P2P网络借贷:传统民间借贷的线性回归
摘 要:p2p网络借贷是民间借贷利用互联网技术进行的一次信贷技术创新,它改变了民间融资市场的市场组织形式。P2P网络借贷具有四个特征:一是P2P网络借贷的技术基础是互联网技术的应用与普及;二是以小微企业为代表的弱势群体构成的长尾市场是P2P网络借贷的市场基础;三是小额借贷是P2P网络借贷的业务基础;四是信息不对称是P2P网络借贷的“遗传基因”,解决这一问题是其生存的基础。从传统民间借贷到P2P网络借贷演示着民间借贷的技术创新、制度创新和组织创新,同时随着出借人的盈利模式从“利率覆盖风险”转变到“交易流量覆盖风险”,这一过程本质上是大数据应用的过程。
关键词:P2P网络借贷;互联网技术;长尾市场;信息不对称;小额借贷
中图分类号:F832? ? ? ? 文献标志码:A? ? ? 文章编号:1673-291X(2020)01-0077-06
引言
自从我国第一家P2P网络借贷平台“拍拍贷”于2007年成立至今,民间借贷逐渐从线下转移到线上,贷款模式也从小打小闹的“游击战”逐渐发展到“大兵团作战”,网络借贷形成了起源于英国而繁盛于中国的格局。在11年的发展过程中,我国网络借贷先后经历了探索、快速扩张、野蛮生长和稳定增长四个阶段,发展的过程并不顺利,在网络借贷成交量快速攀升的过程中,问题平台也不乏其数,平台非法集资、欺诈、倒闭、跑路等市场乱象屡屡发生,这些问题严重影响了我国P2P网络借贷的可持续发展。成绩与问题并存,为此,本文拟从P2P网络借贷与传统民间借贷(2007年以前的民间借贷)的区别与联系、平台的功能定位、P2P网络借贷的“生存土壤”在哪里、P2P平台处理信息的技术优势是什么、网络借贷利率有下降的可能性吗、P2P网络借贷的未来发展“路在何方”等几个问题展开讨论。
一、互联网技术是P2P网络借贷的技术基础
以大数据为基础形成的社交网络、搜索引擎、云计算和网络移动通信技术等技术集群组合构成互联网技术。从技术发展与应用角度审视,目前互联网技术以大众手机化生存方式在中国社会生活中形成“先行者优势”,通过庞大的网民规模降低单位应用成本,且边际成本趋近0,再利用普遍流行导致的学习效应与大规模用户群体采取共享技术产生的协调效应致使它在经济活动中日益成为常态,并达到一种实现自我增强的“正反馈机制”。互联网技术以其实用性与便利性把信贷活动纳入其中,通过对小额信贷行为的“编程”,互联网技术形成了与民间借贷的“链接”,小额信贷市场随互联网技术的应用而得到了进一步的“进化”,P2P网络借贷成为金融市场关于投资者盈利机制和信贷方法创新的一种市场组织形式。当超高速计算机运用具有“4V”①特征的大数据时,相关性分析的重要性位于首位,因果分析显得不重要,行为分析的重要性不低于甚至超过财务报表分析(谢平等,2015),于是基于活性预期的企业发展潜力分析成为小微企业融资可获得性的大数据原理。P2P网络借贷运用大数据的“大众点评”原理可实现“充分统计量”的高效统计分析效果,从而确定借款人的动态违约概率,这类似于银行专业、线性的信贷评估方法。
社交网络的信息收集与揭示作用。传统民间借贷局限于亲缘、地缘与业缘等关系组成的链圈社会网络(马光荣等,2011),受空间物理距离的约束,传统民间借贷的地域性特征明显。当互联网技术进入中国社会生活后,现实中的社会关系经数字化后在网络上得以再现,网络成为人们发布、传递和共享信息的平台,一种具有自愿分享和共享机制的社交网络平台出现了(谢平等,2012)。社交网络是P2P网络借贷的重要特征之一,在金融市场内涵上,社交网络带给P2P网络借贷两个重要的市场含义:一是社交网络突破了传统人与人之间真实的面对面的社会交往方式带来的区域性限制,地不分南北,人不分老幼都集中到社交网络平台上进行交流,人与人之间的“社会资本”可以快速积聚在P2P网络借贷平台上。二是大大小小的投资者和各种各样的资金需求者可以在P2P网络借贷平台上快速进行资金匹配,资金的供给侧和资金的需求侧同时满足了大数据的“4V”特征国。这样,网络化的民间借贷充分实现了“大数法则”定律。
