摘要：P2P网络借贷是金融科技浪潮中的一种趋势也是未来金融服务的发展方向，它有利于活跃民间金融，缓解个人和中小企业的融资困难问题。本文以拍拍贷平台为例，从借款人这一角色出发，分析其在P2P网络借贷时的信用风险，通过网页固定抓取数据，从拍拍贷网站上截取借款数据，选取八个指标作为解释变量，基于logit模型定量分析借款人信用风险的影响因素，发现借款人的认证得分、借款成功次数与流标次数、借款金额、利率和期限对信用风险具有显著影响，最后根据研究结果提出结论与展望，提出防范借款人在P2P网络借贷中出现信用风险的对策。
关键词：P2P网络借贷；信用风险；影响因素
一、引言
P2P网络借贷凭借着线上平台与信息技术，成为了为借贷交易提供便利的新兴服务行业，是金融界的支柱之一。国外第一家P2P网络借贷平台是2005年在英国创立的Zopa，同时，它也是全球首家网贷平台。截至2017年1月，Zopa实现了20亿贷款的里程碑并在3月赢得了Lendit最高消费平台奖项。在2007年6月，拍拍贷网络借贷平台在中国成立，这是我国首次引入P2P网络借贷模式，但其发展并非十分顺利通畅，因为这是个全新的领域，中国在网络借贷行业没有明显的进步而且信用体系和监管体系也并不健全。
现在中国P2P网络借贷行业正处于不断攀升的成长上升期，根据中国知名第三方网贷咨询平台——网贷之家的“2016年网络借贷平台成交数据”资料显示，截至2016年12月底，网络借贷行业中正常运营平台数量为2448家，与2015年底统计的数据对比，减少了985家，全年正常运营平台数量出现了逐级降低的走势，与2015年数量大幅增加呈现截然相反的情况，且一年累计停业及问题平台数量达到1741家，其中35%左右的平台出现跑路、提现困难、倒闭等现象，这反映出P2P网络借贷中潜在的巨大信用风险，而这很大程度上是因为信息不对称和道德风险所引起的借款人信用风险造成的。由于缺乏科学有效的评估体系，网络借贷平台个人的信用体系并不健全，平台很难对借款人的信用状况进行评判，预测其违约概率更是难上加难。如果解决了借款人信用风险的问题，就可以降低问题平台的数量，从而更好的促进P2P网络借贷平台的良性发展，因此研究P2P网络借贷平台借款人信用风险的影响因素具有重要意义和紧迫性。
目前国内的研究资料较少，国外众多学者对P2P网络借贷行业的平台运营模式、法律规制、XX监管、融资效率、行为分析等方面的研究已经非常透彻，取得了丰硕的成果。但是对网络借贷平台风险研究较少，从借款人角度出发的关于信用风险的研究更加稀少。本文将从借款人的角度出发，以拍拍贷平台为例，通过网上数据的查找，从八个维度评估影响借款人的信用因素，并建立logit模型对数据进行定量分析，提出防范借款人信用风险的建议和方法。
二、文献综述
（一）P2P网络借贷概念介绍
P2P网络借贷是指个体与个体直接通过第三方线上平台进行借贷。个体可分为自然人、法人和其他组织。起源于小额信贷的P2P网络借贷是一种新型的金融模式，它的借款期限和金额都比与其相互补充的传统金融更短、更小，利率多数也高于银行等传统金融金机构的利率，它的借贷参与者大部分是对互联网金融比较熟悉的个人和无法在传统金融机构借贷的客户。借款者只需完成网络平台注册、身份信息审核等一系列程序，就可以参与网络借贷。对于借款人和出借人，借贷成本可以在很大程度上得到降低，与此同时，P2P网络借贷在传播信息方面的效率也更高，使得信息覆盖更为广泛，信用交易更加有效。MeyerTetal.(2007)认为P2P网络借贷指的是当借款人与出借人在没有金融机构中介平台时，P2P网络借贷平台可以为他们提供便利的信贷服务，使得用户可以更加方便的借贷。
（二）P2P网络借贷风险相关理论介绍
信用风险（Creditrisk）是指签订交易合同的双方违背契约内容，造成另一方经济利益受损的风险。在P2P网络借贷中，借款人的个人信用风险是指借款人失信，没有践行合同内容，在规定时期内支付利息和本金，使平台及出资人蒙受经济损失的风险。
