中国p2p借贷行业前景发展和风控研究(附件)
摘要: P2P借贷是互联网金融创新过程中的重要一环，有助于解决国内民间普遍存在的投资难和融资难问题。目前P2P借贷的风险控制是国内P2P借贷行业发展面临的首要问题，本文利用logistic回归方法，通过构建借款人信用风险控制模型进行分析，发现借款人的工作年限、借款描述的详略、预计收益率、借款总额、担保项目、信用卡额度等因素对借款人风险控制有显著影响，由此提出健全风控体系的一些具体建议和以强调P2P平台重新定位为中心的发展设想。关键字： P2P借贷; 人人贷; 金融监管; 风险控制 Study on Prospect of Development and Risk Management of Peer-to-peer Lending in ChinaStudent majoring in Finance FANG Wei-chengTutor WU Cheng-yaoAbstract: P2P lending plays a major role in the process of Internet financial innovation，and it can help to solve difficult investment and financing problems of common folk. Nowadays，the risk management of P2P lending has been the primary problem in the processing of domestic P2P lending industry development.By establishing and analyzing the model of credit risk management and using the logistic regression method, this article puts forward the opinion that work experience, level of details described by the borrowers, loan interest rates, the total amount of loan, guarantee programs, credit limit a
*好棒文|www.hbsrm.com +Q: 3 5 1 9 1 6 0 7 2
nd other factors have significant impact on risk control of the borrower, and since then expected development in domestic P2P lending industry and the suggestions of risk management are put forward.近年来，P2P借贷平台相关的新闻话题不断，如“粤利通‘跑路’”、“鑫利源‘跑路’”等，而P2P借贷更是我国金融体系完善过程中不可或缺的一部分，使P2P借贷的前景和风险控制成为了人们关注的焦点。自2012年以来，P2P模式在中国市场呈现爆炸式增长，表现出了较大的市场潜力，市场需求较高的呼声；P2P借贷对利率市场化的推动作用——P2P平台上的利率产生方式可以促进市场化的利率；P2P借贷在改善资源配置，集聚闲散资金等方面具有的积极意义；P2P对于个人信用体系建立的促进作用；P2P借贷对于民间借贷阳光化的促进作用，这些因素决定了我国完善P2P借贷行业相关体制的必然趋势。本文在研究P2P借贷相关文献资料的基础上，通过国内外P2P借贷市场的对比，发现国内P2P市场薄弱点主要在于对P2P借贷信用风险控制的不足，本文通过对于翼龙贷披露的借款人信息，完成借款人信用风险评估回归模型的简单建立，尝试提出健全风控体系的建议。二、国内P2P借贷现况问题研究 P2P借贷属于互联网借贷范畴内，与第三方支付平台和众筹网络共同被定义为中介型互联网金融。但是互联网借贷不单单局限于P2P模式，还包含商家与个人之间的B2C模式和商家之间的B2B模式。当前，个人与个人之间的P2P借贷因其方便性、快捷性和其目标群体为更广大人民群体等优点，得到更多关注与支持。(一)国外P2P借贷的发展历史及现状个人借贷是人们以个人名义进行资金流交互的一种模式，由于信息不对称和借款人发生信用风险的难以控制性，导致民间借贷更多在熟人之间进行并且资金流交互空间有限。然而近代信息技术的发展和普及使得个人借贷的资金流交互空间得到很大扩展，使得个人借贷愈加频繁。也即P2P借贷的产生源于信息技术发展到一定阶段后和相关金融理念的融合。追根究底，我们通常认为它有两个源头：孟加拉穆罕默德.尤努斯的“小额信贷”和英国Zopa网站。尤努斯创办了孟加拉乡村银行GrameenBank，开创了小额信贷的模式——通过贷款给穷人，帮助数以百万的贫困人口改善了生活。尤努斯最早提出P2P模式，是倡导普惠金融的学者之一，即指倡导提供全方位的、满足社会各阶层需求的金融服务。Zopa是全球第一家真正意义上的P2P网络借贷平台，2005年3月在英国伦敦注册成立。该网站将目标客户群定位为社区小额借贷人，投资人在互联网上发布盈余金额、预期收益率和预期投资的时间，潜在的借款人可以对这些信息进行筛选，选择交易对象。或者借款人注册信息后，Zopa会把借款人的资金需求和投资人的资金供给进行系统配对。后续Zopa会负责监督还款和债务的催讨，交易完成后它向双方收取手续费作为盈利手段。Zopa运营模式取得一定成绩后，在英、美借贷市场引起了P2P借贷热潮，相关行业获得了很大的发展空间，现阶段欧美P2P借贷市场已经渐趋稳定。(二)国内P2P借贷的发展现状及存在问题国内P2P借贷市场起步于2007年，根据主营业务（如借方、贷方的配对操作等）是否依靠网络展开，国内P2P借贷平台分为线上和线下两种模式。线上平台大多模仿欧美国家P2P网贷的运营，如盼贷网和人人贷等企业；线下平台是传统民间借贷的P2P中介化，主营业务基本不依靠网络展开，如宜信和信而富等企业。近年，各式P2P借贷平台在国内如雨后春笋般出现，一方面是P2P借贷平台的建立没有太高门槛，另一方面，国内相关法制建设尚不完善。就2011年，P2P借贷平台进入快速发展期，2012年后国内P2P借贷平台的发展迎来了高热期，2014年开始国内P2P借贷平台增长速度有所减缓，步入平滑发展期，据零壹数据、网贷天眼等平台披露，截至2016年4月份，国内P2P借贷平台约4404家。仅红岭创投和网信理财近一月成交额就超过百万。随着大量P2P平台的涌现，2013年年中至今年年初左右，关于P2P借贷企业“跑路潮”的新闻频现于各大媒体，引起了广大网民对P2P借贷的一阵质疑。直至国家相关部门陆续表态和相关政策的出台，我国的P2P借贷发展到了一个较为稳定的初级阶段。不可忽视的是，我国国内平台目前面临着很多问题，主要有：国内各P2P借贷平台发展状况良莠不齐，借款利率高、无门槛、无明确监管、无行业标准等。三、关于P2P借贷信用风险的研究 近年来，随着P2P借贷行业的迅速发展，国内外也涌现出了很多研究P2P借贷行业的文献资料，如Berger (2007)和何崇阳(2011)。但是关于如何控制P2P借贷信用风险逐渐成为国内外专家学者研究的主流，经过整理，主要从借贷行为、社会资本、运营模式三个角度切入探讨P2P借贷的信用风险控制。(一)P2P借贷行为研究P2P借贷平台上的参与主体是借款人和投资人。投资人的投资决策会受到借款人个人信息和借款需求影响，而借款人的借款请求反之又会受到投资人的投资模式的影响。基于P2P借贷平台的借贷行为研究本质上是对于影响借贷交易成功因素的研究。1、借款人行为研究 从借款人的角度来看，Larrimore (2011)等人通过对借款需求者语言描述的分析，对借款需求者提出了一些可以增强借款申请说服力的建议。Kumar (2010)通过对Prosper平台披露的团体贷款“客户组”相关数据的分析，研究群组信誉在P2P借贷市场上对借贷双方配对成功率和借款人违约率的影响，发现群组信誉对往期履约情况良好的借款人没有直接影响。Herzenstein et al.(2008)和Iyer et al.(2010)认为除了信用评级之外,借款者的债务收入比也是影响借贷行为的一个重要因素，Freedman and Jin(2008)认为借款人披露的个人财务信息的详细度直接影响到借贷双方配对成功率。庄雷、赵天骄、黄玲（2015）通过收集分析人人贷在2010年到2014年3月10日披露的交易数据，认为小微企业特异性信息和融资需求直接影响到P2P借贷平台对借贷双方的撮合效率。除此之外,借款者的年龄（Pope,Sydnor,2011）、性别（Herzenstein et al.,2008;Barasinska,2009）、种族（Herzenstein et al.,2008）和外貌（Ravina,2007;DUarte et al.,2012）等特征都会影响借贷行为。2、投资人行为研究 从投资人的角度来看，Kumar (2010)通过收集分析 Prosper披露的2010年期间6个月的交易数据，发现投资人的行为基本满足“理性经济人”的限定，能够视借款人披露的信用资料界定合理的风险溢价，但是部分数据表明借贷双方会出现配对失败的情况，这些情况的出现大多是因为非财务信息指标的影响。另一方面，Barasinska(2009)等人的研究结果表明，女性投资人更愿意配对信用评级优良的借款人，同时大多会申要更高的预期收益率，另外研究结果还表明非理性信息指标更会对女性在投资决策时产生较大影响。Puro等(2010)重点研究P2P借贷平台上的从众行为，发现投资人在投标选择时大多具有从众心理。而国内的学者结合电子商务研究的思路，更多注重对P2P借贷平台上投资人的投资倾向和决策行为的研究。(二)社会资本对P2P借贷信用风险控制的作用社会资本从属于社会学范畴，通常诠释为能够通过应变的行动缩短经济运转周期的社会关系网和信赖(Putnam等，1993)。社会关系网属于社会资本范畴里最关键的组成，它是私人之间沟通而形成的相对稳定的网络关联。社会关系网通常作为非正规金融的载体，通过“软信息”的披露减轻交易过程中信息不对称问题。非正规金融理论认为社会资本会较好改善借款人的信用，降低借款人违约动机，进而降低投资人投资决策的风险。因此，学者们对社会资本在网络借贷平台的作用进行了深入而细致的研究，并得出了很多有价值的结论。