李明初

【摘 要】 面對(duì)國(guó)內(nèi)網(wǎng)絡(luò)借貸行業(yè)快速發(fā)展、行業(yè)風(fēng)險(xiǎn)逐步暴露、法律監(jiān)管體系尚不完善的發(fā)展現(xiàn)狀，文章在明確清晰地界定了網(wǎng)絡(luò)借貸，特別是P2P網(wǎng)貸范圍后，以拍拍貸為例，通過抓取拍拍貸平臺(tái)上最近的75 450條交易數(shù)據(jù)并利用Probit二元選擇模型，分別從影響投資人借款認(rèn)可度因素以及影響平臺(tái)借款認(rèn)可度因素兩個(gè)層次，對(duì)影響借款人借款成功的因素進(jìn)行了實(shí)證分析。根據(jù)實(shí)證分析結(jié)果，針對(duì)借款人如何提高投資人和網(wǎng)貸平臺(tái)借款認(rèn)可度提出可行性建議。

【關(guān)鍵詞】 P2P網(wǎng)貸； Probit模型； 借款成功因素

中圖分類號(hào)：F724.6；F832.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2016）04-0100-07

一、引言

（一）選題背景

P2P網(wǎng)絡(luò)借貸是peer to peer lending的縮寫，亦被稱為“人人貸”。即由具有資質(zhì)的P2P網(wǎng)絡(luò)借貸平臺(tái)（第三方公司）作為中介平臺(tái)，借款人在平臺(tái)上發(fā)放借款標(biāo)，擁有資金并有投資理財(cái)意愿的投資人，通過該平臺(tái)獲取信息、參與競(jìng)標(biāo)、進(jìn)行交易操作，從而將資金貸給資金需求方的行為。P2P網(wǎng)絡(luò)借貸平臺(tái)，是在互聯(lián)網(wǎng)上為借貸雙方提供信息發(fā)布、交流溝通以及促成交易的第三方金融服務(wù)網(wǎng)站，其僅作為交易的技術(shù)支持方，而本身并不作為借貸資金的債權(quán)債務(wù)方。一般來說，P2P網(wǎng)絡(luò)借貸平臺(tái)的具體服務(wù)形式包括：借貸信息公布、資格審核以及信用評(píng)級(jí)、投資咨詢、風(fēng)險(xiǎn)控制、逾期貸款追償以及其他增值服務(wù)等。

自2007年起至今，P2P網(wǎng)絡(luò)借貸公司發(fā)展經(jīng)歷了由零起點(diǎn)到爆發(fā)式增長(zhǎng)的過程。據(jù)國(guó)內(nèi)第三方網(wǎng)貸資訊平臺(tái)網(wǎng)貸之家的統(tǒng)計(jì)與估算數(shù)據(jù)，2013年P(guān)2P行業(yè)整體貸款存量約268億元，出借人數(shù)更是遠(yuǎn)超20萬人。本文正是基于國(guó)內(nèi)P2P網(wǎng)貸行業(yè)快速發(fā)展、行業(yè)風(fēng)險(xiǎn)逐步暴露、法律監(jiān)管體系尚不完善的發(fā)展現(xiàn)狀，試圖通過以拍拍貸為例探究P2P平臺(tái)下影響借款成功的可能因素，建立判斷借款成功的預(yù)測(cè)模型，并以此來指導(dǎo)借款人通過有針對(duì)性地提高某些影響因素以提升P2P平臺(tái)借款成功率，從而確保P2P網(wǎng)貸平臺(tái)的良性平穩(wěn)健康發(fā)展。

（二）文獻(xiàn)綜述

1.國(guó)外文獻(xiàn)綜述

國(guó)外學(xué)者對(duì)于借款人借款成功率以及借款利率的影響因素研究表明，借貸行為的影響因素主要為財(cái)務(wù)信息、人口特征、信用評(píng)級(jí)以及社交網(wǎng)絡(luò)等軟信息。