1．道德风险
道德风险（MoralHazard）是指签订交易合同的一方要承受对手可能改变行为，使自身经济受损的风险。在P2P网络借贷中，信息不对称使得借款人在网上提交的辨别其身份、资金用途和还款能力资料和信息的真实性很难被辨别。许荣等(2014)认为不健全的个人信用体系以及不完备的网络借贷平台设计机制，使P2P网络借贷存在道德风险。谈超、王冀宁、孙本芝（2014）认为虽然第三方网络借贷平台实现了借款人与出借人的借贷交易，但是由于平台自身的特点，即跨空间性和高度隐藏性又导致了借贷双方参与者在无法面对面的接触交易时无法获得关键性的信息，这会导致信息不对称问题变得更加严重。此外，借款资金监督和贷后追踪成本较高，也容易造成借款人的道德风险。
Chaffee等(2011)认为P2P网络借贷的道德风险要远远高于传统金融借贷，这是因为借款人与出借人仅通过P2P网络借贷平台这一纽带联系彼此，这种线上交易的虚拟性使得道德惩罚的强度得以降低。Galloway(2009)和Xiaoguang、Yi(2011)指出信任机制不仅是保障线下借贷资金安全的重要因素，更是推动P2P网络借贷发展的不可或缺的机制；除此之外，它还可以降低在线上借贷过程中出现的严重的信息不对称问题和借款人道德风险问题。
2．逆向选择
逆向选择(Adversechoice)在金融领域中是指市场上最活跃且借款成功概率很高的借款人极有可能存在违约风险。Lee等（2001）指出信任机制是一个社会良好、运行稳定的前提，它可以解决P2P网络借贷的逆向选择问题。Su-lin等（2003）指出借贷平台的网站设计、借款安全认证、借贷参与者的信息保护和个人特征是信任机制的关键因素。
廖理等（2014）以人人贷网络借贷平台为例，在分析其网站数据后得出结论：借款利率没有完全体现逆向选择问题和借款人的违约信用风险问题。Gonzalez和Loureiro（2014）、李焰等（2014）认为借款人向网络借贷平台展示越多的信息，网站对用户信用审核越充分，越有利于解决逆向选择的问题。王锦虹(2015)认为在P2P网络借贷中，所谓的逆向选择就是借款人放弃了低利率和低风险的高质量借款，反而追求高利率、高风险的低质量借款的逆向行为。市场逆向选择导致利率下跌，信用好的借款人可能会在市场竞争中由于借不到资金被挤出市场，使得利率变高和低信用的借款人增多，导致市场整体风险恶化。
（三）国内外研究现状
1、P2P网络借贷信用风险影响因素研究现状分析
自互联网金融快速发展和P2P网络借贷平台出现后，越来越多的学者把研究方向放在了网络借贷方面。
根据早期的P2P网络借贷信用风险研究内容显示，虽然网络借贷平台中借款人的特征没有多大差异，但是其信用风险却十分显著。Herzensteinetal.（2008）和PopeandSydnor（2011）认为P2P借贷平台是由个人投资者来判断借款人是否诚信，是否值得信赖，而不是借贷平台来筛选确定，因此易导致借款人提供虚假材料欺骗出借人获取借款，网络借贷的信用风险很高。Leeetal.（2012）选取韩国最大的一家P2P网络借贷平台作为研究对象，把重点放在了平台的“从众行为”方面，发现“从众行为”与网络借贷平台信用风险呈正相关，也就是信息不对称现象很严重，而这往往会导致道德风险问题的出现。
部分国内学者以不同P2P网络借贷平台为例，对借款人信用进行了实证分析。马运全（2012）指出借款人信用风险问题可分为三种，即借款人信用信息真假识别问题、借款用途真实性问题和抵押担保问题。陈建中、宁欣（2013）以人人贷为例，采集了3148条数据，从借款人个人信息出发，分析并实证检验了它对交易成功率的影响，最后得出结论：借款人的基本信息对借款成功率具有明显的影响。陈霄等（2013）根据P2P网络借贷平台借贷双方逾期行为理论，对影响违规拖欠还款行为的因素进行分类，一共分为三种，分别是信用、个人标的和历史借款，并采用Logit模型进行实证分析，得出结论：借款人的收入、信用评级、居住地域、生活状况、成功借款次数和如约还款次数与逾期还款率呈负相关，教育背景、逾期还款次数、借款利率和期限与逾期还款率呈正相关。