摘要：本文選取670家P2P平臺作為研究樣本，利用競爭風險模型回歸探究“跑路”平臺與“延期兌付”平臺的風險特征，結(jié)果顯示：“跑路”平臺表現(xiàn)出高收益率、民營背景以及無資金存管的特征，而“延期兌付”平臺表現(xiàn)出高收益率、無債權轉(zhuǎn)讓以及有自動投標的特征。此外，本文建立邏輯回歸模型，通過對比輸出結(jié)果與實際結(jié)果來評價這些風險特征對于問題平臺識別的準確率。最后根據(jù)實證結(jié)果給出了網(wǎng)貸行業(yè)發(fā)展的相關建議。

Abstract： This article selects 670 P2P platforms as a research sample and uses thecompetitive risk model regression to explore the risk characteristics of the"run away" platform and the "deferred payment" platform. The results show that the "run away" platformexhibits high returns， private background， and no funds depository， and the"deferred redemption" platform exhibits high returns， no claimstransfer and automatic bidding. In addition， this paper establishes a logisticregression model， and evaluates the accuracy of these risk features for problemplatform identification by comparing the output results with actual results.Finally， relevant suggestions are given based on the empirical results.

關鍵詞：P2P問題平臺;風險特征;競爭風險模型

Key words： P2P problem platform;risk characteristics;competitive risk model

中圖分類號：F724.6? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）09-0275-05

0? 引言

自2007年國內(nèi)第一家P2P網(wǎng)絡借貸公司拍拍貸成立以來，P2P網(wǎng)貸行業(yè)在國內(nèi)金融市場上已經(jīng)發(fā)展了超過十年。在國內(nèi)中小企業(yè)及個人巨大的資金需求刺激下，從2011年至2015年，P2P行業(yè)的成交量不斷創(chuàng)下新高，實現(xiàn)了從十億、百億、千億到最終萬億的跨越式發(fā)展。然而，由于監(jiān)管的缺失，行業(yè)短期的“野蠻生長”導致大量平臺停業(yè)或“爆雷”。如圖1所示，行業(yè)的新增平臺數(shù)到2015年達到頂峰，而從2016年起每年的停業(yè)及問題平臺數(shù)量就超過了新增平臺數(shù)量。顯然，這些問題平臺的出現(xiàn)嚴重擾亂了行業(yè)的正常秩序，尤其是使得“P2P網(wǎng)絡借貸”幾乎成為了許多投資者心中網(wǎng)絡詐騙的代名詞，嚴重拉低了網(wǎng)絡借貸在社會的形象。

基于這一現(xiàn)狀，如何識別P2P問題平臺的風險特征成為當下一個重要的研究課題。本文將非正常運營的平臺劃分為停業(yè)（及轉(zhuǎn)型）、跑路、延期兌付以及刑偵介入四類，停業(yè)平臺屬于良性退出平臺，基本都會在完成資金清算，保障投資人權益的基礎上退出，不會給行業(yè)帶來太大的負面影響;跑路、延期兌付和刑偵介入平臺屬于惡性退出平臺，會為投資者造成極大損失[1]（羅慶田，2018）。由于在惡性退出平臺中，刑偵介入只占極小的比例，因此本文主要聚焦于對“跑路”平臺以及“延期兌付”平臺，并討論以下兩個問題：這兩種問題平臺具有怎樣的風險特征？投資者是否可能在市場上通過風險特征來識別出這兩種問題平臺？解決這兩個問題一方面可以幫助投資者避免投資到這些問題平臺，用市場選擇淘汰劣質(zhì)平臺從而避免部分平臺“爆雷”為整個行業(yè)帶來巨大負面影響，另一方面可以為監(jiān)管層提供監(jiān)管建議，針對不同類型問題平臺采用不同的整治方法可以使政策更加有的放矢效果更好。

1? 文獻綜述

伴隨著P2P行業(yè)早期的蓬勃發(fā)展，最早有關網(wǎng)絡借貸行業(yè)的研究也聚焦于借款人的風險識別。Klafft（2008）首先通過構(gòu)建邏輯回歸尋求違約風險的影響因素，結(jié)果發(fā)現(xiàn)，借款人的信用評級、還款率、擔保物以及收支記錄等因素都會影響貸款的違約率[2]。Barasinska（2009）和Duarte et al.（2012）分別發(fā)現(xiàn)借款人的年齡和外貌等特征對違約率的影響[3][4]。國內(nèi)的學者也在借款人風險識別方面做了許多研究，王會娟（2014）發(fā)現(xiàn)借款人信用對于借款成功率以及違約率會產(chǎn)生顯著影響[5]，而廖理（2014）則發(fā)現(xiàn)國內(nèi)P2P市場對不同省份的借款人有地域歧視，即使從違約率來看各省借款人并沒有顯著差異[6]。

