P2P网络借贷作为我国互联网金融的代表,以其投资门槛低、交易方便灵活等优势,在我国迅速发展开来。但是,由于最初平台的准入门槛低,造成短时间内大量网贷平台上线,这些平台良莠不齐,截至目前已有上千家平台出现提现困难、停业倒闭甚至跑路现象,占据了市场的一半以上。我国商业银行和金融市场正处于转轨和新兴发展阶段,个人征信系统的发展滞后和缓慢,导致P2P网络借贷信用风险问题日益严重。因此,对P2P网络借贷信用风险进行研究具有很强的现实意义。本文利用所学的系统开发知识,结合网络爬虫技术,机器学习和模型化算法,研究设计了P2P网络借贷平台信用风险评估系统。系统主要包含五个大的功能,分别是借款人违约预测功能、网贷平台信用评级功能、发布互联网金融资讯功能、网贷收益排行功能和论坛功能。其中借款人违约预测功能和网贷平台信用评级功能是本文研究的重点。本文首先从P2P网络借贷平台国内外发展现状,以及目前我国P2P网贷平台的运营模式着手,从借款人、投资者和行业本身三个方面深入分析研究我国P2P网贷平台信用风险形成机制。接着根据P2P网贷中借款人的信用风险形成机制和影响因素,并参照以往借款人信用风险评估指标体系研究,以及各大P2P网贷平台借款需要提供的个人信息,最终确定12个借款人信用风险评估指标,建立借款人信用风险评估指标体系。使用Python语言抓取人人贷网899条完整借款数据作为训练样本,在Spark平台上通过调用随机森林算法对数据进行训练,最终得到借款人违约预测模型。然后采用定性指标和定量指标相结合的方法,建立了P2P网贷平台信用评级指标体系,并根据中诚信信用评级分类,结合P2P网贷平台发展现状,确定网贷平台信用评级等级标准,利用支持向量机技术训练得到网贷平台信用评级模型。系统通过对P2P网络借贷平台和借款人进行信用风险评估,对于平台管理者来说可以吸引更多的网络借贷人使用平台从而获利;对贷款人来说不但可以按时收回贷款还能获得尽可能高的利率;同时确保借款人按时足额获得正当的贷款,保障了三方的利益,使得P2P网络借贷平台走上良性发展的道路。