袁羽（2014）从互联网金融风险角度出发，利用Prosper网站的贷款交易数据，基于Logistic计量模型对P2P网络借贷的信用风险进行测度并利用混淆矩阵计算，指出该模型对度量信用风险的有效性。模型选择了借款人的信用评级，负债比等10个影响因素作为变量，通过对样本的模拟分析验证，研究出的模型预测准确率达到70％。顾慧莹、姚铮（2015）对WDW上海直营店的统计数据进行Cox和Logistic回归分析，进而判断借款人是城镇还是农村户口、已婚还是未婚、是否有违约记录、借款与收入之比、亲人是否了解债务情况、借款动机是否纯洁和平台的信用评级是否合理这7大因素与借款违约率和违约速率的相关性。高健（2015）分析了国内外研究者对小额信贷风险影响因素的文献资料，认为导致P2P借贷平台借款人存在信用风险的原因可分为外部原因和内部原因两种，外部因素是整个网络借贷行业和国家政策的大背景，然而这些都是不可控制的，要想有效地降低信用风险还是要从内部因素出发，这包括借款人的收支情况及其家庭财务状况。陈裕（2016）利用Logistic计量模型对一家线上线下综合的网络借贷平台进行分析，得出结论：影响借款人信用风险重要的因素包括婚姻状况、房屋产权和信用等级，已婚者的借款违约率要高于单身借款者；房屋产权和信用等级与信用风险呈负相关。
2、P2P网络借贷信用风险评估模型现状分析
在P2P网络借贷信用风险评估模型方面，王春峰、万海、张维（1999）为了克服传统的计量经济学模型中在选择函数形式和分析过程中的缺陷，选择与计算机技术相结合，引入了神经网络方法来进行信用风险评估。结果表明，神经网络技术的运用有利于信用风险的准确分类并且预测信用风险具有稳健性。除了神经网络方法，张玲（2005）认为1990年以前，金融机构主要依赖专家评估分析法来对借款人进行判断，简单来说，金融机构通过借款人提供的特征信息来确定应不应该给借款人审批贷款。5“C”标准包括借款人的品质、偿付能力、资本、抵押品和经济周期五项，根据借款人展示的材料，定性分析判断借款人的能力和偿还意愿是否足够强。除此之外，一些金融机构提出了五“W”标准，分别是借款人、借款目的、还款期限、抵押物和还款方式。王小明（2005）指出我国信用风险指标体系和模型研究与评级测度方法存在分离现象，认为信用风险分析、指标体系研究和模型研究这三者应该一起纳入信用风险评级中来综合考量，并且提出了有关信用风险评级模型建立的建议和思考方向。王丹、张洪潮（2016）认为，只有少数国内学者采用计量经济学方法来建立P2P网络借贷平台的信用评级模型，他们大多采用层次分析法和因素分析法来构建模型，更多注重定量指标，虽然这些指标具有一定的代表性，但也具有片面性，不利于对整体做出客观全面的评估。
3、P2P网络借贷平台运行模式风险控制现状分析
很多国外研究人员认为不同的P2P网络借贷平台的运行模式的风险控制机制是有差异的，不仅如此，借款人的信用风险也具有差异性。Micheal（2006）对Zopa做了一个关于社交网络型借贷关系的研究，认为Zopa的金融服务更为透明，并且如果风险控制措施做好，网络平台借贷的风险将低于传统金融机构。Samuel、Ramayana、Robert（2008）分析了P2P网络借贷平台竞争的拍卖模式。Greiner（2009）详细地研究了Prosper平台，指出借款人的信誉及借款利率可以通过借贷双方在网贷平台的自我选择和竞标交易来提高。Emma（2011）分析了多家不同的欧洲网络借贷平台后，发现Zopa拒绝了多于75%的贷款申请，得出结论：Zopa严格的风险控制措施铸就了它的成功。