然而，緊隨之著P2P行業(yè)蓬勃發(fā)展之后的卻是不斷出現(xiàn)的平臺“爆雷”問題。隨著監(jiān)管整頓期的來臨，問題平臺的數(shù)量逐漸增多，研究上的重點也就開始轉(zhuǎn)向平臺的風險研究及監(jiān)管方面。巴曙松（2013）通過生存模型研究了P2P平臺的生存規(guī)律，并進行政策模擬以探索監(jiān)管政策對于平臺存續(xù)期的影響[7]。劉繪、沈慶劼（2015）研究發(fā)現(xiàn)，國內(nèi)的P2P借貸平臺存在的五種風險如下所示：IT技術風險、資金混用風險、違法集合資金的風險、擔保措施不夠的風險等[8]。歐陽輝（2016）運用logistic回歸發(fā)現(xiàn)平均收益率、透明度以及資金存管能夠顯著影響平臺的財務風險[9]。葉青，李增泉，徐偉航（2016）和徐梓原（2019）等也都使用傳統(tǒng)的回歸模型構(gòu)建不同的指標體系研究了平臺風險的影響因素[10][11]。杜朝運（2016）通過分析問題平臺特征，提出的治理路徑包括了建立檔案庫、限期整改、追究法律責任、增強透明度、健全法律體系五個方面[12]。譚天驕（2019）在P2P風險預警研究中引入BP神經(jīng)網(wǎng)絡模型，對于風險平臺的預警準確率達到了90%以上[13]。

通過整理可以發(fā)現(xiàn)，現(xiàn)有的文獻出現(xiàn)兩個趨勢：逐步由借款人的風險研究轉(zhuǎn)向平臺本身風險的研究;逐步由平臺風險的定性分析轉(zhuǎn)化為量化分析。然而，目前對于P2P問題平臺的研究存在兩點不足：一方面，過往的研究大都采用傳統(tǒng)的logistic回歸或多元線性回歸，沒有考慮存續(xù)期對于平臺風險的影響，僅僅是假設正常運營平臺風險小而問題平臺風險大，這實際上會低估正常運營平臺的風險。另一方面，有部分文獻回答了P2P問題平臺具有怎樣特征的問題，而評價風險特征對于問題平臺識別能力的文獻還相對較少。針對前一個問題，本文采用生存分析中的競爭風險模型，該模型在加入存續(xù)期這一時間變量的基礎上，將正常運營平臺視為尚未觀察到終點的事件，對平臺風險進行了更有效地解釋，保證了結(jié)果的準確性。而為了解決后一個問題，本文建立logistic模型，通過對比實際結(jié)果與輸出結(jié)果來評價風險特征對于問題平臺的識別能力。

2? 假設提出與指標體系構(gòu)建

2.1 假設提出

在特征變量的選擇依據(jù)上，本文參考了吳慶田（2018）在研究P2P平臺運營穩(wěn)健性時對平臺風險特征的劃分方法，包括平臺實力、風控措施、標的特征以及治理水平四個維度。在這四個維度的基礎上，本文選取了相關的特征變量。

2.1.1 平臺實力

本文選取注冊資本以及股東背景作為平臺實力的代表因素。注冊資本高是一個平臺實力的象征，它代表著平臺在面對風險時的兜底能力和兌付能力，能夠向外界傳遞一種可靠、積極的信號，因此，本文認為注冊資本越高的平臺，越不會成為問題平臺;強大的股東實力意味著平臺有靠譜的信用背書，除此之外，以銀行系、國營系、風投系為背景的平臺相對于以民營系為背景的平臺更加注重在風險上的防控，因此本文論文股東背景實力越強的平臺，越不會成為問題平臺。假設如下：

H1：平臺注冊資本越高，越不會成為問題平臺。

H2：平臺股東背景越強，越不會成為問題平臺。

2.1.2 風控措施

本文選取資金存管和第三方擔保作為風控措施的代表因素。資金存管是平臺將資金交給第三方銀行代為保管，此舉有利于平臺與資金的分離，防范平臺私自挪用或建立資金池的風險，因此，本文認為有資金存管的平臺，越不會成為問題平臺;第三方擔保是平臺將自身風險轉(zhuǎn)移出去的一種手段，也是對投資者資金的一種保障，因此，本文認為有第三方擔保的平臺，越不會成為問題平臺。假設如下：