MingFengLin(2009)将社会资本量化为了不同旳指标，每个指标设了5个层次，通过模型回归研究社交网络对P2P借贷平台融资效率的影响机理，研究成果显示，关系型社会资本可以大幅减轻交易过程中信息不对称问题。Martina E.Greiner 和 Hui Wang(2009)等人的研究进一步肯定了 Lin等人的研究结论，社会资本会对借款者形成还款压力(特别是贷款者中有借款者自己的朋友)时，贷款者在信贷决策时会考虑社会资本的影响。也就是说，借款人披露的社会资本越详细，交易配对成功的可能性就越高，需要付出的对应利率也越低。Steh Freedman(2010)运用Prosper平台中2006-2008年两年的交易数据，更深入地分析了 P2P在线借贷市场的信息不对称问题，研究成果显示，与线下交易比较而言，P2P线上借贷平台的借款人披露的“硬”信息(比如借款人收入，债务状况等)较简略，不过可以用社会资本(比如担保人，朋友间的名声等)，即“软”信息大幅弥补对应的短板。此外，Sergio Herrero-Lopez(2009)还研究了社会互动对借贷行为的影响，从平台上多对多的借贷关系进行探讨，研究表明当借款者出现负面的“硬”信息(信用分数低，高负债率)时，社会资本的融入可以大幅地提高交易成功率，一定程度上降低借款人信用违约的可能。总结这些学者的观点和发现，可以看出借款人披露的“硬”信息越不被看好，社会资本对促成交易成功的帮助就越大，同时对借款人履约有一定促进效用。社会资本并不会对所有的借款人提供平等的利益(Greiner，2009)，但是对于借款人信用违约行为有一定的约束性。(三)不同运营模式对P2P借贷信用风险控制的作用P2P借贷平台采取不同的运营模式一般就意味着采取了不一样的交易机制和风险控制机制，国内外对于P2P网络借贷平台运营模式的研究角度有所不同。国外的研究大多针对在P2P借贷行业运营成果优良，具有一定代表性的企业，像针对Prosper，Zopa和Kiva等。Lin和Prabhala (2009)针对Prosper的研究发现，它的信用制度制定比较完备，贷前审核和贷后服务比较到位。Greiner收集分析了2009年借贷平台交易完成的14000笔交易记录，重点针对Prosper平台上借贷人的自我选择和竞标交易等特异性信息，结果显示借款人信用评级有所提高的同时，对应的利率也实现了双赢。Emma (2011)针对欧洲各类采用异样经营模式的P2P借贷平台展开分析研究，认为Zopa之所以能取得成功是因为它在风控这一方面做得比较到位—Zopa平台上75%的借款申请都会被拒绝。另外非营利公益性借贷平台Kiva将目标客户群定位为发展中国家的小微企业，采取“批量出借人+小额借贷”模式，能控制一部分信用风险。而Lending Club平台则利用Facebook等社交软件吸引聚集借款人和投资人，同时也利用其进行约束，降低借款人信用违约的可能性。国内的学者大多针对国内外不同平台的运营模式进行阐释和定性对比研究，典型的学者研究有:张职（2012），王紫薇、袁中华和钟鑫(2012)，钮明(2012)，奚尊夏(2012)等。张职（2012）主张将国内P2P借贷平台的运营模式划成五类，重点在于阐述。王紫薇等(2012)针对拍拍贷和宜农贷两家企业，选择在营业目标界定、借款客户群选择、预期收益率制定以及风险预防、控制等方面的差异性进行研究。钮明(2012)针对国内外平台的差异进行研究，认为P2P借贷平台在近些年的发展进程中更加重视细化目标客户群，更加重视借贷安全。奚尊夏(2012)则针对国内五类P2P借贷的运营模式——亿峰模式，速贷帮模式，宜信模式，门户网站模式和阿里小贷模式的薄弱点进行研究，意欲为P2P借贷指明未来发展的道路。总得来说，不同的学者都尽量以各自独特的视角阐释了国内P2P借贷行业发展的现状及存在的问题，并努力研究出了各自认为可行的改善道路。四、关于对P2P借贷机制的发展研究P2P借贷与民间借贷在法律上尚未给出明确的规范定位。美国审计署(General Account Office)于2011年发布了一份研究报告，报告中指出部分P2P借贷平台不单单扮演了中介人的角色，更挑起了证券交易商的担子，由此，部分学者认为如何监管也是P2P借贷平台未来需要面临的重要问题。(一)P2P借贷发展面临的风险研究刘峙廷（2013）认为P2P借贷风险不仅仅受到单种类风险因素影响,更是受到复杂多种类风险因素的联合影响,这些风险因素能够划分成信用、操作、市场、法律和政策、技术、感知、信息污染七类风险。而孔非凡、江玲（2013）认为 P2P 借贷平台面临的风险可以划分为四类：第一类是信息与信用风险，部分P2P借贷平台收费较贵，借款人可能会出现逾期等非契约还款的情况；第二类是运营风险，P2P借贷平台的运营模式各有不同，行业内部竞争容易激化；第三类是资金运转风险，现阶段P2P借贷平台的资金流转很大程度上决定了平台的兴衰；第四类是政策风险，P2P借贷作为国内新兴的行业，尚未出台与其相关规范完备的法律法规，各P2P借贷平台都面对着一定的政策风险。李钧（2013）认为国内P2P借贷平台主要面临着四个方面的问题：第一是针对中间资金账户的监管不足；第二是资金转移是否先于投资行为的发生，若投资人与借款人实际并没有直接接触，平台先从投资人获得资金再决定投资行为和资金支配，就存在非法集资的嫌疑；第三是P2P借贷平台应该将担保抵押部分提供给他方对之加强监管，部分P2P借贷平台将自有资金作为对投资人的本息保障，超范围操作，有涉及融资性担保公司业务的嫌疑；第四是对P2P借贷平台牵涉到公共利益的金融行为部分亟需增强监管。(二)P2P借贷发展方向的研究王艳等(2009)针对近年P2P借贷平台运营过程中出现的问题进行研究，主张把P2P借贷定位于金融监管范畴。吴晓光等(2011)研究分析了P2P借贷平台在贷出前审查、资金流转以及贷出后服务等环节中可能出现的风险，主张从客户识别机制、资金流转机制、反洗钱机制和信用评级体系等四大角度来展开监管。张金艳（2013）主张要控制P2P借贷行业的信用风险，国内个人征信制度亟需建立完善。艾金梯(2012)主张在日前法律法规和外部监管不完备的条件下，首先需要加紧行业规范的制定以及行业自律的塑建。尤瑞章等(2010)针对国内外P2P借贷平台进行对比分析，认为国外金融市场完善的法律法规、完备的个人征信体系和先进的信息技术等是国外P2P借贷平台发展相对成熟的主要推手，他主张国内相关部门对这些方面的重视、完善。钱金叶，杨飞（2012）针对国外Zopa、prosper和国内拍拍贷、宜信、红岭创投运营模式的不同展开研究，认为国内个人征信体系的不完备，相关法律法规的不健全是国内P2P借贷行业面临的突破性问题，主张商业银行应该参与开展P2P借贷业务，促进相关方面薄弱点的完善。闫淼（2014）也针对国内外P2P借贷平台运营模式进行比较分析，主张监管从五个角度展开：界定P2P借贷平台的企业身份；设置具体的行业准入制度；引入中间账户资金托管制度；有条件的开放征信系统；规范行业退出机制。宋鹏程、吴志国、赵京（2014）认为国内P2P借贷行业要继续发展，行业协会的建立和行业自律的塑建不可或缺。五、研究设计本文通过对比研究国内外P2P借贷的文献资料，发现国内P2P借贷市场缺乏有效保障的主要症结在于国内个人征信体系的不完善，而P2P借贷信用风险主要源于借款人的信用违约，因此决定将研究重心放在对借款人信用风险的控制上面。（一）Logistic回归方法选择在实证分析部分，本文拟利用Logistic回归方法构建借款人信用风险控制模型，通过对翼龙贷披露的借款人信息进行实证研究，分析影响国内P2P借贷信用风险控制的指标。Logistic回归是非线性概率型回归模型，属于研究分类观察变量与一些影响变量之间关系的多变量分析方法，它能补充多元线性回归的不足，对自变量没有严格规定。由于借款人信用风险控制针对的是以借款人是否违约这一二分变量为中心的多重影响因素的显著性讨论，考虑到相关借款人特异性信息数据量大且平台披露更新周期较短的特点，与决策树和贝叶斯等模型方法相比，Logistic方法的运用使得借款人信用风险控制模型更具有科学实用性。（二）样本选择和数据来源本文通过零壹数据和网贷天眼等数据库平台，从符合调查要求的众多P2P借贷平台中选出借款方信息相对透明，近期交易量较大并且借款人数相对较多的平台：翼龙贷。以2015年至2016年4月份的交易为依据从中选出500项借款人数据。由相关文献资料得知，当正常借款人客户为违约借款人客户的3-5倍时，信用风险评估模型较为合理准确，因此拟从翼龙贷选取400项正常借款人客户资料，100项违约借款人客户资料，皆随机选取，去除部分残缺、不清数据外，本文收集到387项正常借款人客户资料，98项违约借款人客户资料，共计485项借款人客户资料。收集到的数据包括借款人的性别、年龄、所在地、所属行业、文化程度、工作年限、婚姻状况、借款类型、借款描述详略、借款总额、借款期限、借款用途、住房性质、信用卡额度、预计年化收益、担保项目、社保年限和当前是否有逾期违约情况等。翼龙贷于2011年10月份上线，平均满标时间0.63小时，总投资和借款人均超过17万人次，隶属北京同城翼龙网络科技有限公司，2015年11月至2016年3月份期间每个月交易量均超过3万笔，在国内P2P市场上占有相当的份额。两个月以上的借款年化收益率约为10%-12%，两个月以下（含两个月）的借款年化收益率约为6.5%-9%，比较合理。翼龙贷的发展较为平稳，符合国内P2P市场的一般行情，对于借款人的信息披露较为完整、真实，以此网站为数据来源较为科学、合理，对借款人信用风险控制机制的研究具有一定科学价值。（三）观察指标的选取观察指标的科学选取关系到借款人信用风险控制的研究的真实有效性，因此本文借鉴了国内商业银行关于个人信用风险评估体系建设的各项指标，通过查询以往P2P借贷风控研究的文献资料，借鉴了杨中民、黄琼和王梦佳等前人学者的研究思路，同时结合翼龙贷平台特有的借款人基本信息、个人资料等资料卡，以操作简便、客观真实等原则选取相对应的观察指标，确定以下观察指标：1、借款人基本信息描述借款人自身属性的信息，包括年龄、性别、文化程度、住房性质、婚姻状况、所属行业、工作年限、户口所在地、担保项目、信用卡额度和社保年限等，这些信息直观体现借款人的特异性，可以直观获得，对研究社会资本对P2P借贷风险控制的影响有重要意义。年龄是借款人生理成长的指标，通常能反映借款人的心理成熟度和社会融入度，一般年龄越大，借款人心理越成熟，融入社会的程度越深，往往某个年龄段的借款人信用违约的动机相较其他年龄段会弱很多。性别是借款人的生理特征，往往会对借款人的思维模式产生影响，一般女性偏于感性，男性偏于理性，但是具体情况可能会结合婚姻状况、文化程度和所属行业而有所差异，如婚前女性往往比男性信用违约动机强，婚后尤其是生育后的女性信用违约的动机往往大幅减弱。