單婭軍，曹潔，黃健青

（對外經(jīng)濟貿(mào)易大學(xué)，北京100029）

一、引 言

2013-2015年間，P2P行業(yè)進入爆發(fā)期，各種網(wǎng)貸平臺如雨后春筍般相繼成立。然而，目前P2P網(wǎng)絡(luò)借貸行業(yè)面臨著信用風(fēng)險不斷暴露、行業(yè)競爭加劇以及監(jiān)管趨嚴等挑戰(zhàn)。因此提高P2P網(wǎng)貸市場借貸成功率，研究投資者的出資偏好，以及投資者的出資偏好程度，對于推動P2P行業(yè)快速發(fā)展具有巨大的現(xiàn)實意義。本文以紅嶺創(chuàng)投平臺為例，探索影響投資者出資偏好的影響因素，以此希望通過這項研究促進網(wǎng)貸行業(yè)的健康成長，提高行業(yè)借貸的成功率。

二、文獻綜述

由于我國與國外的經(jīng)濟體制、文化制度方面存在差異，國內(nèi)外P2P網(wǎng)貸的發(fā)展模式不盡相同，導(dǎo)致了國內(nèi)外學(xué)者對于P2P網(wǎng)貸的研究也存在一定的側(cè)重和不同。

（一）國外P2P網(wǎng)絡(luò)借貸研究綜述

國外關(guān)于P2P網(wǎng)絡(luò)借貸的研究主要以Prosper或Lending Club作為研究對象，一方面從投資人角度，研究投資人出資是否會受到他人決策的影響，即羊群效應(yīng)；另一方面集中在借款人的角度，研究借款人特征信息、借款標的信息等其他因素對投資人出資意愿的影響。

1.借款人個人信息

自然特征因素方面：學(xué)者認為資金需求者所具備的學(xué)歷、外貌等因素，一定程度上會影響投資者的出資意愿。Ravina（2008）在研究Prosper上的數(shù)據(jù)時發(fā)現(xiàn)，資金需求方的樣貌和民族對投資者是否出資有很大的影響。但是Herzenstein&Andrews（2008）在分析了Prosper上數(shù)據(jù)后，卻認為借款人的人口屬性（如種族、性別）對投資者的投資決策影響不顯著，而借款人的信用狀況對投資者的投資決策作用更大。Gonzalez&Loureiro（2014）認為相比于外貌，借款人的年齡對借款標的能否成功的影響更明顯。當投資者明確得知借款人的年齡時，借款人的外表樣貌對借款成功率影響不是很大。社會資本因素方面：Freedman&Jin（2008）通過研究發(fā)現(xiàn)，如果借款人是某群體中的一員，且在群體中受到的評價越高，投資者通過這些信息了解借款人后，越愿意借出資金，借款利率也越低。Linet al.（2013）在分析Prosper上數(shù)據(jù)后發(fā)現(xiàn)，借款人所在社交圈子在一定程度上，除了可以減少違約行為發(fā)生的可能性外，也可以增加投資者的投資欲望。

2.借款標的信息

Emekteret al.（2015）以Lending Club作為研究對象，研究得出：如果出資人認為借款人有很高的逾期風(fēng)險，那么即使借款人承諾給予很高的利率，出資人也不會出資，因此一項投資標的籌資失敗大多數(shù)都是因為借款人聲譽低并且借款期限長造成的。Puroet al.（2010）通過分析得出，借款金額和借款成功率成反比，借款金額越小越容易獲得投資者的投標，借款金額大的借款標的獲得投資的機率較低，這是由于投資者將投資收益與逾期違約損失對比后的結(jié)果，同時也表明投資者越來越理性，不再盲目追求高收益。

3.其他因素

Herzenstein&Andrews（2008）還發(fā)現(xiàn)如果一個借款人聲譽不高，但他很好地為自己辯護，也會增加借款的成功率。然而，對借款目的和自身信息過于詳細解釋的借款人往往逾期的可能性較高。因此，Herzenstein&Andrews認為出資人如果僅僅依據(jù)這些描述信息做出投資決策是不明智的。Gao&Lin等（2014）利用Prosper上的數(shù)據(jù)發(fā)現(xiàn)：雖然研究證明了投資者可以通過借款標的描述性信息來輔助決策，但是并不是百分之百的使用了這些信息。與之有一點相同的是Frerichset al.（2013）利用Smava作為研究對象，發(fā)現(xiàn)那些文字信息其實并沒有很大程度左右出資人做出投資決策。