Freedman & Jin（2008）在研究中發(fā)現(xiàn)，在借貸平臺(tái)要求借款人提供了自己更多的財(cái)務(wù)信息后，借款人的借款成功率將會(huì)上升。Herzenstein（2008），Ravina（2008），Pope & Sydnor（2008）等的研究表明，借款人的年齡、性別、外表以及種族等人口特征對(duì)借款成功率和借貸利率具有顯著的影響。Klafft（2008）通過對(duì)Prosper平臺(tái)的交易數(shù)據(jù)進(jìn)行分析，證明借款人的信用評(píng)級(jí)是對(duì)借款利率影響最大的因素。然而不同的是，當(dāng)研究的被解釋變量變成借款是否成功時(shí)，借款人銀行賬戶的存在與否卻成為決定借款能否成功的最重要因素。

Lin et al.（2009）在針對(duì)社交網(wǎng)絡(luò)中的關(guān)系嵌入維度進(jìn)行研究后，最終的結(jié)論是：關(guān)系型社會(huì)資本可以有效降低由信息不對(duì)稱帶來的逆向選擇風(fēng)險(xiǎn)。Greiner et al.（2010），Sergio Herrero-Lopez（2009），Steh Freedman（2010）等的研究進(jìn)一步肯定了Lin等的研究結(jié)論，認(rèn)為當(dāng)借款人擁有的社會(huì)資本越多時(shí)，其借款成功幾率越高，借款利率越低，并且違約概率更低。

Laura Larrimore et al.（2011）通過分析借款人列表上的語言描述來檢驗(yàn)P2P借貸環(huán)境下語言使用和說服成功之間的關(guān)系，從而為借款人增強(qiáng)對(duì)投標(biāo)人的借款說服力提供了指導(dǎo)建議。類似的，Sonenshein，Herzenstein，Dholakia（2011）的研究同樣表明了信用等級(jí)較低的借款人仍可以通過合理的解釋贏得投資人的信任，從而影響投標(biāo)人的借出決定。

Eunkyoung Lee & Byungtae Lee研究證實(shí)了P2P網(wǎng)絡(luò)借貸中的羊群效應(yīng)，表明投標(biāo)的參與度越高，借款人與投標(biāo)人之間的互動(dòng)與交流越多，越容易吸引更多的出借人參與投標(biāo)。同樣的，Puro et al.（2010）對(duì)P2P平臺(tái)上的從眾行為進(jìn)行了實(shí)證分析，發(fā)現(xiàn)競(jìng)標(biāo)過程中貸款人的從眾心理是顯著的。

2.國(guó)內(nèi)文獻(xiàn)綜述

與國(guó)外的研究重點(diǎn)不同，我國(guó)國(guó)內(nèi)學(xué)者對(duì)P2P網(wǎng)貸平臺(tái)的研究主要集中在P2P網(wǎng)絡(luò)借貸的發(fā)展歷程及發(fā)展模式、平臺(tái)介紹、作用與意義、風(fēng)險(xiǎn)與監(jiān)管以及少量的實(shí)證分析等方面。溫小霓、武小娟等（2014）利用拍拍貸平臺(tái)上的交易數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果發(fā)現(xiàn)借款金額、借款人歷史成功次數(shù)、信用積分、審核項(xiàng)目數(shù)對(duì)借款結(jié)果有正的影響。這一結(jié)果與郭奕（2011）、李文佳（2011）等的實(shí)證基本一致。陳霄（2014）通過對(duì)平臺(tái)內(nèi)存在的“羊群行為”進(jìn)行分析后發(fā)現(xiàn)標(biāo)的特征、信用和地區(qū)因素對(duì)借款人成本具有顯著影響。張娜（2010）從社會(huì)資本的角度出發(fā)，認(rèn)為出借人對(duì)借貸平臺(tái)以及借款人的信任、借款人的信用和借款人的社會(huì)關(guān)系資本會(huì)顯著影響出借人對(duì)借款人的信任。

