网络信贷论文范文精选

一、文献回顾与理论分析

P2P网络借贷作为新生事物，吸引了众多研究者的关注，国内外学者对其进行了大量的研究，从最初的P2P网络借贷起源与现状、特征、经营模式，到后面的积极作用与消极作用、发展趋势等方面，而近几年则将目光集中在了网络借贷的信用风险上。

（一）网络借贷信用风险分析

早期的P2P网络借贷信用风险研究表明，平台中借款者的特征差异不大，但是信用风险却很显著。Herzensteinetal．（2008）和PopeandSydnor（2011）认为，P2P网络借贷平台是由投资者个人而非借贷平台筛选确定借款人是否值得信赖，因此，更容易出现借款人通过虚假陈述骗取借款的情况，即网络借贷的风险更大［2］。Michaels（2012）通过对Prosper网站上的数据分析，发现网络借贷平台责任的缺失使网络借贷市场运行有效性下降，因而带来较大的风险［3］。Sufi（2007），MichaelKlafft（2008）认为，如同在金融市场中一样，网络借贷市场也存在信息不对称，此外，由于投资者缺乏经验，网络环境下贷款的信用风险更高［4］。Leeetal．（2012）研究韩国最大P2P平台上的“从众行为”发现，“从众行为”导致网络借贷信用风险加大，即信息不对称现象非常严重，往往还会导致道德风险［5］。在国内，近几年来由于网络借贷平台资质良莠不齐，发展模式并不规范，带来很大的信用风险［6］。陈初（2010）也认为，P2P平台可能泄露重要的信息，加之贷款用途难以核实，信用风险很大［7］。由于网络借贷平台作为交易平台，实行的是无担保无抵押，缺乏担保的P2P借贷会使债权人的风险增加［8］。

（二）网络借贷信用风险管理

信用风险管理就是通过有效的方法对信用风险进行分析、防范和控制，使风险贷款安全化，确保本息的收回。借贷平台信用风险管理水平决定了自身的生存和发展，也对金融体系的稳定与发展产生巨大影响。国外的信用风险管理体系发展较早，在实践和理论上已经形成相应的体系，不少学者的研究主要集中在如何使投资人更好地掌握借款人诚信信息以及怎样通过借贷平台自身机制有效缓解信息不对称等方面。FreedmanandJin（2008）发现，虽然投资者由于信息不对称问题面临着逆向选择的风险，但网站上提供的资料信息可以在一定程度上帮助识别潜在的信用风险［9］。Linetal．（2009）也指出社会互动作为一种软信息资源，能够一定程度上降低信息不对称和道德风险［10］。HarpreetSingha（2009）使用决策树对不同期限、风险配置的投资进行研究，认为目前主要是通过多样化投资来降低信用风险［11］。国内的P2P网络借贷模式尚处于起步阶段，信用风险管理体系不健全，大多数平台只是依据自身情况建立了基于专家判断法的信用评分模型，但由于此模型的预测能力没有通过系统验证，在实际业务中的应用实效大打折扣［12］。可见在我国个人信用体系缺失的情况下，国内网络借贷平台的信用评级对信用风险控制的作用并不大［8］。此外，李悦雷（2013）认为借贷中人际关系的应用能降低金融交易的风险和成本［13］。陈初（2010）则认为可把从事网络借贷业务的网站界定为民间借贷中介组织，即可将网络借贷纳入相关的监管系统［7］。综上所述，学者主要是基于理论对P2P网络借贷信用风险进行分析，或者定性分析当前P2P网络借贷的信用风险管理，而对网络借贷平台信用风险影响因素的实证研究较为缺乏。因此，本文拟从P2P网络借贷平台的内部视角，运用平台具体数据，对网络借贷信用风险的影响因素进行实证，分析网络借贷平台的信用风险管理体系是否能有效控制信用风险，并提出控制网络借贷信用风险的政策建议。

