信用风险作为一个极其复杂的非线性系统,其本身存在着诸如数据缺乏、分布不对称等特征,使得信用风险的度量成为风险管理的难点。人工神经网络以其强大的非线性映射能力和泛化能力在信用风险评估中独具优势,适用于互联网金融背景下的信用风险管理需求。P2P网络借贷作为互联网技术与民间借贷相结合的新型借贷模式近年来在我国取得了蓬勃发展,但同时也暴露出诸多问题,比如频频发生的网络借贷平台跑路、倒闭事件。其背后的一个重要原因就是借款人违约造成坏账率过高,致使平台资金链断裂,经营难以为继。信用风险已成为目前P2P网络借贷行业的主要风险,对投资人的利益和网络借贷平台的健康发展都造成了威胁。因此,本文基于神经网络模型对P2P网络借贷借款人的信用风险评估进行了研究。本文首先梳理了神经网络模型的基本原理,重点分析了BP神经网络的算法结构与特点,表明其适用于P2P网络借贷中的借款人信用风险评估。然后,借鉴传统商业银行的信用风险评估方法,从借款人的个人基本情况、偿债能力、偿债意愿和网络借贷平台的认证指标这四个维度,构建了 P2P网络借贷借款人的信用风险评价指标体系。再根据这一指标体系,对收集自人人贷平台的借款人数据进行处理,并利用BP神经网络建立信用风险评估模型进行实证分析。模型的训练和仿真结果表明,该模型能够对借款人的信用等级做出较为准确的预测,可以为P2P网络借贷平台的信用风险评估提供参考。最后,本文针对目前我国P2P网络借贷行业的发展现状提出了完善信用风险管理的相关政策建议。