文化程度是借款人后天接受教育的程度，往往文化程度越高，借款人对于信用记录越为重视，另一方面，文化程度侧面反映了借款人家庭的财务实力和家庭教育程度，也即，一般文化程度越高，借款人信用违约的动机越弱。住房性质是对借款人个人现阶段财务实力较为直观的反映，一般借款人所属住房的价值越高，交易配对的成功率越高，通常结合担保项目、借款总额和借款描述详略等指标综合分析，若作为担保抵押，住房价值越高，借款人发生信用违约的可能性越小。婚姻状况是借款人社会家庭关系的描述，一般婚后借款人发生信用风险比婚前借款人发生信用风险的可能性高，借款人有家庭的社会关系约束，往往行为会更加注重家庭整体的声誉利益。所属行业是借款人社会职业关系网的描述，不同行业反映了借款人的特异性社会关系网络，有些行业规范性弱一些，从事这些行业的人通常履约意识会弱一些，发生信用违约的可能性也就大一些。工作年限描述借款人在目前工作职位上所处的持续性时间的长短，往往工作年限越长，借款人对于该工作熟练度越高，对于该工作的依赖性越强，一旦借款人披露其在职单位并写入借款记录，借款人往往会自觉履约。担保项目往往指借款人借款的物质性依据或者第三人担保，即借款人如若严重信用违约将付出与担保项目等值的代价，一般担保项目在借款人心目中越重要，所占价值越高，借款人发生信用违约的动机越小。信用卡额度主要描述借款人在银行借贷体系中的信誉评价等级，一般来说，银行借贷体系中的信誉评级体系相较更为完备复杂，也即借款人的信用卡额度越高，其近期的信用度越能得到保障。社保年限主要描述借款人为其到老年或丧失劳动力的时候提前缴纳保险费的持续性时间，一般社保年限越长，借款人的还款能力能得到越强的侧面验证，能较大促进交易的成功，同时也意味着如果借款人发生信用违约，其社保收益将变成抵押而损失，所以一般社保年限越长，借款人发生信用违约的可能性越小。户口所在地反映了借款人所处地域的经济发展状况，一般发达地区的借款人经济周期较短，会更加注重个人信用度的建设。2、借款项目基本信息描述借款项目的基本属性，包括借款描述详略、借款用途、预计年化收益率、借款期限、借款总额等，这些信息是影响借款人信用的重要因素。借款描述详略是借款人展示给投资人和第三方平台筹求资金的书面语言性主观描述的详细或是简略的判断，本文主要将描述中含有借款人详细房址或工作地址或借款用途解释的表达为详细，反之简略，通常情况下，借款人描述越详细，其发生信用违约的可能性越小。借款用途反映了借款人对于所筹求资金的预期处置方式，不同的资金用途将会决定对资金不同的重视程度，也即借款用途与借款信用风险控制之间可能存在某些联系。预测借款用途越正式，借款人发生信用违约的可能性越小。预计年化收益直接决定了借款人筹求借款的现金流代价，即作为借款人补偿给投资人一段时间占有对应资金使用权所付给投资人的报酬。一般来说，预计年化收益率越高，借款人的还款压力越大，发生信用违约的可能性越大。借款期限是指规定借款人使用资金的持续性时间长短，一般借款期限越短，借款人越有紧迫感，对于所借款项的使用会越谨慎，从而发生信用违约的可能性也就越小。但是不排除这样的可能：借款期限越短，借款人面临的还款压力越大，发生信用违约的可能性随即变大。借款总额指借款人向投资人筹求资金的总数额，一般来说借款总额越大，借款人还款压力越大，随之发生信用违约的动机也就越强烈。 上述各类观察指标都是对借款人信用风险影响较大的因素，本文对它们进行的初步分析，对设计相关模型以及给它们赋值有方向性指导意义，有利于对借款人信用风险控制模型的科学设计研究。（四）观察指标的定义赋值 对观察指标进行分组、合并等处理有利于增加模型的稳定性，简化模型运算。 选择因变量：根据借款人是否有逾期区分“好的借款人”和“差的借款人”，即借款人性质=Y(性别、年龄、文化程度、所在地、预计年化收益、借款期限、借款总额、借款类型、借款描述详略、借款用途、住房性质、婚姻状况、所属行业、工作年限、担保项目、信用卡额度、社保年限)。借款人是否有逾期行为是对于借款人近期过去一段时间是否有违约行为的实质性客观记录，这对于借款人将来一段时间内的行为预测有一定指导性作用。模型中各观察指标定义如下：表1：回归模型中各观察指标变量定义及赋值变量名变量定义赋值及含义Y借款人性质好的借款人=1，差的借款人=0X1性别男=1，女=2X2年龄21-30=1，31-40=2，41-50=3，51-60=4，61-70=5X3文化程度初中或初中以下=1，高中（中专）=2，专科=3，本科=4X4所在地西部=1，中部=2，东部=3X5住房性质无房=1，按揭40万及以上=2，按揭40万以下=3，自有房100万以内无贷款=4，自有房100万以上无贷款=5X6婚姻状况单身=1，离异=2，已婚无小孩=3，已婚有小孩=4X7所属行业机构组织=1，白领（公关销售类）=2，蓝领（劳务技工类）=3，农林牧渔=4X8工作年限1年以下=1，1-3年（不含）=2，3-5年（不含）=3，5年及以上=4X9借款描述详略有详细房址或工作地址或借款用途解释=1，无详细借款用途解释=2X10借款用途个人消费=1，农户贷款=2，生意周转=3X11预计年化收益率8%以下=1，8%-12%（不含）=2，12%及以上=3X12借款期限3个月以下=1，3个月到6个月（不含）=2，6个月到1年（不含）=3，1年及以上=4X13借款总额3万以下=1，3万-6万（不含）=2，6万-9万（不含）=3，9万-12万（不含）=4，12万及以上=5X14担保项目无=1，车=2，房=3，人=4X15信用卡额度无信用卡=1，3000以下=2，3001-6000=3，6001-20000=4，20001-50000=5，50001-100000=6，100000以上=7X16社保年限未缴纳=1，1年以下=2，1-3年（不含）=3，3-5年（不含）=4，5年及以上=5注：借款人所在地指标：国内经济发展有着比较严重的地域差异，本次研究为了简化模型运算，按照不同经济发展水平将全国分成西部、中部和东部三个地域：西部包括新疆、青海、西藏、宁夏、陕西、四川、重庆、贵州、云南；中部包括黑龙江、吉林、内蒙古、山西、河南、安徽、湖北、湖南、江西；东部包括辽宁、北京、天津、河北、山东、江苏、浙江、上海、福建、广东、广西、海南、香港、澳门。西部为经济发展相对落后地区，中部为经济发展相对平稳地区，东部为经济发达地区。（五）logistic回归模型的建立本文就借款人一年内是否有逾期记录作为借款人性质的表征，定义为二分变量，无逾期记录，好的借款人，赋值为1；无逾期记录，差的借款人，赋值为0。采用 Logistic 回归分析方法，描述16个观察指标变量对借款人信用风险控制的影响，可建立Logistic回归模型。模型的原方程为：假设 Y 与自变量 X 之间存在线性关系，由上式变形能够得到借款人信用风险控制影响因素的 Logistic 模型：i表示对所收集借款人信息的编号，j表示对观察变量因素的编号， 为第j个自变量的第i个样本观测值， 为相应自变量 的估计参数。其中 P 表示借款人选择履行按期还款的概率，自变量取值在 0～1 之间， 代表各自变量的回归系数， 为自变量， 为截距， 为随机扰动项。六、数据分析表2：各观察变量回归分析结果BS.E,WalsdfSig.Exp (B)步骤 1-.258.286.8151.367.773常量1.679.36021.7971.0005.359步骤 2.213.1193.2241.0731.238常量.897.28210.1261.0012.453步骤 3.015.235.0041.9481.015常量1.354.32017.9001.0003.873步骤 4-.134.180.5591.455.874常量1.695.44814.3411.0005.447步骤 5-.221.1631.8361.175.801常量2.208.63312.1791.0009.099步骤 6-.103.171.3671.544.902常量1.765.6587.1931.0075.841步骤 7-.152.1251.4831.223.859常量1.858.41919.6951.0006.414步骤 8.331.1227.3651.0071.392常量.284.409.4821.4871.328步骤 9-1.440.23637.0871.000.237常量3.373.36883.7681.00029.154步骤 10.073.157.2181.6411.076常量1.216.35411.7661.0013.373步骤 11-.435.1528.1471.004.647常量2.462.41135.8461.00011.725步骤 12-.202.1282.4701.116.817常量1.887.35228.7471.0006.598步骤 13-1.440.23637.0871.000.237常量3.373.36883.7681.00029.154步骤 14.743.12137.6431.0002.102常量-.343.2841.4581.227.710步骤 15.080.0691.3431.2461.083常量1.194.18840.5061.0003.302步骤 16-.202.1282.4701.116.817常量1.887.35228.7471.0006.598本文运用SPSS 19 对485组样本数据进行 Logistic 回归处理。首先将所有变量引入回归方程，对回归系数的显著性进行检验。影响借款人信用风险控制因素的 Logistic回归结果如表2所示。如表2所示，回归结果中共有16个关键变量，按95%的置信区间进行检验，其中有5个关键变量通过检验，对于实际数据而言，拟合程度已基本符合要求。工作年限。回归系数为0.331，显著性水平0.007，小于0.05，差异显著，说明工作年限对于借款人如约还款有重要影响。一方面，工作年限越久，工资收入越稳定，还款能力有所保障，另一方面，工作年限越久，借款人相关社会关系越趋于稳定，借款人对所属工作的依赖性越强，能有效减弱借款人信用违约的动机。借款描述详略。回归系数为-1.440，在95%的置信水平下显著，说明借款描述对于借款人信用风险控制有重要影响。借款描述属于借款人资料以及借款动机等客观信息的主动表达形式，一方面，借款描述表现了借款人借款时的主观态度，一般情况下，详细介绍自身近况并详细描述借款用途的时候，特别是提供有效详细家庭住址或者工作地址的借款人违约可能得到有效抑制，另一方面，借款人对于借款描述进行详细阐述时会不可避免地涉及借款人相关社会背景信息，能有效降低借款人信用违约的动机。