网络超高速计算的融资效用。现代金融业一直是计算能力的使用大户。以云计算、量子计算和生物计算为代表的高性能计算技术日益进入经济领域,及时满足了金融业基于技术进步的深度发展。例如,现代计算技术可以随时提供任何数据与交易软件、计算软件,实现风险定价与风险管理。借贷双方在P2P平台上应用各种APP来解决金额、期限与收益的匹配,这一过程同时伴随着对借款人的信用评级与违约概率的测算。以P2P平台为载体,借贷双方借助形式多样的信贷APP软件解决了过去只有金融专业人士才能完成的交易风险定价,降低了交易成本,减少了信息不对称,促成了借与贷的匹配,无形中在一个随机虚拟环境下完成了资金的时空配置,客观上形成了一个由大量应用程序组成的金融生态系统。在互联网环境下,云计算、生物計算和量子计算共同构建了网络超高速高性能计算,当这种互联网计算技术“邂逅”民间借贷时不仅创造了一种借贷行为,更重要的是对民间直接融资进行了重新“编程”,创造了一种全新的民间借贷市场——P2P网络借贷。
我国现有网民7.72亿人,①网络移动通信技术的快速发展与应用使大众手机化的生活方式与生存方式在我国得到了普及。对民间金融市场的意义表现在两个方面:一是把大量的融资者和储蓄者快速集中在P2P网络平台上,融资活动可以做到anytime(随时)、anywhere(随地)、anyhow(以任何方式)的“3A”效果,“3A”特性是民间借贷内在的本质属性。但传统民间借贷地域性约束明显,要么是熟悉的个人对个人的借贷,要么是商圈内的互相借贷,如标会。与此相比较,P2P网络借贷的资金配置效率取得了质的飞跃,借贷效率不可同日而语。二是与融资交易相匹配的资金的转移支付在高速Wi-Fi、4G网络环境下可同时实现上述融资效果的“3A”支付,整个借贷过程实现了用网络流量来表达,融资成交量与网络流量成正比,网络移动通信技术的普及应用使民间借贷在P2P网络借贷平台上一瞬间即可完成,不管是空间匹配性、融资时效性还是成交量都是传统民间借贷无法做到的。截至2016年,中国网民规模占总人口的比例达到了71%,将来随着5G网络的开发与应用可使小微企业运用P2P网络借贷成为金融市场常态。与传统民间借贷不同,P2P网络借贷可实现一对多或多对一的融资模式。例如,一个出借人可以向许多个借款人发放金额小到几十元的贷款,一个借款项目也可以得到多个投资者的投资。“拍拍贷”的数据表明,一个投资项目的平均投资人数为13.68人,投资者的平均借贷金额为70.92元/每次(谭雪晗等,2016)。传统民间借贷风险高度集中,P2P网络借贷却可以实现风险的充分分散化,不仅可以充分稀释融资者的行业相关性,而且也可以充分分散融资者的地域相关性,例如,“人人贷”的融资者来自全国34个省级行政单位(庄雷等,2016),P2P网络借贷完全做到了风险的内生与内控。技术是经济中关于机制和方法的研究,抑或是,经济是技术的一种线性表达形式,并随内嵌技术的演变而不断变化(布莱恩·阿瑟,2014)。网络移动通信技术创新了民间借贷的运作机制、盈利模式与组织形式。
二、长尾市场是P2P网络借贷的市场基础