（二）國內(nèi)P2P網(wǎng)絡(luò)借貸研究綜述

國內(nèi)關(guān)于P2P網(wǎng)絡(luò)借貸的研究主要集中于“硬信息”對投資者出資偏好的影響，少部分集中在“軟信息”的研究上。所謂的硬信息主要指借款金額、借款期限、借款利率、借款者信用水平等因素，軟信息指的則是指借款者的社交信息和借款文字描述信息等。

在“硬信息”研究上：陳冬宇等（2013）通過研究發(fā)現(xiàn)，在眾多影響因素中，能對投資者的投資決策起決定作用的不是借款人設(shè)定的借款利率，而是借款人的信用狀況等級。溫小霓、武小娟（2014）在研究了拍拍貸的數(shù)據(jù)后發(fā)現(xiàn)：滿標率與歷史未滿標記錄以及設(shè)定的利率成反向關(guān)系。除了這些因素，居住地以及性別等都會影響借款的結(jié)果。王正位等（2016）選取了人人貸的數(shù)據(jù)作為研究樣本，發(fā)現(xiàn)我國微借貸行業(yè)中依然存在出資人盲目跟從的現(xiàn)象，以前投資者所積攢的決策經(jīng)歷很大程度上也會影響他對目前決策行為的判斷。談超等（2014）基于拍拍貸的借款項目數(shù)據(jù)進行研究，研究發(fā)現(xiàn)：當前投標次數(shù)能夠?qū)Λ@得后續(xù)投標的可能性產(chǎn)生顯著的正向影響，由此證明P2P網(wǎng)絡(luò)借貸平臺存在羊群行為。

在軟信息研究上：陳冬宇等（2013）以社會資本理論和社會認知理論為基礎(chǔ)，研究個人對個人在線信貸市場中社會資本對交易信任以及出借意愿的影響。研究發(fā)現(xiàn)，借款人的社會資本會顯著影響出借者的信任和出借意愿。信息不對稱程度越高，社會資本對交易信任的影響就越大。吳小英、鞠穎（2012）在Prosper平臺上探究借款用途對投資者出資偏好的影響時使用了最小二乘法，研究發(fā)現(xiàn)用于生活用途的借款原因相比其他原因來說更容易籌集到資金，并且在存在第一感覺歧視的條件下，賺錢能力相對較弱的學(xué)生更難籌到資金。王重潤、孔兵（2016）利用拍拍貸6000條歷史交易數(shù)據(jù)進行建模分析，發(fā)現(xiàn)信用等級越低的借款者越傾向體現(xiàn)借款軟信息，據(jù)此得出了P2P平臺要提高借款成功率，必須注重對借款者軟信息的挖掘和機制設(shè)計的結(jié)論。

本文從投資者的視角出發(fā)，引入期望效用理論作為研究的理論基礎(chǔ)，著眼于“投資者出資偏好”這類關(guān)鍵問題，以實證分析的方法對“影響投資者出資偏好的因素”進行探索和研究。

三、研究設(shè)計

（一）理論基礎(chǔ)

期望效用理論（Expected Utility Theory）是由馮·諾依曼和摩根斯坦于1947年提出，在經(jīng)濟學(xué)領(lǐng)域描述理性人在不確定條件下的決策。EU理論認為：決策者能夠?qū)⑾氲降母鞣N不確定情況下出現(xiàn)的結(jié)果進行加權(quán)來獲得最大化的效用水平，決策者一定會選擇期望效用值最大的風(fēng)險決策方案 （王利軍等，2013）。作為現(xiàn)代資產(chǎn)定價理論的基石，EU模型在投資組合優(yōu)化中有著重要的應(yīng)用價值。在金融經(jīng)濟學(xué)中，投資者的目標并非最大化自己投資組合的價值，而是最大化投資組合產(chǎn)生的期望幸福感，即投資者追求的是自身的期望效用最大化（庹思偉，2015）。

