态判别模型。针对违约时间估计,为了考虑信用特征和风险时间的交互作用,提出了一种基于时间依赖风险的违约时间估计模型。研究表明所提出的方法可以有效提升借款人信用风险评价模型的判别性能和效准性能。上述研究成果,在理论上丰富了平台以及借款人信用风险评价理论,拓展了信用风险评价体系,可为信用全生命周期、业务全过程的动态跟踪评价和未来违约的动态预测提供有效的信用风险评价方法。实践上可为监管部门的宏观行业管控,业务机构的自身风险管理,以及投资人的投资决策提供支持。