金融市场中的“长尾市场”,是指被以银行为主导的制度金融体系遗弃的以大量小微企业为主体的弱势群体所组成的民间金融市场。P2P(Peer to Peer)是一种非常古老的人与人之间的借贷方式,在中国商周时期就已出现(刘志洋,2016),如果从技术层面来划分,以2005年(中国以2007年)为时间节点,在此之前,P2P被称为传统民间借贷;之后,P2P被称为“P2P网络借贷”,是传统民间借贷的“网络升级版”(陈霄等,2016)。严格地说,现在是P2P网络借贷与传统民间借贷并存的时代。不管是传统民间借贷还是现在的P2P网络借贷,其存在的市场基础是相同的,都是因为宏观经济中大量存在着以小微企业为代表的民营经济所构成的长尾市场。传统民间金融市场“偏态”现象严重,属于典型的“需求创造供给”。改革开放之后一直到2007年,民营经济的快速发展是我国经济增长的亮点,作为主导力量的小微企业带来了信贷市场对资金的旺盛需求,资金供给方对信贷市场的形成作用小于资金需求方,但资金供给方的作用随时间的变化越来越大。智研咨询2017年发布的报告数据显示,2007年之后,我国中产阶级数量大增。截至2015年,我国(仅指大陆)中产阶级家庭总数为1.64亿,千万高净值人群数量已达121万,大众化投资理财需求已成为金融市场常态。据国家工商总局统计,截至2017年7月底,中国小微企业名录收录的小微企业已达7 328.1万户,②这反映出资金供求双方共同作用形成了现代民间借贷市场。目前,金融市场上出现了“民间资本多、投资难,小微企业多、融资难”的“两多两难”悖论。这种现象,一方面说明P2P网络借贷在整个民间借贷市场中所占的比例有限,P2P网络借贷发挥小微企业的融资“活性”还有很大的提升空间;另一方面说明还有大量的借贷双方游离于P2P网络借贷模式之外,借贷双方还在采用传统的民间借贷形式。传统民间借贷与P2P网络借贷二者市场的生成逻辑迥异,我们知道,单个出借人的收益等于出借金额乘以借贷利率,小额借贷是民间借贷的基本业务形态,当出借金额较小时,唯有借贷利率较高收益才会是一个相对较大的值,与银行借贷利率比较,传统民间借贷利率居高不下就成了民间金融市场的常态(胡春生,2015),当然其中包含有风险溢价的原因。因信息难题,传统民间借贷受到“授信距离”(Hotelling,1929)的严重约束,表现在违约风险概率与空间授信距离存在正相关关系(Agarwal et al.,2007),传统民间借贷局限在特定的地域范围内。传统民间借贷具有两个特点:一是借贷行为具有明显的区域性特征,借贷只为特定地域内的小微企业服务;二是出借人的盈利机制是一种“利率覆盖风险”的决策机制。
在P2P网络借贷环境下,小微企业是民间借贷市场融资需求的长尾群体,从价值链生成角度看,这种“长尾”市场的形成是由生产者(资金供给者)驱动和消费者(资金需求者,即小微企业)驱动共同作用形成的,首先,从供给侧来看,大众化的投资理财需求带来了民间借贷市场资金供给的多样性和资金数量的大数化,作为消费者的小微企业在信贷市场进行信贷匹配具有了无限选择的可能性,这是民间借贷市场需求曲线形成的基础。从需求侧来看,长尾市场的诞生依赖于小微企业对成千上万个信贷利基产品的消费。谭雪晗等(2016)以“拍拍贷”网站上的散标借贷信息为样本,通过分析发展,一个投资项目对应多个出借人,融资项目平均的出借人数为13.68人。当然,这需要解决资金供给多样性与小微企业融资的个性化需求的匹配性问题。小微企业的异质性特征导致各自的融资需求个性化特征明显,于是大量相互独立的小微企业综合影响形成市场许多随机的信贷需求,而其中每一个企业的融资需求在信贷市场整体中所起的作用都是微小的,这种融资的随机需求往往服从正态分布,从而满足中心极限定理的客观背景。这是P2P网络借贷的概率论基础,表明网络借贷的动态违约概率具有稳定性而且可控,从而也说明P2P网络借贷可以实现“大数法则”定律:从整个市场来看,成交笔数(一个极大的数)乘以小笔金额乘以贷款利率,可以等于一个相对较大的借款总收益。P2P网络借贷突破了信贷活动的区域限制,信贷客户规模可以实现无限大,且贷款风险与行业风险、区域性风险高度分散,所以可以保证其中坏客户只占客户总量一个相当小的规模,信贷正常的回款状况完全可以覆盖坏账损失(蔡闽,2016),这就是P2P网络借贷的“交易量覆盖风险”的盈利机制。同时这也为民间借贷从“利率覆盖风险”的定价机制向“交易量覆盖风险”的定价机制转变创造了可行性,即在P2P网络借贷环境下贷款高利率的下降具有了理论上和现实上的可能性。