3.文獻(xiàn)述評(píng)及本文創(chuàng)新

由國(guó)內(nèi)外有關(guān)P2P網(wǎng)貸的研究重點(diǎn)差異可見，我國(guó)有關(guān)P2P網(wǎng)貸平臺(tái)主要還是集中在P2P網(wǎng)貸模式的比較分析，以及P2P網(wǎng)貸面臨的主要風(fēng)險(xiǎn)方面，對(duì)P2P網(wǎng)貸的實(shí)證研究比較缺乏，雖然已有部分學(xué)者已經(jīng)對(duì)相關(guān)實(shí)證研究進(jìn)行了初步探索，但無論是在數(shù)據(jù)的選取與設(shè)定上，還是在模型的選擇上，都還有一定的提升空間。

基于目前我國(guó)P2P網(wǎng)貸研究的現(xiàn)狀，本文擬以拍拍貸平臺(tái)為例，希望通過對(duì)借款人分別贏得投標(biāo)人以及網(wǎng)貸平臺(tái)信任的影響因素的分析，深入探究影響借款人借款成功的因素，并尋找能夠較為準(zhǔn)確地預(yù)測(cè)借款人的借款成功可能性的回歸模型，在彌補(bǔ)目前P2P網(wǎng)貸實(shí)證分析不足的同時(shí)，也能夠?yàn)榻杩钊说男袨樘峁┯行У闹笇?dǎo)。

本文最大的亮點(diǎn)就在于分贏得投資人信任和在贏得投資人信任之后贏得網(wǎng)貸平臺(tái)信任兩個(gè)階段來探究P2P網(wǎng)貸中借款成功的影響因素。從兩個(gè)階段的分析方式可以很明顯地看出，對(duì)于投資人和平臺(tái)來說，雙方的關(guān)注重點(diǎn)差異。投資人希望以最小的風(fēng)險(xiǎn)爭(zhēng)取最大的收益，而平臺(tái)則更在意借款人的真實(shí)還款能力和提供信息的可靠性，其目的在于保護(hù)投資者權(quán)益。此外，在數(shù)據(jù)的抓取與處理上，與以往僅抓取網(wǎng)頁(yè)部分指標(biāo)不同，本文利用了網(wǎng)站現(xiàn)有公開的全部信息，同時(shí)對(duì)原始數(shù)據(jù)根據(jù)網(wǎng)頁(yè)存儲(chǔ)數(shù)據(jù)特點(diǎn)進(jìn)行了一定調(diào)整，力求最大限度地還原投資人投資歷史時(shí)期下所見借款信息。同時(shí)，本文抓取的是最近交易的7萬余條數(shù)據(jù)，時(shí)效性最強(qiáng)、數(shù)據(jù)量最大。

二、研究樣本和變量

（一）數(shù)據(jù)來源

在變量的設(shè)置以及選取上，本文基于Microsoft Excel VBA編程環(huán)境，采取了可擴(kuò)展超文本傳輸請(qǐng)求（XMLHttpRequest）方法，在拍拍貸平臺(tái)上抓取了75 450樣本數(shù)據(jù)，并以拍拍貸平臺(tái)上顯示的全部公開信息為依據(jù)，將變量分成了三個(gè)大類：借款信息（X）、借款人信息（Y）以及歷史借款信息（Z）。借款信息表明本次借款標(biāo)的對(duì)貸款人的吸引程度，由定量的借款基本信息（X1）和定性的借款其他信息（X2）兩個(gè)子分類構(gòu)成；借款人信息說明了貸款人對(duì)借款人本人的認(rèn)可程度；歷史借款信息則表示了貸款人對(duì)平臺(tái)的認(rèn)可程度。

最終，匯總本文所涉及的全部變量如表1所示。

（二）變量描述性統(tǒng)計(jì)