二、实证分析

（一）数据选取

一、网络借贷平台信用风险的来源

网络借贷平台拥有其他融资平台不具备的优点，但由于刚刚起步，网络借贷平台存在许多不足，其较高的融资成本主要归因于其较高的风险。本文接下来将探讨互联网借贷模式的信用风险度量及其控制问题。1、逆向选择问题假设企业通过互联网平台借贷资金投资某一项目，项目成功时收益为R，收益率为m，项目失败时收益为0。该项目的平均收益率为m，而且平均收益率m为共同知识，即资金借贷者和资金的出借者都知道m，该项目成功的概率为P，项目所需的投资资金为C，且该投资资金全部来自该互联网平台的借贷，借贷资金的借贷利率为r。上式表明，借款成本越高，申请项目的平均成功概率越低，风险越大。利率与借款者投资项目的成功概率呈反向关系。在给定相同的预期收益率的条件下。成功的概率越高风险越高，高风险项目将逐渐挤出低风险项目，产生了逆向选择现象。2、道德风险问题假设企业通过互联网平台借贷资金投资某一项目，设该项目的投资资金为C，且该投资资金全部来自该互联网平台的借贷，借贷资金的贷款利率为r，如果项目成功，则收益率为m，项目失败，则收益率为0，项目成功概率为P。因此，只要(m2+1)P2＞(m1+1)P1，则ΔxR＞0，企业会选择投资项目2。由于，因此有ΔxC＜0。可以看出，如果条件(m2+1)P2＞(m1+1)P1满足，则企业从互联网平台借贷导资金后并不会按照原来的承诺的那样投资项目1，而会转而投资另一个高风险的项目，企业的这种行为会使得资金出借人的收益减少，从而对资金出借人产生不利的影响。企业在借到资金后的这种不履约的行为即为道德风险。

二、网络借贷平台信用风险的实证分析

上文分析了互联网借贷平台信用风险产生的机理，那么如何去度量和控制这种信用风险是我们迫切要解决的问题。与传统的度量模型相比，神经网络更适于描述指标间的非线性特征，具有较高的准确性和更快的收敛速度及更小的误差，而且无需样本服从正态分布，无协方差相等、先验概率已知等要求。因此，本文采用BP神经网络来构造我国小微企业信用评价模型。

(一)实证模型本文构建如下的一个网络信贷平台中对于资金借贷企业的信用评价的BP神经网络模型，其基本模型为。

(二)指标选取及数据来源依据我国小微企业的特点，剔除了与小微企业信用状况不相关、难测度以及重复性的指标，最终选取了10个财务指标综合反映小微企业的信用状况(如表1所示)，并将这10个指标作为神经网络的输入节点。本文采用的样本数据来自于小微企业板的20家企业，把这20个样本分为训练样本集和测试样本集，其中训练样本中包括15个企业样本，测试样本包括5个企业样本数据。

(三)实证结果运用Matlab中的神经网络工具箱技术，首先对样本进行训练学习，当我们把最大训练步数设定为4000，学习速率η=0.01，误差指标设为0.02时，其网络训练误差接近为0，此时只有2个企业的实际输出与期望输出存在着较大的差别，因而可以认为此模型对训练样本的分类准确率达到95%以上，效果良好。继续选取剩余的5个企业作为测试样本，用训练好的BP神经网络模型进行模型测试，得到如表2所示的结果。通过测试可以看出，此BP神经网络模型的实际输出与期望输出基本一致，只有1个企业没有达到分类效果，其余在允许的误差范围之内，模型的测试正确率达到90%，模型基本可靠。经过实证分析，此BP神经网络的结构比较合理，训练和测试正确率都在90%以上，由此认为，互联网借贷平台可应用该BP神经网络模型对小微企业的信用风险进行评价，以便信贷人员做出正确有效的信贷决策，从而降低资金借出者的风险。

