《p2p在线借贷平台借款效率的影响因素研究》由会员分享，可在线阅读，更多相关《p2p在线借贷平台借款效率的影响因素研究（6页珍藏版）》请在金锄头文库上搜索。
1、P2P 在线借贷平台借款效率的影响因素研究 曹淑艳 张凝琛 对外经济贸易大学信息化处 中国人民大学附属中学分校 摘 要： P2P 在线借贷对我国金融市场的发展有非常重要的作用, 如何提高借款人借款需求的响应速率, 已经成为 P2P 在线借贷平台亟待解决的问题。本文从借款人的特征以及借贷记录入手, 以借款效率为因变量建立多元回归分析模型, 研究影响借款人借款成功效率的因素。并利用拍拍贷平台上的借贷数据进行实证分析, 实证分析的结果表明:借款期限、借款金额、借款利率、借款人注册时长和借款人信用得分都会影响的借款效率。关键词： 互联网金融; P2P 在线借贷; 借款效率; 羊群效应; 作者简介：曹淑
2、艳, 对外经济贸易大学信息化处, 教授, 研究方向:电子商务、信息管理;作者简介：张凝琛, 中国人民大学附属中学分校。引言P2P 在线借贷打破了传统金融的中介交流模式, 使融资双方能够直接进行资金的融通, 对我国金融市场的发展有非常重要的作用。但由于借贷活动中双方信息不对称、无抵押物等, 出借人在 P2P 平台上的投资面临耗费过多精力以及投资风险居高不下的危机。同时, 随着我国 P2P 在线借贷的逐步成熟和扩张, P2P行业竞争加剧。如何提高借款项目的借款速度, 加快借款人借款需求的响应速率, 为借款人节省时间和精力?已经成为 P2P 在线借贷平台亟待解决的问题。为了缓解借贷双方信息不对称、提
3、升 P2P 行业服务水平, 一些学者尝试通过对借款人、投资人和借款项目的基本信息以及借款人的借贷活动记录, 分析影响借贷成功、违约等的影响因素, 来帮助借款人设定自己的借款项目。目前研究主要集中在借贷双方行为特征分析、社会资本对借贷成功的影响分析以及 P2P网络贷款违约研究等方面1, 而对借款效率方面的研究还有待进一步的深入。本文试图从借款人的借贷记录入手, 明晰借贷效率的影响因素, 帮助我们深刻认识借款绩效的驱动因素和市场行为具有重要的意义, 对于进一步促进我国互联网借贷平台上的发展和提高融资绩效, 促进大众创业具有重要的理论和实践价值。1、文献回顾与研究假设目前 P2P 借贷平台并不要求投
4、资者提交过多的个人信息, 因而国内外学者主要是从借款人视角研究 P2P 网络借贷平台借款成功率、违约率等的影响因素。主要通过分析借款人的人口统计属性、信用状况、历史借款行为信息、借款项目信息以及借款人社会关系属性对借款成功率、违约率等的影响。国外学者主要使用 Prosper 网络借贷平台数据进行实证分析, 我国学者主要采用拍拍贷平台、人人贷平台的数据进行实证分析。本文研究的主要目的是明晰借款效率的影响因素, 进一步预测借款项目的借款效率, 所以借款成功的影响因素是本文研究的入手点。1.1 借款效率P2P 借贷平台上的每一个借款项目都会设定借款时效, 在规定的时间内借到指定的额度, 则认为借款成
5、功, 或者是没有到达规定的时间, 但借款额度达到了, 也认为借款成功。否则, 借款不成功。每个借款人、借款项目的属性不同, 借款成功所花费的时间差异较大, 在本研究中, 我们就用借款成功实际花费时间 (小时数) 的倒数表示借款效率 (用 efficiency 表示) , 即借款成功实际花费的时间越长, 借款效率越低。1.2 借款人的人口统计信息与借款成功分析借款人的人口统计属性已被许多学者证实会影响借款成功率, 一些学者对Prosper 平台的数据研究表明借款人的年龄、性别、种族都会影响借贷成功率1, Herzenstein 等 (2008) 也证实在借贷平台上女性用户的借款利率低于男性, 研