H3：平臺有資金存管，越不會成為問題平臺。

H4：平臺有第三方擔保，越不會成為問題平臺。

2.1.3 標的特征

本文選取預期收益率和投資期限作為標的特征的代表因素。一方面，利率過高會為平臺帶來較大的資金壓力，從而出現(xiàn)財務問題，另一方面，也有很多“詐騙”平臺會故意給出天價收益率以達到“集資跑路”的目的，因此，本文認為收益率越高的平臺，越容易成為問題平臺;平臺項目投資期限過短會使得投資者頻繁地提取資金，從而帶來流動性風險，可能會給平臺造成巨大的現(xiàn)金流壓力，因此，本文認為投資期限越長的平臺，越不會成為問題平臺。假設如下：

H5：平臺收益率越高，越容易成為問題平臺。

H6：平臺投資期限越長，越不會成為問題平臺。

2.1.4 治理水平

本文選取監(jiān)管協(xié)會、債權轉(zhuǎn)讓、自動投標作為治理水平的代表。監(jiān)管協(xié)會是行業(yè)的自律組織，如果能加入監(jiān)管協(xié)會，代表平臺在各個方面都能達到行業(yè)自律的要求，也就越不會成為問題平臺。自動投標能夠解決投資者的資金閑置問題，促進平臺成交量上升，而債權轉(zhuǎn)讓可以幫助投資者快速地將資產(chǎn)變現(xiàn)，保持一定的流動性，有利于提高市場效率。因此，這兩者的存在使得平臺不容易成為問題平臺。假設如下：

H7：平臺加入監(jiān)管協(xié)會，越不會成為問題平臺。

H8：平臺支持自動投標，越不會成為問題平臺。

H9：平臺支持債權轉(zhuǎn)讓，越不會成為問題平臺。

2.2 指標體系構(gòu)建

2.2.1 樣本選擇

本文以2018年底為時間截點，選取了近兩年的P2P平臺作為研究對象，在進行了一定的篩選后選擇其中670家平臺作為研究樣本，其中包括正常運營平臺177家，跑路平臺98家，延期兌付平臺163家，停業(yè)平臺232家。其中正常運營平臺是指截止2018年底依然正常運營的平臺。由于經(jīng)偵介入平臺數(shù)量較少，沒有達到能夠作為實證研究對象的標準，因此不納入本文研究范疇。

2.2.2 變量設置

前文提到，本文在前人研究的基礎上再加上一定的分析，選取了參考收益率、投資期限、股東背景、資金存管、注冊資本、債權轉(zhuǎn)讓、自動投標、監(jiān)管協(xié)會和第三方擔保等九個因素作為特征變量。由于競爭風險模型的要求，需要將特征變量轉(zhuǎn)換為二元變量，因此，本文的變量選擇如表1所示。

2.2.3 描述性統(tǒng)計

本文對四類平臺做了一個描述性統(tǒng)計，如表2所示。

從標的特征來看，正常營運平臺中高收益率占比14.61%，而其他三種占比都超過了40%，“跑路”平臺中甚至超過80%都是高收益率平臺。正常運營平臺以長期標的為主，而其他平臺標的資產(chǎn)期限都比較短。

從平臺實力來看，“跑路”平臺中民營背景占比95.88%，而其他三類平臺分別占比62.92%、72.53%和75.93%。正常運營平臺和“延期兌付”平臺注冊資本相對較高，而“停業(yè)”平臺和“跑路”平臺相對較低。

從風控措施來看，85.96%的正常營運平臺有資金存管，僅有3.09%的“跑路”平臺有資金存管，其他兩類平臺有資金存管占比分別為21.89%和41.98%。第三方擔保在不同平臺間差異相對較小。

從治理水平看，四類平臺能加入監(jiān)管協(xié)會的比例都較小，其比例按正常營運平臺、“停業(yè)”平臺、“延期兌付”平臺和“跑路”平臺順序依次遞減?！把悠趦陡丁逼脚_中支持自動投標的比例最高，支持債權轉(zhuǎn)讓的比例最低，其他三類平臺關于這兩項的占比差異較小。