预计年化收益率。回归系数为-0.435，显著性水平0.004，小于0.05，差异显著，说明借贷利率对于借款人信用风险控制有重要影响。借贷利率越高，借款人信用违约的动机越强烈。借款总额。回归系数为-1.440，在95%的置信水平下显著，说明借款人信用风险控制与借款总额有关，当借款人资金周转出现问题时，面对越大的债务，发生信用违约的动机越强烈。担保项目。回归系数为0.743，在95%的置信水平下显著，说明借款人信用风险控制与担保项目有关，当担保项目价值越高，借款人发生信用违约的可能性越低，其中赋值为4的观察项值为“人”，表示借款人的一定社会关系。信用卡额度。表2中这一观察项不显著，考虑到很多被抽查到的借款人表示没有办理信用卡或者未透露相关信息，故而对此项进行调整，将所有表达为值1的项删除，进行二次回归，如表3所示。表3：信用卡额度调整回归分析结果步骤17.743.18815.7051.0002.102常量-1.606.7135.0701.024.201表3中，信用卡额度观察指标回归系数为0.743，在95%的置信水平下显著，说明借款人信用风险控制与其有关，当借款人有相近的信用卡额度时，发生借款信用违约的可能性得到削减。年龄。表2中，年龄观察指标并不显著，考虑到年龄指标可能为多因素影响指标，故与性别、婚姻状况、文化程度等一一协调回归，最后发现当年龄指标与性别指标协调回归时，显著性水平为0.035，小于0.05，结果显著。 说明女性借款人在年龄较小的时候，对待借款使用较为谨慎，发生信用违约的可能性较小。一般情况下，女性借款人的安全感较差，她们在年轻时段更加注重自身信誉的建设，故而发生信用违约的动机较轻。表4：年龄指标协调回归分析结果步骤18B标准误Walddf显著水平Exp(B)截距-1.327.39711.1891.001X2-.264.1254.4281.035.768X1.459.3022.3211.1281.583住房性质。表2中，住房性质观察指标并不显著，考虑到其可能为多因素协调影响指标，故与担保项目、借款描述详略等一一协调回归，最后发现当住房性质指标与担保项目指标协调回归时，显著性水平为0.036，小于0.05，结果显著。 说明在将住房作为担保抵押时，住房的价值越高，借款人发生信用违约的可能性就越小，也即当借款人发生信用违约时付出的代价越大，借款人对所筹求款项的使用就会越谨慎。但是单纯借款人披露的住房情况中，住房价值与借款人信用风险控制没有显著影响关系。表5：住房性质指标协调回归分析结果步骤19B标准误Walddf显著水平Exp(B)截距-.941.6831.9001.168X5.369.1764.4001.0361.446X14-.789.12539.7551.000.454七、对于国内P2P借贷行业的展望和健全风控体系的建议(一) 对于国内P2P借贷行业的展望本文通过大量文献资料的比较，结合国内P2P借贷行业现况，提出健全风控机制的目标：国内P2P借贷行业各组成部分各司其职，行业稳定健全。为达成目标，谨推出两个重要渠道：P2P借贷平台作为P2P借贷行业的主体，亟需规范，完善进入、退出机制，定位于第三方平台，将竞争重心放在信息披露、贷出款高回收率的保障以及优化的服务方式等方面，避免在贷款利率上的竞争，避免直接与借款人发生利益关系，资金流转不通过P2P借贷平台，重心放在完善的信息流转平台建设上。借款人作为P2P借贷行业的重要参与方，属于资金流的需求方，相比于国外的P2P借贷行业，国内的个人征信尚不成熟，是影响P2P借贷行业稳定的重要因素。(二) 健全风控体系的具体建议 本文利用翼龙贷平台披露的信息构建了借款人信用风险控制模型，通过回归分析结果，结合大量文献资料，谨提出以下几点建议：P2P借贷平台应该发挥其线上线下相结合的信息平台优势，工作重心放在发展、完善借款人密集地的地域性、深层次的信息收集网，重点审核借款人工作年限等与工作相关的社会关系，一方面节约第三方平台不必要的线下支出，另一方面能较为有效地保证平台贷出资金的如期回收； 与信息平台建设相对应的，资金流可以和各大银行、网上银行或第三方支付平台合作，避免与借贷双方发生大笔资金流记录，以收取服务费为主要营业收入。关于借款描述，P2P借贷平台应该将其列为划分投资项目的重要指标，把借款描述详细的借款单放在投资列表的前面，并对借款描述中所陈述的内容进行实地核实，可以保障关于贷出资金一定的回收度和对投资人的吸引力。关于贷款利率的设定，尽量设定于银行贷款利率的浮动上限附近，P2P借贷平台盯紧第三方借贷平台的身份，避免在利率上盈利，使贷款利率对借款人平常化，在能够吸引投资人投资的基础上尽量保障贷出款的高回收率。关于贷款总额上限的限定，本文认为需要设置一个普适性的低限额，一次性贷出太多资金对于借款人风险控制有很大的挑战性，一定时间段内，若要对某一借款人贷出超限额贷款，需要借款人在第四方权威平台（可以是银行或者公信部门等）见证下提供相关价值抵押品给第四方权威平台。关于担保项目，P2P借贷平台可以针对某些特殊借款人，如相关资信不够的借款人，尽量推出一些优惠，甚至或是一些门槛，要求第三方担保人的保证。关于信用卡额度，可以见得银行的资信可以借鉴到P2P借贷平台的资金贷出前审理环节，也即推崇P2P借贷平台和银行借贷部门的合作，淡化第三方借贷平台和银行借贷平台之间的竞争，使借贷市场得以在“阳光”下覆盖风险高低区，使民间高利贷等违法现象退出借贷市场。关于P2P借贷平台的信息保护，本文认为P2P借贷平台应该与相关地域公安部门合作，保障借款人的合法信息安全，针对投资人采取收费会员制，避免借款人个人信息的过度披露。致谢其次要感谢学校给我们提供了良好的治学环境，宿舍全覆盖的网络和学校充沃的文献资料给本人论文撰写提供了很大的帮助。最后要感谢同窗四年的师生伙伴，无论是生活上的同甘共苦还是学习上的互相监督理解，都给本人人生道路上画上了绚烂的色彩，在这里不仅收获了知识，还学会了成长，形成了本人一些为人处事的原则，也为本文的撰写奠下了基础。参考文献：[1]熊劲，马超群，姚铮. P2P网贷担保认证服务对借款的影响——以人人贷为例[J]. 管理现 代化，2015，04:1-3.[2]庄雷，赵天骄，黄玲. 小微企业网络融资机制效率分析——基于“人人贷”的实证分析[J]. 贵州财经大学学报，2015，05:58-68.[3]Herzenstein, M., R. L. Andrews, U. M. Dholakia, and E. Lyandres. The Democratization of Personal Consumer Loans? Detemiizuuits of Success in Online Peer-to-Peer Lending Comm -unities[R]. 2008. [4]高佳敏. P2P网络借贷模式研究[D].西南财经大学，2013.[8]黄琼. P2P借贷行业的发展与 风险控制[D].兰州大学，2014.[5]Lin, Mingfeng; Siva Viswanathan and N.R. Prabhala “Judging Borrowers by the Company They Keep: Social Networks and Adverse Selection in Online Peer-to-Peer Lending”, SSRN working paper available at http://ssrn.com/abstract=1355679, 2009.[6]Seth Freedman and Ginger Zhe Jin. “Learning by Doing With Asymmetric Information: Evidence from Prosper. Com”, Working Papers of University of Maryland, 2010.[7]Freedman, S.,and G. Z. Jin. Do Social Networks Solve Information Problems for Peer-to-Peer Lending? Evidence from Prosper.Com[R]. 2008. [8]孟庆贺. P2P网络借贷及其个案分析[J]. 银行家，2014，03:20-22.[9]樊云慧. P2P网络借贷的运营与法律监管[J]. 经济问题，2014，12:53-58.[10]岳铭，张思敏，谢朝阳. 我国P2P网络借贷平台的信用评级问题探讨[J]. 商业时代，2014， 31:77-78.[11]王会娟，廖理. 中国P2P网络借贷平台信用认证机制研究——来自“人人贷”的经验证 据[J]. 中国工业经济，2014，04:136-147.[12]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，2014，07:125-137.[13]黄隽，郭一辰. 小微金融市场的新动向[J]. 银行家，2013，12:72-74.[14]王会娟，何琳. 借款描述对P2P网络借贷行为影响的实证研究[J]. 金融经济学研究， 2015，01:77-85.[15]付萱. P2P网络贷款:民间金融新生力量之路[J]. 财会通讯，2013，17:6-8.[16]钱金叶，杨飞. 中国P2P网络借贷的发展现状及前景[J]. 金融论坛，2012，01:46-51.[17]艾金娣. P2P网络借贷平台风险防范[J]. 中国金融，2012，14:79-81.[18]吴琪. 规范发展我国P2P网络借贷的策略[J]. 西部金融，2014，03:60-62.[19]梁利峥. 人人贷:O2O化的P2P[J]. 经理人，2013，08:44-46.[20]封延会，贾晓燕. “人人贷”的法律监管分析——兼谈中国的影子银行问题[J]. 华东经 济管理，2012，09:95-99.[21]闫淼. 中国P2P借贷平台模式、问题及对策研究[D].中国社会科学院研究生院，2014.[22]史亚坤. P2P网络借贷平台创新发展模式研究[D].河南大学，2014.[23]杨光荣. 我国P2P网络借贷信用风险研究[D].暨南大学，2014.[24]候亚美. 我国P2P网络借贷发展问题研究[D].河北大学，2015.[25]刘峙廷. 我国P2P网络信贷风险评估研究[D].广西大学，2013.[26]杨中民. P2P借贷行业调研报告[D].西南财经大学，2013.[27]宋鹏程，吴志国，赵京. 投融资效率与投资者保护的平衡:P2P借贷平台监管模式研究[J]. 金融理论与实践，2014，01:33-38.
