| 标题 | 示范或挤出效应：互联网金融平台效率的实证研究 |
| 范文 | 庄雷 赵成国 内容提要：互联网金融通过技术溢出效应，显著提升了中国商业银行的全要素生产率。基于网络经济的特性，本文利用双边市场理论分析互联网金融模式的资源配置机制，比较传统金融机构与互联网金融平台两种中介模式的融资效率；通过收集2013年10月到2016年2月两百多家网络借贷平台的数据，从成交规模、成交用时和成交风险质量来实证检验网络借贷平台的资源配置效率。实证结果表明投资者方的挤出效应明显，借款者方的示范效应明显。因此，应统一互联网金融平台的信息披露标准，有序引导互联网金融的合理竞争并加强平台的综合监管。 关键词：互联网金融；网络效应；平台效率；风险监管 中图分类号：F8324 文献标识码：A 文章编号：1001-148X（2017）09-0080-08 收稿日期：2017-03-16 作者简介：庄雷（1988-），男，江苏溧阳人，南京工业大学经济与管理学院讲师，经济学博士，研究方向：互联网金融；赵成国（1970-），男，安徽繁昌人，南京工业大学经济与管理学院教授，管理学博士，研究方向：互联网金融。 基金项目：国家社会科学基金一般项目，项目编号：15BJY160；江苏省软科学项目，项目编号BR2015056；江苏省社科应用研究项目，项目编号：17SYC-029。 网络环境下的金融服务需求催生了互联网金融的出现，互联网金融一开始是企业依托其所培育的电子商务（或社交媒体）等商业网络，为其客户所提供的一种自然的附加金融服务[1]。由于“赢者通吃”的网络效应，使得很多互联网企业及传统金融机构不得不涉足互联网金融服务业。互联网金融与传统金融的区别，不仅在于信息技术所带来的交易处理效率的提高，而在于形成了互联网平台为核心的金融中介模式[2]。借助互联网的虚实情景结合来创造、培育和利用网络效应[3]，是互联网行业（包括互联网金融）与大多数普通行业的一大区别。此外，以互联网平台为核心的互联网金融模式与以金融机构为核心的传统金融模式在融资效率存在着差异。相关实证研究发现互联网金融通过技术溢出效应，显著提升了中国商业银行的全要素生产率，且不同类型商业银行对互联网金融技术溢出的吸收能力具有差异[4]。因此，从平台角度来分析互联网金融的资源配置机制，检验新兴金融模式的效率具有较高的理论价值和实践意义。 一、理论分析与研究假设 （一）理论分析 以互联网平台为中介是互联网金融模式的基本特征[5]，价格机制（即融资成本）是衡量资源配置的重要指标。网络借贷（即债权型众筹）发展的时间较长，网络借贷中经过市场竞争而形成有效的资金价格机制和数据，达到了金融资源配置效率检验的要求，理论和实证研究具有较高的可行性。从平台角度分析网络借贷的运行机制和融资效率是研究互联网金融的资源配置一个较为合理的视角。目前网络借贷市场上的利率形成机制主要有竞价模式和指导价格模式两种，由于竞价利率模式中的借款利率存在较大的不确定性，借款者和投资者因投标过程的不确定性而更需谨慎行事而使得交易效率下降[6]，因此，很多互联网金融网站更愿意采用交易效率更高的指导利率模式。目前，中国大部分网络借贷平台采用指导利率模式，即发布借款时已预设了一个利率水平。因此，从平台角度分析指导利率条件下互联网金融的运行机制和融资效率。 根据互联网金融平台的理论[7]分析，可以得出互联网金融平台的定价理论模型[8]，由平台角度分析互联网金融的资源配置的理论，以及网络借贷平臺的定价模型可知，互联网金融平台的资源配置表现可以通过利率水平、投资人数、借款人数等指标来衡量[9]网络借贷的现实发展情况，网络借贷平台的融资效率模型可以表示为： rzli=f（pjli，tzri，jkri，Xi） 其中，rzl表示网络借贷的融资效率，pjl表示网络借贷的成交价格，tzr表示网络借贷的资金供给者（投资人数）用户规模，jkr表示网络借贷的资金需求者（借款人数）的规模，X表示其他控制变量（包括借款期限、平台风险等）。 由理论模型进一步分析，rzlpjl>0表明网络借贷中存在逐高收益效应，属于资金供不应求，rzlpjl<0表明网络借贷存在逐低风险效应，属于资金供过于求；rzltzr>0表明网络借贷中投资者存在示范（或称互补）效应，rzltzr<0表明网络借贷中投资者存在挤出（或称互斥）效应；rzljkr>0表明网络借贷中借款者存在示范效应，rzljkr<0表明网络借贷中借款者存在挤出效应。 （二）研究假设 网络借贷平台本质上是一种信息中介服务机构，p2p网贷就是借助网络借贷平台发布借款者“硬信息”与“软信息”来吸引投资者投资实现资金供需匹配[10-11]。在P2P网络借贷中，借款者通过网络平台中介向投资者发出借款要约邀请，投资者可以接受邀请进行投标或者无视，这个资金供需匹配的过程不断持续直至均衡。金融匹配过程中交易成本和信任起着重要作用。