三、结论

【摘 要】 网络借贷作为一种新型的民间借贷方式，改变了传统的金融供给结构。与传统信贷模式相比，网络借贷具有交易方式灵活、手续简便、缓解信息不对称、门槛低的特点。网络借贷平台自身和外部存在的问题及相关立法监管的缺失造成当前网络借贷行业面临很大的风险。因此，必须通过制定法律，明确监管，成立行业自律组织，完善个人信用体系，加强平台自身管理等措施来推动我国网络借贷行业的健康有序发展。

【关键词】 网络借贷； 民间借贷； 金融监管

中图分类号：F830.5文献标识码：A文章编号：1004-5937（2014）19-0015-03

网络借贷是一种以互联网为载体的民间借贷形式，主要为小微企业和个人筹措资金，是传统金融体系必要和有益的补充。以“小额、灵活、高效、短期”为原则的网络借贷，较好地搭建了民间资本与小微企业之间的桥梁，成为小微企业融资的新渠道。自2007年8月我国第一个网络借贷平台――拍拍贷成立以来，网络借贷市场在我国得到了快速发展，交易规模日益扩大，影响范围渐趋广泛；但法律不清的问题也导致了一些网络借贷平台从事法律灰色地带的业务，对行业的健康发展和金融安全提出了挑战。2011年9月16日，银监会下发了《关于人人贷有关风险提示的通知》，要求银行业金融机构严防网络借贷风险向银行体系蔓延。

一、网络借贷的特点分析

（一）交易方式小额化、网络化、灵活化

网络借贷的服务群体一般为信誉良好但缺少资金的小微企业和中低收入人群，因此决定了单笔授信额度相对较小，性质上属于小额信贷的范畴。与传统信贷模式相比，网络化的交易使得借贷双方打破了地域与时空的限制，扩大了交易的深度和广度。大多数非公益类的网络借贷平台都是通过竞价和双方协商的方式确定贷款利率和期限因而交易方式较为灵活。

（二）借贷手续简便、信用化

摘要：P2P网络借贷在某种程度上满足了大众群体理财的需求和个人的经营及消费方面的贷款需求，其形成的技术机制、信用机制、市场化机制对金融改革有着较大的意义。本文在阅读文献和整理资料的基础上，介绍P2P网络借贷发展现状，分析揭示我国现有P2P网络借贷模式存在的问题与不足，并提出相应的对策建议。为我国P2P网络借贷行业的健康有序发展提供可资借鉴的模式。

关键词：P2P网络借贷；运营模式；政府监管

中图分类号：F830 文献识别码：A 文章编号：1001-828X（2015）013-000-02

一、引言

P2P网络借贷是近几年兴起的新型的民间融资形式，发源于2005年英国的一家名叫Zopa的网站。2006年北京成立了国内首家宜信P2P网络借贷平台后，2007年在上海成立的“拍拍贷”，为国内首家纯线上、无担保的P2P网络借贷平台，而后成立了上千家民间网络借贷公司。在短短的几年内，P2P网络借贷在国内得到飞速发展。伴随着P2P网络借贷的迅猛发展，公众化点对点的信息交互和资金流动带来了相关参与者对风险的担忧。而在实践中衍生出的新模式也引起了极大的争议，整个行业的风险敞口也在不断聚集。如何确保行业健康稳定发展，保护消费者权益，维护金融稳定，成了摆在政府监管部门面前需要优先考虑、亟待解决的问题。

二、P2P网络借贷的概念及操作流程

1. P2P网络借贷的概念

P2P（peer to peer）网络借贷，是指个人通过有资质的第三方互联网平台作为中介，进行资金借贷双方的匹配，借款人发放借款指标，投资人进行竞标向借款人放贷的行为。

