韋艷肖

【摘 要】 文章由風(fēng)險因素量化角度入手，對借款利率、借款人信用、信息透明程度、標(biāo)的期限等風(fēng)險因素進(jìn)行處理，基于Logit模型，以網(wǎng)貸平臺為例，定量研究互聯(lián)網(wǎng)金融風(fēng)險。研究表明：借款利率、標(biāo)的期限與借款標(biāo)的風(fēng)險呈正向關(guān)系，借款利率越高、標(biāo)的期限越長，則借貸標(biāo)的風(fēng)險越大；借款人信用評價、信息透明度與借款標(biāo)的風(fēng)險呈反向關(guān)系，借款人信用評價越好、信息透明度越高，則借貸標(biāo)的風(fēng)險越低。最后，立足于研究結(jié)論為我國互聯(lián)網(wǎng)金融風(fēng)險防范提供可操作的建議。

【關(guān)鍵詞】 互聯(lián)網(wǎng)金融風(fēng)險； 網(wǎng)貸平臺； Logit模型

【中圖分類號】 F274 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 1004-5937（2018）16-0104-05

一、引言

2005年，全球第一個網(wǎng)貸平臺Zopa起源于英國，之后網(wǎng)貸平臺在全球范圍內(nèi)被廣泛復(fù)制和創(chuàng)新，2007年拍拍貸的出現(xiàn)，標(biāo)志著網(wǎng)貸平臺正式進(jìn)入中國。隨后，我國相繼出現(xiàn)了大量的網(wǎng)貸平臺，網(wǎng)貸天眼研究院調(diào)查數(shù)據(jù)顯示，截至2017年10月，我國共有P2P網(wǎng)貸平臺5 306家。網(wǎng)貸平臺規(guī)模和數(shù)量不斷擴大，拓寬了中小企業(yè)的融資渠道，為我國中小企業(yè)提供了有效的項目資金，這對我國GDP的有效增長起到了積極的支撐作用。此外，網(wǎng)貸平臺也提供了大量就業(yè)崗位，對于緩解我國就業(yè)壓力也起到了積極作用。但是我國網(wǎng)貸平臺發(fā)展起步晚，相關(guān)網(wǎng)貸體系還有待完善，中小企業(yè)和消費者缺乏良好的風(fēng)險意識，導(dǎo)致我國網(wǎng)絡(luò)借貸平臺風(fēng)險頻發(fā)，5 306家網(wǎng)貸平臺中，問題網(wǎng)貸平臺達(dá)3 527家，行業(yè)淘汰率高達(dá)66.47%。我國政府高度重視網(wǎng)貸平臺風(fēng)險的防范，早在2011年就頒布了《P2P網(wǎng)絡(luò)借貸平臺標(biāo)準(zhǔn)規(guī)定》，其中把我國網(wǎng)貸平臺分為微型網(wǎng)貸平臺、小型網(wǎng)貸平臺、中型網(wǎng)貸平臺三種，并對網(wǎng)貸平臺的從業(yè)人員、資產(chǎn)等方面制定了硬性要求[1]，目的是為了規(guī)范我國網(wǎng)貸平臺的運行。2015年銀監(jiān)部門發(fā)布了《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》，嚴(yán)格規(guī)定網(wǎng)貸平臺應(yīng)當(dāng)履行的多種義務(wù)。在此背景下，以網(wǎng)貸平臺為例探究我國互聯(lián)網(wǎng)金融風(fēng)險防范就顯得至關(guān)重要。本文研究的理論意義在于彌補我國互聯(lián)網(wǎng)金融風(fēng)險評估機制研究方面的缺失，為我國金融風(fēng)險防范研究提供新思路；實踐意義在于通過定量研究為網(wǎng)貸平臺互聯(lián)網(wǎng)資金的合理利用提供幫助，以期能夠推動我國網(wǎng)貸平臺的發(fā)展，完善我國互聯(lián)網(wǎng)金融風(fēng)險防范體系。