在確定情況下，投資者在決策之前知道真實的狀態(tài)且能預(yù)見其結(jié)果，因此他可以理性地選擇自己的行為。在不確定的情況下，對未來可能出現(xiàn)的狀態(tài)投資者預(yù)先不知道哪個會發(fā)生（郭文英，2005）。同時，在P2P網(wǎng)絡(luò)借貸中，借款人逾期違約風(fēng)險、平臺風(fēng)險、法律風(fēng)險以及監(jiān)管風(fēng)險等各種不確定性風(fēng)險更為突出。投資者作為投資行為的主體，一方面希望能夠最大限度的獲得收益，另一方面又能規(guī)避風(fēng)險，減少損失。但在現(xiàn)實中，投資者要在短時間內(nèi)對借款人的信息和環(huán)境進行分析，再加上投資者自身知識的局限性和資源的有限性，投資者往往不能全面掌握借款人的信息，做出最優(yōu)方案。因此本文以期望效用理論為基礎(chǔ)，通過把不確定性引入理性決策的分析框架，適用于解釋和分析在P2P借貸市場投資者在面臨不確定性情況下的投資決策行為。本文將期望效用理論用于P2P網(wǎng)絡(luò)借貸市場上，既拓展了該理論的應(yīng)用領(lǐng)域，也從理論上佐證了投資者的出資意愿。

（二）模型構(gòu)建

本文以滿標速度作為衡量投資人出資偏好的指標。出資人若是對借款人發(fā)布的借款有較強的偏好，則這個標的的滿標速度相應(yīng)的會更大。而期望效用理論基于投資者絕大程度上會選擇能給他帶來最優(yōu)效用的借款人，解釋了投資者的出資偏好。

因此本文從“借款人個人信息”、“借款標的信息”、“借款人平臺信息”三個視角構(gòu)建影響P2P投資者出資偏好的理論模型，模型結(jié)構(gòu)如圖1所示。

圖1 投資者出資偏好理論模型

（三）研究假設(shè)

本文最基礎(chǔ)的假定是理性的出資人在第三方平臺上的決策行為同樣是理性的。所謂投資行為是指出資人在某些動機的驅(qū)動下而做出的投資活動。在眾多借款標的中，投資人是如何選擇借款標的，如何確定對選中借款標的的借款金額。本文綜合國內(nèi)外的研究成果以及自身研究特點，將基本理論假設(shè)分為如下幾類：

（1）借款人個人信息及其假設(shè)。從地域發(fā)展現(xiàn)狀來看，內(nèi)陸地區(qū)的微金融發(fā)展程度弱于沿海地區(qū)。從投資者角度而言，投資者傾向于將資金流向東部發(fā)達地區(qū)。并且根據(jù)積木盒子的資料顯示，投資者以及容易獲得投資的借款人大多處于沿海發(fā)達區(qū)域，從而推測借款人的居住地一定程度上會影響投資者的出資偏好。

（2）借款標的信息及其假設(shè)。除了借款人個人信息外，出借人還可以通過借款標的的特征信息來了解借款者的情況。借款標的的特征信息如借款期限、借款金額、借款利率與還款方式等在一定程度上表征了借款人還本付息的能力。在某一項借款標的中，越高的借款金額和借款利率代表著借款人會背負沉重的還款壓力，但同時也意味著投資人會獲得較高的收益。因此對于投資者而言，借款金額越大，借款利率越高，未來投資期限結(jié)束所獲得收益也越高。借款期限代表著投資者收取本息所需要的時間，一般來說，借款期限越長，面臨本息收不回的可能性越大。借款人的還款方式和借款類別也將會影響投資者對風(fēng)險的考量，投資者所感知到的風(fēng)險越小，則標的越容易獲得投資人的青睞。

（3）借款人平臺信息及其假設(shè)。借款人在平臺上通過投資非天標、全額還款可獲得相應(yīng)的投標積分或還款積分，投資期限越長或者在規(guī)定時間還款均獲得一定數(shù)量的積分。平臺上每個用戶的投標積分和還款積分一定程度上表征了該用戶在平臺上的活躍程度以及信用狀況。當投資人對用戶發(fā)布的借款進行考量時，投標積分是活躍度、專業(yè)性以及是否具有還款能力的表征，而還款積分是借款人歷史借款信用狀況的表征。

基于以上論述，提出以下假說，如表1所示。

表1 模型假設(shè)匯總

（四）變量設(shè)計與處理

關(guān)于因變量的選擇：本文進行了設(shè)計和改進，選用滿標速度即借款總額除以滿標時長作為判定投資人出資偏好的指標。投資者若對借款中披露的一些因子更加滿意，則該標的的滿標速度越大。