三、小额借贷是P2P网络借贷的业务基础
小额借贷是民间借贷的基本业务形态,以互联网技术创新驱动的P2P网络借贷可以以低成本和高效率的形式服务于实体经济(郭田勇,2016),为实现小微企业的“发展权”提供资金支持。P2P网络借贷用互联网技术可以很好地预测借款人的违约概率,在“大数法则”定律指导下进行投资决策能够控制整体的损失规模,民间借贷完全实现了“小额、简单、分散”的投融资效果。在没有改变传统民间金融本质的前提下,P2P网络借贷利用技术进步改变了民间借贷的服务模式,颠覆了存在几千年的民间金融商业模式,实现了传统金融回归服务实体经济的“初心”。P2P网络借贷的借款需求以小额贷款为主要形式,据“人人贷”的数据分析,小微企业的借款金额为3 000元~50万元(庄雷等,2016);《中国P2P借贷服务行业白皮书2014》中数据显示,网络借贷平均满标时间为6.22小时,借款金额位于1万~10万元区间段占比为80%(王馨,2015),信贷活动充分展示了“小额、适时”的特征,小微企业资金多层次需求也显示出来了,但传统民间借贷却無法满足客户需求这样广泛的多层次性。因此,P2P网络借贷不仅继承了传统民间借贷良好的活性服务“基因”,还通过互联网技术创新扩大了客户覆盖面,是对以银行为主导的制度金融体系的间接融资渠道的有益补充。
从需求侧来看,现在信贷企业来自各行各业且分布在全国34个省级行政单位,“拍拍贷”的数据显示,每个借款项目的投资者人数平均为13.68人,投资者平均借出金额为70.92元/每次,这种“小额、分散”的信贷模式,不仅使融资交易量实现规模经济效益,而且使信贷风险“充分”分散化,可实现信贷风险的内生化与内控化,极大地降低了金融市场的风险。从供给侧来看,大众化、平民化的投资理财需求旺盛。智研咨询发布的数据显示,2015年我国亿元高净值人口为7.8万人,高净值人群总资产达到60.5万亿元,其中家庭可支配收入平均为255万元,家庭年可支配收入总量为3万亿元。从整体来看,我国人均GDP正在跨越5 000美元的门槛值。供给资金来源广泛和客户需求广泛通过P2P平台实现了无缝对接,表明民间网络借贷具有夯实的市场基础。
“小额、分散、适时”是民间借贷的基本特征,是传统民间借贷和P2P网络借贷的“共性”。“分散”两字的含意深远,二者迥然相异,传统民间借贷的分散仅指借贷行为在物理空间上的分散化,而P2P网络借贷的分散既指资金投向的分散化,也指借款人借款金额组成的分散化,是小额借贷产生的原因,在本质上,“分散”本身就含有“小额”的含意。当共享平台出现后,民间借贷就形成了规模经济效应,表现在三个方面:一是信息处理成本的规模经济,用大数据对借贷信息进行规模化处理,大大降低了单位信息的处理成本,此时融资信息生成“市场语言”,进而形成了市场的“生成语言学”,①通过出借人的“经典条件反射”引致借款人的“操作性条件反射”,使民间金融市场有序、顺畅的运行。二是“小额、分散”的融资模式极大地分散了投资风险,使投资风险内生化,稳定了市场秩序。三是平台小额借贷改变了出借人的盈利模式。传统民间借贷的盈利模式走的是一条“利率覆盖风险”的道路,价格成为出借人盈利的决定性因素,这种模式极易造成风险大量集聚在某一个市场点上,容易诱发信贷市场的多米诺骨牌效应。与此不同,P2P网络借贷走的是一条“交易流量覆盖风险”的模式,通过资金分散,风险内控,使投融资满足大数法则,主观构造中心极限定理,可以较好地评估借款人的动态违约概率,给民间借贷降低利率带来了技术上的可行性。从发展的趋势来看,P2P网络借贷具有有利于借款人的利率生成优势。