3? 模型選擇及實證分析

3.1 模型選擇

討論解釋變量與被解釋變量的關系，一般應用傳統(tǒng)的回歸模型。然而，在P2P問題平臺的研究中，由于刪失數(shù)據(jù)的存在（如一個平臺狀態(tài)是正常運營，可能只是到截止日期還尚未觀察到其終點事件），傳統(tǒng)的回歸模型對于兩者的關系的估計將不太準確。為了解決這一問題，COX在1968年提出一個半?yún)?shù)模型即比例風險模型，將危險率函數(shù)表達為了協(xié)變量函數(shù)和基準風險率函數(shù)的乘積：

（1）

該模型被稱為比例風險模型是因為任何個體的風險都與其他個體的風險呈固定比例：

（2）

競爭風險模型是在COX模型的基礎上研究具體某類風險發(fā)生的原因。假設跑路和延期兌付分別為J1，J2，則個體i發(fā)生特定事件J的風險函數(shù)為：

（3）

可以把該模型轉(zhuǎn)化為包含其他影響因素的函數(shù)，如：

（4）

其中Xi的是一列包含影響因素的向量，其中的一些變量可能是時因變量。如果風險隨時間發(fā)生變化，則“跑路”平臺風險和“延期兌付”平臺風險的變化可能呈比例數(shù)值。假設我們相信跑路和延期兌付都服從威爾布分布，只是有不同的參數(shù)值，可以假設：

（5）

3.2 實證結(jié)果

3.2.1 樣本獨立性檢驗

在多終點事件中，首先要保證終點事件之間是相互獨立的，即不同類型平臺的樣本之間具有獨立性。本文利用Kruskal-Wallis檢驗來驗證幾中狀態(tài)是否能合為一種狀態(tài)，設定“跑路”平臺=1，“延期兌付”平臺=2，“停業(yè)”平臺=3，正常運營平臺=4，結(jié)果如表3。

結(jié)果顯示，各個特征變量在1%的水平下都拒絕原假設，各個狀態(tài)的平臺樣本無法混合。因此，不同終點類型的P2P平臺是典型的多終點事件，可以選用競爭風險模型進行研究。

3.2.2 “跑路”平臺特征

在競爭風險模型中，自變量的設置前文已經(jīng)提到，在此不必贅述。在研究“跑路”問題平臺時，將正常運營平臺設置為“0”（0代表尚未觀測到結(jié)果的終點事件），將“停業(yè)”平臺和“延期兌付”平臺設置為“1”（1代表已經(jīng)死亡但非當前原因死亡的終點事件），將“跑路”平臺設置為“2”（2代表因當前原因死亡的終點事件）。同時，由于競爭風險模型是一個關于時間的半?yún)?shù)模型，選取存續(xù)期作為時間變量?；貧w結(jié)果如表4。

從結(jié)果中可以看出，參考收益率和資金存管對“跑路”問題影響最大，在1%的水平上顯著。而從10%的水平上來看，股東背景也對“跑路”問題有一定影響。由此，可以建立一個關于平臺“跑路”問題的模型：

（6）

參考收益率的系數(shù)為1.585，說明這是個危險因素。它的值越大，平臺越容易“跑路”。相對于低收益率（低于12%），高收益率平臺的“跑路”可能性擴大4.879（e的1.585次方）倍。

股東背景系數(shù)為-1.199，說明這是個保護因素。它的值越小，平臺越容易“跑路”。相對于非民營背景（國營、上市或風投系），民營系平臺的“跑路”可能性會擴大3.317（e的1.199次方）倍。

資金存管系數(shù)為-5.084，說明這是個保護因素。它的值越小，平臺越容易“跑路”。相對于有資金存管的平臺，無資金存管平臺的“跑路”可能性會擴大161.418（e的5.084次方）倍。

因此，“跑路”平臺的特征表現(xiàn)為高收益率、民營背景以及無資金存管。

3.2.3 “延期兌付”平臺特征

在研究“延期兌付”平臺時，因變量的設置與研究“跑路”平臺時同理?；貧w結(jié)果如表5。

從結(jié)果中可以看出，債權轉(zhuǎn)讓和自動投標對“延期兌付”問題影響最大。而從1%的水平上來看，參考收益率和注冊資本也對平臺有一定影響。由此，可以建立一個關于平臺“跑路”問題的模型：

■（7）

參考收益率的系數(shù)為0.593，說明這是個危險因素。它的值越大，平臺越容易“延期兌付”。相對于低收益率（低于12%），高收益率平臺的“延期兌付”可能性擴大1.809（e的0.593次方）倍。

