譚中明 謝坤 丁國平

摘要：傳統(tǒng)借貸模式中，銀行等金融機構(gòu)擁有借款人較詳細的信息和科學的信用評估方法，因而能有效控制信用風險。而在P2P網(wǎng)貸市場中，純線上的信用審核機制因信息不對稱，極易引發(fā)借款人違約行為。本文立足于借款人視角，從影響P2P網(wǎng)貸違約的因素出發(fā)，構(gòu)建信用風險判別指標體系，運用二項Logistic分類模型對P2P借款人的信用風險進行實證分析，并基于實證結(jié)果，提出有效防范P2P網(wǎng)貸主體信用風險的對策建議。

關(guān)鍵詞：P2P網(wǎng)貸；信用風險；判別；二項Logistic分類模型

中圖分類號：F830.5

文獻標識碼：A

文章編號：1003-9031（2018）08-0004-09

互聯(lián)網(wǎng)科技的發(fā)展，推動了金融資本與信息技術(shù)的融合，P2P網(wǎng)絡借貸（以下簡稱P2P網(wǎng)貸）是當代金融資本脫離商業(yè)銀行等傳統(tǒng)實體信用中介并依托現(xiàn)代信息技術(shù)流與“大數(shù)據(jù)”基礎運動的結(jié)果，創(chuàng)新較好地解決了由信息不對稱引發(fā)的資本供給與融資需求的結(jié)構(gòu)性失衡，縮短了信貸資本周轉(zhuǎn)時間，提升了資本循環(huán)效率。然而究其本質(zhì)，P2P網(wǎng)貸依舊是一種資金融通的中介，無法消除金融借貸業(yè)務所固有的交易風險，尤其是脫離實體金融機構(gòu)的純線上信用審核以及行業(yè)監(jiān)管不足的運作環(huán)境，這又加大了整個P2P網(wǎng)貸行業(yè)的違約風險?？茖W識別P2P網(wǎng)貸信用風險，是有效管控和事前防范P2P系統(tǒng)性風險的關(guān)鍵，也是推進P2P網(wǎng)貸生態(tài)圈良性循環(huán)、穩(wěn)健發(fā)展的核心環(huán)節(jié)。

一、文獻綜述

國內(nèi)學者對P2P網(wǎng)貸信用風險的研究主要是立足于平臺和借款人兩大維度，采用不同的分析方法，循著理論與實證兩個方向進行研究。

P2P網(wǎng)貸平臺作為借貸資金流動和交易中心，平臺自身的合規(guī)性運營，被視為是資金有效對接前提。趙沁樂（2017）指出網(wǎng)貸平臺缺乏透明的資金運作機制，平臺自有資金與借貸資金未充分隔離，多數(shù)平臺為單向追逐高收益，將投資者資金劃人平臺資金賬戶，從事高風險投機活動，加大了網(wǎng)貸資金損失風險。樊云慧（2014）指出網(wǎng)貸平臺具有對中間資金賬戶的調(diào)配權(quán)，對借貸資金支付的中間賬戶均由平臺自行管控，在未完全實現(xiàn)資金第三方獨立托管的環(huán)境下，平臺不規(guī)范運作易誘發(fā)高的違約風險。艾金娣（2012）指出P2P網(wǎng)貸具有明顯的跨行業(yè)與跨區(qū)域特點，法律地位不明確，不少網(wǎng)貸平臺片面追求收益，盲目擴張業(yè)務，導致整個網(wǎng)貸行業(yè)隱含較高信用風險。常振芳（2017）認為P2P網(wǎng)貸作為互聯(lián)網(wǎng)金融的一種業(yè)務形式，線上的交易行為涉及到廣泛的行業(yè)和區(qū)域，其間有著復雜的關(guān)聯(lián)利益關(guān)系，對網(wǎng)貸違約風險的防范需建立協(xié)調(diào)一致的監(jiān)管機制，集中對網(wǎng)貸平臺實行有效監(jiān)管。