二、文獻(xiàn)綜述

國內(nèi)外有關(guān)互聯(lián)金融風(fēng)險防范以及網(wǎng)貸平臺風(fēng)險的研究可以分為4類。第一，技術(shù)風(fēng)險方面。王云紅（2005）研究發(fā)現(xiàn)網(wǎng)貸平臺主要面臨技術(shù)風(fēng)險和業(yè)務(wù)風(fēng)險，提出加強對網(wǎng)貸平臺的監(jiān)管，建立國家、行業(yè)、企業(yè)三方參與的互聯(lián)網(wǎng)金融技術(shù)風(fēng)險防范體系。第二，風(fēng)險現(xiàn)狀、模式和類型方面。張玉梅（2010）將我國網(wǎng)絡(luò)借貸平臺發(fā)展模式分為中介式、復(fù)合中介式以及線上與線下結(jié)合式三類。Berger等（2009）將網(wǎng)貸平臺風(fēng)險分為內(nèi)生風(fēng)險與外生風(fēng)險，其中內(nèi)生風(fēng)險是指技術(shù)、運營、合同等，外生風(fēng)險是指法律、國家政府、交易對手等方面存在的風(fēng)險。第三，將互聯(lián)網(wǎng)金融與網(wǎng)貸平臺相結(jié)合進(jìn)行研究。劉迎秋（2012）認(rèn)為我國網(wǎng)絡(luò)借貸平臺迅速發(fā)展得益于其通過地緣關(guān)系和人緣關(guān)系進(jìn)行發(fā)展，也就是說交易雙方基本是相互熟悉的群體，這樣增強了彼此的信任，因此網(wǎng)絡(luò)借貸平臺數(shù)量和規(guī)模不斷擴大。Weiss（2010）對網(wǎng)貸平臺發(fā)展研究發(fā)現(xiàn)，由于網(wǎng)絡(luò)借貸的交易是在互聯(lián)網(wǎng)上進(jìn)行的，這使得網(wǎng)絡(luò)借貸的交易風(fēng)險大大高于傳統(tǒng)的商業(yè)銀行。Chaffe（2012）在Weiss研究的基礎(chǔ)上，提出了政府機構(gòu)應(yīng)該像監(jiān)管傳統(tǒng)商業(yè)銀行那樣，加強對網(wǎng)絡(luò)借貸平臺的監(jiān)管，以規(guī)避網(wǎng)絡(luò)借貸平臺交易風(fēng)險。第四，有關(guān)網(wǎng)貸交易平臺的進(jìn)一步研究方向。梁笑雨等（2013）認(rèn)為網(wǎng)貸平臺是一種新的互聯(lián)網(wǎng)金融產(chǎn)品，政府有關(guān)部門應(yīng)該引導(dǎo)其發(fā)展，提升網(wǎng)貸平臺的風(fēng)險意識。他指出如何引導(dǎo)網(wǎng)貸平臺健康發(fā)展以及如何構(gòu)建規(guī)避網(wǎng)絡(luò)借貸平臺風(fēng)險的機制。Weir（2012）對網(wǎng)貸平臺近年的發(fā)展進(jìn)行分析，發(fā)現(xiàn)網(wǎng)貸功能穩(wěn)定性極高，金融機構(gòu)會隨著時代發(fā)展發(fā)生較大變化，但是這些立足于網(wǎng)貸平臺的金融機構(gòu)基本功能不會發(fā)生太大的變化。

國內(nèi)外有關(guān)互聯(lián)金融風(fēng)險防范以及網(wǎng)貸平臺風(fēng)險的研究文獻(xiàn)多集中于定性分析，缺乏定量分析?；诖耍疚囊跃W(wǎng)貸平臺為例，立足于構(gòu)建Logit模型對我國互聯(lián)網(wǎng)金融中存在的風(fēng)險進(jìn)行定量分析，進(jìn)而為我國互聯(lián)網(wǎng)金融風(fēng)險防范提出具體的政策建議，以期能夠促進(jìn)我國網(wǎng)貸平臺在更加規(guī)范、科學(xué)的環(huán)境中成長，推動我國互聯(lián)網(wǎng)金融持續(xù)穩(wěn)定發(fā)展。