对比我国，国内研究人员主要聚焦于我国的P2P网络借贷平台。张正平、胡夏露（2013）认为，我国网贷平台的发展模式分为四种，纯粹中介式的“拍拍贷”、复合中介式的“宜信”和具有特色的青岛模式、齐放模式。王紫薇、袁中华、钟鑫（2012）研究了拍拍贷平台，发现拍拍贷的两大运营模式特点：一是参考了Zopa的风控制度，规定借款人每个月都要还本付息；二是针对信用审核加入了具有社会化因素的借款人信息，即用户的信用评级审核系统包括其户口本、学位证书和结婚证等；最后，网络社区和借款人社交平台的朋友圈也是拍拍贷的信用评级体系的重要的一部分。
三、拍拍贷借款人信用风险影响因素实证分析
拍拍贷平台是我国第一家P2P网络借贷平台，成立于上海，是目前国内用户注册量、交易量最大的网贷平台之一，拍拍贷2017年第一季度业绩报告显示，其平台累计注册用户数达到3996.82万，注册用户体量居行业首位。因此本文将拍拍贷作为研究对象。
（一）数据来源
在拍拍贷平台中，每一个借款者的借款信息都有一个以借款编号结尾的网页储存，本文使用八爪鱼数据采集器来抓取拍拍贷平台的交易数据，挖掘编号为221442-222954和250000-252031的借款人借款信息，在删除信息缺失和错误等数据后，剩余1659个有效样本，其中存在信用风险的样本数为42，这里的信用风险指的是样本数据中存在逾期还款的情况，违约率达到2.5%。
（二）变量选择及描述性统计分析
本为研究的是借款人的信用风险因素，主要从拍拍贷网站中借款人的信息出发。
1．被解释变量
本文用借款人是否有违约行为来体现P2P网络借贷平台借款人的信用风险，采用logit模型来分析。当用户发生违约行为，即存在逾期还款时，用1表示，样本数为42；若没有违约行为，即无逾期还款，则用0表示，样本数为1617，即Y有两种数值。
图1有违约、无违约的样本比例对比
2．解释变量
在拍拍贷网络借贷平台借款人信息页面中，展示的信息主要包括借款人个人特征、信用评分、历史记录、借款信息等。在参考了大量文献和结合P2P网络借贷的实际情况后，本文主要从借款人性别、年龄、认证得分、借款成功次数、流标次数、借款总额、借款利率和借款期限八个维度来分析对借款人信用风险的影响。
表1变量定义
（1）借款人性别
1659个样本中有1422位男性和237位女姓，男性比例为85.71%，女性比例为14.29%，这表明P2P网络借贷平台中大部分的用户都为男性。在违约样本中，男性违约比率高达95%而女性违约比率仅为5%，因此可以通过样本数据初步判断在P2P网络借贷中男性借款违约风险高于女性。
图2-1男女样本比例对比
图2-2男女样本违约比例对比
（2）借款人年龄
将样本借款人年龄分为20-25岁、26-31岁、32-38岁和39岁以上4组，20-25岁的人数比例为9.28%，26-31岁的人数比例为49.25%，32-38岁的人数比例为28.57%，39岁以上的人数比例为12.9%。可以看出将近一半的借款者都集中在第二组，这说明P2P网络借贷平台的用户大多较为年轻，因为年轻人更加容易接触新事物，对互联网金融更加熟悉。在违约样本中，47.62%的人集中在第二组，，即26-31岁，因此可以通过样本数据初步判断在P2P网络借贷中年龄较小的借款人违约可能性更大。
图3-1各年龄组比例对比
图3-2各年龄组违约比例对比
（3）认证得分
拍拍贷平台的认证分为身份认证、手机认证、学历认证、视频认证和网上银行充值认证五种。平台根据用户提交的材料进行审核认证，为用户进行打分评级。本文定义的信用评分等于用户的认证数量，平台只有一项认证的数量只有32条，由于评分很低，这些用户的借款结果都是失败，借款从未成功过，所以这部分借款人的信用风险为零。在违约样本中，大部分的违约借款人都是信用评分为2和3分的，违约占比高达95%，而信用评分为5分的借款人没有违约行为，因此可以通过样本数据初步判断信用评分较低的借款人信用风险高。
图4-1认证得分比例对比
图4-2认证得分违约比例对比
（4）借款成功次数与流标次数
这两个指标之和代表了用户在网络借贷平台上的活跃程度，次数越多，说明用户越活跃。借款人在成功借款后要履行条约，按照规定还款付息，所以这段期间是网贷平台信用风险爆发的时候。样本的这两项数据较为分散，大多数借款人的流标次数要小于成功借款次数。