對P2P網(wǎng)貸借款人信用風險的研究，學者們多是基于不同研究方法，通過實證進行分析。陳清、林峰潤（2017）通過構(gòu)建網(wǎng)貸逾期率模型，研究了描述性信息對借款人信用違約的影響。朱傳進等（2017）提出了基于五標度法計算指標權(quán)重的層次分析法，結(jié)合模糊數(shù)學綜合評價方法，構(gòu)建網(wǎng)貸信用風險模糊綜合評價模型，為平臺有效甄選借款人提供了一種決策參考。王海峰等（2017）運用模糊聚類與模糊識別相結(jié)合的方法，評估網(wǎng)貸借款人信用風險，研究發(fā)現(xiàn)信用記錄與工作狀況等因素是引發(fā)網(wǎng)貸借款主體發(fā)生信用風險的關(guān)鍵性指標。肖曼君等（2015）通過排序選擇模型，研究發(fā)現(xiàn)借款人信用評分并未對信用風險管理起到實質(zhì)性作用，評分高的主體仍具有較高違約風險。李思瑤等（2016）基于生存分析視角，實證探究了借貸信息、主體特征以及財務特征等指標對P2P網(wǎng)貸違約風險的影響。談超等（2014）則從羊群行為與從眾心理角度，實證考察了借款標的特征、往期借款、借款主體信用特征以及個體特征等因素對網(wǎng)貸借款人信用風險的決定性影響。

二、P2P網(wǎng)貸信用風險滋生因素

（一）行業(yè)管理體制不完善

目前，我國P2P網(wǎng)貸監(jiān)管的制度建設剛剛起步，監(jiān)管體制機制和監(jiān)管框架尚有待進一步完善；不健全的行業(yè)監(jiān)管造成了網(wǎng)貸監(jiān)管盲區(qū)，致使部分帶有投機性和高風險性的借貸需求因行業(yè)監(jiān)管漏洞而混入市場。P2P網(wǎng)貸監(jiān)管涉及多方主體機構(gòu)，不僅包括金融監(jiān)管部門，同時也包括工商行政部門以及工信部門等。在監(jiān)管職責方面，雖然對各機構(gòu)主體也進行了一定的權(quán)責界定，但具體監(jiān)管仍主要依靠專業(yè)力量比較薄弱的地方政府金融辦，導致跨行業(yè)、跨部門的聯(lián)動協(xié)調(diào)監(jiān)管機制難以有效建立。這種滯后的市場監(jiān)管體制，客觀上也縱容了P2P網(wǎng)貸業(yè)務的野蠻式擴張，一定程度上為網(wǎng)貸信用風險的肆意滋生創(chuàng)造了外部條件。

（二）信息不對稱

信息經(jīng)濟學理論認為信息不對稱易使市場中的主體出現(xiàn)道德風險和逆向選擇。P2P網(wǎng)貸的核心創(chuàng)新是引入互聯(lián)網(wǎng)平臺的信息媒介功能，實現(xiàn)線上信息流通與資金流轉(zhuǎn)，這種人機交互式的操作形式，使P2P網(wǎng)貸隱含嚴重的信息不對稱。在網(wǎng)貸授信過程中，平臺對機構(gòu)或個人的信貸配給僅單純依循線上提交的信息進行決策，在缺乏有效透明的信息披露機制下，線上信用審核放大了交易主體間的信息不對稱，一部分市場偽需求助推了網(wǎng)貸信用泡沫，致使信用資質(zhì)較差的次級網(wǎng)貸借款主體在受到不確定性外界信用環(huán)境沖擊，償付資金流出現(xiàn)周轉(zhuǎn)困境后，產(chǎn)生了網(wǎng)貸信用違約。