目录
摘要1
关键词1
Abstract1
Key words1
一、引言1
二、国内P2P借贷现况问题研究2
(一) 国外P2P借贷的发展历史及现状2
(二) 国内P2P借贷的发展现状及存在问题2
三、关于P2P借贷信用风险的研究3
（一）P2P借贷行为研究3
1.借款人行为研究3
2.贷款人行为研究3
（二）社会资本对P2P借贷信用风险控制的作用3
（三）不同运营模式对P2P借贷信用风险控制的作用4
四、关于对P2P借贷机制的发展研究5
（一）P2P借贷发展面临的风险研究5
（二）P2P借贷发展方向的研究5
五、研究设计5
（一）logistic回归方法的选择5
（二）样本选择和数据来源6
（三）观察指标的选取6
（四）观察指标的定义赋值8
（五）logistic回归模型的建立9
六、数据分析9
七、对于国内P2P借贷行业的展望和健全风控体系的建议11
（一）对于国内P2P借贷行业的展望11
（二）健全风控体系的具体建议12
致谢13
参考文献13
关于中国P2P借贷的发展前景及风控研究
引言
引言
*好棒文|www.hbsrm.com +Q: 3 5 1 9 1 6 0 7 2
nd other factors have significant impact on risk control of the borrower, and since then expected development in domestic P2P lending industry and the suggestions of risk management are put forward.近年来，P2P借贷平台相关的新闻话题不断，如“粤利通‘跑路’”、“鑫利源‘跑路’”等，而P2P借贷更是我国金融体系完善过程中不可或缺的一部分，使P2P借贷的前景和风险控制成为了人们关注的焦点。自2012年以来，P2P模式在中国市场呈现爆炸式增长，表现出了较大的市场潜力，市场需求较高的呼声；P2P借贷对利率市场化的推动作用——P2P平台上的利率产生方式可以促进市场化的利率；P2P借贷在改善资源配置，集聚闲散资金等方面具有的积极意义；P2P对于个人信用体系建立的促进作用；P2P借贷对于民间借贷阳光化的促进作用，这些因素决定了我国完善P2P借贷行业相关体制的必然趋势。本文在研究P2P借贷相关文献资料的基础上，通过国内外P2P借贷市场的对比，发现国内P2P市场薄弱点主要在于对P2P借贷信用风险控制的不足，本文通过对于翼龙贷披露的借款人信息，完成借款人信用风险评估回归模型的简单建立，尝试提出健全风控体系的建议。二、国内P2P借贷现况问题研究 P2P借贷属于互联网借贷范畴内，与第三方支付平台和众筹网络共同被定义为中介型互联网金融。但是互联网借贷不单单局限于P2P模式，还包含商家与个人之间的B2C模式和商家之间的B2B模式。当前，个人与个人之间的P2P借贷因其方便性、快捷性和其目标群体为更广大人民群体等优点，得到更多关注与支持。(一)国外P2P借贷的发展历史及现状个人借贷是人们以个人名义进行资金流交互的一种模式，由于信息不对称和借款人发生信用风险的难以控制性，导致民间借贷更多在熟人之间进行并且资金流交互空间有限。然而近代信息技术的发展和普及使得个人借贷的资金流交互空间得到很大扩展，使得个人借贷愈加频繁。也即P2P借贷的产生源于信息技术发展到一定阶段后和相关金融理念的融合。追根究底，我们通常认为它有两个源头：孟加拉穆罕默德.尤努斯的“小额信贷”和英国Zopa网站。尤努斯创办了孟加拉乡村银行GrameenBank，开创了小额信贷的模式——通过贷款给穷人，帮助数以百万的贫困人口改善了生活。尤努斯最早提出P2P模式，是倡导普惠金融的学者之一，即指倡导提供全方位的、满足社会各阶层需求的金融服务。Zopa是全球第一家真正意义上的P2P网络借贷平台，2005年3月在英国伦敦注册成立。该网站将目标客户群定位为社区小额借贷人，投资人在互联网上发布盈余金额、预期收益率和预期投资的时间，潜在的借款人可以对这些信息进行筛选，选择交易对象。或者借款人注册信息后，Zopa会把借款人的资金需求和投资人的资金供给进行系统配对。后续Zopa会负责监督还款和债务的催讨，交易完成后它向双方收取手续费作为盈利手段。Zopa运营模式取得一定成绩后，在英、美借贷市场引起了P2P借贷热潮，相关行业获得了很大的发展空间，现阶段欧美P2P借贷市场已经渐趋稳定。(二)国内P2P借贷的发展现状及存在问题国内P2P借贷市场起步于2007年，根据主营业务（如借方、贷方的配对操作等）是否依靠网络展开，国内P2P借贷平台分为线上和线下两种模式。线上平台大多模仿欧美国家P2P网贷的运营，如盼贷网和人人贷等企业；线下平台是传统民间借贷的P2P中介化，主营业务基本不依靠网络展开，如宜信和信而富等企业。近年，各式P2P借贷平台在国内如雨后春笋般出现，一方面是P2P借贷平台的建立没有太高门槛，另一方面，国内相关法制建设尚不完善。就2011年，P2P借贷平台进入快速发展期，2012年后国内P2P借贷平台的发展迎来了高热期，2014年开始国内P2P借贷平台增长速度有所减缓，步入平滑发展期，据零壹数据、网贷天眼等平台披露，截至2016年4月份，国内P2P借贷平台约4404家。仅红岭创投和网信理财近一月成交额就超过百万。随着大量P2P平台的涌现，2013年年中至今年年初左右，关于P2P借贷企业“跑路潮”的新闻频现于各大媒体，引起了广大网民对P2P借贷的一阵质疑。直至国家相关部门陆续表态和相关政策的出台，我国的P2P借贷发展到了一个较为稳定的初级阶段。不可忽视的是，我国国内平台目前面临着很多问题，主要有：国内各P2P借贷平台发展状况良莠不齐，借款利率高、无门槛、无明确监管、无行业标准等。三、关于P2P借贷信用风险的研究 近年来，随着P2P借贷行业的迅速发展，国内外也涌现出了很多研究P2P借贷行业的文献资料，如Berger (2007)和何崇阳(2011)。但是关于如何控制P2P借贷信用风险逐渐成为国内外专家学者研究的主流，经过整理，主要从借贷行为、社会资本、运营模式三个角度切入探讨P2P借贷的信用风险控制。(一)P2P借贷行为研究P2P借贷平台上的参与主体是借款人和投资人。投资人的投资决策会受到借款人个人信息和借款需求影响，而借款人的借款请求反之又会受到投资人的投资模式的影响。基于P2P借贷平台的借贷行为研究本质上是对于影响借贷交易成功因素的研究。1、借款人行为研究 从借款人的角度来看，Larrimore (2011)等人通过对借款需求者语言描述的分析，对借款需求者提出了一些可以增强借款申请说服力的建议。Kumar (2010)通过对Prosper平台披露的团体贷款“客户组”相关数据的分析，研究群组信誉在P2P借贷市场上对借贷双方配对成功率和借款人违约率的影响，发现群组信誉对往期履约情况良好的借款人没有直接影响。Herzenstein et al.(2008)和Iyer et al.(2010)认为除了信用评级之外,借款者的债务收入比也是影响借贷行为的一个重要因素，Freedman and Jin(2008)认为借款人披露的个人财务信息的详细度直接影响到借贷双方配对成功率。庄雷、赵天骄、黄玲（2015）通过收集分析人人贷在2010年到2014年3月10日披露的交易数据，认为小微企业特异性信息和融资需求直接影响到P2P借贷平台对借贷双方的撮合效率。除此之外,借款者的年龄（Pope,Sydnor,2011）、性别（Herzenstein et al.,2008;Barasinska,2009）、种族（Herzenstein et al.,2008）和外貌（Ravina,2007;DUarte et al.,2012）等特征都会影响借贷行为。2、投资人行为研究 从投资人的角度来看，Kumar (2010)通过收集分析 Prosper披露的2010年期间6个月的交易数据，发现投资人的行为基本满足“理性经济人”的限定，能够视借款人披露的信用资料界定合理的风险溢价，但是部分数据表明借贷双方会出现配对失败的情况，这些情况的出现大多是因为非财务信息指标的影响。另一方面，Barasinska(2009)等人的研究结果表明，女性投资人更愿意配对信用评级优良的借款人，同时大多会申要更高的预期收益率，另外研究结果还表明非理性信息指标更会对女性在投资决策时产生较大影响。Puro等(2010)重点研究P2P借贷平台上的从众行为，发现投资人在投标选择时大多具有从众心理。而国内的学者结合电子商务研究的思路，更多注重对P2P借贷平台上投资人的投资倾向和决策行为的研究。(二)社会资本对P2P借贷信用风险控制的作用社会资本从属于社会学范畴，通常诠释为能够通过应变的行动缩短经济运转周期的社会关系网和信赖(Putnam等，1993)。社会关系网属于社会资本范畴里最关键的组成，它是私人之间沟通而形成的相对稳定的网络关联。社会关系网通常作为非正规金融的载体，通过“软信息”的披露减轻交易过程中信息不对称问题。非正规金融理论认为社会资本会较好改善借款人的信用，降低借款人违约动机，进而降低投资人投资决策的风险。因此，学者们对社会资本在网络借贷平台的作用进行了深入而细致的研究，并得出了很多有价值的结论。MingFengLin(2009)将社会资本量化为了不同旳指标，每个指标设了5个层次，通过模型回归研究社交网络对P2P借贷平台融资效率的影响机理，研究成果显示，关系型社会资本可以大幅减轻交易过程中信息不对称问题。Martina E.Greiner 和 Hui Wang(2009)等人的研究进一步肯定了 Lin等人的研究结论，社会资本会对借款者形成还款压力(特别是贷款者中有借款者自己的朋友)时，贷款者在信贷决策时会考虑社会资本的影响。也就是说，借款人披露的社会资本越详细，交易配对成功的可能性就越高，需要付出的对应利率也越低。Steh Freedman(2010)运用Prosper平台中2006-2008年两年的交易数据，更深入地分析了 P2P在线借贷市场的信息不对称问题，研究成果显示，与线下交易比较而言，P2P线上借贷平台的借款人披露的“硬”信息(比如借款人收入，债务状况等)较简略，不过可以用社会资本(比如担保人，朋友间的名声等)，即“软”信息大幅弥补对应的短板。此外，Sergio Herrero-Lopez(2009)还研究了社会互动对借贷行为的影响，从平台上多对多的借贷关系进行探讨，研究表明当借款者出现负面的“硬”信息(信用分数低，高负债率)时，社会资本的融入可以大幅地提高交易成功率，一定程度上降低借款人信用违约的可能。