交易主体的异质性和信息不对称是借贷市场匹配的核心，借贷双方在其参与约束条件下，根据自身及对方的特征进行分类排序，从而形成具有不同特征的借款者与投资者之间的匹配。P2P网络借贷平台中，借款者根据自身特征、信息禀赋等发布不同利率、金额、期限的借款列表，投资者根据自身流动性、风险考虑以及信息的掌握情况[12]，有序地选择合适的借款列表进行投标，从而形成具有不同特征的借款者与投资者之间的资金匹配[13]。 合理的P2P网络借贷匹配机制可以提高金融资源配置效率。P2P网络借贷中投资者通过对借款者的“硬信息”和“软信息”的双重考察，判断借款者的质量，找到合适的借款标的进行投资，从而实现双方资金供需的有效匹配[14]。在这一过程中，投资者的选择行为存在异质性，不同的投标人的投标策略也会随着时间及投标人的经验而发生变化[15]，借款者参与投标的频率越高，与投资者之间的互动越多，越容易吸引投资者参与投标[16]，效率越高。 在P2P网络借贷平台中，借款者和投资者需求互补，两边市场用户相互依赖，存在正的交叉网络外部性[17]。此外，同一边用户中存在着直接网络外部性，同边用户（即借款者或者投资者）通过自身的家庭和社会网络相互影响，吸引其他用户加入平台。直接网络外部性的正负取决于同一边用户集聚示范效应（互补效应）与挤出效应（互斥效应）的比较。通常情况下，投资者数量越多，借款标的越容易满标，成交速度的提高，投资者自身效用也会增加，同边的示范效应较大；由于网络空间的同边服务的边际成本比较低（增加一个用户对网络的服务成本没有太大影响）以及居民储蓄较多投资需求旺盛，经过很多平台审核的借款标的很快被投资者抢完，借款者同边挤出效应较少，反而由于借款者之间的集聚示范效应较大，使得借款者直接网络外部性可能为正[18]。综上，得出如下假设： H1：网络借贷的资源配置效率的提高在利率水平方面表现为市场的风险溢价逐步下降，即利率水平下降。具体来说，平台的成交规模与利率水平呈负相关，说明随着网络借贷利率下降，网贷市场规模越大。而成交效率与利率水平呈正相关，表现为平台的成交用时与利率水平呈负相关①。 H2：网络借贷的资源配置效率的提高在用户参与方面表现为投资者和借款者之间的网络效应。具体说，平台的成交规模与投资者和借款者呈正相关，说明随着网络借贷利率下降，网贷市场规模越大。而平台的成交效率与投资者人和借款者之间的关系主要存在示范效应和挤出效应两种，表现形式取决于发展阶段的主效应作用。 H3：网络借贷的资源配置效率的提高在风险能力方面表现为网络借贷成交借款的质量的越来越好，越来越多的人愿意进行长期借贷，网贷平台的风险抵抗能力增强。 二、数据与变量说明 根据互联网金融资源配置的理论分析、P2P网络借贷行业的发展现状以及信息披露情况，本文选择了网络借贷的成交量、成交的利率水平、投资人数、借款人數等指标来实证研究（见表1）。 采用数据抓取的方法收集2013年10月到2016年2月网贷之家及相关P2P网络借贷网站的226家平台的月度交易数据。从2013年10月到2016年2月选取的样本结果可以看出，每个网络借贷平台的月平均成交量为149646万元，平均年化利率为1668%，投资人数月平均为4080人，借款人数月平均为1139人，人均投资金额为2800元，人均借款金额146703元，平均借款期限为47月，平台的资金杠杆平均为2946倍，、借款成交标数月平均为861316个，网贷成交时间平均为2065小时，网贷平台运营时间平均为1911月。 三、实证结果分析 （一）借贷市场配置的现状分析 传统银行贷款仍然是融资贡献最大的主体，但对于部分无担保的资金短缺者，银行无法解决其需求，并且民间借贷成本过高风险较大，金融互联网化的发展为这部分融资难群体提供了融资可得的机会，甚至可以降低融资成本。2016年首次发布的融资维度的中国金融互联网指数②为1085，这表明现阶段网络贷款已经给资金需求者带来了积极影响，金融互联网化的成效已初步体现。易得指数为1272，表明金融互联网化最突出的贡献在于使融资需求者可以更容易、更便利、更简单地获得贷款资源。但得益指数为964，表明网络贷款成本高于线下贷款。而可得指数只有865，表明网络贷款在贷款资源供应方中仍然不是主力，网络贷款的普及性不如线下贷款。尽管网络借贷利率仍高于银行贷款，但对于融资难群体而言，金融互联网化的发展无疑使他们的融资受益。 （二）网络借贷配置的规模效应检验 市场规模是衡量互联网金融资源配置效率的基础，本部分从网络借贷的成交规模角度来检验网络借贷的资源配置效率。分别采用最小二乘法（包括两阶段二乘法、广义矩估计）、静态面板回归法以及动态面板回归法等模型和方法来估计网络借贷成交规模效应的影响因素，以归纳网络借贷市场发展规律。