三、現(xiàn)狀分析

（一）網(wǎng)貸平臺發(fā)展現(xiàn)狀

截至2018年6月底，P2P網(wǎng)貸行業(yè)正常運營平臺數(shù)量為1 836家[2]。網(wǎng)貸平臺的出現(xiàn)大大緩解了中國社會融資困難問題，不僅為急需資金的消費者提供方便快捷的資金獲取渠道，也解決了我國眾多的中小企業(yè)融資難問題。為社會經(jīng)濟發(fā)展帶來極大便利性，有利于我國互聯(lián)網(wǎng)金融事業(yè)的發(fā)展，為我國經(jīng)濟進(jìn)入“新常態(tài)”提供了一個新的增長點。特別是2014年李克強總理在達(dá)沃斯論壇上提出“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”之后，我國每天新增企業(yè)1萬多家，而網(wǎng)貸平臺的出現(xiàn)為這些中小企業(yè)發(fā)展提供項目資金，所以我國網(wǎng)貸平臺近年來呈現(xiàn)快速發(fā)展趨勢。就我國網(wǎng)貸平臺而言，其主要有3個特點：首先，我國網(wǎng)貸平臺交易主體并不固定，雙方交易零散化，難以形成較大規(guī)模，參與人群可以是社會中任何一人。其次，我國網(wǎng)貸平臺交易方式簡單、快捷，滿足了人們對于產(chǎn)品靈活性的要求。最后，網(wǎng)貸平臺的發(fā)展依賴于互聯(lián)網(wǎng)技術(shù)的進(jìn)步，所以我國網(wǎng)貸平臺的蓬勃發(fā)展促進(jìn)了我國科學(xué)技術(shù)，尤其是互聯(lián)網(wǎng)技術(shù)的進(jìn)步。但是，我國的網(wǎng)貸平臺發(fā)展并不健全，在我國現(xiàn)代互聯(lián)網(wǎng)金融背景下，網(wǎng)貸平臺的發(fā)展常常出現(xiàn)許多風(fēng)險。

（二）網(wǎng)貸風(fēng)險類型

1.內(nèi)部風(fēng)險

第一，信貸操作技術(shù)風(fēng)險。由于逆向選擇和道德風(fēng)險的存在，借貸平臺不能準(zhǔn)確得知借貸者的信用度，同時，市場上借貸平臺眾多，借貸者也無法準(zhǔn)確地判斷借貸平臺的信用度，很容易導(dǎo)致信貸操作技術(shù)風(fēng)險的發(fā)生，造成資金損失[3]。第二，管理風(fēng)險。由于缺乏有效的監(jiān)管，國內(nèi)很多借貸平臺管理混亂，借貸資金的管理只能依靠管理者的自覺性，投資者無法知曉資金去向，加大了資金管理風(fēng)險。第三，信息披露風(fēng)險。市場中出現(xiàn)大量的信貸平臺，彼此之間的競爭也是異常激烈的，很多借貸平臺為了謀求發(fā)展，進(jìn)行虛假的宣傳，信息披露不完整，甚至提供虛假信息致使借貸者無法獲取真實信息而上當(dāng)受騙。第四，網(wǎng)絡(luò)風(fēng)險。網(wǎng)絡(luò)風(fēng)險是指在交易中投資者和借貸者的個人信息可能出現(xiàn)泄露的情況。