（三）網(wǎng)貸平臺責任缺失

P2P網(wǎng)貸平臺作為連接融資需求方與資金供給方的信息中介紐帶，在整個交易過程尤其是風險防范層面扮演著重要作用。事實上，網(wǎng)貸平臺貫穿于風險產(chǎn)生的每一環(huán)節(jié)，從平臺前期發(fā)布標的競標開始到平臺的貸后風險管理等階段，網(wǎng)貸平臺始終面臨不同形式的信用風險，并相應地進行著風險的事前識別、防范以及貸后補償?shù)?。作為風險的防控中心，平臺應僅單純地充當信息中介職能，不以商業(yè)性準則參與借貸活動。然而，現(xiàn)階段很多網(wǎng)貸平臺并沒有秉持初始職能，相反卻以“經(jīng)濟人”視角介入到網(wǎng)貸活動中，這種由平臺內(nèi)部責任缺失而引發(fā)的職能越位，也加劇了網(wǎng)貸行業(yè)信用風險。

三、P2P網(wǎng)貸信用風險判別指標體系構(gòu)建

（一）P2P網(wǎng)貸信用風險判別指標選取依據(jù)

信息不對稱是引發(fā)P2P網(wǎng)貸信用風險的核心因素，網(wǎng)貸信息不對稱突出表現(xiàn)為參與網(wǎng)上融資的網(wǎng)貸借款主體信用認證的缺損。作為網(wǎng)貸市場中最為活躍的一方信用主體，P2P網(wǎng)貸借款人信用風險主要受其償債意愿和償債能力影響。借款人償債意愿由其信用意識決定，履約守信意識強的借款人會比較重視個人信用評價，在實際借貸中發(fā)生信用違約的風險比較小。借款人的信用意識與其道德素養(yǎng)和所處的外部經(jīng)濟環(huán)境有關(guān)，而道德素養(yǎng)是在個體的成長和受教育過程中經(jīng)后期培養(yǎng)形成，一般與年齡、婚姻以及受教育水平相關(guān)；個體所處的外部經(jīng)濟環(huán)境包括所處地區(qū)經(jīng)濟發(fā)展水平、就職行業(yè)資本回報率以及產(chǎn)業(yè)規(guī)模等會直接影響其經(jīng)濟收入，進而對其償債意愿形成影響，一般以借款人工作區(qū)域、就職行業(yè)以及公司規(guī)模等來刻畫其所處的外部經(jīng)濟環(huán)境。償債能力不僅同借款人自身的經(jīng)濟基礎有關(guān)，包括借款人收入水平、工齡、是否擁有房產(chǎn)、車產(chǎn)以及房貸車貸等，同時也受到貸款合約影響，如貸款金額、借款利率以及貸款期限等，這部分指標決定了主體的清償負擔，因而影響了其償債能力。除借款人外，平臺審核責任缺失也是引發(fā)P2P網(wǎng)貸信用風險的重要因素，表現(xiàn)為平臺未能對借款人的真實信用資質(zhì)進行準確評定，對借款人的歷史信用記錄沒有進行有效審核，致使借款主體的信用信息缺乏真實可信，以借款人信用等級、歷史成功借款筆數(shù)以及逾期次數(shù)等指標衡量P2P網(wǎng)貸借款人的履約資信水平。

（二）P2P網(wǎng)貸信用風險判別指標體系構(gòu)建

結(jié)合P2P網(wǎng)貸這一特定行業(yè)和運行環(huán)境和網(wǎng)貸信用風險產(chǎn)生來源，本文基于網(wǎng)貸借款人視角，將影響P2P網(wǎng)貸信用風險的指標劃分為：主體特征指標、償付效力指標、借貸信息指標以及信用信息指標等（見表1）。

1.主體特征指標。該指標主要包括借款個體年齡、婚姻、學歷、就職行業(yè)、工作地域以及公司規(guī)模。不同借款主體具有不同的年齡屬性、婚姻狀態(tài)以及學歷水平，這些指標的差異因個體而異，并對主體的償債意愿形成影響，如年齡較長擁有較高學歷的已婚借款人較剛進入社會的年青個體，發(fā)生信用違約的可能性一般更低。此外，不同個體人職行業(yè)、工作區(qū)域以及就職公司規(guī)模等會直接影響其經(jīng)濟收入，可能影響網(wǎng)貸資金能否按期償還。