關(guān)于自變量的選擇：歸納國內(nèi)外有關(guān)的資料，研究的理論模型主要有三大類型的因素：借款人個人信息，指的是借款人的居住地；借款標的信息，包括借款類別、還款方式、借款期限、借款利率與借款金額；借款人平臺信息：指投標積分和還款積分。具體模型如下：

其中V為滿標速度，C為截距向量，αi（i=1，2...8）分別為借款人個人信息、借款標的信息、借款人平臺信息的系數(shù)向量，δ為模型誤差。所選用的這些變量都是為了測度出資人在決策時會考慮到的關(guān)于損益方面的信息。此外，由于借款金額、借款期限、投標積分、還款積分和滿標速度的數(shù)據(jù)量過大，為了避免呈現(xiàn)較高的離散程度，本文對該部分變量進行了對數(shù)轉(zhuǎn)換。具體變量說明及處理方式如表2所示。

表2 變量說明及處理方式

四、實證檢驗和結(jié)果分析

（一）數(shù)據(jù)來源

本文使用專門軟件抓取了紅嶺創(chuàng)投平臺自2014年11月1日至2015年2月28日之間的152143條散標交易數(shù)據(jù)，其中滿標交易數(shù)據(jù)為21784條。為了增強數(shù)據(jù)有效性，減少不正常數(shù)據(jù)給結(jié)論帶來的影響，本文根據(jù)借款標的的類別將秒還標、公信標、快借標和推薦標刪除。對數(shù)據(jù)中的異常值進行處理，通過進行可靠性分析將標準化殘差絕對值大于2的數(shù)據(jù)剔除。因此，最終選擇了20379條滿標交易數(shù)據(jù)作為研究的全樣本。

（二）描述性統(tǒng)計分析

為了驗證上述假設(shè)，首先對樣本的主要變量進行了描述性統(tǒng)計，主要回歸因子的分析情況如表3所示。

表3 描述性統(tǒng)計

通過描述性統(tǒng)計分析樣本數(shù)據(jù)特征，由表可知，成功獲得投資人資金的借款人中，居住地的平均值為0.28，居住在東部的人數(shù)較多；借款金額的平均值為33240元，最大借款金額為11110000元，最小借款金額為500元；借款利率的平均值為1.1046%/月，最大為1.87%/月，最小為0.02%/月；借款期限平均值為29.27天；還款方式的平均值為0.01，選擇一次性還款、借款時間為1個月內(nèi)的人數(shù)較多；借款類別的平均值為0.91，大部分借款類別為凈值標；投標積分平均值為100655.394，還款積分平均值為92840.203；網(wǎng)站上各項標的滿標時間最長為84932s，即24h，最短為4s，平均投標時間為1841.45s，因為平臺有自動投標機制，致使網(wǎng)站整體滿標速度較快。

（三）回歸分析與參數(shù)估計

本文使用spss20對樣本數(shù)據(jù)進行多元線性回歸分析，同時進行自變量共線性檢驗，模型回歸結(jié)果如表4、5所示。

表4 回歸結(jié)果

表5 模型匯總

從顯著性檢驗角度看，各個自變量的Sig.即顯著性P值≈0，所有的自變量都通過了顯著性檢驗，說明模型中被解釋變量與解釋變量之間存在著顯著的相關(guān)關(guān)系。從共線性檢驗看，自變量的方差擴大因子明顯小于10，說明方程中自變量之間不存在多重共線性。從模型角度看，F(xiàn)值=1382.603，P值≈0，因此回歸方程高度顯著。

（四）回歸結(jié)果分析

1.借款人個人信息方面

東部地區(qū)與中西部地區(qū)借款標的的滿標速度整體存在差異，中西部地區(qū)借款人的滿標速度略高于東部地區(qū)。此回歸結(jié)果與前人研究結(jié)果相反，假設(shè)1被拒絕。從描述性統(tǒng)計的結(jié)果可得，72%的借款人居住在東部地區(qū)，28%的借款人來自中西部，但來自中西部借款人的滿標速度卻高于東部地區(qū)。這可能是因為東部地區(qū)經(jīng)濟發(fā)達，對于新事物的接受和普及較快，因此多數(shù)借款人來自東部，但是借款人良莠不齊，信用水平層次不一，逾期違約可能性較大。中西部地區(qū)雖然經(jīng)濟水平低于東部地區(qū)，但是近幾年為了加快中西部經(jīng)濟發(fā)展，縮小地區(qū)差距，在國家政策的激勵下，中西部的經(jīng)濟和地區(qū)的各項綜合指標也得到了顯著的提高。此外，結(jié)果表明P2P借貸領(lǐng)域的投資行為在逐漸打破地域歧視的傳統(tǒng)，逐漸形成地域大融合的局面，投資人出資行為開放化的程度越來越高。