总结这些学者的观点和发现，可以看出借款人披露的“硬”信息越不被看好，社会资本对促成交易成功的帮助就越大，同时对借款人履约有一定促进效用。社会资本并不会对所有的借款人提供平等的利益(Greiner，2009)，但是对于借款人信用违约行为有一定的约束性。(三)不同运营模式对P2P借贷信用风险控制的作用P2P借贷平台采取不同的运营模式一般就意味着采取了不一样的交易机制和风险控制机制，国内外对于P2P网络借贷平台运营模式的研究角度有所不同。国外的研究大多针对在P2P借贷行业运营成果优良，具有一定代表性的企业，像针对Prosper，Zopa和Kiva等。Lin和Prabhala (2009)针对Prosper的研究发现，它的信用制度制定比较完备，贷前审核和贷后服务比较到位。Greiner收集分析了2009年借贷平台交易完成的14000笔交易记录，重点针对Prosper平台上借贷人的自我选择和竞标交易等特异性信息，结果显示借款人信用评级有所提高的同时，对应的利率也实现了双赢。Emma (2011)针对欧洲各类采用异样经营模式的P2P借贷平台展开分析研究，认为Zopa之所以能取得成功是因为它在风控这一方面做得比较到位—Zopa平台上75%的借款申请都会被拒绝。另外非营利公益性借贷平台Kiva将目标客户群定位为发展中国家的小微企业，采取“批量出借人+小额借贷”模式，能控制一部分信用风险。而Lending Club平台则利用Facebook等社交软件吸引聚集借款人和投资人，同时也利用其进行约束，降低借款人信用违约的可能性。国内的学者大多针对国内外不同平台的运营模式进行阐释和定性对比研究，典型的学者研究有:张职（2012），王紫薇、袁中华和钟鑫(2012)，钮明(2012)，奚尊夏(2012)等。张职（2012）主张将国内P2P借贷平台的运营模式划成五类，重点在于阐述。王紫薇等(2012)针对拍拍贷和宜农贷两家企业，选择在营业目标界定、借款客户群选择、预期收益率制定以及风险预防、控制等方面的差异性进行研究。钮明(2012)针对国内外平台的差异进行研究，认为P2P借贷平台在近些年的发展进程中更加重视细化目标客户群，更加重视借贷安全。奚尊夏(2012)则针对国内五类P2P借贷的运营模式——亿峰模式，速贷帮模式，宜信模式，门户网站模式和阿里小贷模式的薄弱点进行研究，意欲为P2P借贷指明未来发展的道路。总得来说，不同的学者都尽量以各自独特的视角阐释了国内P2P借贷行业发展的现状及存在的问题，并努力研究出了各自认为可行的改善道路。四、关于对P2P借贷机制的发展研究P2P借贷与民间借贷在法律上尚未给出明确的规范定位。美国审计署(General Account Office)于2011年发布了一份研究报告，报告中指出部分P2P借贷平台不单单扮演了中介人的角色，更挑起了证券交易商的担子，由此，部分学者认为如何监管也是P2P借贷平台未来需要面临的重要问题。(一)P2P借贷发展面临的风险研究刘峙廷（2013）认为P2P借贷风险不仅仅受到单种类风险因素影响,更是受到复杂多种类风险因素的联合影响,这些风险因素能够划分成信用、操作、市场、法律和政策、技术、感知、信息污染七类风险。而孔非凡、江玲（2013）认为 P2P 借贷平台面临的风险可以划分为四类：第一类是信息与信用风险，部分P2P借贷平台收费较贵，借款人可能会出现逾期等非契约还款的情况；第二类是运营风险，P2P借贷平台的运营模式各有不同，行业内部竞争容易激化；第三类是资金运转风险，现阶段P2P借贷平台的资金流转很大程度上决定了平台的兴衰；第四类是政策风险，P2P借贷作为国内新兴的行业，尚未出台与其相关规范完备的法律法规，各P2P借贷平台都面对着一定的政策风险。李钧（2013）认为国内P2P借贷平台主要面临着四个方面的问题：第一是针对中间资金账户的监管不足；第二是资金转移是否先于投资行为的发生，若投资人与借款人实际并没有直接接触，平台先从投资人获得资金再决定投资行为和资金支配，就存在非法集资的嫌疑；第三是P2P借贷平台应该将担保抵押部分提供给他方对之加强监管，部分P2P借贷平台将自有资金作为对投资人的本息保障，超范围操作，有涉及融资性担保公司业务的嫌疑；第四是对P2P借贷平台牵涉到公共利益的金融行为部分亟需增强监管。(二)P2P借贷发展方向的研究王艳等(2009)针对近年P2P借贷平台运营过程中出现的问题进行研究，主张把P2P借贷定位于金融监管范畴。吴晓光等(2011)研究分析了P2P借贷平台在贷出前审查、资金流转以及贷出后服务等环节中可能出现的风险，主张从客户识别机制、资金流转机制、反洗钱机制和信用评级体系等四大角度来展开监管。张金艳（2013）主张要控制P2P借贷行业的信用风险，国内个人征信制度亟需建立完善。艾金梯(2012)主张在日前法律法规和外部监管不完备的条件下，首先需要加紧行业规范的制定以及行业自律的塑建。尤瑞章等(2010)针对国内外P2P借贷平台进行对比分析，认为国外金融市场完善的法律法规、完备的个人征信体系和先进的信息技术等是国外P2P借贷平台发展相对成熟的主要推手，他主张国内相关部门对这些方面的重视、完善。钱金叶，杨飞（2012）针对国外Zopa、prosper和国内拍拍贷、宜信、红岭创投运营模式的不同展开研究，认为国内个人征信体系的不完备，相关法律法规的不健全是国内P2P借贷行业面临的突破性问题，主张商业银行应该参与开展P2P借贷业务，促进相关方面薄弱点的完善。闫淼（2014）也针对国内外P2P借贷平台运营模式进行比较分析，主张监管从五个角度展开：界定P2P借贷平台的企业身份；设置具体的行业准入制度；引入中间账户资金托管制度；有条件的开放征信系统；规范行业退出机制。宋鹏程、吴志国、赵京（2014）认为国内P2P借贷行业要继续发展，行业协会的建立和行业自律的塑建不可或缺。五、研究设计本文通过对比研究国内外P2P借贷的文献资料，发现国内P2P借贷市场缺乏有效保障的主要症结在于国内个人征信体系的不完善，而P2P借贷信用风险主要源于借款人的信用违约，因此决定将研究重心放在对借款人信用风险的控制上面。（一）Logistic回归方法选择在实证分析部分，本文拟利用Logistic回归方法构建借款人信用风险控制模型，通过对翼龙贷披露的借款人信息进行实证研究，分析影响国内P2P借贷信用风险控制的指标。Logistic回归是非线性概率型回归模型，属于研究分类观察变量与一些影响变量之间关系的多变量分析方法，它能补充多元线性回归的不足，对自变量没有严格规定。由于借款人信用风险控制针对的是以借款人是否违约这一二分变量为中心的多重影响因素的显著性讨论，考虑到相关借款人特异性信息数据量大且平台披露更新周期较短的特点，与决策树和贝叶斯等模型方法相比，Logistic方法的运用使得借款人信用风险控制模型更具有科学实用性。（二）样本选择和数据来源本文通过零壹数据和网贷天眼等数据库平台，从符合调查要求的众多P2P借贷平台中选出借款方信息相对透明，近期交易量较大并且借款人数相对较多的平台：翼龙贷。以2015年至2016年4月份的交易为依据从中选出500项借款人数据。由相关文献资料得知，当正常借款人客户为违约借款人客户的3-5倍时，信用风险评估模型较为合理准确，因此拟从翼龙贷选取400项正常借款人客户资料，100项违约借款人客户资料，皆随机选取，去除部分残缺、不清数据外，本文收集到387项正常借款人客户资料，98项违约借款人客户资料，共计485项借款人客户资料。收集到的数据包括借款人的性别、年龄、所在地、所属行业、文化程度、工作年限、婚姻状况、借款类型、借款描述详略、借款总额、借款期限、借款用途、住房性质、信用卡额度、预计年化收益、担保项目、社保年限和当前是否有逾期违约情况等。翼龙贷于2011年10月份上线，平均满标时间0.63小时，总投资和借款人均超过17万人次，隶属北京同城翼龙网络科技有限公司，2015年11月至2016年3月份期间每个月交易量均超过3万笔，在国内P2P市场上占有相当的份额。两个月以上的借款年化收益率约为10%-12%，两个月以下（含两个月）的借款年化收益率约为6.5%-9%，比较合理。翼龙贷的发展较为平稳，符合国内P2P市场的一般行情，对于借款人的信息披露较为完整、真实，以此网站为数据来源较为科学、合理，对借款人信用风险控制机制的研究具有一定科学价值。（三）观察指标的选取观察指标的科学选取关系到借款人信用风险控制的研究的真实有效性，因此本文借鉴了国内商业银行关于个人信用风险评估体系建设的各项指标，通过查询以往P2P借贷风控研究的文献资料，借鉴了杨中民、黄琼和王梦佳等前人学者的研究思路，同时结合翼龙贷平台特有的借款人基本信息、个人资料等资料卡，以操作简便、客观真实等原则选取相对应的观察指标，确定以下观察指标：1、借款人基本信息描述借款人自身属性的信息，包括年龄、性别、文化程度、住房性质、婚姻状况、所属行业、工作年限、户口所在地、担保项目、信用卡额度和社保年限等，这些信息直观体现借款人的特异性，可以直观获得，对研究社会资本对P2P借贷风险控制的影响有重要意义。年龄是借款人生理成长的指标，通常能反映借款人的心理成熟度和社会融入度，一般年龄越大，借款人心理越成熟，融入社会的程度越深，往往某个年龄段的借款人信用违约的动机相较其他年龄段会弱很多。性别是借款人的生理特征，往往会对借款人的思维模式产生影响，一般女性偏于感性，男性偏于理性，但是具体情况可能会结合婚姻状况、文化程度和所属行业而有所差异，如婚前女性往往比男性信用违约动机强，婚后尤其是生育后的女性信用违约的动机往往大幅减弱。文化程度是借款人后天接受教育的程度，往往文化程度越高，借款人对于信用记录越为重视，另一方面，文化程度侧面反映了借款人家庭的财务实力和家庭教育程度，也即，一般文化程度越高，借款人信用违约的动机越弱。住房性质是对借款人个人现阶段财务实力较为直观的反映，一般借款人所属住房的价值越高，交易配对的成功率越高，通常结合担保项目、借款总额和借款描述详略等指标综合分析，若作为担保抵押，住房价值越高，借款人发生信用违约的可能性越小。婚姻状况是借款人社会家庭关系的描述，一般婚后借款人发生信用风险比婚前借款人发生信用风险的可能性高，借款人有家庭的社会关系约束，往往行为会更加注重家庭整体的声誉利益。所属行业是借款人社会职业关系网的描述，不同行业反映了借款人的特异性社会关系网络，有些行业规范性弱一些，从事这些行业的人通常履约意识会弱一些，发生信用违约的可能性也就大一些。工作年限描述借款人在目前工作职位上所处的持续性时间的长短，往往工作年限越长，借款人对于该工作熟练度越高，对于该工作的依赖性越强，一旦借款人披露其在职单位并写入借款记录，借款人往往会自觉履约。