一、变量界定与模型构建

（一）变量的界定本文主要考察中小企业主的社会网络对其融资的影响。我们未像胡枫、陈玉宇(2012)[4]，杨汝岱等（2011）[9]，zhang和zhao（2011）[10]，Knight和Yueh（2008）[11]那样用“春节期间来访的亲戚朋友数”作为家庭社会网络的变量，而是用人们的电话联系情况构造出相应的指标来描述社会网络。原因是：（1）很多被调查人不愿意告知春节期间拜访的人员数、送礼数及礼金的价值，使得相关数据不可得；（2）以春节期间拜访情况替代社会网络很容易导致反向因果偏误，因为很多中小企业主拜访其社会关系人的主要目的就在于获得各种资源，使得这类变量具有严重的内生性问题；（3）电话联系人及电话联系数据相对容易获取；（4）电话联系能够在较高程度上体现出个人社会网络的基本情况。一是当前电话已成为人们最主要的联系方式，且人们基本上会保存社会关系人的电话号码，使电话联系人总量能在很大程度上体现个人社会网络规模；二是人们的关系越密切，双方交往越频繁，通话频率也会越高，因而通话频率能够在一定程度上体现出社会网络的质量；三是所谓患难见真情，关系密切的关系人才会在危急关头为人们排忧解难。因此，人们在危机期间所接电话的数量能够在一定程度上体现其网络成员对他的关心程度。电话联系越频繁，关心越甚，可能提供的支持通常越多，中小企业主应对外部冲击的能力越强。基于以上考虑，我们用企业主的电话联系人总量X1表示社会网络规模，表示社会网络的广度；用年平均电话通话次数X2代表社会网络的质量，表示社会网络的深度；用企业危机期间（折算到一年）社会网络成员的来电数量X3代表社会网络的弹性，表示社会网络应对外部冲击的能力。同时，辅以被调查者对双边关系的认同程度。由于并非所有联系人都通过电话联系；电话联系多也并不意味着双方社会关系就一定密切；危机期的来电有可能是债权人的催债电话而非对其关心或提供帮助。因此，电话联系方式难以完美地表现出个人的社会网络情况。但考虑到这些情况比较特殊，我们认为，个人的电话联系网络能够较好地体现其社会网络。本文还调查了中小企业的融资总量、银行融资额、民间融资额和中小企业的信用水平①等。除了这些变量之外，我们还将中小企业主的社会网络分成两种结构②：其一是按照小企业主的电话联系人的职业分为政府成员、银行职员、企业高管和一般成员；其二是按照电话联系人与企业主的关系亲疏分为一般成员、纯交易伙伴、朋友和亲戚。个人家庭财富③则包括企业主的房产、银行存款、动产和各种设备的估价。借贷成本分为贷款总额的总借款成本、银行信贷成本及民间借贷成本。借贷成本包括名义利息及为此付出的各种交易成本。交易成本只限于为借款时所付出的成本而不包括为扩大社会网络规模或提高网络质量而花费的资金。

（二）模型构建本文具体考察社会网络及结构对中小企业信贷能力和信贷成本的影响。考虑到部分企业的借贷额、借贷成本和失信次数为零，我们利用Tobit模型来研究社会网络对中小企业融资的影响。实证模型如。其中，Y为因变量，主要包括中小企业的“信贷总额”“银行信贷额”“民间借贷额”“融资成本”和“守信次数”。“守信次数”主要用来检验社会网络对中小企业融资的约束能力和强度；解释变量Xi包括社会网络的规模、质量和弹性三大变量，或者是两类结构变量当中的四个变量。αi为社会网络系数，表示社会网络对因变量的影响程度，这是我们关注的重点；变量Zi主要包括中小企业主的家庭财富和守信次数；βi是家庭财富或信用水平的弹性；ε为随机项。由于被调查人员在年龄、地域和受教育程度等方面差别不大，且只有极少几名女性，我们没有像杨汝岱等(2011)[9]，Li等（2011）[12]，钟春平等（2010）和金烨、李宏彬（2009）那样考虑户主的年龄、性别和受教育程度等特征。