2.借款標的信息方面

借款金額、借款利率、借款期限、借款類別、還款方式均通過了顯著性檢驗，假設(shè)2、3、4、5、6成立。根據(jù)回歸結(jié)果，借款金額和借款利率對滿標速度有正向作用。正如前面所述，投資人進行投標時對投資的感知收益和感知風(fēng)險的判斷，借款金額越高，借款利率越高，未來獲得收益越高。然而借款期限對滿標速度有顯著的負向影響。一般來說，投資者出資的速度是和借款期限成反比，借款期限越長，滿標速度反而越慢。這體現(xiàn)了投資人更加偏好高收益、高速動、低風(fēng)險。同時還款方式和借款類別也在一定程度上影響滿標速度。這說明越是能表明借款人有快速還款意圖的、有能夠保證投資者收回本金可能性的借款標的滿標速度響應(yīng)也會加快。

3.借款人平臺信息方面

投標積分和還款積分通過了顯著性檢驗，其中投標積分對滿標速度有負向影響，還款積分對滿標速度有正向影響，假設(shè)7、8成立。投標積分代表的是平臺中用戶歷史投資非天標的資金數(shù)額和投資期限轉(zhuǎn)換成投標積分數(shù)，通過投標積分數(shù)的大小可以從歷史角度推斷此用戶的經(jīng)濟實力，從投資人角度反映了此用戶的還款能力大小。當投標積分較高的借款人發(fā)布借款需求時，投資人對其進行收益和風(fēng)險的考量時，可能會認為該借款人投資項目較多，而自身保留的資金較少，從而還款風(fēng)險較大。還款積分表示借款人歷史借款項目按時還款所獲得的積分，還款積分越高表明借款人還款信用越高。

五、政策建議

為了提高P2P網(wǎng)絡(luò)借貸市場的借貸成功率，促進P2P網(wǎng)絡(luò)借貸市場的健康發(fā)展，提出以下幾點建議。

1.由于P2P網(wǎng)貸借貸市場第三方平臺數(shù)量眾多且魚龍混雜，運營能力和風(fēng)險控制能力差異很大，出資人依賴第三方平臺一定程度上可以減少投資成本，但潛在風(fēng)險指數(shù)也相應(yīng)上升。因此，出資人需要提高自身的信用評估能力，學(xué)會理性獨立地思考，時刻保持對市場動態(tài)清晰的認識，切忌盲目信賴第三方平臺。此外，出資人還需要防范借款人利用影響出資偏好因素，通過信用包裝惡意借款的行為，在決策過程中謹慎判斷借款人的信用狀況和還款能力，從多方面評估投資的風(fēng)險。

2.研究結(jié)果表明，出資人的出資偏好受到多種因素的影響，借款人需要根據(jù)出資人的偏好有針對性的披露相應(yīng)的信息。首先，借款人應(yīng)該充分發(fā)揮第三方平臺的作用，通過平臺贏得出借人的投資偏好。通過披露籍貫信息、照片、收入認證等個人信息增強出借人對借款人的基本認識。提高借款人在網(wǎng)站上的還款積分以及對借款標的信息進行詳細描述，贏得出資人的信任，以此提高借款成功率。

3.P2P平臺應(yīng)該建立完善的信用審核機制，對借款人的信用資質(zhì)進行嚴格的審查，避免借款人對身份信息造假，保護平臺信譽和投資人的利益，為借貸雙方創(chuàng)造一個健康高效的借貸環(huán)境。此外，P2P平臺應(yīng)該加強行業(yè)內(nèi)的聯(lián)合，將分散在各個部門和平臺的個體信用信息集成起來，建立一套統(tǒng)一的信用評價機制，使得各平臺共享信用數(shù)據(jù)。同時，通過完善機制設(shè)計，建立黑名單制度，提高不良借款人的違約成本，使得違約行為受到約束性懲罰。