（5）借款总额
样本中的借款总额最低为100元，最高为15万元，其中一半以上的用户的借款总额集中在3000元。
（6）借款利率
借款年利率是借款人的融资成本，一般借款期限和利率成正比，借款人的信用等级和借款利率成反比，这可以通过样本体现。在采集的数据中，一个月借款期对应的利率最低，只有3%，而12个月借款期对应的利率有15种，最低为8.5%，最高为25.24%，其中借款利率为8.5%的借款人的信用评分较高且没有流表记录。
（7）借款期限
样本中的借款期限最短为1个月，最长为12个月，将样本借款人的借款期限分为1-3月、4-6月、7-12月3组。借款期限为一个月的借款人没有违约记录，违约事件主要集中在6月和12月，即主要发生在第二组和第三组上，因此可以通过样本数据初步判断借款期限越长，借款人违约风险越高。
图5-1借款期限比例对比
图5-2借款期限违约比例对比
（三）模型设定
本文研究的是P2P网络借贷平台借款人的信用风险影响因素，被解释变量的取值只有两种状态，这属于计量经济学中的“二元型响应”问题，因此采用Logit模型进行计量分析，以借款人信用风险Yi为因变量，其中Y=1代表存在信用风险，Y=0代表无信用风险；以借款人性别(gender)、借款人年龄(age)、认证得分(credit)、借款成功次数(success)、流标次数(fail)、借款总额(total)、借款利率(rate)、借款期限(time)为自变量建立以下线性概率模型。
模型设定为：
其中，为回归系数，c为常数项
（四）借款人信用风险影响因素的Logit回归分析
具体回归结果如下：
从Logit模型中可以看出，在这八个变量当中，只有gender性别和age年龄对借款人信用风险影响不显著，其他六个变量credit信用评分、success借款成功次数、fail流标次数、total借款总额、rate利率和time期限对信用风险很显著。
1．Gender借款人性别
Gender对存在信用风险的回归系数为0.734686，回归系数为正，说明在具有信用风险的借款人中，男性比例高于女性比例。
2．Age借款人年龄
Age对存在信用风险的回归系数为-0.116579，回归系数为负，说明年轻人的借款信用风险比较高，一般年轻人因为经济基础薄弱、经济来源单一，导致资金短缺、还款能力低下，不能如约还本付息。回归系数P值为0.628，可能是因为拍拍贷平台中存在信用风险的借款人较少，人口特征无法在一定程度上反映信用风险。
3．Credit信用评分
Credit对存在信用风险的回归系数为-1.436701，回归系数为负且其P值为0，说明信用得分与借款人信用风险显著负相关。信用评分低的人大多不注重信用记录，在借款之后更容易发生违约行为，因此信用评分可作为衡量借款人信用风险的一项重要标准。
4．Success借款成功次数
Success对存在信用风险的回归系数为0.089859，回归系数为正且P值为0.0004，说明借款成功次数与借款人信用风险显著正相关。借款成功数是用户在此次借款之前在网络借贷平台上借到钱的次数，由于借款人信用的好坏的一部分可以通过他的历史借款成功次数来体现，成功次数越多，借款人给投资者的安全感越高，所以一些用户为了提高自己的信用等级以吸引投资者，从而以一个较低的借款利率获得多于目前信用等级可获得的金额。正是因为这些人的目的不纯，想要蓄意骗取借款，因此借款成功次数与信用风险正相关。
5．Fail流标次数
Fail对存在信用风险的回归系数为0.382906，回归系数为正且P值为0，说明流标次数与借款人信用风险显著正相关。借款流标表明在网络借贷平台规定时间内未能满标，也就是没有足够的出借者愿意投资，用户借款失败。流标次数越多，借款人的信用等级越低，在成功借款后不能如约还款的可能性越高。
6．Total借款总额
Total对存在信用风险的回归系数为6.20E-05，回归系数为正且P值为0，说明借款总额与借款人信用风险显著正相关，借款金额越大代表用户最后需要归还的数额越多，借款人最后无法支付的可能性越高，信用风险也就越高。
