P2P网贷是一种以互联网技术为核心的创新型金融模式,其交易便捷、覆盖人群广泛,有效的提高社会金融资本的流转效率,发挥了传统银行不可替代的作用。但相较于传统的金融借贷,P2P网贷在信息不对称的情况下,平台和投资人面临着巨大的借款人信用违约风险。相比于欧美发达国家,我国的P2P行业整体发展水平较低,管理手段落后,由信用风险引发的平台问题屡见不鲜。因此,如何构建科学有效的信用风险评估体系是P2P平台持续发展需解决的核心问题之一。相较于我国,美国的信贷制度较为完善,并诞生了全球最大的P2P平台Lending Club,对于Lending Club的成功,其卓越的信用风险评估体系功不可没,而大数据分析是Lending Club信用风控的核心。立足于解决当前P2P平台对于借款人信用风险评估难的问题,本文借鉴全球P2P领导平台Lending Club的大数据信用风控体系,目的是探索大数据分析技术在P2P信用风险评估中的运用,从而提升P2P企业的信用风险管理水平。本文首先通过文献分析法,对近年来国内外学者有关互联网金融风险管理、信用风险因素识别、信用风险评估模型方面的研究进行了整理和总结。然后对当前国内P2P平台的信用风险管理状况进行了阐述并总结其中存在的问题,同时分析了Lending Club的运营模式和风控体系,并将重点聚焦于Lending Club的大数据信用风控机制中。本文的实证部分利用Lending Club真实的借款数据,基于数据挖掘技术进行信用评分建模,数据包含1373252条样本,每条样本有144个字段,经过数据分析、特征预处理最终筛选出16个字段参与建模。考虑到模型可解释性的重要意义,本文主要研究基于逻辑回归算法的建模,并利用KS和AUC指标对模型进行评估,最终的建模结果显示模型KS值为0.301,AUC取值为0.707,并通过信用评分,将借款人的信用风险进行了量化,用实践证明了大数据挖掘技术在P2P信用评估中具有的良好效用。最后基于本文的实证分析,总结了Lending Club案例中对国内P2P平台有借鉴意义的成果,并在最后从P2P平台自身与国家政策两个层面,提出关于增强我国P2P平台信用风险管理水平的行业建议。