2.償付效力指標。以月收入、工齡、房產(chǎn)、車產(chǎn)、房貸以及車貸等明細指標來表示。收入水平一般與工齡正相關(guān)，工齡較大的借款主體，發(fā)生違約的可能性相對較小。房產(chǎn)和車產(chǎn)是網(wǎng)貸借款主體擁有的固定資產(chǎn)，基本特點是資產(chǎn)短期變現(xiàn)能力較強，對資金的按期償付提供了一定保障。借款主體是否擁有房貸和車貸也會影響到網(wǎng)貸資金的按期償付，將有房車貸的借款個體賦值1，無房車貸的賦值0。

3.借貸信息指標。該指標反映的是網(wǎng)貸借款主體合同借貸的顯性成本，以借款金額、借款利率以及貸款期限來衡量。借款金額越大，反映借款人的資金鏈缺口較大，短期獲取資金流動性需求途徑有限，資金來源很可能不夠穩(wěn)定；其次借款金額越大，資金按期償付的不確定性也越大。網(wǎng)貸利率反映了網(wǎng)貸借款主體獲取貸款資金的成本，借款利率越高，發(fā)生違約的可能性一般也越高。借款期限約定了貸款合約的存續(xù)周期，合約規(guī)定的期限越短對網(wǎng)貸借款人短期資金靈活性的要求也越高。

4.信用信息指標。該指標主要包括逾期次數(shù)、成功借款筆數(shù)以及信用等級等。逾期次數(shù)表示借款人在過去借款過程中逾期的總次數(shù)。網(wǎng)貸借款主體成功貸款筆數(shù)可以反映出其信用資質(zhì)，用來初步判斷其未來是否會逾期。信用等級是網(wǎng)貸平臺對借款人履約行為進行的評定，依據(jù)借款人的守信效力分為AA級、B級、C級、D級、E級和HR級等。

四、P2P網(wǎng)貸信用風險判別的實證分析

（一）模型構(gòu)建

對P2P網(wǎng)貸借款人信用風險行為進行判別分析，以是否違約作為因變量，0表示違約、1表示未違約；影響信用風險的因素作為自變量。在綜合考慮分類因變量結(jié)構(gòu)的特殊性以及模型選擇對變量間相關(guān)性要求的差異，本文選用二項Logistic回歸模型作為網(wǎng)貸借款人信用風險判別的基本模型，因為該模型不僅適用于對分類因變量預期結(jié)果的分析，而且也不要求變量間存在的線性相關(guān)關(guān)系等。Logistic回歸模型這些功能與結(jié)構(gòu)方面的獨特優(yōu)勢，使得該模型能比較準確地比擬刻畫現(xiàn)實信用環(huán)境下商業(yè)借貸行為結(jié)果的分析。

依照Logistic模型基本結(jié)構(gòu)，構(gòu)造網(wǎng)貸借款人信用風險判別模型如下：

其中，Pi為違約概率，Xi為影響違約的解釋變量，εi為隨機擾動項。

（二）實證分析

1.數(shù)據(jù)來源

我國P2P網(wǎng)貸平臺數(shù)量較多，各平臺質(zhì)量參差不齊，考慮到平臺間運營能力以及平臺內(nèi)部管理和行業(yè)自律水平的差異。為確保實證分析有效性，本文在眾多網(wǎng)貸平臺中最終選取了具備行業(yè)代表性、平臺信息披露相對充分以及內(nèi)部管理較為規(guī)范的人人貸平臺用戶數(shù)據(jù)作為分析樣本。通過編程軟件，挖掘出平臺用戶的基本借貸信息，在刪除一些缺失數(shù)據(jù)以及審核未通過數(shù)據(jù)后，最終篩選出 900名不同用戶的借款信息，其中350名為逾期還款用戶，550名為成功還款用戶。