四、解决信息不对称是P2P网络借贷的生存基础
信息处理是金融市场的核心问题,构成资金匹配的先决条件。信息的生产与处理方式的差异是P2P网络借贷与传统民间借贷的本质区别。现代信息技术的发展与系统化使大数据成为了现实的可能,不过大数据的发展动力却是来自于人们记录、测量与分析世界的现实需求,建立在相关关系分析法基础上的行为预测是大数据在金融市场上的使用价值。例如,以单日用户数超过10亿的Facebook社交图谱为依据的研究显示,同一朋友圈内的个人与个人之间会偿还债务的可能性呈正相关(维克托·迈尔—舍恩伯格等,2013)。这表明,Facebook具有信用评分系统的功能,这可能是群组效应对金融市场的经济意义在线上的再现。P2P平台不仅具有融资功能,同时也可看作一个“社交网络服务网站”,上面被数字化的信息如果利用智能化的大数据分析工具进行分析就能准确地评估小微企业的信用资质与盈利前景,进而进一步确定借款人的动态违约概率,这是融资交易和信贷风险定价的信息基础。
民间借贷市场的“长尾”特征不仅充满着旺盛的信贷信号,也充斥着众多的市场“噪声”,大量小微企业良莠不齊,构成了民间借贷市场需求个性化特征显著,小微企业“族谱”中发展可行能力千差万别,这些不规则的“非结构性数据”却是信贷信息宝库,传统民间借贷方法无法处理这些信息。在P2P平台上,投资人利用具有“信息处理引擎”功能的搜索引擎可以对大量相关信息进行“清洗”,并对企业的发展可行能力进行排序,最终确定可以投资的有发展潜力的对象企业。出借人可以利用借款人手机的使用情况、电子商务购物行为甚至是借款人的位置数据等种种信息进行投资决策(廖理等,2017)。例如,出借人可以利用借款人在百度、腾讯、阿里巴巴、京东、当当网等社交平台的信誉度为依据开展借贷业务,这些大数据环境下的“隐藏”信息通过网络的高性能计算可以让私人信息显性化、价值化,大数据创造了一条建立借贷双方信任机制的路径。P2P平台在互联网技术的作用下把传统民间借贷单一、分散的借贷活动统一集中到平台上进行处理,不仅降低了信息处理成本,大范围解决了信息不对称问题,降低了交易成本,更重要的是创造了规模经济效应与范围经济效应。在大范围物理空间范围内,在广泛的行业序列内,P2P平台实现了大量批发式的投融资活动,正是因为有着信息处理优势,从2007年我国成立第一家P2P网络借贷平台“拍拍贷”以来,P2P网络借贷取得了蓬勃发展。根据“第一网贷”的数据,2017年我国P2P网络借贷成交额38 952.35亿元,历史累计成交额83 313.88亿元,日均成交额106.72亿元,日均参与人数68.21万人,平均综合年利率8.57%,平均期限8.19月。从以上数据可以发现,一是平均综合年利率远远低于传统民间借贷,说明平台的信息处理优势正在发挥作用;二是显示出民间借贷“短、平、快”的传统特点。截至2017年末,我国有1 410家P2P网络借贷机构(不含90家问题平台),P2P网络借贷历年出现的“快、偏、乱”三大乱象已经得到了根本性好转。目前,P2P网络借贷已进入有限理性发展时期,P2P网络借贷机构已开始成群结队发行IPO,成功登陆资本市场。以上数据证明,P2P网络借贷在我国的快速发展充分显示了民间借贷的融资活性在线上得以再现。