具体来说，第一列是最小二乘回归模型估计结果，第二列是固定效应面板回归模型估计结果，第三、四列是加入交叉项的固定效应回归模型估计结果，第五列是动态面板回归模型估计结果。 网络借贷的成交规模效应的回归结果（表2）显示，网贷借贷的成交量与利率水平、借款期限呈负相关，而与投资人数、借款人数、运营时间呈正相关关系。 1.利率水平对平台成交规模的结果分析。实证模型的结果显示，网络借贷的成交规模与平台利率水平呈负相关，即平台利率水平越低，平台的成交量越高。说明目前网络借贷利率水平下降，反映了网络借贷整体风险溢价的下降，网络借贷逐步进入有序发展阶段，成交利率的下降有助于对网络借贷的成交规模的扩大，使之成为传统金融渠道的有益补充。 2.投资人数和借款人数对平台成交规模的结果分析。五个模型的结果均表示，网络借贷的成交规模与投资者人数、借款者人数呈显著的正相关。这符合网络借贷中投资者和借款者的参与人气越高，越有利于成交规模的扩大。反映了随着网络借贷中参与人气的越来越高，成交规模效应越来越明显。 3.平台运营时间对成交规模的结果分析。五个结果均显示，平台的成交规模与运营时间呈显著的正相关，说明平台成立时间越长，网络借贷成交规模量越大。反映了随着网络借贷的逐渐发展，这一借贷模式逐渐被大家认可，网络平台的运营也逐渐走向正规化，网络成交规模效应的显现，成为解决小微企业融资难的一种有效模式。 4.从其他控制变量的影响结果显示，平台成交规模与借款期限呈负相关，说明网络借贷的借款期限越长，反而不利于成交规模的快速扩大，说明目前投融资者进行网络借贷较多的是短期借款，长期借款并不多，反映投资者和借款者偏好的同时，更说明了网络借贷的潜在风险较大，大家并未看好网络借贷的长期发展。平台的成交规模与资金杠杆呈正相关，说明平台的资金杠杆越高，平台的成交规模越大。 5.引入平台类型和平台保障方式两个变量进行稳健检验，发现网络借贷成交规模的检验结果与前面是一致的。此外，加入平台的利率和平台的类型的交叉项来看，考虑融资成本后，平台的类型在网络借贷成交规模中发挥显著的正向作用。加入平台的利率和平台保障方式的交叉项，考虑平台融资成本，平台采取的保障方式对网络借贷的成交规模具有显著的正向影响，即网络借贷提供的保障越高，越有助于成交规模的扩大。 总体来说，目前网络借贷平台的成交规模效应逐渐扩大，各种影响因素在成交规模效应中发挥积极的作用，网络借贷成为解决小微企业融资难的一种有效模式，使之成为传统金融渠道的有益补充。 （三）网络借贷配置的成交效率检验 市场规模是衡量互联网金融资源配置的基础，而市场成交效率是衡量互联网金融资源配置效率的关键。本部分从网络借贷的成交用时角度深入分析考虑网络借贷融资成交的微观效率，实证检验网络借贷的匹配效率影响机制。 网络借贷成交效率的实证结果（见表3）分析，可以看出网络借贷平台成交用时与利率水平、借款人数、运营时间呈负相关，而与投资者人数、借款期限等呈正相关。 1.利率角度对平台成交效率的结果分析。四个模型的结果均显示，网络借贷的满标时间与平台利率水平呈显著的负相关，反映了在控制其他条件不变下网络借贷市场上的利率越高，成交的用时越少。说明了平台利率水平对网络借贷的成交用时具有显著的负向影响，也就是说平台利率水平对平台成交速度具有显著的正向影响。在平台风险类似的情况下，目前我国居民储蓄过多，而居民投资渠道较少，利率水平与成交效率呈正相关，利率水平越高，成交效率越高。 2.投资者人数和借款人数对平台成交效率的结果分析。五个模型的结果均表示，网络借贷的成交用时与投资者人数呈显著的正相关，投资者人数越多，成交用时越多，成交效率越低，投资者间的挤出效应明显。而网络借贷的成交用时与借款者人数呈显著的负相关，借款者人数越多，成交用时越少，成交效率越高，借款者间的示范效应明显。说明投资者和借款者组内的外部性差异存在较大的差异，投资者组内网络外部性的效应没有发生作用。 3.运营时间对平台成交效率的结果分析。五个模型的结果均表示，网络借贷的成交用时与平台的运营时间呈显著的负相关，平台运营的时间越长，成交用時越少，成交效率越高。反映了网络借贷的逐渐发展，网络平台的运营也逐渐走向正规化，融资效率逐渐提高。 4.一些控制变量的影响结果显示，平台的成交时间与借款期限呈负相关，说明网络借贷的借款期限越长，借款成交时间越长，平台的成交效率越低。反映了参与者对网络借贷中的长期借款更加谨慎。平台的成交用时与资金杠杆呈负相关，说明平台的资金杠杆越高，平台的成交用时越少，成交效率越高。 5.引入平台类型和平台保障方式两个变量进行稳健检验，发现网络借贷成交效率的检验结果与前面是一致的。此外，加入平台的利率和平台的类型的交叉项来看，考虑融资成本后，平台的类型在网络借贷成交效率中发挥显著的正向作用，即网络借贷平台的背景越好，成交效率越高。而加入平台的利率和平台保障方式的交叉项，考虑平台融资成本，平台采取的保障方式对网络借贷的成交效率并没有显著的影响。 