4.我國目前尚未建立健全完善的社會信用體系，然而P2P網(wǎng)貸的發(fā)展急需完善的社會信用評級和評價體系作為參考。因此，我國應(yīng)盡快出臺相關(guān)法律法規(guī)，將P2P網(wǎng)貸平臺納入征信管理范疇中，建立完善的社會信用體系。同時，政府應(yīng)明確監(jiān)管主體，加大監(jiān)管力度和范圍。通過立法加大對平臺征信環(huán)節(jié)的監(jiān)督和管理，營造誠信、有序的網(wǎng)絡(luò)借貸市場環(huán)境。

參考文獻：

［1］Ravina E.Love& Loans： The Effect of Beauty and Personal Characteristics in Credit Markets［J］.Social Science Electronic Publishing， 2008.

［2］Herzenstein M， Andrews R L.THE DEMOCRATIZATION OF PERSONAL CONSUMER LOANS?DETERMINANTS OF SUCCESS IN ONLINE PEER-TO-PEER LOAN AUCTIONS ［J］.Bulletin of the University of Delaware， 2008， 15（3）：274–277.

［3］Gonzalez L， Loureiro Y K.When can a photo increase credit?The impact of lender and borrower profiles on online peer-to-peer loans［J］.Journal of Behavioral&Experimental Finance，2014， 2：44-58.

［4］Freedman S， Jin G Z.Do Social Networks Solve Information Problems for Peer-to-Peer Lending?Evidence from Prosper.com［J］.Social Science Electronic Publishing， 2008（8-43）.

［5］Lin M， Prabhala N R， Viswanathan S.Judging Borrowers by the Company They Keep：Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending［J］.Social Science Electronic Publishing， 2013， 59（1）：17-35.

［6］Emekter R， Tu Y， Jirasakuldech B， et al.Evaluating credit risk and loan performance in online Peer-to-Peer （P2P） lending［J］.Applied Economics， 2015， 47（1）：54-70.

［7］Puro L， Teich J E， Wallenius H， et al.Borrower Decision Aid for people-to-people lending［J］.Decision Support Systems， 2010， 49（1）：52-60.

［8］Gao Q， Lin M.Linguistic Features and Peer-to-Peer Loan Quality： A Machine Learning Approach［J］.Social Science Electronic Publishing， 2014.

［9］Frerichs A， Michaelis C， Wienekamp M， et al.Usage of Pre-Made Text-Modules and Peer-Groups for Mitigating Information Asymmetry in Social Lending：Evidence on Funding Success from German Platform Smava［J］.International Journal of E-Business Research （IJEBR）， 2013， 9（3）：1-26.

［10］陳冬宇，賴福軍，聶富強.社會資本、交易信任和信息不對稱——個人對個人在線借貸市場的實驗研究［J］.北京航空航天大學(xué)學(xué)報（社會科學(xué)版），2013，26（4）：75-83.

［11］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.

［12］王正位，向佳，廖理，等.互聯(lián)網(wǎng)金融環(huán)境下投資者學(xué)習(xí)行為的經(jīng)濟學(xué)分析［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2016（3）：95-111.

［13］談超，孫本芝，王冀寧.P2P網(wǎng)絡(luò)借貸平臺的羊群行為研究——基于Logistic模型的實證分析［J］.南方金融，2014（12）：30-37.

［14］吳小英，鞠穎.基于最小二乘法的網(wǎng)絡(luò)借貸模型［J］.廈門大學(xué)學(xué)報（自然版），2012，51（6）：980-984.

［15］王重潤，孔兵.借款軟信息對投資決策的影響——基于P2P網(wǎng)貸的實證研究［J］.農(nóng)村金融研究，2016（8）：48-52.

［16］王利軍，胡樹華，牟仁艷.基于期望效用理論的SWOT方法改進［J］.武漢理工大學(xué)學(xué)報（信息與管理工程版），2013，35（4）：591-594.

［17］庹思偉.期望效用理論淺述［J］.時代金融，2015（10）.

［18］郭文英.期望效用理論的發(fā)展［J］.首都經(jīng)濟貿(mào)易大學(xué)學(xué)報，2005，7（5）：11-14.