2.外部風(fēng)險

第一，非法集資風(fēng)險。由于我國互聯(lián)網(wǎng)金融缺乏必要監(jiān)管，網(wǎng)貸平臺非法集資的情況時有發(fā)生，2014年出現(xiàn)的問題借貸平臺e租寶就是一個非法集資的例子，造成了大量資金損失[4]。第二，政策限制風(fēng)險。雖然我國政府相當(dāng)重視網(wǎng)貸平臺的發(fā)展，但是政府出臺的政策還是過少，對網(wǎng)貸平臺的發(fā)展扶持不夠，難以解決網(wǎng)貸平臺發(fā)展面臨的資金困難、監(jiān)管困難等難題。第三，地方性約束風(fēng)險。地方政府的優(yōu)惠政策致使有些人借機牟利、獲得地產(chǎn)產(chǎn)權(quán)或者其他產(chǎn)權(quán)，而這些優(yōu)惠政策對于借貸平臺的發(fā)展是弊大于利的。

四、Logit模型分析

（一）模型設(shè)定

此部分主要是定量分析網(wǎng)貸平臺的風(fēng)險存在與否，因此不能利用傳統(tǒng)的經(jīng)典線性回歸模型[5]，故此本文選擇Logit模型結(jié)合安心貸的相關(guān)數(shù)據(jù)對網(wǎng)貸平臺的風(fēng)險進(jìn)行定量回歸分析。Logit模型的構(gòu)建原理分為Logit模型構(gòu)建法、EVA法、價值投資模式三種。

1.Logit模型構(gòu)建法。Logit模型也稱為評定模型，是以離散選擇法和散點分析法為基礎(chǔ)的回歸分析方法，其原理如公式1。

其中B是最大似然估計、X是自變量、Y是因變量、P是交易價格。由于網(wǎng)貸交易過程也必定遵守市場交易價格理論，因此Logit模型構(gòu)建法可以適用評估網(wǎng)貸風(fēng)險。

2.EVA法。EVA即經(jīng)濟增加值，學(xué)術(shù)界常用來衡量資本收益，扣除公司成本之后計算獲得。從數(shù)值的角度看，EVA是借貸平臺稅后凈利潤減去全部資本成本的差額。如公式2所示：

其中WACC是指加權(quán)平均后的資本成本，由公式2可以計算出借貸平臺的經(jīng)濟增加值，進(jìn)而判斷借貸平臺的效益，并以借貸平臺經(jīng)濟增加值和效益判斷其風(fēng)險。

3.價值投資模式。主要是依靠自由現(xiàn)金流模型對借貸平臺的年度現(xiàn)金流量進(jìn)行分析[6]，如公式3。

通過公式3可以計算出借貸平臺每年的自由現(xiàn)金流，由每年自由現(xiàn)金流具體數(shù)額分析其借貸風(fēng)險。本文采用多年借貸平臺的平均自由現(xiàn)金流進(jìn)行定量比較分析，得到的均值作為穩(wěn)定狀態(tài)下的自由現(xiàn)金流，然后利用自由現(xiàn)金流量乘數(shù)模型，如公式4計算出借貸平臺價值，由此對借貸平臺的風(fēng)險進(jìn)行分析。

其中，r是指無風(fēng)險利率。

（二）數(shù)據(jù)選取與變量定義

本文的數(shù)據(jù)來自安心貸平臺數(shù)據(jù)庫，選取其2013—2016年借貸數(shù)據(jù)，隨機選取了7 000條安心貸平臺標(biāo)的借貸數(shù)據(jù)，然后按照這些借貸發(fā)生的時間順序，從安心貸平臺網(wǎng)站上下載這些標(biāo)的列表，但是有些數(shù)據(jù)在安心貸平臺網(wǎng)站上無法獲取，所以最終獲取的樣本數(shù)據(jù)總量是6 355條。選取2013—2016年數(shù)據(jù)是因為2013—2016年我國借貸平臺發(fā)展迅速，借貸標(biāo)的數(shù)量較多。所以，這個時間段的數(shù)據(jù)可以很好地說明行業(yè)的發(fā)展?fàn)顟B(tài)。