2.回歸分析

根據(jù)已構(gòu)造的P2P網(wǎng)貸借款人信用風險判別模型，首先，利用樣本對象的基本數(shù)據(jù)信息，對兩類群體特征信息進行比較分析。由表2可知，在償付效力方面，成功還款用戶的償付能力要優(yōu)于違約用戶，集中表現(xiàn)為成功還款用戶的平均月收入以及以房產(chǎn)和車產(chǎn)為代表的人均固定資產(chǎn)水平普遍高于違約用戶的平均水平，這可能為其債務償付提供了短期流動性資金。正常還款用戶的信用資質(zhì)要明顯優(yōu)于違約用戶，主要體現(xiàn)在反映借款人信譽資質(zhì)的歷史逾期次數(shù)方面，正常還款用戶的均值要明顯低于違約用戶的平均值，以及作為衡量借款主體現(xiàn)期信用償付水平的借款人信用等級指標，成功還款主體也顯著高于違約主體。在反映借款個體特征差異的借款主體特征屬性層面，兩類群體間也存在明顯差別。

由于常數(shù)項在該模型中沒有實際解釋含義，因而模型暫不考慮常數(shù)項作用，實證回歸結(jié)果見表3。

下面進一步對Logistic實證回歸的結(jié)果進行準確率檢驗（見表4）。350個違約樣本中，對299個樣本進行了精準預測，評估正確率達到85.4%；550個正常還款樣本的評估正確率達到了89.6%，全部樣本的綜合精確率高達88%。這說明該模型基本可以用來對樣本進行較準確的風險評估，模型具備相當?shù)目尚哦取?/p>

（三）實證結(jié)果分析

1.主體特征方面。從實證分析輸出結(jié)果（見表3）可以發(fā)現(xiàn)，年齡、學歷以及工作地域等三個指標都顯著，這可能是人力資本以及區(qū)域經(jīng)濟差異對主體行為影響的結(jié)果。一般年齡較長的經(jīng)濟個體累積了一定的社會閱歷和物質(zhì)資本，在行為選擇方面具有一定的判斷和認知能力，因而會比較重視由違約行為可能導致的個人隱私信息被平臺外露的失信成本，集中表現(xiàn)為年齡因素對違約行為存在顯著負向影響，即年齡每增長一個單位，借款主體的違約率則只有原來的0.960倍，違約率降低4%；學歷作為衡量借款主體道德素養(yǎng)與人力資本的指標，對違約行為則存在正向效應，表現(xiàn)為借款主體的學歷水平每提高一個層次，違約概率反而上升為原來的1.558倍。這一結(jié)果顯然有悖于一般性理論，原因可能是大部分樣本用戶學歷是在本科及以下，平均受教育水平雖較低，但累積有一定的社會資本，具有一定的經(jīng)濟基礎，資產(chǎn)流動性較好，因而也具有較低的違約率。工作地域指標在違約行為中也顯著，這表明地區(qū)經(jīng)濟差異可能影響了人均資本積累，進而對個體償債效力產(chǎn)生了影響。

2.償付效力方面。月收入、工齡在10%水平下顯著，而房貸在5%水平也顯著。其中工齡每增長一年，違約概率則只有原來的0.798倍，違約率約降低了20%。這主要是在社會產(chǎn)出方面，工齡被看作是勞動力價值增值的內(nèi)因，工齡越長反映該勞動力的社會產(chǎn)出價值往往越大，從而決定的經(jīng)濟基礎和收入來源越為穩(wěn)定，因而債務的后續(xù)償付有了一定資金保障。房貸作為當今最能表征經(jīng)濟主體物質(zhì)生活基礎與債務水平的經(jīng)濟指標對借款主體的逾期違約行為具有顯著正向影響，即表現(xiàn)為有房貸借款個體的違約概率是沒有房貸個體的1.911倍，有房貸個體的違約率上升了90%。這極有可能是因為存有償還房貸壓力，借款主體的大部分資金收入被分流到房貸中，因而在沒有嚴厲的外部違約懲戒制度作為還款保障的前提下，資金收入不高、存有房貸的借款人，很容易出現(xiàn)由于資金流動性不足而導致的網(wǎng)貸違約行為。