二、社会网络与中小企业融资之间的统计描述

（一）我们给出了社会网络的规模、质量和弹性与融资间的描述性统计表1的第一、二行分别用电话联系人总量、年均通话量和危机期网络成员来电量分别表示社会网络的规模、质量和弹性，并进一步按数量高低分为三个类别，表示三类社会网络层次不同的中小企业主。数量越大，中小企业主的社会网络层次越高，规模、质量和弹性越大。表中其余数据则表示具有不同社会网络的中小企业主的平均融资量。由表可知：（1）中小企业主的网络规模越大、网络质量越高、网络的弹性越强，其各种融资量也会越高，说明社会网络能够有效影响中小企业的融资。（2）中小企业主的网络层次低于某个数值时，其民间融资量大于银行信贷；高于该值时，银行信贷会多于民间融资量，表明银行信贷比民间金融对社会网络的依赖程度更高。（3）社会网络的质量和弹性比社会网络规模对企业融资的作用更大。

（二）表2给出了中小企业主的社会网络的职业结构与五种主要融资模式之间的描述性统计数据分别表示不同融资模式下中小企业主的社会网络拥有的各类型网络成员的平均人数。由表2可知，相比于通过其他渠道融通资金的中小企业主，获得银行信贷的中小企业主的社会网络中各类型的成员都要更多，尤其是政府官员和银行信贷主管成员的平均数量要多得多。而通过民间借贷和股权融资的中小企业主的社会网络当中的各类成员又要远远多于通过内源融资渠道实现融资的中小企业主的社会网络成员。表明中小企业的社会网络的构成能够有效影响其融资模式。

（三）表3给出了银行融资和民间融资中社会网络规模、质量和弹性的描述性统计关系由表3可知，获得银行信贷的中小企业主的三项指标都要高于通过民间融资的被调查人的三个指标（均为年均量），表明银行融资对社会网络的要求更高，相比于民间融资，银行融资更加依赖于融资者的社会关系。（四）表4给出了中小企业主的不同类型的社会网络成员在银行融资和民间融资中的重要性主要用在银行融资和民间融资中通过这四种成员获得融资的次数和金额在融资总次数和融资总额中所占的比重（其中，只要是在五服之内的人员均划分为亲戚；交易伙伴则只包含纯交易关系而无其他日常往来的人员；既有朋友关系又存在交易关系的人员划入交易伙伴之列；其他人员，包括政府部门或组织等都划入其他成员）来描述。民间融资则包括所有非正规渠道融资，如私人借贷。由表4可知：（1）在银行融资和民间融资中，朋友是最重要的，通过朋友融资的金额比重和次数比重分别高达57.7%和36.9%。如果考虑划入其他类型中的数量，比重会进一步加大。（2）交易伙伴是重要的融资来源。根据调查，来自交易伙伴的大部分融资都是以商业信贷的形式实现。（3）亲戚在融资中的作用似乎并不如通常所想的那么大。通常，在人们的眼中，亲戚是最重要的社会网络成员，在融资过程当中应占据重要地位。但调查表明，亲戚只在股权融资中占据主要地位，在其他融资中的作用相对有限。考虑到调查区域比较明显的宗族氛围和亲戚的范围，我们的检验可能低估了这一变量的作用。

三、实证检验

[提要] 近年来，融合了互联网信息技术、大数据云计算以及金融功能的互联网金融在国内逐步发展起来，P2P网络借贷在这一背景下诞生并在国内迅速发展呈现出爆发式的增长态势。本文从借款人、P2P中介平台和出借人等三个层面对国内外P2P网络借贷研究文献进行梳理，在总结现有研究成果基础上，提出未来可能的研究方向。

关键词：互联网金融；金融风险；P2P网络借贷

中图分类号：F832.1 文献标识码：A

P2P网络借贷伴随着互联网金融的浪潮一路迅猛发展，开启了中国金融信贷和融资的新时代。但是，近三年来国内P2P网络借贷平台不断出现的庞氏骗局和跑路倒闭事件，将P2P网络借贷推上了风口浪尖。

一、P2P网络借贷国内外研究进展

P2P网络借贷在国内外的快速发展和野蛮性扩张引起了学者们的极大关注，从现有文献来看，国内外学者主要从借款人借款成功因素、出借人出借行为和P2P网络借贷平台运营等三个方面展开了相关研究。