被解釋變量為借款標(biāo)的風(fēng)險，表現(xiàn)為存在風(fēng)險或者不存在風(fēng)險，本文利用Logit模型分析借款標(biāo)的風(fēng)險發(fā)生的概率（P）。0≤P≤1，P=1時表示存在風(fēng)險，P=0時表示不存在風(fēng)險，P值越趨近于0，表示借貸發(fā)生的風(fēng)險越低，反之越趨近于1，表示借貸發(fā)生風(fēng)險的概率越高。

解釋變量為借款利率、借款人信用評價、標(biāo)的期限、信息透明度、總資產(chǎn)增長率[7]。其中，借款利率、標(biāo)的期限與借款標(biāo)的風(fēng)險呈正向關(guān)系。借款利率越高、標(biāo)的期限越長，則借款標(biāo)的風(fēng)險越大。借款人信用評價、信息透明度與借款標(biāo)的風(fēng)險呈反向關(guān)系。借款人信用評價越好、信息透明度越高、總資產(chǎn)增長率越高，則借款標(biāo)的風(fēng)險越低。

（三）Logit模型的構(gòu)建與回歸結(jié)果分析

1.Logit模型的構(gòu)建

本文構(gòu)建的Logit模型的函數(shù)形式如公式5、公式6。

其中P表示借款標(biāo)的風(fēng)險發(fā)生概率，0≤P≤1；Xi是解釋變量，X1表示借款利率，X2表示借款人信用評價，X3表示標(biāo)的期限，X4信息透明度，X5總資產(chǎn)增長率；C0表示常數(shù)項。

2.擬合優(yōu)度檢驗

本文利用SPSS對所獲得的6 325條樣本數(shù)據(jù)進(jìn)行Hosmer-Lemeshow擬合優(yōu)度檢驗，檢驗結(jié)果如表1所示。

由表1可知，Hosmer-Lemeshow檢驗將結(jié)果分為10類，各類無風(fēng)險的觀測值在5—10之間、期望值在5.51—10之間；有風(fēng)險的觀測值在0—5之間、期望值在0到4.49之間，所以本文所構(gòu)建的Logit模型可以很好地擬合樣本數(shù)據(jù)。

3.樣本數(shù)據(jù)風(fēng)險預(yù)測

利用SPSS對由安心貸數(shù)據(jù)庫獲得的6 355條借貸標(biāo)的樣本數(shù)據(jù)進(jìn)行風(fēng)險預(yù)測，SPSS預(yù)測輸出結(jié)果如表2所示。

由表2可知，在5 194條無風(fēng)險的借貸標(biāo)的樣本數(shù)據(jù)中，SPSS預(yù)測4 706條是無風(fēng)險的，預(yù)測正確率為90.06%，而在1 161條存在風(fēng)險的借貸標(biāo)的樣本數(shù)據(jù)中，SPSS預(yù)測765條是不存在風(fēng)險的，預(yù)測正確率為65.9%。SPSS預(yù)測正確的借貸標(biāo)的樣本數(shù)量為5 471，約占總數(shù)的86.1%，所以從整體上來看，本文所構(gòu)建的Logit模型預(yù)測正確率為86.1%，此模型的預(yù)測達(dá)到了理想效果。

4.Logit回歸結(jié)果分析

利用SPSS對解釋變量和被解釋變量進(jìn)行Logit回歸分析，得到公式5和公式6中的變量系數(shù)，如表3所示。

由公式7可知，借款利率增長1個單位，借貸標(biāo)的風(fēng)險概率上升0.37的百分點；而借款人信用上升1個百分點，借貸標(biāo)的風(fēng)險概率下降0.04個百分點；標(biāo)的期限上升1個單位，借貸標(biāo)的風(fēng)險概率上升0.07個百分點；信息透明程度上升1個單位，借貸標(biāo)的風(fēng)險概率下降0.02個百分點。