由表2描述性統(tǒng)計(jì)結(jié)果可以看出，是否滿標(biāo)的平均值為0.335，表明樣本滿標(biāo)率僅為33.5%，僅有33.5%的借款人能夠爭(zhēng)取到投資人信任；而借款狀態(tài)的平均值僅為0.228，說明最終借款成功率僅為22.8%，占滿標(biāo)的67.9%，說明在爭(zhēng)取到投資人信任后，僅有一半多的借款人能夠獲得平臺(tái)認(rèn)可?？梢?，目前拍拍貸平臺(tái)上借款人面對(duì)的兩大問題就在于如何爭(zhēng)取到更多的投資人信任以及如何獲得平臺(tái)的認(rèn)可。

三、實(shí)證檢驗(yàn)結(jié)果與分析

（一）相關(guān)性分析

從表3變量間的相關(guān)系數(shù)可以看出，除變量C4與C5之間相關(guān)系數(shù)超過0.5外，其他各變量間的相關(guān)系數(shù)均未超過0.5，說明變量之間相關(guān)性不強(qiáng)，因此，可以認(rèn)為模型基本上不存在多重共線性。對(duì)于是否審錯(cuò)就賠付（C4）以及是否已通過預(yù)審（C5）之間存在相關(guān)性的問題，在之后的模型中采取了保留是否已通過預(yù)審這一變量的策略。

（二）模型建立

在探究影響借款人借款成功的因素時(shí)，投標(biāo)是否滿標(biāo)（RES）是一個(gè)二元因變量，而在解釋變量中如性別、借款目的等變量都是離散變量，因此本文采用了二元選擇模型中的Probit模型進(jìn)行回歸分析。

二元離散模型定義為：

{yi}是一組取值為1或0的獨(dú)立離散隨機(jī)變量，xi是已知常數(shù)的K維向量，β0是未知參數(shù)的K維向量，F(xiàn)是已知函數(shù)。

一般而言，F(xiàn)函數(shù)形式應(yīng)用頻率較高的是線性概率模型、Probit和Logit模型。由于線性概率模型具有明顯的缺點(diǎn)：F的取值并沒有限制在0和1之間，因此線性函數(shù)并不是一個(gè)合適的分布函數(shù)。而由中心極限定理可以證明Probit模型的合理性，Logit模型與Probit模型類似。Probit模型可以有效地解決二元因變量的回歸問題，同時(shí)在處理離散解釋變量時(shí)也能夠很好地將其轉(zhuǎn)化為啞變量并進(jìn)行回歸。其函數(shù)形式如下：

本文將借款人由提交借款申請(qǐng)到最終獲得借款成功細(xì)分為兩個(gè)過程：首先借款人發(fā)布借款信息后在結(jié)束時(shí)間前達(dá)到滿標(biāo)狀態(tài)是獲得借款成功的第一步，即由足夠多的投標(biāo)人愿意借錢給借款人并表現(xiàn)為投標(biāo)完成，也可以說借款人贏得了投標(biāo)人的認(rèn)可；其次投標(biāo)完成的借款項(xiàng)目將會(huì)遞交至拍拍貸平臺(tái)進(jìn)行借款審核，只有通過借款審核的借款標(biāo)的才會(huì)最終獲得資金，這一步體現(xiàn)了借款人是否贏得了平臺(tái)的認(rèn)可。因此在具體的建模過程中，本文同樣分為兩個(gè)部分：一是探究借款人贏得投標(biāo)人認(rèn)可的影響因子，以借款標(biāo)的是否滿標(biāo)，也就是投標(biāo)是否完成為被解釋變量；二是在借款人已贏得投標(biāo)人認(rèn)可的基礎(chǔ)上，探究借款人贏得平臺(tái)認(rèn)可的影響因子，以借款是否成功為被解釋變量。