6、究还发现借款人的个人身份、年龄、学历等个人特征也会影响借款成功率2。温小霓、武小娟 (2014) 利用拍拍贷平台的数据发现借款人的性别也对借款结果有影响3。由此可见, 不同学者研究的影响借款成功的人口统计属性不尽相同, 但是性别是每个研究者都会考虑的影响因素, 因而在本文中只考虑性别对借款效率的影响, 给出如下假设:假设 1:性别与借款效率相关, 并且男性的借款效率更高。 (gender 表示性别) 1.3 借款项目信息与借款成功分析Puro (2010) 等人的研究表明, 为降低借款利率并提高借款成功率, 借款人必须降低借款额度4。吴小英、鞠颖 (2012) 基于 Prosper 平台数据证
7、明借款金额与借款成功率负相关, 而借款利率、信用评分与借款成功率正相关, 借款人的住房情况对借款成功率影响很小, 而每月还款数对借款成功没有影响5。陈冬宇等 (2012) 基于拍拍贷平台数据发现借款人信用等级、借款金额、借款利率对借款满标是有正向显著影响, 借款期限对借款满标是有负向的显著影响6。另外, 温小霓、武小娟 (2014) 也发现借款利率对借款成功率有负的影响, 而借款金额对借款结果有正的影响3。因而我们提出如下假设:假设 2:借款期限与借款效率负相关。 (借款期限用 period 表示) 假设 3:借款金额与借款效率负相关。 (借款金额用 amount 表示) 假设 4:借款利率与
8、借款效率正相关。 (借款利率用 rate 表示) 1.4 投资经验与借款成功分析P2P 借贷平台上的借款人也可以是投资人, 有学者研究表明借款人的投资经验可以帮助其很好的准备借款项目, 借款平台上的老用户更容易借款成功7。因而我们提出如下假设:假设 5:借款人在平台上的注册时长与借款效率正相关。 (用 register 表示注册时长) 假设 6:借款人的投资回报与借款效率正相关。 (用 invest 表示投资回报) 1.5 借款人的信用状况与借款成功分析与传统的银行贷款类似, 借款人的信用状况在 P2P 借贷中也起着重要作用。其他的研究也一致显示, 传统借贷标准与借款人获得资金的可能性有很强的
9、联系, 仍然被用来预测还贷状况8。宋文、韩丽川 (2013) 借助拍拍贷的数据研究发现虽然借款年利率和借款期限对投资者的出借意愿有一定影响, 但是信任才是影响投资者出借意愿的最重要因素, 而借款人的信用评价是影响借贷双方信任度的主要因素9。此外, Lin (2015) 研究显示, 那些在传统银行系统内未能得到贷款的借款人, 不可能通过 P2P 在线借贷得到资金。这表示借款人的信用记录也会影响 P2P 在线借贷的成功10。因此, 我们提出如下假设:假设 7:借款人的信用得分与借款效率正相关。 (用 reputation 表示信用得分) 2、实证研究分析2.1 数据描述本文采集了我国知名 P2P
10、平台拍拍贷 2015.1-2016.2 间借款成功项目信息, 对数据预处理后, 选择了 1066 个满足数据分布要求的借款人的数据进行分析, 数据集的描述性统计信息如表 1 所示。其中 gender (性别) 的 1 表示男性、2 表示女性, register 是借款时间与用户在平台上注册时的时间间隔 (天数) , reputation (信用得分) 是借款人借入信用和借出信用的累加。表 1 的数据显示了每个变量的大致分布情况, 在本文研究中, 以平均值加减 8倍标准差作为识别异常值的标准, 若取值在此范围之外, 则被认为是异常值, 在后续的分析中予以删除。由表 1 可知每个变量的数据分布情况
11、都符合我们的约定, 因而全部被应用在本文的后续建模分析。表 1 数据的描述性统计信息 下载原表 2.2 借款时效影响因素模型在本文中我们采用多元线性回归模型对上述假设进行检验, 采用了 SPSS 软件进行实证分析。(1) 自变量之间的相关性分析相关性分析是指对两个或多个具备相关性的变量元素进行分析, 从而衡量两个变量因素的相关密切程度, 根据使用的自变量取值特点, 本文采用皮尔逊相关系数进行自变量之间的相关性分析, 用 r 值表示皮尔逊相关系数 (Pearson Correlation) , 结果如表 2 所示。根据相关性判断标准, 当 0.3=1 则说明模型是好的。方差膨胀因子如表 4 所示