平台匹配算法是P2P网络借贷解决信息不对称的路径。互联网时代是用数字表征信息特点的时代,大数据是信息时代发展的高级阶段,与传统经济理论中土地、资本、劳动力一样,大数据成为一种新的生产要素,P2P网络借贷市场上千千万万的数据隐藏着大量的信用信息,平台算法是挖掘这些信用信息的技术手段,大规模信息匹配的算法通过对资金供求双方信息的精准匹配产生了巨量交易,这是P2P网络借贷盈利模式产生的原理。P2P平台的魅力在于凝聚民间借贷市场上过于零散的资金供给,将传统民间借贷重构成以平台为载体的“环形链条”,于是平台将本来零散的民间借贷链条弯曲成环形,借款人通过平台直接触及出借人,节省的中间环节提高了融资效率。大量借与贷信息汇集于平台之后,信息不对称问题P2P网络借贷远比传统民间借贷复杂得多,这需要用大数据处理“大数据问题”,于是算法技术和“算法经济学”就横空出世了。例如,利用LightGBM①机器学习方法对P2P网络借贷项目进行信用评级,预测项目的动态违约率。如果美国最大的P2P平台Lending Club自2007年成立以来使用LightGBM算法进行信贷审核,可避免总计1.17亿美元的投资损失(马晓君等,2018)。在大数据环境下,P2P网络借贷需要解决异质的资金供求双方信息的精准匹配,这是信息不对称问题的内涵,其中关键的问题是如何处理借款人的动态违约概率。
一般而言,传统民间借贷的信息广泛散布于小区域、小范围的个体之中,交易双方的行为集是离散的,信息处理成本不具有规模经济效应,出借人不存在满足贝叶斯学习法则的市场基础,当民间融资市场中形形色色参与者的分散信息通过平台有效汇聚之后,与传统民间借贷相比较,P2P网络借贷具有本质上的优越性,一种无空间距离约束、无行业边界约束的爆发式成长的市场生成机制借助于平台自生成了,资金的敏捷的供与需使借款人个性化需求得到满足,出借人小批量零售式资金供给特征显著,在这一点上借贷双方都存在着反规模经济效应。不过,出借人可实现弹性供给,平台对借款人能实现以动态违约概率为内容的“用户画像”。此时,规模经济效益体现在平台上大规模供需信息精准匹配所带来的巨量交易。与此同时,利率生成机制也从传统的出借人定价转移到借贷双方在平台上“协商”定价。于是,市场分散决策机制向平台集中决策机制的转化形成了由市场微观结构决定信息聚集性质的市场逻辑。
五、结论与启示
线下民间借贷在向P2P网络借贷回归的过程中,其“随机误差项”可由技术创新、制度创新和组织创新三个方面得到解释,三者的“混合解”形成了P2P网络借贷。P2P网络借贷经历了2014—2016年的野蛮成长期,先后经历了e租宝、上海“大大”、上海快鹿、中晋系、融宜宝等成长过程中的“烦恼”。我国P2P网络借贷在发展中的乱象主要是由平台的融资市场属性偏离所导致的,之前“信用平台”的定位是市场乱象产生的主要原因,这是“制度滞后”带来的市场乱象。当平台从“信用中介”转变为“信息中介”后,我国P2P网络借贷进入了稳定发展期。P2P网络借贷的未来发展首先应厘清平台的信息中介功能定位:平台是一种为交易而存在的纯粹的信息中介,平台不参与投融资交易,借款人在平台上发布借款信息,出借人根据所掌握的信息决定投资决策;平台可对借款人进行信用评级,为借贷双方提供信息咨询,制定借贷方案等服务,收取合理比例的成交服务费(俞林等,2016);平台不得提供信用担保,不得非法集资形成资金池。
P2P网络借贷“大众化、平民化”特征显著,大多数出借人不具备投资的专业素养,目前应采用固定利率制较为合适,由较为专业的平台对借款人进行信用评级,进而对借款进行定价,这会使网贷利率更加科学化、专业化。同时以平台为载体,对出借人进行投资理财方面的培训,提高他们的投资能力,缓解他们在网络匿名交易中的不利局势,为未来P2P网络借贷定价机制由固定利率制向利率竞拍模式转化创造技术条件和市场条件。这两种利率定价机制对P2P网络借贷的市场涵义不一样,固定利率模式下的利率度量的是平台对借款人违约风险的科学量化,是“大数法则”定律作用下一种“抽象”的利率;利率竞拍模式下的利率反映了投资者对借款标的的市场评价(彭红枫等,2016),忠实地反映出金融市场对资金的供求关系。两种利率所包含的市场信息迥然不同,利率竞拍模式可以形成一种有效的风险甄别、定价与防控机制,这为我国利率市场化创造了一条民间路径。