四、影響借款人借款成功因素的實(shí)證分析

（一）影響投資人借款認(rèn)可度因素的實(shí)證分析

由前文所述，借款人需要獲得足夠多投資人的認(rèn)可才能使借款標(biāo)的被投滿，這是借款人獲得借款的第一步。因此首先以是否滿標(biāo)（RES）為二元因變量，以借款信息、借款人信息以及歷史借款信息為解釋變量，探究影響投資人對(duì)借款判斷的因素。要特別注意的是，由于借入信用（C_1）是Di（i=1，2，…，9）之和，因此本文僅以C_1作為借款人的綜合借入信用而不進(jìn)一步對(duì)其進(jìn)行拆分。如無特別說明，此規(guī)定適合于本文的全部模型。在剔除了不顯著變量后，本文得到的回歸結(jié)果如表4。

表4下方是模型的擬合優(yōu)度檢驗(yàn)，從表中所示Andrews和Hosmer-Lemeshow檢驗(yàn)的結(jié)果表明，模型擬合效果十分顯著。

進(jìn)一步的，表5為根據(jù)概率Pr（yi=1|xi）的預(yù)測(cè)值是否高于分界概率0.5的情況下模型的期望-預(yù)測(cè)表（E-P）表。

由表5中數(shù)據(jù)不難發(fā)現(xiàn)，模型依照概率劃分而得出的正確百分比（96.65%）預(yù)測(cè)的準(zhǔn)確率非常高，這說明在現(xiàn)有模型下，對(duì)借款人借款是否成功的預(yù)測(cè)誤差率幾乎可以控制在5%之內(nèi)。

對(duì)于二元選擇模型，其系數(shù)的經(jīng)濟(jì)解釋比較麻煩，不能直接理解為對(duì)被解釋變量的邊際效應(yīng)，因此本文主要從解釋變量系數(shù)的正負(fù)符號(hào)來定性地對(duì)回歸結(jié)果加以說明。表6列出了通過模型回歸得出的各解釋變量對(duì)被解釋變量的影響方向。

（二）影響平臺(tái)借款認(rèn)可度因素的實(shí)證分析

在借款人獲得了投資人認(rèn)可之后，即投標(biāo)完成，也就是滿標(biāo)之后，借款人接下來面臨的就是平臺(tái)的審核環(huán)節(jié)，換句話說，就是借款人需要進(jìn)一步得到平臺(tái)的認(rèn)可后，才能成功籌得資金。類似的，本文仍采用Probit模型，以借款成功（FIN）為二元因變量，以借款信息、借款人信息以及歷史借款信息為解釋變量進(jìn)行建模，希望以此來為借款人提高借款成功率作出指導(dǎo)。

在數(shù)據(jù)的調(diào)整上，本文在原有調(diào)整得到的60 837條數(shù)據(jù)中，將投標(biāo)未完成的借款全部剔除，僅留下已經(jīng)獲得投資人認(rèn)可，但借款尚需平臺(tái)核準(zhǔn)的樣本數(shù)據(jù)。同時(shí)，模型同樣剔除了對(duì)是否借款成功影響并不顯著的解釋變量T、C4、L2、L3、L5、G、A。經(jīng)過篩選，最終留下了20 406條借款信息。

對(duì)以上樣本進(jìn)行建模，同樣的，得到結(jié)果如表7，可以看到模型的擬合優(yōu)度也十分顯著。

表8顯示的E-P表表明，依照概率劃分而得出的正確百分比為91.78%，其預(yù)測(cè)的準(zhǔn)確率相較上一模型有所下降，但仍保持了90%以上的預(yù)測(cè)準(zhǔn)確性。由此說明，在投資人依照現(xiàn)有公布的信息已經(jīng)做出“是”的判斷的情況下，平臺(tái)對(duì)借款的最終審核除了依靠對(duì)外公布的信息外，還加入了一些非公開信息的因素的考量，導(dǎo)致了模型預(yù)測(cè)準(zhǔn)確性的降低。雖然預(yù)測(cè)的錯(cuò)誤率相較之前的確有了一定程度的升高，但是整體的預(yù)測(cè)效果依然是可以接受的。最終，同樣得到了各解釋變量對(duì)被解釋變量影響方向的匯總表，見表9。