担保项目往往指借款人借款的物质性依据或者第三人担保，即借款人如若严重信用违约将付出与担保项目等值的代价，一般担保项目在借款人心目中越重要，所占价值越高，借款人发生信用违约的动机越小。信用卡额度主要描述借款人在银行借贷体系中的信誉评价等级，一般来说，银行借贷体系中的信誉评级体系相较更为完备复杂，也即借款人的信用卡额度越高，其近期的信用度越能得到保障。社保年限主要描述借款人为其到老年或丧失劳动力的时候提前缴纳保险费的持续性时间，一般社保年限越长，借款人的还款能力能得到越强的侧面验证，能较大促进交易的成功，同时也意味着如果借款人发生信用违约，其社保收益将变成抵押而损失，所以一般社保年限越长，借款人发生信用违约的可能性越小。户口所在地反映了借款人所处地域的经济发展状况，一般发达地区的借款人经济周期较短，会更加注重个人信用度的建设。2、借款项目基本信息描述借款项目的基本属性，包括借款描述详略、借款用途、预计年化收益率、借款期限、借款总额等，这些信息是影响借款人信用的重要因素。借款描述详略是借款人展示给投资人和第三方平台筹求资金的书面语言性主观描述的详细或是简略的判断，本文主要将描述中含有借款人详细房址或工作地址或借款用途解释的表达为详细，反之简略，通常情况下，借款人描述越详细，其发生信用违约的可能性越小。借款用途反映了借款人对于所筹求资金的预期处置方式，不同的资金用途将会决定对资金不同的重视程度，也即借款用途与借款信用风险控制之间可能存在某些联系。预测借款用途越正式，借款人发生信用违约的可能性越小。预计年化收益直接决定了借款人筹求借款的现金流代价，即作为借款人补偿给投资人一段时间占有对应资金使用权所付给投资人的报酬。一般来说，预计年化收益率越高，借款人的还款压力越大，发生信用违约的可能性越大。借款期限是指规定借款人使用资金的持续性时间长短，一般借款期限越短，借款人越有紧迫感，对于所借款项的使用会越谨慎，从而发生信用违约的可能性也就越小。但是不排除这样的可能：借款期限越短，借款人面临的还款压力越大，发生信用违约的可能性随即变大。借款总额指借款人向投资人筹求资金的总数额，一般来说借款总额越大，借款人还款压力越大，随之发生信用违约的动机也就越强烈。 上述各类观察指标都是对借款人信用风险影响较大的因素，本文对它们进行的初步分析，对设计相关模型以及给它们赋值有方向性指导意义，有利于对借款人信用风险控制模型的科学设计研究。（四）观察指标的定义赋值 对观察指标进行分组、合并等处理有利于增加模型的稳定性，简化模型运算。 选择因变量：根据借款人是否有逾期区分“好的借款人”和“差的借款人”，即借款人性质=Y(性别、年龄、文化程度、所在地、预计年化收益、借款期限、借款总额、借款类型、借款描述详略、借款用途、住房性质、婚姻状况、所属行业、工作年限、担保项目、信用卡额度、社保年限)。借款人是否有逾期行为是对于借款人近期过去一段时间是否有违约行为的实质性客观记录，这对于借款人将来一段时间内的行为预测有一定指导性作用。模型中各观察指标定义如下：表1：回归模型中各观察指标变量定义及赋值变量名变量定义赋值及含义Y借款人性质好的借款人=1，差的借款人=0X1性别男=1，女=2X2年龄21-30=1，31-40=2，41-50=3，51-60=4，61-70=5X3文化程度初中或初中以下=1，高中（中专）=2，专科=3，本科=4X4所在地西部=1，中部=2，东部=3X5住房性质无房=1，按揭40万及以上=2，按揭40万以下=3，自有房100万以内无贷款=4，自有房100万以上无贷款=5X6婚姻状况单身=1，离异=2，已婚无小孩=3，已婚有小孩=4X7所属行业机构组织=1，白领（公关销售类）=2，蓝领（劳务技工类）=3，农林牧渔=4X8工作年限1年以下=1，1-3年（不含）=2，3-5年（不含）=3，5年及以上=4X9借款描述详略有详细房址或工作地址或借款用途解释=1，无详细借款用途解释=2X10借款用途个人消费=1，农户贷款=2，生意周转=3X11预计年化收益率8%以下=1，8%-12%（不含）=2，12%及以上=3X12借款期限3个月以下=1，3个月到6个月（不含）=2，6个月到1年（不含）=3，1年及以上=4X13借款总额3万以下=1，3万-6万（不含）=2，6万-9万（不含）=3，9万-12万（不含）=4，12万及以上=5X14担保项目无=1，车=2，房=3，人=4X15信用卡额度无信用卡=1，3000以下=2，3001-6000=3，6001-20000=4，20001-50000=5，50001-100000=6，100000以上=7X16社保年限未缴纳=1，1年以下=2，1-3年（不含）=3，3-5年（不含）=4，5年及以上=5注：借款人所在地指标：国内经济发展有着比较严重的地域差异，本次研究为了简化模型运算，按照不同经济发展水平将全国分成西部、中部和东部三个地域：西部包括新疆、青海、西藏、宁夏、陕西、四川、重庆、贵州、云南；中部包括黑龙江、吉林、内蒙古、山西、河南、安徽、湖北、湖南、江西；东部包括辽宁、北京、天津、河北、山东、江苏、浙江、上海、福建、广东、广西、海南、香港、澳门。西部为经济发展相对落后地区，中部为经济发展相对平稳地区，东部为经济发达地区。（五）logistic回归模型的建立本文就借款人一年内是否有逾期记录作为借款人性质的表征，定义为二分变量，无逾期记录，好的借款人，赋值为1；无逾期记录，差的借款人，赋值为0。采用 Logistic 回归分析方法，描述16个观察指标变量对借款人信用风险控制的影响，可建立Logistic回归模型。模型的原方程为：假设 Y 与自变量 X 之间存在线性关系，由上式变形能够得到借款人信用风险控制影响因素的 Logistic 模型：i表示对所收集借款人信息的编号，j表示对观察变量因素的编号， 为第j个自变量的第i个样本观测值， 为相应自变量 的估计参数。其中 P 表示借款人选择履行按期还款的概率，自变量取值在 0～1 之间， 代表各自变量的回归系数， 为自变量， 为截距， 为随机扰动项。六、数据分析表2：各观察变量回归分析结果BS.E,WalsdfSig.Exp (B)步骤 1-.258.286.8151.367.773常量1.679.36021.7971.0005.359步骤 2.213.1193.2241.0731.238常量.897.28210.1261.0012.453步骤 3.015.235.0041.9481.015常量1.354.32017.9001.0003.873步骤 4-.134.180.5591.455.874常量1.695.44814.3411.0005.447步骤 5-.221.1631.8361.175.801常量2.208.63312.1791.0009.099步骤 6-.103.171.3671.544.902常量1.765.6587.1931.0075.841步骤 7-.152.1251.4831.223.859常量1.858.41919.6951.0006.414步骤 8.331.1227.3651.0071.392常量.284.409.4821.4871.328步骤 9-1.440.23637.0871.000.237常量3.373.36883.7681.00029.154步骤 10.073.157.2181.6411.076常量1.216.35411.7661.0013.373步骤 11-.435.1528.1471.004.647常量2.462.41135.8461.00011.725步骤 12-.202.1282.4701.116.817常量1.887.35228.7471.0006.598步骤 13-1.440.23637.0871.000.237常量3.373.36883.7681.00029.154步骤 14.743.12137.6431.0002.102常量-.343.2841.4581.227.710步骤 15.080.0691.3431.2461.083常量1.194.18840.5061.0003.302步骤 16-.202.1282.4701.116.817常量1.887.35228.7471.0006.598本文运用SPSS 19 对485组样本数据进行 Logistic 回归处理。首先将所有变量引入回归方程，对回归系数的显著性进行检验。影响借款人信用风险控制因素的 Logistic回归结果如表2所示。如表2所示，回归结果中共有16个关键变量，按95%的置信区间进行检验，其中有5个关键变量通过检验，对于实际数据而言，拟合程度已基本符合要求。工作年限。回归系数为0.331，显著性水平0.007，小于0.05，差异显著，说明工作年限对于借款人如约还款有重要影响。一方面，工作年限越久，工资收入越稳定，还款能力有所保障，另一方面，工作年限越久，借款人相关社会关系越趋于稳定，借款人对所属工作的依赖性越强，能有效减弱借款人信用违约的动机。借款描述详略。回归系数为-1.440，在95%的置信水平下显著，说明借款描述对于借款人信用风险控制有重要影响。借款描述属于借款人资料以及借款动机等客观信息的主动表达形式，一方面，借款描述表现了借款人借款时的主观态度，一般情况下，详细介绍自身近况并详细描述借款用途的时候，特别是提供有效详细家庭住址或者工作地址的借款人违约可能得到有效抑制，另一方面，借款人对于借款描述进行详细阐述时会不可避免地涉及借款人相关社会背景信息，能有效降低借款人信用违约的动机。预计年化收益率。回归系数为-0.435，显著性水平0.004，小于0.05，差异显著，说明借贷利率对于借款人信用风险控制有重要影响。借贷利率越高，借款人信用违约的动机越强烈。借款总额。回归系数为-1.440，在95%的置信水平下显著，说明借款人信用风险控制与借款总额有关，当借款人资金周转出现问题时，面对越大的债务，发生信用违约的动机越强烈。担保项目。回归系数为0.743，在95%的置信水平下显著，说明借款人信用风险控制与担保项目有关，当担保项目价值越高，借款人发生信用违约的可能性越低，其中赋值为4的观察项值为“人”，表示借款人的一定社会关系。信用卡额度。表2中这一观察项不显著，考虑到很多被抽查到的借款人表示没有办理信用卡或者未透露相关信息，故而对此项进行调整，将所有表达为值1的项删除，进行二次回归，如表3所示。表3：信用卡额度调整回归分析结果步骤17.743.18815.7051.0002.102常量-1.606.7135.0701.024.201表3中，信用卡额度观察指标回归系数为0.743，在95%的置信水平下显著，说明借款人信用风险控制与其有关，当借款人有相近的信用卡额度时，发生借款信用违约的可能性得到削减。年龄。