P2P网络借贷凭借其相对较低的投资门槛，借款的易得性和更低的交易成本的特征，在近几年得到了迅速的发展，开创了平民化投资的新时代。在高速发展的同时也暴露了许多问题，首要的是因信息不对称引发的道德风险和逆向选择，让平台经营者更容易跑路，让借款人不得不提高利率，也让投资者的投资行为呈现非理性的态势;然后，在投资者对高利率的追逐和狂热的风险偏好行为面前，其借贷行为表现的异常的非理性，对于借款人发出的市场信号，并没有做到准确的识别。　　在介绍了研究背景和实际意义的基础上，本文系统梳理了P2P网贷研究方面的系列文献，从理论上对投资者的行为进行了探讨，部分揭露了其非理性行为的成因和后果。为了证实非理性的假设，本文从分三步展开研究，第一步，本文从人人贷的交易数据着手，通过数据挖掘的方法，根据已有的信息变量构建模型，分别对借款的成功率和借款的违约率进行预测，分别比较支持向量机、决策树和随机森林模型的预测精度，并得到分类预测的重要变量，在这一步发现随机森林模型的预测效果最好。在借款成功率模型中，其样本内错分率和样本外错分率分别为2.18％和2.161％，在借款违约率模型中，其样本内错分率和样本外错分率分别为3.57％和5％;　　第二步，在随机森林模型下，并分别对成功率和违约率模型影响因素的重要性进行排序，发现在现有的硬信息下对借款人的可以有一个良好的鉴别，但也发现一些影响违约的重要因素并没有得到投资者考虑，比如在两个模型中工作时间、借款期限、借款利率和借款金额是共有的重要影响因素，这代表了投资者理性的部分，但影响违约率的重要因素:工作证明和收入证明却没有在借款成功率中得到考虑，这表明投资者在信息不对称下存在一定的盲目性;　　第三步，由于在本文中数据变量较多，加上哑变量高达36个，为了模型的精确性和可解释性，涉及到变量选择。在处理P2P数据涉及的高维数据时，运用了lasso变量选择的方法，通过结构化分析，进一步证实了投资者在决策时，限于他们的时间和精力，并没有充分考虑风险和收益因素，投资的盲目性一直存在。