（一）借款人借款成功因素研究。借款人在P2P网络借贷中处于核心地位，借款人源源不断的借款需求是P2P网络借贷生存的根基和持续发展的动力，同时作为资产端的借款人也是网络借贷交易中风险产生的主要来源。因此，从借款人角度对P2P网络借贷进行研究十分必要。Rodan等（2004）、Greiner等（2009）和Lin等（2009）从借款人社会资本及借款目的层面进行分析，认为社会资本能够有效提升借款人借款成功率，并且以合并债务为目的借款成功率高于以商业经营为目的借款。Ravina（2007）、Pope等（2008）、Barasinska（2009）、Puro等（2010）研究了借款人性别、年龄、种族、借款金额等因素对借款成功的影响。Duarte等（2012）和Ravina（2012）研究了借款人上传至平台的照片对借款的影响，发现长相较好和有魅力的借款人更容易借款成功。

国内学者李焰等（2014）研究了借款描述对借款的影响，发现提供详细描述性信息以及表明自身稳定性的借款人更容易成功借款。王会娟等（2014）发现借款人“勤奋”和“成功”的人格描述更容易且更迅速地获得借款。缪莲英等（2014）研究表明，在P2P网络借贷中包含推荐信任和朋友关系的社会资本是影响借款和违约的主要因素，提出通过增加借款人社会资本的机制来降低违约风险。钱炳（2015）认为享有高声誉的借款人具有更高借款优势，能以更低利率获取所需资金。张正平等（2015）通过构建结构方程模型检验了影响借款人融资可得性的因素，发现社会资本和财务因素对借款成功率具有显著影响。

摘 要：P2P网络借贷平台是近几年才发展起来了的新兴行业。本文介绍了P2P网络借贷平台国内外借贷平台的发展现状和经营模

>> P2P网络借贷平台法律风险分析 P2P网络借贷平台的风险及法律监督 论P2P网络借贷平台的法律关系、法律风险 P2P网络借贷平台发展模式及风险防控研究 P2P网络借贷风险法律规制的思考 P2P网络借贷平台的风险及对策分析 P2P网络借贷平台的运营模式及风险控制研究 P2P网络借贷平台的信用风险及对策 浅析P2P网络借贷平台的风险及监管 P2P网络借贷平台发展现状、存在的问题及未来发展建议 P2P网络借贷平台发展、问题及应对办法 民间P2P网络借贷平台的现状及规范化发展路径研究 P2P网络借贷平台的法律定性以及监管方法 我国P2P网络借贷平台中的法律问题 P2P网络借贷的风险与监管 P2P网络借贷平台信用风险管理的新思考 我国P2P网络借贷平台的风险防范 P2P网络借贷平台的风险与监管研究 P2P网络借贷平台的信用风险评价 P2P网络借贷平台风险控制的研究 常见问题解答 当前所在位置：？fromtitle=p2p&fromid=139810&type=syn

[2]娄飞鹏，国内外P2P网络借贷平台比较分析及建议，中国金融电脑2013年9月

[3]张正平，胡夏露，P2P网络借贷：国际发展与中国实践，北京工商大学学报，2013年第2期

[4] 张正平，胡夏露，P2P网络借贷：国际发展与中国实践，北京工商大学学报，2013年第2期

[5] 万晶，网贷"秒标"藏地雷，中证网：

[6] 王小丽 丁博，P2P网络借贷的分析及其策略建议，国际金融，2013年03期

[7] 《中国P2P借贷服务行业白皮书》，第一财经新金融研究中心，中国经济出版社，137页

摘要： 2016年下半年持续发酵的校园网络借J问题一直处于社会热议的焦点，其潜在的风险带来的负面影响一直饱受诟病。本文从校园网络借贷的时代背景入手，分析校园网络借贷的信用风险、还贷风险、投资风险、裸贷风险、隐形性担保风险和信息泄露风险，提出校园网络借贷管控的有效路径。

Abstract： In the second half of 2016， the continuous fermentation of campus network lending has been the focus of social hot debate， and the negative impact of its potential risks has been criticized. This paper starts with the background of campus network lending， analyzes campus network credit risk， loan risk， investment risk， naked loan risk， hidden security risks and the risk of information leakage， and puts forward the effective path of campus network lending control.