注冊資本的系數(shù)為0.473，說明這是個危險因素。這與本文一開始所做的假設并不相符，也與金融學一般認識相違背。在對平臺數(shù)據(jù)進一步探究后發(fā)現(xiàn)，平臺的注冊資本很多都只是空有其名，實際上實繳資本遠遠沒有注冊資本名義上那么多，因此這里才出現(xiàn)了反常結(jié)論。王修華（2016）也在對比問題平臺特征以及投資者的行為后指出，國內(nèi)網(wǎng)貸市場上存在一個認識誤區(qū)——名義上注冊資本越高的平臺實力越強，越值得投資者信賴。這與本文所做的結(jié)果是一致的。

自動投標系數(shù)為1.389，說明這是個危險因素。它的值越大，平臺越容易“延期兌付”。相對于無自動投標平臺，有自動投標平臺的“延期兌付”可能性會擴大4.011（e的1.389次方）倍。

債權轉(zhuǎn)讓系數(shù)為-0.905，說明這是個保護因素。它的值越小，平臺越容易“延期兌付”。相對于有債權轉(zhuǎn)讓平臺，無債權轉(zhuǎn)讓平臺的“延期兌付”可能性會擴大2.472（e的0.905次方）倍。

因此，“延期兌付”平臺的特征表現(xiàn)為高收益率、有自動投標和無債權轉(zhuǎn)讓。

4? 回歸預測

4.1 預測樣本

在得到問題平臺的風險特征之后，本文將選取二元回歸模型驗證能否通過風險特征識別出問題平臺。然而二元回歸模型容易犯兩種錯誤，即第Ⅰ類錯誤和第Ⅱ類錯誤。以跑路平臺為例，第Ⅰ類錯誤就是模型將“跑路”平臺預測為了其他終點類型平臺;第Ⅱ類錯誤就是模型將其他終點類型的平臺預測為了“跑路”平臺。延期兌付平臺同理。在模型確定的情況下，第Ⅰ類錯誤的增加意味著第Ⅱ類錯誤的減少。站在投資者選擇P2P平臺投資的角度看，第Ⅰ類錯誤的成本遠高于第Ⅱ類錯誤的成本。

除此之外，在預測中如果A的樣本量遠大于B的樣本量，就會出現(xiàn)A的正確率被高估的問題?；诖?，在預測“跑路”平臺時，本文選取30家“跑路”平臺、10家正常運營平臺、10家“停業(yè)”平臺與10家“延期兌付”平臺作為樣本，保證“跑路”平臺與其他類型平臺數(shù)量相同以避免準確率被高估的問題。在預測“延期兌付”平臺時同理。

4.2 預測結(jié)果

4.2.1 “跑路”平臺預測結(jié)果

在因變量的設置上，將“跑路”平臺設置為1，其他類型平臺設置為0。自變量選擇代表了“跑路”平臺的三個風險特征：收益率、股東背景以及資金存管，除此之外，考慮到式（6）中還包含一個與時間有關的半?yún)?shù)模型，因此選取存續(xù)期作為控制變量。結(jié)果如表6。

模型對于“跑路”平臺的識別能力整體達到了86.7%，且兩類錯誤出現(xiàn)的概率恰好相等，即將13.3%的其他終點類型平臺預測為了“跑路”平臺，同時也將13.3%的“跑路”平臺預測為了其他終點類型平臺?？傮w來看，對“跑路”平臺的預測能力相對較好。

4.2.2 “延期兌付”平臺預測

在因變量設置上，將“延期兌付”平臺設置為1，其他終點類型平臺設置為0。自變量選擇代表“延期兌付”平臺的三個風險特征：收益率、債權轉(zhuǎn)讓、自動投標，以及存續(xù)期。結(jié)果如表7。

模型對于”延期兌付“平臺的識別能力整體達到了81.7%。其中犯第Ⅰ類錯誤的概率達到了23.3%，比預想中要高很多。在對每個個例進行分析之后發(fā)現(xiàn)，模型會將“延期兌付”平臺錯誤為其他終點類型的平臺，主要是由于無法較好地區(qū)分“延期兌付”平臺和“跑路”平臺?！把悠趦陡丁逼脚_和“跑路”平臺都有高收益率的風險特征，而收益率這個變量在競爭風險模型中對于“跑路”平臺的影響更為顯著（“跑路”平臺顯著性為<0.0001，“延期兌付”平臺為0.0041），因此在加入這一因素之后，就存在很多“延期兌付”平臺被識別為其他終點類型平臺。