总体来说，目前网络借贷平台的成交速度有所提高，但是网络平台本身的网络效应没有充分发挥，反映了大多数网络借贷平台并没有突破临界规模，来充分发挥网络自身的正反馈效应，这也解释了为什么大量P2P网络借贷平台（排除一些恶意欺诈的平台）的倒闭。 （四）网络借贷配置的风险能力检验 考虑网络借贷中有些借款是为了刷信用、虚造成交量等而进行短期借贷，这将影响网络借贷的真实成交效率。进一步考虑网络借贷成交的期限错配等风险，引入时间加权成交量③这个指标来分析平台成交效率背后的抗风险能力，也有助于测度网络借贷的真实成交效率。时间加权成交量反映网贷平台的借款质量水平，时间加权成交量越大，流动性风险越小。因此，采用同上的方法进行估计。 网络借贷的成交效率风险（即抵抗风险能力）的实证结果（见表4）分析，网贷平台的时间加权成交量与利率水平呈负相关，而与投资者人数、借款人数、借款期限、运营时间呈正相关。 1.利率水平对网络借贷成交效率风险的结果分析。模型结果显示，借款订单的时间加权成交量与平台利率水平呈显著的负相关，网络借贷市场利率越低，加权时间成交量越多，反映了在控制其他条件不变下网络借贷市场上的利率越低，平台的流动性压力越小，短期内的风险越低。说明利率越高，时间加权成交量越少，真实优质借款的成交越少，平台成交效率风险越高。考虑平台借款的时间风险价值因素，利率水平对成交效率风险呈正相关，利率水平越低，成交借款质量越好，成交效率风险也较低。 2.投资人数和借款人数对平台成交效率风险的结果分析。五个模型的结果均表示，借款订单的时间加权成交量与投资人数和借款人数具有显著的正向关系，即投资者和借款者人数越多，加权时间成交量越多，流动性压力越小，平台的风险越低。说明在控制其他条件（包括利率）下，投资者和借款者人气越高，成交的借款质量越好，成交效率风险越低。总之，网络借贷人气越旺，名义和真实的成交效率越高，而且投资方和借款方的网络效应已有所显现。 3.运营时间对平台成交效率风险的结果分析。五个模型的结果均表示，借款订单的时间加权成交量与平台的运营时间呈显著的正相关，即随着运营时间的增加，加权时间成交量越多，说明随着网络借贷的发展，平台的期限较长贷款成交量越多，流动性风险越低。从资金杠杆角度的影响结果显示，平台的加权时间成交量与资金杠杆呈正相关，说明平台的资金杠杆越高，平台的加权时间成交量越多，两者结合来看网络借贷的越来越规范，成交风险也逐步降低。 4.引入平台类型和平台保障方式两个变量进行稳健检验，发现网络借贷成交效率风险的检验结果与前面是一致的。此外，加入平台的利率和平台的类型的交叉项来看，考虑融资成本后，平台的类型在网络借贷成交效率风险中没有显著的影响。而加入平台的利率和平台保障方式的交叉项，考虑平台融资成本，平台采取的保障方式对网络借贷的成交效率风险具有显著的正向影响，说明网络借贷平台提供的保障水平越高，成交的借款其抗风险能力水平越高。 总体来说，目前网络借贷平台的成交贷款质量有所提高，越来越多人接受期限较长的贷款，这说明用户逐步看好网络借贷这一互联网金融方式。网络借贷中的长期贷款比例的上升，有助于提高整个行业的期限错配，降低整个行业的流动性风险，提升整个行业的抗风险能力。 四、稳健性检验 有部分为了非法集资或者金融诈骗成立的网络借贷平台，伪造数据欺骗投资者，网站存续时间较短，为了检验实证结果的真实性，本文选择成立时间在一年以上的约95家网站平台进行稳健性检验。网络借贷的成交效率是网络借贷资源配置效率的关键，这里主要展示网络借贷成交效率的稳健性结果。 网络借贷成交效率的稳健性检验结果表明，网络借贷平台成交用时依然与利率水平、借款人数、运营时间等呈负相关，而与投资者人数、借款期限等呈正相关关系。说明随着网络借贷逐步发展，网络借贷的利率水平下降，网络借贷的成交效率逐渐提高，稳健检验结果与前文的检验结果是一致的。目前网络借贷中投资者方的挤出效应明显，借款者方的示范效应明显，网络借贷逐步进入常规发展阶段。 五、结论与启示 互联网金融創新改变传统金融的组织模式，形成以互联网平台为中介的资金配置模式。本文从微观平台角度实证研究互联网金融的资源配置机制以及融资效率，利用2013年10月到2016年2月两百多家网贷平台的数据，从成交规模，成交用时和成交风险质量来实证检验网络借贷平台的资源配置效率。实证结果表明网络借贷平台成交用时依然与利率水平、借款人数、运营时间等呈负相关，而与投资者人数、借款期限等呈正相关。说明随着网络借贷逐步发展，网络借贷的利率水平下降，网络借贷的成交效率逐渐提高，稳健检验结果与前文的检验结果是一致的。目前网络借贷中投资者方的挤出（互斥）效应明显，借款者方的示范（互补）效应明显，网络借贷逐步进入常规发展阶段。 根据互联网金融平台效率实证研究结果，提出以下政策建议：第一，统一互联网金融平台的信息披露标准。