7．Rate借款利率
Rate对存在信用风险的回归系数为53.69841，回归系数为正且P值为0.0008，说明借款利率与借款人信用风险显著正相关，借款利率的高低决定了借款人每个月的还款数额，利率高的借款带给借款人的压力大，用户违约可能性大导致高信用风险。
8．Time借款期限
Time对存在信用风险的回归系数为0.992887，回归系数为正且P值为0.0005，说明借款期限与借款人信用风险显著正相关。在P2P网络借贷平台中，借款期限越长，未来不确定因素越多，投资者所面临借款人的违约风险越高。
五、结论与展望
本文以Logit模型为计量基础，构建P2P网络借贷平台借款人信用风险影响因素的计量模型，通过实证研究可以看出，借款人的认证得分、借款成功次数、流标次数、借款总额、利率和期限对借款人的信用风险影响显著，而借款人的性别和年龄也有一定的影响。在推动P2P网络借贷的发展进程中，平台要充分了解借款人的相关信息，有针对地防范其信用风险，从而为互联网金融做出贡献。
根据前文研究结论，为了解决P2P网络借贷平台借款人信用问题，促进P2P网络借贷的发展，应从以下几点入手：
（一）平台内部建立贷前科学有效的借款人信用风险评估体系
根据本文的研究结果，建议平台从四个方面审核评估借款人的信用，一是借款人的自身特征，包括性别年龄。二是借款人的信用评级，平台应该重点审核用户提供的材料的真实性，使得信用评分真正发挥抑制风险的作用。现在大多数网络借贷平台都是线上评估，没有在线下考察核实借款人身份资料的真实性，这种信息的不对称以及道德风险不利于信用风险的降低。三是借款人的历史纪录，包括成功借款次数和流标次数。四是借款信息，包括借款总额、利率和期限，P2P网络借贷平台应该通过用户的信用特征来限制借款人借款期限的长短以及利率高低的选择。网络借贷平台应对以上这四大类数据进行全面有效的检测以防范借款人的信用风险。
（二）平台内部建立贷后追踪制度及风险控制制度
大多数网络借贷平台都将重点放在借款人在借款前的审核中，却轻视了对借款人的事中管理，平台应当对借出资金进行追踪调查，监控还款进度，定期向投资者展示出借资金的收益及流向，制约借款人的道德风险问题，预防潜在的违约风险。对于不能按时还款的借款人，平台应该及时催收并借鉴传统银行贷后追讨机制，提高贷款逾期收回率；对于及时还款表现良好的借款人，平台应该给予适当奖励鼓励。
（三）平台外部加强监督管理，健全法律法规
XX应该在P2P网络借贷这一领域，建立完善的审核监管体系，规范P2P网络借贷平台的运营机制，营造良好的经济环境，明确借款人、出借人和平台各自角色的权利义务，重点关注借款人的信用风险并加强监管，针对违约借款人建立健全法律法规，提高其违约成本，保障出借人的经济利益以及平台的正常运营。
致谢
大学生活匆匆流逝，在这座钟灵毓秀、虎踞龙蟠的古都里，在这所诚朴勤仁的美丽校园里，我很幸运在这四年里我收获了很多，也很感恩过去的一切使我成长，使我成熟。
感谢我的论文导师的不断鼓励和耐心指导，从大四上学期的选题、文献综述到最后的毕业论文，一路以来都给我提供了很多有效的建议和指点。在毕业论文的写作过程中，从选定步骤、确定思路、选择计量模型到最终的定稿，我的思维逻辑在一遍又一遍地修改中得到了很多的锻炼，与此同时我也接触到了很多新的知识，开拓了眼界。老师对知识的不断学习和对学术的不断追求是我最好的楷模。在此，我向老师表达深深的谢意与敬意！
感谢四年以来一直陪伴我的同学和所有教过我知识的老师们，他们让我变得更加自信。感谢我的父母和亲人对我大学学习的支持，让我更加坚定自己的目标，拥有更光明的未来！
参考文献：
[1]Meyer,T.,Heng,S.,Kaiser,S.,andWalter,N.OnlineP2PLendingNibblesatBanks’LoanBusiness[J].DeutscheBankResearch,2007.