3.借貸信息方面。衡量借貸信息的三個指標——借款金額、借款利率、借款期限在10%水平下均顯著。其中，借款金額每增加一個單位，違約率約為原來的1.027倍，出現(xiàn)這種結(jié)果可能是隨著借款金額增加，借款主體面臨的償債壓力增大，出現(xiàn)違約的可能性也隨之提高。作為綜合反映借款主體貸款成本的借款利率在1%水平也顯著，并且借款利率每提高一個百分點，違約概率約為原來的2.29倍。這主要是因為借款利率越高，一方面折射出網(wǎng)貸主體有可能自身資信水平并不高，但由于短期急需資金周轉(zhuǎn)，又無法從銀行等金融機構(gòu)獲得補償流動性，因而不得不被迫接受高利率下的網(wǎng)貸借款成本；另一方面市場風險收益理論表明，高利率同樣意味著高風險，投資者和網(wǎng)貸平臺在享受由高利率所帶來的風險溢價時，很可能面臨著債務人無法按期償付的危機。

4.信用信息方面。作為綜合反映借款主體信用資質(zhì)的三個信用信息指標——逾期次數(shù)、信用等級以及成功借款筆數(shù)均具有較強的顯著性，說明了信用水平在商業(yè)借貸活動中的突出影響。逾期次數(shù)和成功借款筆數(shù)作為歷史反映借款主體信用資質(zhì)的指標是衡量借款人守信準則的重要依據(jù)，而信用等級每降低一個級別，違約率則變?yōu)榱嗽瓉淼?.581倍，違約率約上升了58%。這是因為信用等級作為借款人現(xiàn)期還款能力的體現(xiàn)，是借貸資本在未來時期循環(huán)增值的外部保證。

五、對策建議

（一）加強對借款者的信用審核，加快征信市場化步伐

P2P網(wǎng)貸市場信用風險頻發(fā)的一個重要原因是平臺對借款主體信用審核不夠全面，對借款人提供的影響違約風險的借款利率、逾期次數(shù)、工齡以及學歷等關(guān)鍵性指標的可信度沒有進行充分線下調(diào)研與實地認證，因信息不對稱導致了行業(yè)較高的違約行為。因此，急需加快對網(wǎng)貸行業(yè)征信市場化的建設，建立以商業(yè)性征信公司為主體、民間資本投資建立和經(jīng)營、獨立于政府和金融機構(gòu)以外的第三方征信機構(gòu)，通過市場化運作模式，向社會提供有償具有可信性的商業(yè)征信服務。

（二）完善風險控制機制，科學測度網(wǎng)貸主體違約風險

網(wǎng)貸平臺作為借貸信息審核中心，對風險的事前識別與防范起著重要作用，平臺在充分掌握用戶準確信息基礎上，可以運用有效模型對風險進行評估。在評估模型中，可適當提高對逾期行為具有顯著影響的指標權(quán)重，以對主體的違約行為進行準確測度和判別。同時，網(wǎng)貸平臺還需完善自身風險控制機制，設計一套科學的風險管理制度，從風險的事前識別到風險的事后消化，全面對風險進行把控，最小化違約行為對金融市場影響。