（三）回歸結(jié)果分析

通過表9和表6的對(duì)比發(fā)現(xiàn)，在選取的解釋變量上，兩者已經(jīng)產(chǎn)生了很大程度的分歧，這說明投資者和平臺(tái)借款審核者的關(guān)注點(diǎn)并不完全一致，這種不一致使借款安全性進(jìn)一步增強(qiáng)。其差異具體表現(xiàn)在如下方面：

1.借款信息

在借款基本信息上，借款金額對(duì)借款成功的影響進(jìn)一步削弱，說明平臺(tái)更有理由相信借款金額與借款人信用評(píng)級(jí)有密切的相關(guān)性；借款期限對(duì)借款成功帶來了負(fù)效應(yīng)，說明投資人和拍拍貸平臺(tái)在借款期限上的看法是一致的，期限越長(zhǎng)，風(fēng)險(xiǎn)越高。特別要注意的是，投資人和拍拍貸平臺(tái)在借款年利率的看法上出現(xiàn)了明顯的分歧，借款年利率對(duì)借款成功的影響產(chǎn)生了負(fù)效應(yīng)。因?yàn)閷?duì)于拍拍貸平臺(tái)而言，高收益并不是其審核的核心，而有效控制借款風(fēng)險(xiǎn)才是平臺(tái)審核的重點(diǎn)。在同等條件下，借款人的借款利率越高，說明平臺(tái)與借款人之間的信息不對(duì)稱可能就越嚴(yán)重，那么投資人遭受的違約可能性就越大。因此，平臺(tái)會(huì)考慮控制一部分具有過高借款利率的借款標(biāo)的的發(fā)布。

在借款其他信息上，特別需要注意的是非提現(xiàn)標(biāo)變量的負(fù)系數(shù)。這表明平臺(tái)對(duì)于非提現(xiàn)標(biāo)的態(tài)度是比較謹(jǐn)慎的，事實(shí)上，這樣的態(tài)度具有一定的合理性。因?yàn)榉翘岈F(xiàn)標(biāo)指的是借款人在獲得借款后資金不會(huì)變現(xiàn)，而僅僅會(huì)在平臺(tái)上進(jìn)行投資流轉(zhuǎn)，這表面看起來似乎保障了借款在平臺(tái)控制下的安全，但實(shí)際上擴(kuò)大了平臺(tái)風(fēng)險(xiǎn)，一旦一筆資金通過多筆非提現(xiàn)標(biāo)進(jìn)行轉(zhuǎn)手后，在每一次借款利率進(jìn)行積累的同時(shí)，借款風(fēng)險(xiǎn)也不斷加大，當(dāng)鏈條末端的最后一個(gè)借款人無法投資到比借款利率更高的產(chǎn)品時(shí)，他就將選擇違約，那么這個(gè)違約風(fēng)險(xiǎn)將會(huì)順著債權(quán)債務(wù)關(guān)系層層擴(kuò)大，最終可能引發(fā)平臺(tái)借款的大規(guī)模違約事件，導(dǎo)致平臺(tái)的倒閉。因此，平臺(tái)對(duì)非提現(xiàn)標(biāo)采取謹(jǐn)慎的態(tài)度有利于對(duì)平臺(tái)風(fēng)險(xiǎn)的掌控。