关键词： 校园网络借贷；风险；管控

Key words： campus network lending；risk；control

中图分类号：G647 文献标识码：A 文章编号：1006-4311（2017）16-0224-02

0 引言

2016年11月30日，随着借贷宝10G裸条和视频外泄事件不断发酵，校园网络借贷成为2016年轰动全国高校及社会的主要舆论话题之一，裸贷、跳楼、等不断冲击着民众的眼球，引发了广泛热议和教育界、学界的沉重思考。

1 校园网络借贷的时代背景

摘 要：P2P网络借贷又称作P2P个人借贷，它是互联网金融模式的产物。它是通过互联网专业平台实现个人对个人的小额借贷交易。借款者可自行有关利息、借款额、还款时间以及方式的信息。由于在相当长的一段时间内受金融危机的影响，中小企业的融资需求难以满足，这也为国内P2P网络借贷的发展提供了空间，几年时间内，国内的P2P网络借贷平台从出现到不断发展，其规模令人惊叹。P2P网络借贷作为互联网金融的产物，随着互联网的迅速发展，其所面临的环境以及依附的电子商务平台势必会带来风险。文章以招商银行“小企业e家”为例，研究P2P网络借贷所面临的风险，并根据宏观环境的分析，构建P2P网络借贷下的投资风险评价指标，从而为促进P2P网络借贷平台稳健发展提出对策，并为投资者选择投资渠道提供宝贵建议。

关键词：P2P网络借贷；投资风险；评价指标；小企业e家

中图分类号：F832.4 文献标识码：B 文章编号：1008-4428（2016）05-82 -03

一、引言

继“互联网金融”概念被提出以来，“互联网金融模式”被提出并引发了广泛的关注和重视。互联网已经改变了中国，而互联网金融也正在悄悄地改变中国传统的金融发展模式。P2P网络借贷便在此环境下应运而生，从2005年我国出现第一家P2P网络借贷平台开始，经历了2011～2012年间的爆发性增长，后来由于受到国家宏观经济调控的影响以及监督不到位、信用环境差再加之互联网迅速发展所带来的弊端等原因，从2013年下半年开始，大批平台倒闭或遭挤兑，但整体的发展趋势相对稳定。P2P网络借贷所面临的风险可想而知，但是如何正确地识别P2P网络借贷风险从而更好地规避风险是当前更值得关注并研究的问题。

小企业e家是招商银行首次对于P2P网络借贷业务的尝试，该平台在2013年9月试运行，其业务模式与投、融资方的P2P平台类似，但在2013年11月，小企业e家突然停止投融资项目，并有被“叫停”的说法，而招行人士称，这是一次正常的业务优化调整。在2014年初，小企业e家恢复了交易，虽然投资年收益率比其他P2P平台低得多，但银行的隐形信用让投资者依然乐意买单。小企业e家的起伏发展状况充分反映出P2P网络借贷平台发展所面临的复杂环境，其面临的风险也可想而知。因而本文将结合小企业e家，从投资者的角度出发研究P2P网络借贷下的投资风险评价指标体系，从网络投资人的角度去思考如何防范投资风险，从而提出有效地应对措施，以保障机构的可持续运营以及投资人的正当逐利期望得到实现。

二、P2P网络借贷平台的宏观环境分析

（一）以小企业e家为代表的国内P2P平台发展状况

内容提要：农户团体联保贷款与P2P网络信贷对于解决农户贷款难问题各具优势和不足，二者优势结合或可创新农村金融发展模式。本文基于2016年新疆农户调查数据，利用四元Probit模型实证考察联保贷款和P2P网络信贷之间的关系。研究发现：联保贷款和P2P网络信贷之间存在互补关系，可观察因素和不可观察因素实证结果都支撑了这一观点；互补关系内在原因在于联保贷款和P2P网络信贷各自具有比较优势，具体表现在“信息收集”、“社会制裁”和“资金供给”等方面。上述发现对于完善农户信贷服务模式、创新发展新型的P2P-农户金融服务模式提供了新的思路。