此外，Wald統(tǒng)計量的Sig值在0—0.003之間，說明參數(shù)估計都不為0。由此可知，在Logit模型中，借款利率等4個變量對借貸風(fēng)險的影響是顯著的，通過對這四個變量的優(yōu)化可以在一定程度上達(dá)到預(yù)測風(fēng)險、防范風(fēng)險的效果。

5.Logit模型的應(yīng)用

為了驗證本文所構(gòu)建的Logit模型的適用性，本文利用互聯(lián)網(wǎng)爬蟲技術(shù)抓取了5 433條拍拍貸平臺標(biāo)的借貸數(shù)據(jù)，6 873條人人貸平臺標(biāo)的借貸數(shù)據(jù)，把抓取的數(shù)據(jù)按照上文的方法進(jìn)行處理后分別帶入Logit模型，利用SPSS進(jìn)行回歸分析。

（1）拍拍貸Logit模型結(jié)果分析

由公式9可知，借款利率增長1個單位，借貸標(biāo)的風(fēng)險概率上升0.77的百分點；而借款人信用上升1個百分點，借貸標(biāo)的風(fēng)險概率下降0.32個百分點；標(biāo)的期限上升1個單位，借貸標(biāo)的風(fēng)險概率上升0.44個百分點；信息透明程度上升1個單位，借貸標(biāo)的風(fēng)險概率下降0.13個百分點。

綜上可知，本文以解釋變量為借款利率、借款人信用評價、標(biāo)的期限、信息透明度、總資產(chǎn)增長率，被解釋變量為借款標(biāo)的風(fēng)險，表現(xiàn)為存在風(fēng)險或者不存在風(fēng)險，所構(gòu)建的Logit模型可以較好地反映我國互聯(lián)網(wǎng)借貸平臺借款標(biāo)的風(fēng)險發(fā)生概率。

五、結(jié)論與政策建議

（一）結(jié)論

第一，基于上文借款利率等4個解釋變量與被解釋變量借貸標(biāo)的風(fēng)險之間的Logit回歸分析可知，借款利率增長1個單位，借貸標(biāo)的風(fēng)險概率上升0.37個百分點；而借款人信用上升1個百分點，借貸標(biāo)的風(fēng)險概率下降0.04個百分點；標(biāo)的期限上升1個單位，借貸標(biāo)的風(fēng)險概率上升0.07個百分點；信息透明程度上升1個單位，借貸標(biāo)的風(fēng)險概率下降0.02個百分點。第二，我國網(wǎng)貸平臺的發(fā)展呈現(xiàn)擴張趨勢。伴隨著我國互聯(lián)網(wǎng)金融市場的低迷，許多投資者通過網(wǎng)貸平臺將資金投向利益較好的產(chǎn)業(yè)，為中小企業(yè)的發(fā)展提供了資金支持，才促使我國網(wǎng)貸平臺迅速發(fā)展。第三，網(wǎng)貸平臺的主體越來越多元化。資金的提供者主要是事業(yè)單位、大型企業(yè)、私人投資者；借貸者主要為中小企業(yè)或個人。

（二）建議

1.加強內(nèi)部經(jīng)營管理體系建設(shè)，有效調(diào)節(jié)借貸利率變動

相較于外部因素來說，網(wǎng)貸平臺內(nèi)部因素顯得尤為重要，通過有效的內(nèi)部管理可以顯著地改善網(wǎng)貸平臺的收益水平[8]。借款利率是影響借貸風(fēng)險的重要因素，而借貸利率的變動受到多種因素的制約，因此需要政府、企業(yè)聯(lián)合行動來有效調(diào)節(jié)借貸利率的變動。首先，政府應(yīng)該通過中央銀行針對我國經(jīng)濟運行現(xiàn)實情況調(diào)節(jié)存款、貸款利率以及法定準(zhǔn)備金率，不能盲目地變動利率。其次，各大網(wǎng)貸平臺應(yīng)該規(guī)范內(nèi)部管理，聘請專業(yè)人才通過調(diào)查研究制定借貸利率。最后，企業(yè)要通過有效的內(nèi)部管理，根據(jù)國家政策的變動及時調(diào)整平臺的借貸利率。