2.借款人信息

在借款人信息上，性別和年齡已經(jīng)不是平臺(tái)審核借款的重點(diǎn)，與投資人更為不同的是，平臺(tái)在借款審核中更看重借款人的身份。由回歸結(jié)果可以看出，無論是工薪族、學(xué)生，還是私營(yíng)業(yè)主、網(wǎng)店賣家，這些身份對(duì)借款的最終成功都具有顯著且較強(qiáng)的正效應(yīng)，但這四個(gè)變量的系數(shù)相差并不是很大，說明在平臺(tái)看來，借款人身份的差異對(duì)借款成功影響造成的波動(dòng)并不大。這說明平臺(tái)在審核借款資質(zhì)的過程中，更加注重借款人信息和資料的完整性，如果借款人對(duì)自身信息披露較為充分，那么毫無疑問他將更容易獲得平臺(tái)更大的認(rèn)可度。

3.歷史借款信息

在歷史借款信息中，成功次數(shù)、流標(biāo)次數(shù)以及借入信用給平臺(tái)借款審核帶來的影響與給投資人投資帶來的影響基本一致，這反映了平臺(tái)對(duì)于平臺(tái)本身統(tǒng)計(jì)數(shù)據(jù)的認(rèn)可程度。

五、總結(jié)與建議

本文通過建立Probit二元選擇模型，探究了顯著影響投資人以及網(wǎng)貸平臺(tái)對(duì)于借款判斷的可能因素，并通過擬合優(yōu)度等檢驗(yàn)進(jìn)一步加強(qiáng)了模型結(jié)論的可靠性。經(jīng)過對(duì)模型解釋變量的逐步調(diào)整后，本文最終得到了對(duì)投資人行為預(yù)測(cè)具有95%以上準(zhǔn)確率、對(duì)網(wǎng)貸平臺(tái)借款審核結(jié)果預(yù)測(cè)具有90%以上準(zhǔn)確率的回歸模型。這是目前為止，在國(guó)內(nèi)對(duì)P2P網(wǎng)貸平臺(tái)上借款人借款成功影響因素的實(shí)證研究中，準(zhǔn)確性最高、涉及變量最為全面的模型結(jié)果。

經(jīng)過以上兩個(gè)回歸過程，可以對(duì)借款人如何提高投資人和網(wǎng)貸平臺(tái)的認(rèn)可度提出如下建議：

在借款信息上，合理設(shè)定借款年利率以及注意對(duì)特殊標(biāo)的類型的申請(qǐng)。借款年利率應(yīng)設(shè)定在自己能夠承受且對(duì)投資人有足夠吸引的范圍內(nèi)，同時(shí)要注意過高的年利率可能對(duì)平臺(tái)認(rèn)可度造成的負(fù)面影響；同時(shí)，要注意盡可能申請(qǐng)?zhí)厥鈽?biāo)的類型，以便大大提高投資人對(duì)借款的認(rèn)可度，特別是安全標(biāo)等，會(huì)對(duì)借款的成功起到極大的推動(dòng)作用。

在借款人信息上，雖然對(duì)于性別和年齡產(chǎn)生的或負(fù)或正的影響不是借款人所能左右的，但是意識(shí)到這些固有因素的潛在影響，有利于借款人通過其他方面的改善來得以彌補(bǔ)。特別是在個(gè)人職業(yè)等軟信息上，借款人要特別注意資料的真實(shí)完整性，這對(duì)于爭(zhēng)取投資人和平臺(tái)的信任都具有顯著效果。

在歷史借款信息上，借款人要慎重申請(qǐng)借款，確保借款記錄的良好對(duì)于以后借款所產(chǎn)生的持續(xù)放大作用具有極為重要的意義。特別要警惕借款流標(biāo)的可能性，可以通過本文的回歸模型加以預(yù)測(cè)，并有針對(duì)性提高借款成功的可能性，有效避免流標(biāo)情況的發(fā)生。這一方面對(duì)積累個(gè)人信用具有重要作用，同時(shí)較低的流標(biāo)次數(shù)也會(huì)對(duì)投資人和網(wǎng)貸平臺(tái)釋放積極的信號(hào)，有利于達(dá)到最終借款成功的目的。