（三）加強行業(yè)管理，積極落實行業(yè)監(jiān)管準則

自由放任能夠?qū)崿F(xiàn)市場交易的有效性，卻容易出現(xiàn)尋租和外部性問題，導致金融資源被無效或低效配置，金融市場尤其是互聯(lián)網(wǎng)金融是典型的廣關(guān)聯(lián)性、強外部性以及高杠桿性市場，這就決定了金融監(jiān)管具有天然的市場監(jiān)督和行業(yè)監(jiān)管權(quán)利。伴隨金融創(chuàng)新的不斷發(fā)展，金融業(yè)務與非金融業(yè)務之間的邊界變得越來越模糊，金融交易產(chǎn)品與金融業(yè)務環(huán)境越來越為復雜，金融監(jiān)管難度將進一步加大。科學的市場監(jiān)管法規(guī)體系是有效監(jiān)管的制度性保障，P2P網(wǎng)貸在經(jīng)歷快速發(fā)展到步人行業(yè)振幅、調(diào)整階段，客觀上要求具備科學有效的行業(yè)法規(guī)體系對其進行規(guī)范和引導，包括從立法層面對網(wǎng)貸市場準人資質(zhì)、依法運營細則、行業(yè)監(jiān)督主體、危機處理措施以及市場退出機制等方面進行具體明晰的制度性界定，全面規(guī)范其健康發(fā)展。作為行業(yè)監(jiān)管層，應充分結(jié)合我國網(wǎng)貸發(fā)展特點，加快對行業(yè)監(jiān)管細則的制定，進一步加強對網(wǎng)貸風險監(jiān)管模式創(chuàng)新，構(gòu)建科學有序、分工明確以及協(xié)作共存的P2P網(wǎng)貸監(jiān)管體系，推動建設P2P網(wǎng)貸長效監(jiān)管機制，補齊網(wǎng)貸監(jiān)管短板。

參考文獻：

[1]趙沁樂.P2P行業(yè)的信用風險[J]中國金融，2017（2）：56-57.

[2]樊云慧.P2P網(wǎng)絡借貸的運營與法律監(jiān)管[J]經(jīng)濟問題，2014（12）：53-58.

[3]艾金娣.P2P網(wǎng)絡借貸平臺風險防范[J].中國金融，2012（14）：79-81.

[4]常振芳.P2P網(wǎng)貸創(chuàng)新與監(jiān)管問題研究[J].經(jīng)濟問題，2017（7）：53-57.

[5]陳清，林峰潤.描述性信息對借款人逾期率的影響研究——基于P2P網(wǎng)絡借貸平臺的分析[J]宏觀經(jīng)濟研究，2017（3 ）：137-145.

[6]朱傳進，朱南.P2P網(wǎng)貸借款人信用風險模糊綜合評價——基于模糊數(shù)學理論的視角[J].金融理論與實踐，2017（6 ）：60-65.

[7]王海峰，張曉妮，石寶峰.基于模糊聚類的P2P網(wǎng)貸個人信用評估模型及應用[J].浙江金融，2017（10）：19-26+41。

[8]李思瑤，王積田，柳立超.基于生存分析的P2P網(wǎng)絡借貸違約風險影響因素研究[J]經(jīng)濟體制改革，2016（6）：156-160.

[9]肖曼君，歐緣媛，李穎.我國P2P網(wǎng)絡借貸信用風險影響因素研究——基于排序選擇模型的實證分析[J]財經(jīng)理論與實踐，2015（1）：2-6.

[10]談超，孫本芝，王冀寧.P2P網(wǎng)絡借貸平臺的羊群行為研究——基于Logisric模型的實證分析[J]南方金融，2014（12）：30-37+53.

[11]劉洋，王會戰(zhàn).互聯(lián)網(wǎng)視角下我國民間借貸的風險評價與控制——以P2P平臺為例[J].宏觀經(jīng)濟研究，2017（3）：146-157.

[12]陳霄，丁曉裕，王貝芬.民間借貸逾期行為研究——基于P2P網(wǎng)絡借貸的實證分析[J]金融論壇，2013（11）：65-72.

[13]傅彥銘，臧敦剛，威名鈺.P2P網(wǎng)絡貸款信用的風險評估[J]統(tǒng)計與決策，2014（21）：162-165.