[2]许荣，刘洋，文武健.互联网金融的潜在风险研究[J].金融监管研究，2014，（3）：40-56．
[3]谈超，王冀宁，孙本芝.P2P网络借贷平台中的逆向选择和道德风险研究[J].金融经济学研究，2014，（5）：100-108.
[4]ChaffeEC,RappGC.RegulatingOnlinePeer-to-peerLendinginTheAftermathofDodd-Frank:InSearchofAnEvolvingRegulatoryRegimeforAnEvolvingIndustry[J].WashingtonandLeeLawReview,2011,(2):485－533．
[5]GallowayI.Peer-to-peerLendingandCommunityDevelopmentFinance[J].CommunityInvestments,2009:19-23.
[6]XiaoguangW,YiC.TheRegulationStrengtheningoftheP2POnlineLendingPlatform[J].SouthChinaFinance,2011.
[7]廖理，李梦然，王正位.聪明的投资者：非完全市场化利率与风险识别—来自P2P网络借贷的证据[J].经济研究，2014，（7）：125-137．
[8]Gonzalez,LY.KLoureiro.Whencanaphotoincreasecredit?Theimpactoflenderandborrowerprofilesononlinepeer-to-peerloans[J].JournalofBehavioral&ExperimentalFinance,2014,(2):44-58.
[9]李焰，高弋君，李珍妮等.借款人描述性信息对投资人决策的影响—基于P2P网络借贷平台的分析[J].经济研究，2014，（1）：143-155．
[10]王锦虹.基于逆向选择的互联网金融P2P模式风险防范研究[J].财经问题研究，2015，（5）：61-68.
[11]DevinG.Pope,JustinR.SydnorJ.R.What’sinapicture?Evidenceofdiscriminationfromprosper[J].JournalofHumanResources,2011,(46):53-92.
[12]EunkyoungLee,ByungtaeLee,MyungsinChae.HerdingbehaviorinonlineP2Plending:anempiricalinvestigation[J].JournalElectronicCommerceResearchandApplications,2012,(5):495-503.
[13]马运全.P2P网络借贷的发展、风险与行为矫正[J].新金融，2012，（2）：46－47．
[14]陈建中，宁欣.P2P网络借贷中个人信息对借贷成功率影响的实证研究—以人人贷为例[J].财务与金融，2013，（6）：13-17.
[15]陈霄，丁晓裕，王贝芬.民间借贷逾期行为研究—基于P2P网络借贷的实证分析[J].金融论坛，2013，（11）：65-72.
[16]顾慧莹，姚铮.P2P网络借贷平台中借款人违约风险影响因素研究—以WDW为例[J].上海经济研究，2015，（11）：37-46.
[17]高健.P2P网络信贷信用风险管控研究-以人人贷为例[D].上海：华东师范大学，2015.
[18]陈裕.基于Logistic分析的P2P网络借贷借款人信用风险研究[J].价值工程，2016，（27）.
[19]张玲.基于判别分析和期望违约率方法的信用风险度量及管理研巧[D].湖南：湖南大学，2005.
[20]王小明.商业银行信用风险评级测度方法研究[J].财经研究，2005，（5）：73-82.
[21]王丹，张洪潮.P2P网贷平台信用风险评级模型构建[J].金融与理财，2016，（9）：76-80.
[22]Samuel,Ramayana,Robert.Anewparadigmforsecuresocialleading[J].NextGenerationSociety:TechnologicalandLegalIssues,2008,(26):25-29.
[23]Greiner.Theroleofsocialcapitalinpeople-to-peoplelendingmarketplaces[J].InternationalConferenceonInformationSystems,2009,(13):315-332.
[24]张正平，胡夏露.网络借贷：国际发展与中国实践[J].北京工商大学学报：社会科学版，2013，（2）：87-94.
[25]王紫薇，袁中华，钟鑫等.中国P2P网络小额信贷运营模式研巧－基于拍拍贷宜农贷的案例分析[J].新金融，2012，（2）：42-45.
下载提示：
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：写文章小能手，如若转载，请注明出处：https://www.447766.cn/chachong/1662.html,