模型犯第Ⅱ類錯誤的概率為13.3%，即將13.3%的其他類型平臺誤認為了“延期兌付”平臺。總的來說，模型對于“延期兌付”平臺的識別率相對較低。

5? 結(jié)論與建議

本文聚焦于“跑路”以及“延期兌付”這兩類平臺，通過建立競爭風險模型來探索這兩類問題平臺的風險特征，并建立邏輯回歸模型來評價風險特征對于問題平臺的識別能力，得出的結(jié)論如下：第一，國內(nèi)P2P問題平臺普遍表現(xiàn)出高收益率的特征;第二，鼓勵資金實力較強的企業(yè)投資P2P平臺以及建立完善的資金存管制度可以有效降低平臺“跑路”風險;第三，引入債權轉(zhuǎn)讓模式和完善自動投標機制可以有效降低平臺“延期兌付”風險;第四，風險特征可以較為有效地識別相關問題平臺。

基于以上結(jié)論，本文建議如下：第一、投資者在進行平臺選擇時，應注意平臺的相關風險特征，是否高價天標、是否民營背景、是否資金存管、是否債權轉(zhuǎn)讓等都是可能導致平臺“爆雷”的因素;第二、監(jiān)管部門應該禁止天價標的，這樣既能防止詐騙平臺以天價標的集資“跑路”，又可避免天價標的擾亂市場秩序，除此之外，還需要提高行業(yè)準入門檻，從平臺實力、風控措施、標的特征以及其他相關情況等多個方面提出要求;第三、對發(fā)布虛假信息的平臺，包括出現(xiàn)資本金造假、標的造假等各類問題的平臺加大查處力度;第四、對于問題平臺應該建立合適的引導退出機制，避免平臺的“爆雷”為整個行業(yè)帶來巨大的負面影響。

參考文獻：

[1]吳慶田，羅璨，陳宜煊.P2P網(wǎng)貸平臺特征與平臺運營的穩(wěn)健性[J].金融理念與實踐，2018（4）：62-70.

[2]Klafft M.，Peer to Peer Lending：Auctioning Microcredits over the Internet[J].Social Science Electronic Publishing，2008.

[3]Barasinska N，Schaefer D.Does Gender Affect Funding Success at the Peer～to～Peer Credit Markets？ Evidence from the Largest German Lending Platform [J]. Ssrn Electronic Journal，2014.

[4]Duarte J.， Siegel S.， Young L.. Trust and Credit： The Role of Appearance in Peer- to- Peer Lending[J]. Review of Financial Studies，2012，25（8）：2455-2484.

[5]王會娟，廖理.中國 P2P 網(wǎng)絡借貸平臺信用認證機制研究——來自 “人人貸”的經(jīng)驗證據(jù).中國工業(yè)經(jīng)濟，2014（4）：136-147.

[6]廖理，李夢然，王正位.中國互聯(lián)網(wǎng)金融的地域歧視研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2014（5）：54-70.

[7]巴曙松，侯鑫彧，張帥.基于生存模型的P2P平臺生存規(guī)律與政策模擬研究[J].當代財經(jīng)，2018（1）：44-56.

[8]劉繪，沈慶劼.我國P2P網(wǎng)絡借貸的風險與監(jiān)管研究[J].財經(jīng)問題研究，2015（1）：52-59.

[9]王修華，孟路，歐陽輝.P2P網(wǎng)絡借貸問題平臺特征分析及投資者識別——來自 222 家平臺的證據(jù)[J].財貿(mào)經(jīng)濟，2016（12）：71-84.

[10]葉青，李增泉，徐偉航.P2P網(wǎng)絡借貸平臺的風險識別研究[J].會計研究，2016（6）：38-45.

[11]徐梓原.P2P網(wǎng)貸平臺的風險特征研究——基于多項LOGIT模型和雙變量PROBIT模型[J].武漢金融，2019（3）：17-22.

[12]杜朝運，黃智朗.我國P2P問題平臺的特征、成因及治理路徑[J].福建金融，2016（7）：57-62.

[13]譚天驕，李亙.P2P網(wǎng)絡借貸平臺風險預警研究[J].金融與經(jīng)濟，2019（8）：77-83.

作者簡介：賈康（1994-），男，陜西鳳翔人，碩士研究生，研究方向為互聯(lián)網(wǎng)金融。