12、, 由表中的数据可知, 所有自变量的方差因子的值都大于 1, 说明自变量之间不存在共线性, 模型通过检验。但实证分析时发现模型的复相关系数, 说明还有其它的影响借款效率的因素, 式 (2) 所表示的模型还不能用来预测借款项目的借款效率, 这需要我们进一步的探讨。表 4 方差膨胀因子 (VIF) 下载原表 3. 结论与展望本文从借款人的特征以及借贷记录入手, 明晰借款效率的主要影响因素, 通过多元回归分析模型, 以借款效率为因变量, 寻找影响借款效率的因素 (自变量) 。并利用拍拍贷平台上的借贷数据进行实证分析, 研究结果表明:借款期限、借款利率、借款金额、借款人平台上的注册时间和借款人信用得分
13、都会影响借款的效率。但借款人的投资回报、借款人性别与借款效率不相关, 这说明借款人在平台上的投资经验并不能帮助其快速获得借款。借款金额对借款效率的影响与我们的研究假设不符, 可能有两方面的原因:一是实证分析的数据量不充足;另一方面, 需要分析平台上投资人的投资习惯 (例如每次投资金额) 与借款金额之间的关系, 以及其对借款效率的影响。这需要我们进一步深入的研究。另一方面, 一些学者的实证研究表明羊群现象存在于美国 P2P 借贷市场11。国内学者也对我国 P2P 借贷平台上的羊群行为进行了检验, 发现在中国的 P2P 借贷市场上, 潜在投资人在进行投资决策时会受到其前期投资人的影响, 存在着显著
14、的羊群行为, 并且是理性的羊群行为12, 所以羊群效应对借贷效率的影响分析是我们进一步研究的内容。参考文献1李从刚, 童中文.P2P 网络贷款国内外研究热点评述J.武汉金融, 2015 (10) :33-36. 2Herzenstein M, Andrews R.L., Dholakia U M.The democratization of personal consumer loans?Determinants of success in online peer-to-peer lending communitiesC.Boston University School of Manageme
15、nt Research Paper, 2008. 3温小霓, 武小娟.P2P 网络借贷成功率影响因素分析-以拍拍贷为例J.金融论坛, 2014, (3) :3-8. 4L PURO, J TEICH, H WALLENIUS, et al.Borrower Decision Aid for People to People LendingJ.Decision Support Systems, 2010, 49:52-60. 5吴小英, 鞠颖.基于最小二乘法的网络借贷模型J.厦门大学学报 (自然科学馆) , 2012, 51 (6) :980-984. 6陈冬宇, 李伟军, 丁婕.网络借贷借款人
16、决策辅助模型J.吉林大学学报, 2012, 30 (6) :591-598. 7王正位, 向佳, 廖理, 张伟强.互联网金融环境下投资者学习行为的经济学分析J.数量经济技术经济研究, No.3, 2016:95-111. 8Lin X., Cai S., Xu D., Fu X.Judging Online Peer-ToPeer Lending Behavior:An Integration of Dual System Framework and Two-Factor TheoryC.PACIS 2015Proceedings.Paper 138, 2015. 9宋文, 韩丽川.P2P 网络借贷中投资者出借意愿影响因素分析J.西南民族大学学报自然科学版, 2013, 39 (5) :795-799. 10Lin, M., Prabhala, N.R., and Viswanathan, S