2.完善信用評價體系

逆向選擇與道德風(fēng)險是西方經(jīng)濟學(xué)經(jīng)久不衰的話題，完善的信用體系是規(guī)避借貸風(fēng)險的必要手段。首先，政府要強化我國信用體系建設(shè)，加大對失信群體的打擊力度，并且通過國民素質(zhì)教育提升整體國民的思想道德修養(yǎng)[9]。其次，我國網(wǎng)貸平臺應(yīng)該積極構(gòu)建自身的信用評價體系，并且嚴(yán)厲懲罰惡意違反信用規(guī)定的客戶。

3.加強監(jiān)管，提高信息透明程度

近年來，我國網(wǎng)貸平臺發(fā)展迅速，我國政府也很重視網(wǎng)貸平臺的發(fā)展，出臺了各種政策鼓勵網(wǎng)貸平臺發(fā)展，但是我國政府缺乏對網(wǎng)貸平臺的監(jiān)管，即使有監(jiān)管也是效率低下，難以起到有效的作用[10]。我國政府應(yīng)該制定網(wǎng)貸平臺運行規(guī)范，對從業(yè)人員學(xué)歷、借貸規(guī)模等各方面做出嚴(yán)格規(guī)定，提高網(wǎng)貸平臺的信息透明度，對于違反規(guī)定的網(wǎng)貸平臺依法嚴(yán)格處理，此外，建立一體化的監(jiān)督服務(wù)體系，至上而下層層監(jiān)督，嚴(yán)格規(guī)范網(wǎng)貸平臺行為，可以有效地避免系統(tǒng)風(fēng)險。網(wǎng)貸平臺應(yīng)該利用互聯(lián)網(wǎng)技術(shù)，提高自身的信息透明度以加強交易雙方之間的信任。

【參考文獻(xiàn)】

[1] 王保輝.互聯(lián)網(wǎng)金融行業(yè)內(nèi)部控制問題研究——基于“e租寶”與“支付寶”的對比[J].財會通訊，2017（35）：116-119，129.

[2] 網(wǎng)貸之家.P2P網(wǎng)貸行業(yè)2018年6月月報[EB/OL].http：//www.wdzj.com/news/yc/2690686.html.

[3] 杜永紅，石買紅，史慧敏.大數(shù)據(jù)環(huán)境下P2P網(wǎng)貸平臺的風(fēng)險評估與防范[J].會計之友，2016（22）：90-92.

[4] 李小龍.互聯(lián)網(wǎng)金融的風(fēng)險及其防范研究[J].時代金融，2017（6）：30-31.

[5] 陳慧宇，孫，譚中明.我國互聯(lián)網(wǎng)金融風(fēng)險分析與防范研究[J].金融經(jīng)濟，2016（10）：13-15.

[6] 梁晨曦.基于風(fēng)險控制的小微企業(yè)互聯(lián)網(wǎng)金融模式創(chuàng)新研究——以P2P網(wǎng)貸平臺為例[J].經(jīng)濟師，2016（1）：84-85.

[7] 尹麗，羅威.互聯(lián)網(wǎng)金融征信發(fā)展的模式選擇——基于普惠金融視角[J].會計之友，2016（13）：99-102.

[8] 馮艷麗.基于P2P網(wǎng)絡(luò)借貸模式的互聯(lián)網(wǎng)金融風(fēng)險探討[J].商業(yè)經(jīng)濟研究，2015（11）：83-84.

[9] 翟輝，陳霞.互聯(lián)網(wǎng)金融企業(yè)小額貸款業(yè)務(wù)會計處理探討——以阿里小微金融為例[J].財會通訊，2016（19）：62-64.

[10] 童文俊.互聯(lián)網(wǎng)金融洗錢風(fēng)險與防范對策研究[J].金融會計，2014（8）：71-76.