建立合理的互联网金融平台设立标准（包括信息披露标准、技术安全标准等），减少市场信息不对称来提高互联网金融的融资效率。第二，有序引导互联网金融的合理竞争。互联网平台商业模式具有较强的网络效应，需要相关部门引导互联网金融平台的合理竞争，充分发挥平台双边用户的互补效应，形成合理的互联网金融竞争结构。第三，加强互联网金融平台的综合监管。构建互联网金融平台的综合监管体系，明确资金供需双方、网络平台中介、监管部门的权责，规范各自的金融行为，促进互联网金融行业的健康发展。 注释： ① 利率水平越高，成交用时越少，成交效率越高。 ② 当互联网金融指数=100时：表示融资借贷的金融互联网化与未互联网化达成的效果一样，即网络贷款与线下贷款的表现相同；当互联网金融指数>100时：表示网络贷款给融资借贷者带来了更胜于线下贷款的积极影响；当互联网金融指数<100时：表示网络贷款的表现不及线下贷款的表现。 ③ 时间加权成交量是衡量P2P网贷平台吸收资金能力的指标之一，该指标将时间因素纳入统计范围，所以不同借款期限间的平台比较更具可比性，该指标侧面关系平台抗风险能力。 参考文献： [1] Forman C，Ghose A， Goldfarb A. Competition between local and electronic markets： How the benefit of buying online depends on where you live[J].Management Science， 2009， 55（1）： 47-57. [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）： 1-12. [3] Katz M L， Shapiro C. Network externalities， competition， and compatibility[J].American Economic Review， 1985，75（3）： 424-440. [4] 沈悦， 郭品. 互联网金融、技术溢出与商业银行全要素生产率[J].金融研究， 2015（3）： 160-175. [5] Varian H R， Shapiro C. Information rules： a strategic guide to the network economy[J].Harvard Business School Press， Cambridge， 1999： 1-352. [6] Wei Z， Lin M. Auction vs. posted-price： Market mechanism， lender behaviors， and transaction outcomes in online crowdfunding[R].Working Paper， 2013. [7] Lei Z. Price Competition Strategy of Internet Platforms[J].International Journal of Design & Nature and Ecodynamics， 2015， 10（4）： 320-327. [8] Hagiu A. Pricing and commitment by two-sided platforms[J].RAND Journal of Economics， 2006， 37（3）： 720-737. [9] Hu M， Li X， Shi M. Product and pricing decisions in crowdfunding[J].Marketing Science， 2015， 34（3）：331-345. [10]庄雷， 周勤，伏玉林. P2P网络借贷用途、投资偏向效应与软信息价值[J].国际商务（对外经济贸易大学学报）， 2015（6）： 77-85. [11]刘志洋.消费者对互联网银行的可接受度问题研究[J].浙江工商大学学报，2015（2）：85-93. [12]Pope， D G， Sydnor J R. What s in a picture？ Evidence of discrimination from Prosper.Com[J].Journal of Human Resources， 2011， 46（1）： 53-92. [13]Mollick， E. The dynamics of crowdfunding： An exploratory study[J].Journal of Business Venturing， 2014，29（1）：1-16. [14]Lin M， Viswanathan S， Prabhala N R. Judging borrowers by the company they keep： Social networks and adverse selection in online peer-to-peer lending[J].Management Science， 2012，59（1）： 17-35. [15]Puro L， Teich J E， Wallenius H， et al. Borrower decision aid for people-to-people lending[J].Decision Support Systems， 2010，49（1）： 52-60. [16]Lee E， Lee B. Herding behavior in online P2P lending： An empirical investigation[J].Electronic Commerce Research and Applications， 2012，11（5）： 495-503. [17]Rochet J， Tirole J. Two-sided markets： A progress report[J].RAND Journal of Economics， 2006， 37（3）： 645-667. [18]Viotto J. Competition and Regulation of Crowdfunding Platforms： A Two-sided Market Approach[J].Communications & Strategies， 2015（99）： 33-50. Demonstration or Crowding-Out Effect： An Empirical Study of Internet Financial Platform Efficiency ZHUANG Lei， ZHAO Cheng-guo （School of Economics & Management， Nanjing Tech University， Nanjing 211800，China） Abstract：Internet banking has significantly improved the total factor productivity of China′s commercial banks through the technology spillover effect. Based on the characteristics of network economy， the paper analyzes the resource allocation mechanism of Internet financial model with the two-side market theory， and compares the financing efficiency of traditional financial institutions and Internet financial platform； the data of more than 200 network lending platforms from October 2013 to February 2016 are collected to verify the resource allocation efficiency of network lending platform from transaction scale， transaction time and risk quality. The empirical results show that the crowding-out effect is obvious in the lender side， and demonstration effect is obvious in the borrower side. Accordingly， we should unify information disclosure standards of Internet financial platform， orderly guide reasonable market competition and strengthen comprehensive supervision of the platform. Key words：Internet finance； network effect； platform efficiency； risk regulation （責任编辑：周正） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。