表2中，年龄观察指标并不显著，考虑到年龄指标可能为多因素影响指标，故与性别、婚姻状况、文化程度等一一协调回归，最后发现当年龄指标与性别指标协调回归时，显著性水平为0.035，小于0.05，结果显著。 说明女性借款人在年龄较小的时候，对待借款使用较为谨慎，发生信用违约的可能性较小。一般情况下，女性借款人的安全感较差，她们在年轻时段更加注重自身信誉的建设，故而发生信用违约的动机较轻。表4：年龄指标协调回归分析结果步骤18B标准误Walddf显著水平Exp(B)截距-1.327.39711.1891.001X2-.264.1254.4281.035.768X1.459.3022.3211.1281.583住房性质。表2中，住房性质观察指标并不显著，考虑到其可能为多因素协调影响指标，故与担保项目、借款描述详略等一一协调回归，最后发现当住房性质指标与担保项目指标协调回归时，显著性水平为0.036，小于0.05，结果显著。 说明在将住房作为担保抵押时，住房的价值越高，借款人发生信用违约的可能性就越小，也即当借款人发生信用违约时付出的代价越大，借款人对所筹求款项的使用就会越谨慎。但是单纯借款人披露的住房情况中，住房价值与借款人信用风险控制没有显著影响关系。表5：住房性质指标协调回归分析结果步骤19B标准误Walddf显著水平Exp(B)截距-.941.6831.9001.168X5.369.1764.4001.0361.446X14-.789.12539.7551.000.454七、对于国内P2P借贷行业的展望和健全风控体系的建议(一) 对于国内P2P借贷行业的展望本文通过大量文献资料的比较，结合国内P2P借贷行业现况，提出健全风控机制的目标：国内P2P借贷行业各组成部分各司其职，行业稳定健全。为达成目标，谨推出两个重要渠道：P2P借贷平台作为P2P借贷行业的主体，亟需规范，完善进入、退出机制，定位于第三方平台，将竞争重心放在信息披露、贷出款高回收率的保障以及优化的服务方式等方面，避免在贷款利率上的竞争，避免直接与借款人发生利益关系，资金流转不通过P2P借贷平台，重心放在完善的信息流转平台建设上。借款人作为P2P借贷行业的重要参与方，属于资金流的需求方，相比于国外的P2P借贷行业，国内的个人征信尚不成熟，是影响P2P借贷行业稳定的重要因素。(二) 健全风控体系的具体建议 本文利用翼龙贷平台披露的信息构建了借款人信用风险控制模型，通过回归分析结果，结合大量文献资料，谨提出以下几点建议：P2P借贷平台应该发挥其线上线下相结合的信息平台优势，工作重心放在发展、完善借款人密集地的地域性、深层次的信息收集网，重点审核借款人工作年限等与工作相关的社会关系，一方面节约第三方平台不必要的线下支出，另一方面能较为有效地保证平台贷出资金的如期回收； 与信息平台建设相对应的，资金流可以和各大银行、网上银行或第三方支付平台合作，避免与借贷双方发生大笔资金流记录，以收取服务费为主要营业收入。关于借款描述，P2P借贷平台应该将其列为划分投资项目的重要指标，把借款描述详细的借款单放在投资列表的前面，并对借款描述中所陈述的内容进行实地核实，可以保障关于贷出资金一定的回收度和对投资人的吸引力。关于贷款利率的设定，尽量设定于银行贷款利率的浮动上限附近，P2P借贷平台盯紧第三方借贷平台的身份，避免在利率上盈利，使贷款利率对借款人平常化，在能够吸引投资人投资的基础上尽量保障贷出款的高回收率。关于贷款总额上限的限定，本文认为需要设置一个普适性的低限额，一次性贷出太多资金对于借款人风险控制有很大的挑战性，一定时间段内，若要对某一借款人贷出超限额贷款，需要借款人在第四方权威平台（可以是银行或者公信部门等）见证下提供相关价值抵押品给第四方权威平台。关于担保项目，P2P借贷平台可以针对某些特殊借款人，如相关资信不够的借款人，尽量推出一些优惠，甚至或是一些门槛，要求第三方担保人的保证。关于信用卡额度，可以见得银行的资信可以借鉴到P2P借贷平台的资金贷出前审理环节，也即推崇P2P借贷平台和银行借贷部门的合作，淡化第三方借贷平台和银行借贷平台之间的竞争，使借贷市场得以在“阳光”下覆盖风险高低区，使民间高利贷等违法现象退出借贷市场。关于P2P借贷平台的信息保护，本文认为P2P借贷平台应该与相关地域公安部门合作，保障借款人的合法信息安全，针对投资人采取收费会员制，避免借款人个人信息的过度披露。致谢其次要感谢学校给我们提供了良好的治学环境，宿舍全覆盖的网络和学校充沃的文献资料给本人论文撰写提供了很大的帮助。最后要感谢同窗四年的师生伙伴，无论是生活上的同甘共苦还是学习上的互相监督理解，都给本人人生道路上画上了绚烂的色彩，在这里不仅收获了知识，还学会了成长，形成了本人一些为人处事的原则，也为本文的撰写奠下了基础。参考文献：[1]熊劲，马超群，姚铮. P2P网贷担保认证服务对借款的影响——以人人贷为例[J]. 管理现 代化，2015，04:1-3.[2]庄雷，赵天骄，黄玲. 小微企业网络融资机制效率分析——基于“人人贷”的实证分析[J]. 贵州财经大学学报，2015，05:58-68.[3]Herzenstein, M., R. L. Andrews, U. M. Dholakia, and E. Lyandres. The Democratization of Personal Consumer Loans? Detemiizuuits of Success in Online Peer-to-Peer Lending Comm -unities[R]. 2008. [4]高佳敏. P2P网络借贷模式研究[D].西南财经大学，2013.[8]黄琼. P2P借贷行业的发展与 风险控制[D].兰州大学，2014.[5]Lin, Mingfeng; Siva Viswanathan and N.R. Prabhala “Judging Borrowers by the Company They Keep: Social Networks and Adverse Selection in Online Peer-to-Peer Lending”, SSRN working paper available at http://ssrn.com/abstract=1355679, 2009.[6]Seth Freedman and Ginger Zhe Jin. “Learning by Doing With Asymmetric Information: Evidence from Prosper. Com”, Working Papers of University of Maryland, 2010.[7]Freedman, S.,and G. Z. Jin. Do Social Networks Solve Information Problems for Peer-to-Peer Lending? Evidence from Prosper.Com[R]. 2008. [8]孟庆贺. P2P网络借贷及其个案分析[J]. 银行家，2014，03:20-22.[9]樊云慧. P2P网络借贷的运营与法律监管[J]. 经济问题，2014，12:53-58.[10]岳铭，张思敏，谢朝阳. 我国P2P网络借贷平台的信用评级问题探讨[J]. 商业时代，2014， 31:77-78.[11]王会娟，廖理. 中国P2P网络借贷平台信用认证机制研究——来自“人人贷”的经验证 据[J]. 中国工业经济，2014，04:136-147.[12]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，2014，07:125-137.[13]黄隽，郭一辰. 小微金融市场的新动向[J]. 银行家，2013，12:72-74.[14]王会娟，何琳. 借款描述对P2P网络借贷行为影响的实证研究[J]. 金融经济学研究， 2015，01:77-85.[15]付萱. P2P网络贷款:民间金融新生力量之路[J]. 财会通讯，2013，17:6-8.[16]钱金叶，杨飞. 中国P2P网络借贷的发展现状及前景[J]. 金融论坛，2012，01:46-51.[17]艾金娣. P2P网络借贷平台风险防范[J]. 中国金融，2012，14:79-81.[18]吴琪. 规范发展我国P2P网络借贷的策略[J]. 西部金融，2014，03:60-62.[19]梁利峥. 人人贷:O2O化的P2P[J]. 经理人，2013，08:44-46.[20]封延会，贾晓燕. “人人贷”的法律监管分析——兼谈中国的影子银行问题[J]. 华东经 济管理，2012，09:95-99.[21]闫淼. 中国P2P借贷平台模式、问题及对策研究[D].中国社会科学院研究生院，2014.[22]史亚坤. P2P网络借贷平台创新发展模式研究[D].河南大学，2014.[23]杨光荣. 我国P2P网络借贷信用风险研究[D].暨南大学，2014.[24]候亚美. 我国P2P网络借贷发展问题研究[D].河北大学，2015.[25]刘峙廷. 我国P2P网络信贷风险评估研究[D].广西大学，2013.[26]杨中民. P2P借贷行业调研报告[D].西南财经大学，2013.[27]宋鹏程，吴志国，赵京. 投融资效率与投资者保护的平衡:P2P借贷平台监管模式研究[J]. 金融理论与实践，2014，01:33-38.
目录
摘要1
关键词1
Abstract1
Key words1
一、引言1
二、国内P2P借贷现况问题研究2
(一) 国外P2P借贷的发展历史及现状2
(二) 国内P2P借贷的发展现状及存在问题2
三、关于P2P借贷信用风险的研究3
（一）P2P借贷行为研究3
1.借款人行为研究3
2.贷款人行为研究3
（二）社会资本对P2P借贷信用风险控制的作用3
（三）不同运营模式对P2P借贷信用风险控制的作用4
四、关于对P2P借贷机制的发展研究5
（一）P2P借贷发展面临的风险研究5
（二）P2P借贷发展方向的研究5
五、研究设计5
（一）logistic回归方法的选择5
（二）样本选择和数据来源6
（三）观察指标的选取6
（四）观察指标的定义赋值8
（五）logistic回归模型的建立9
六、数据分析9
七、对于国内P2P借贷行业的展望和健全风控体系的建议11
（一）对于国内P2P借贷行业的展望11
（二）健全风控体系的具体建议12
致谢13
参考文献13
关于中国P2P借贷的发展前景及风控研究
引言
引言
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jmgl/jjymy/2728.html