关键词：农户；联保贷款；P2P网络信贷；互补关系；四元Probit模型

中图分类号：F832文献标识码：A文章编号：1001-148X（2017）04-0161-08

一、引言

传统的商业信贷和政府扶贫贴息贷款等方式为农民提供的金融服务，因无法解决信息不对称和担保抵押缺失等难题，信贷资金不能达至贫困农户或回收率低。在20世纪70年代以后出现了服务农村低收入阶层的团体联保贷款创新模式，借助小组成员间相互担保、相互监督等机制，结合了银行资源和非正规金融的信息优势，一定程度上实现了“服务贫困农户”和“高还款率”双赢[1]。然而，当前我国农村金融市场制度不完善，并不能满足“联保贷款借贷双方博弈”的前提条件[2]，致使联保贷款中的横向监督和社会制裁机制并不能完全发挥应有的作用，“社会资本”理念的惩罚机制无法实现，其效果并未达到人们的预期[3]。

近年来，随着互联网金融的发展，互联网金融中介效率高、成本低和普惠性等方面的优势不断被证实，有希望成为解决农户贷款难的另外一种有效途径。团体联保贷款、P2P网络信贷两类信贷模式存在诸多的共性。首先，都无须实物担保，而缺乏抵押品又是农户普遍遇到的问题。其次，还款约束中都包含社会制裁机制。其三，贷款成本都较低，联保贷款由于联保机制的存在，银行降低了信息收集成本；而P2P网络贷款中介效率高，大幅度降低了交易成本。然而，共性之外又有很大区别。首先，就社会制裁角度而言，联保贷款违约受社会制裁影响，会恶化个体外部社交环境，致使社会资本损失[4]；而P2P网络信贷社会制裁的基础是 “网络信誉资产”，违约会导致“线上社会资本”和“线下社会资本”的损失，违约后果比联保贷款更严重[3]。其次，在信息收集方面，农户联保小组一般都是熟人关系，对于“硬信息”（收入和资产等）相互知根知底，而P2P网络信贷优势在于收集“软信息”（借贷次数、网络信用和网络轨迹等）[5]。

既有共性又有异性的两种信贷模式之间具体是什么样的关系？替代还是互补？当前没有相关研究直接回答，但却能间接提供部分证据。譬如，Duarte等（2010）[6]研究认为，P2P网络信贷与传统金融借贷相似，多方无直接关联的联保组比单独申请更易成功获得贷款。Lin等（2009）[7]利用Prosper平台的借贷数据的研究结果表明，线下社会网络能够有效地降低信息不对称所导致的逆向选择问题。Freedman和Ginger（2011）[8]则认为借款人的“软信息”能有效补充“硬信息”的不足。刘征驰等（2016）[3]研究认为，高风险偏好者趋于选择联保贷款，而低风险者偏好于选择P2P网络信贷。上述研究只是间接表明P2P网络信J和联保贷款的互补关系，并未得出具体结论。

由图1可知，要完成本文的研究目标，在模型构建中需要解决以下两个问题：第一，考察联保贷款和P2P网络信贷的关系，需要先估计联保贷款参与行为方程和P2P网络信贷参与意愿方程，然后通过考察两个方程的误差项来推断两种信贷模式之间的关系。然而，参与决策会受到认知行为的影响，在不控制认知行为的情况下，仅仅依靠两个参与方程进行估计得出的结论并不可靠[9]。第二，在识别联保贷款和P2P网络信贷影响因素时，需要注意其中的样本选择问题，农户的参与行为和意愿是在认知的基础上所做出的决策，如果把农户的两个连续过程分开考察，会致使估计结果出现偏误[10]。