互联网技术可以收集、储存、处理海量的借款人信息,在大数据环境下挖掘这些潜在的新信息价值是未来一个重要的研究方向。从本源上来说,P2P网络借贷是一种基于大量信息处理的信用活动,目前网络借贷存在利率偏高且借款人对利率弹性不敏感,说明“信息障碍”问题充斥着整个网络借贷市场,如何减少信息不对称问题是网络借贷需要解决的核心问题。为此,笔者提出以下建议:第一,P2P网络借贷积极引入民间第三方个人征信机制,平台提供借贷双方准确的信息,做到借款信息专业化,建立一种有效的基于信用利差的利率定价机制。2018年2月,百行征信有限公司获得中国人民银行颁发的首张个人征信牌照,标志着民间第三方个人征信机制已开始在网络借贷市场上出现。第二,建立长效的网络借贷信息披露制度,平台通过建立在线论坛、微信圈等渠道及时公布各类信息,有效保障投资者的知情权。第三,利用大数据建立全国共享的借贷负面清单数据库,建立健全借款人失信记录制度。
参考文献:
[1]? 马光荣,杨恩艳.社会网络、非正规金融与就业[J].经济研究,2011,(3):83-93.
[2]? 谢平,邹传伟,刘海二.互联网金融的基础理论[J].金融研究,2015,(8):1-10.
[3]? 谢平,邹传伟.互联网金融模式研究[J].金融研究,2012,(12):11-22.
[4]? 蔡闽.流量覆盖风险——网络小额信贷风险控制新思路[J].金融研究,2016,(9):131-143.
[5]? 王馨.互联网金融助解“长尾”小微企业融资难问题研究[J].金融研究,2015,(9):128-138.
[6]? 彭红枫,赵海燕,周洋.借款陈述会影响借款成本和借款成功率吗?[J].金融研究,2016,(4):158-171.
[7]? 陈霄,叶德珠.中国P2P网络借贷利率波动研究[J].国际金融研究,2016,(1):83-94.
[8]? 马晓君,沙靖嵐,牛雪琪.基于LightGBM算法的P2P项目信用评级模型的设计及应用[J].数量经济技术经济研究,2018,(5):144-160.
[9]? 刘志洋.历史私人借贷利率与P2P平台贷款利率高低比较研究及启示[J].江淮论坛,2016,(2):70-74.
[10]? 谭雪晗,涂艳.基于社会网络分析的P2P网络借贷行为模式研究[J].金融发展研究,2016,(12):21-26.
[11]? 庄雷,赵天骄,黄玲.小微企业网络融资机制效率分析[J].贵州财经大学学报,2016,(2):26-33.
[12]? 郭田勇.未来的金融形态:继承、突破与创新[J].学术前沿,2016,(10):39-42.
[13]? 俞林,康灿华,王龙.互联网金融监管博弈研究:以P2P网贷模式为例[J].南开经济评论,2016,(2):5-11.
[14]? 廖理,张伟强.P2P网络借贷实证研究:一个文献综述[J].清华大学学报:哲学社会科学版,2017,(2):2-10.
[15]? 胡春生.利率弹性与信息特征:民间金融与制度金融市场分析[J].江西社会科学,2015,(3):49-54.
[16]? 布莱恩·阿瑟.技术的本质:中译本[M].杭州:浙江人民出版社,2014:211-224.
[17]? 维克托·迈尔—舍恩伯格,肯尼思·库克耶.大数据时代(中译本)[M].杭州:浙江人民出版社,2013:75-120.
[18]? Agarwal S.and R.Hauswald.Distance and Information Asynmetries in Lending[C].Proceedings,2007:183-204.
[19]? Hotelling H.Stability in Competition[J].Economic Journal,1929,(3):41-45.