到目前為止，由于P2P網(wǎng)貸平臺(tái)尚處在新興發(fā)展階段，市場(chǎng)各方力量還在不斷成長(zhǎng)，尚不成熟，因此其借款利率還沒有實(shí)現(xiàn)資源的最優(yōu)配置，平臺(tái)的風(fēng)險(xiǎn)控制機(jī)制還有待實(shí)踐的檢驗(yàn)，平臺(tái)所面臨的政策風(fēng)險(xiǎn)還有待進(jìn)一步明確和評(píng)估。隨著P2P網(wǎng)貸平臺(tái)的進(jìn)一步發(fā)展，行業(yè)自律組織以及相關(guān)法律法規(guī)的不斷成熟，P2P網(wǎng)貸平臺(tái)將會(huì)更大程度地發(fā)揮其普惠金融的優(yōu)勢(shì)，這不但能讓更多的人享受到P2P網(wǎng)貸發(fā)展帶來的福利，同時(shí)對(duì)提高我國(guó)利率市場(chǎng)化程度將產(chǎn)生巨大的影響。

【主要參考文獻(xiàn)】

[1] SETH F，GINGER Z J. Do social networks solve information problems for peer-to-peer lending？ evidence from prosper. com[D]. NET Institute Working Paper， 2008.

[2] GREINER M， WANG E H.The role of social capital in people-to-people lending marketplaces[D]. ICIS Proceeding Paper，2009.

[3] LEE E，LEE B. Herding behavior in online P2P lending： An empirical investigation[J]. Electronic Commerce Research and Applications， 2012， 11（5）： 495-503.

[4] LIN M， PRABHALA N， VISWANATHAN S. Judging borrowers by the company they keep： friendship networks and information asymmetry in online peer-topeer lending[J]. Management Science， 2011， 59（1）： 17-35.

[5] PETER R. Lending Club 簡(jiǎn)史[M]. 北京：中國(guó)經(jīng)濟(jì)出版社，2013.

[6] 第一財(cái)經(jīng)新金融研究中心.中國(guó)P2P借貸服務(wù)行業(yè)白皮書（2013）[M].北京：中國(guó)經(jīng)濟(jì)出版社，2013.

[7] 芮曉武，劉烈宏.中國(guó)互聯(lián)網(wǎng)金融發(fā)展報(bào)告（2013版）[M].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2014.

[8] 謝平，鄒傳偉.互聯(lián)網(wǎng)金融手冊(cè)[M].北京：中國(guó)人民大學(xué)出版社，2014：167-189

[9] 陳霄.民間借貸成本研究——基于P2P網(wǎng)絡(luò)借貸的實(shí)證分析[J].金融經(jīng)濟(jì)學(xué)研究，2014（1）：37-48.

[10] 溫小霓，武小娟.P2P網(wǎng)絡(luò)借貸成功率影響因素分析——以拍拍貸為例[J].金融論壇，2014（3）：3-8.

[11] 牛瑞芳. 我國(guó)網(wǎng)絡(luò)借貸行業(yè)的發(fā)展問題及對(duì)策研究[J].會(huì)計(jì)之友，2014（19）：15-17.

[12] 廖理，李夢(mèng)然，王正位.聰明的投資者：非完全市場(chǎng)化利率與風(fēng)險(xiǎn)識(shí)別——來自P2P網(wǎng)絡(luò)借貸的證據(jù)[J].經(jīng)濟(jì)研究，2014（7）：125-137.

[13] 李廣明，諸唯君，周歡.P2P網(wǎng)絡(luò)融資中貸款者欠款特征提取實(shí)證研究[J].商業(yè)時(shí)代，2011（1）：41-42.

[14] 謝平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[J].金融研究， 2012（12）：11-22.

[15] 張娜.P2P在線借貸研究述評(píng)[J].經(jīng)營(yíng)管理者，2010（8）：299.