P2P网络借贷研究进展及中国问题研究展望

P2P(个人对个人)网络借贷是指通过网络借贷平台,在全球范围内实现个人与个人或小微企业间的小额信用借贷交易.P2P网络借贷作为全新的互联网金融服务受到商业界的高度关注,而且发展成为学术研究的国际前沿领域.对P2P网络借贷相关研究文献进行了综述,具体从影响借贷交易的信息因素、羊群效应以及社交网络等3个方面分析了该领域研究的现状和发展脉络.因为中国已超越美国成为全球最大的P2P网络借贷交易市场,所以结合中国的具体情境和问题,提出了未来研究工作的展望.     

P2P 网络借贷研究进展及中国问题研究展望

P2P ( 个人对个人) 网络借贷是指通过网络借贷平台,在全球范围内实现个人与个人或小微企业间的小额信用借贷交易． P2P 网络借贷作为全新的互联网金融服务受到商业界的高度关注,而且发展成为学术研究的国际前沿领域． 对 P2P 网络借贷相关研究文献进行了综述,具体从影响借贷交易的信息因素、羊群效应以及社交网络等 3 个方面分析了该领域研究的现状和发展脉络． 因为中国已超越美国成为全球最大的 P2P 网络借贷交易市场,所以结合中国的具体情境和问题,提出了未来研究工作的展望．     

中国P2P网络借贷现存风险因素分析

本文针对当前互联网金融的背景下对网络借贷平台所出现的各种风险进行阐述,每种类型的风险及风险规避进行了具体和详细的分析,为P2P网络借贷平台的可持续发展提出了与其风险相应的措施。     

P2P网络借贷存在的风险及防范对策

P2P网络借贷是目前网络借贷的主要形式,文章从P2P网络借贷的投资、融资和平台角度分析P2P网络借贷中常见的信用风险、流动性风险、道德风险、数据风险、系统性风险以及融资风险,并从投资者与借款人、平台自身的角度提出防范P2P网络借贷风险的几点对策,即了解问题平台的常见特征以免遇到问题平台、相关部门加强监管、提高问题平台的曝光度及规定最小注册资本等。     

P2P网络借贷平台的运营模式及风险控制研究

作为一种金融创新产物,P2P网络借贷平台以其独特的优势满足民间借贷需求,提升资金使用效率,呈现“爆炸式”增长。此文在介绍国外P2P网贷平台运营模式的基础上,对国内众多P2P网贷平台进行探究和分类介绍;分析了国内P2P行业存在的风险问题,并有针对性的提出了一些建议。     

P2P：民间借贷的阿里巴巴模式

2011年11月11号,在“光棍节”的概念营销之下,淘宝创造了震惊世界的网购神话,单日销售额突破52亿。这让本已觉得淘宝开店属深度红海的湖南屈小姐重新认识到,网店仍有机会,并且下定决心——工作照旧,兼职创业。     

P2P网络借贷行业分析和IT应用研究

自2007年我国第一家P2P借贷平台成立以来,P2P开始了在我国的迅速发展,高速发展的同时也面临着诸多风险问题。本文即分析了当前我国网络借贷行业及IT行业在平台中的应用现状,寻找发展中存在的不足,并就此提出相应的解决措施,以促进我国P2P平台科学合理的发展。     

基于社交网络的P2P借贷信用风险缓释机制研究

本文以信息经济学和博弈论为基础,建立信息不对称的理论模型,从事前、事中、事后三个环节分析P2P借贷信用风险成因,讨论社交网络缓解信用风险的机制及其作用条件。研究表明,引入社交网络后,社交网络的事前信息获取机制、事中连带责任机制和事后违约约束机制构成社交网络独特的信用风险缓释机制。连带责任、动态激励、监督强度、违约约束制裁大小、违约约束强度以及对社交信息的挖掘是决定社交网络风险缓释水平的重要因素。当社交网络信息可以实现借款人风险甄别或借款人社交账户可作为充足"虚拟抵押品"时,社交软信息可有效缓解征信不完善导致的事前逆向选择;引入社交朋友关系后,连带责任带来的隐性契约有效缓解缺乏监督机制导致的事中道德风险;社交网络的社会制裁可有效缓解缺乏违约约束导致的事后道德风险,尤其配合停贷威胁的动态激励时其风险缓释作用更为显著。拆解社交网络如何对信用风险产生影响的"理论黑箱",提出了社交网络信用风险缓释机制的理论框架,为如何运用社交网络进行风险控制提供理论支持。     

借款陈述文字中的违约信号——基于P2P网络借贷的实证研究

P2P借贷让借款人可以通过借款陈述文本去获得投资者的信任,所以借款陈述又成为投资者识别借款人违约风险的重要信息来源。但是如何解读复杂的、不规则的、包含各种信息的借款陈述面临较大挑战。针对违约风险的两个来源：还款能力和还款意愿,以及它们的潜在因素,从P2P借贷平台‘人人贷’借款项目中的借款陈述文本中,通过人工识别提取了文字特征信息、反映还款能力和还款意愿的信息以及对资金需求的情感特征信息,并检验这些信息对识别借款人违约风险的显著性。研究发现借款陈述文本的字数越多、存在重复语句,违约风险越大;借款陈述文本中存在还款能力信息,或者同时存在表示还款意愿的保证性语言以及对自己信用状态补充说明的信息,则违约风险越小;借款人在情感上表现出对资金需求的急切性越高,违约风险越大。研究结论为将来运用程序实现智能文本算法识别借款陈述文本中的违约信息提供了研究方向。     

行业自律机制下P2P网贷平台违规治理演化博弈

行业自律是政府“强监管”背景下P2P网贷平台违规治理的重要组成部分。为揭示行业自律机制下网贷市场主体间行为策略关系及其动态演化机理,建立了包括自律监管平台、网贷平台和平台客户三方主体的行为策略演化博弈模型,分析三方主体行为策略演化路径及其联动作用规律,并结合数值仿真讨论不同约束情景下模型系统演化均衡状态及关键因素影响。结果表明：网贷平台合规运营意愿会随激励水平、形象效应、客户流失量、行业危机风险的上升而增强。若网贷平台拥有较完善运营机制、较好口碑形象或较大客户规模,其更易实现基于市场途径的自我规制。违规惩罚力度、形象效应收益及平台客户规制策略敏感性会直接影响网贷平台合规运营趋势。结合仿真分析结果,提出了加大对违规平台的惩罚力度,强化平台信息披露与品牌形象建设,引导借贷双方理性选择入驻平台等治理建议。     

基于非线性系统稳定性理论的P2P网络借贷三方演化博弈分析

由于风险管理意识不足、监管措施缺位、制度设计不完善等问题,近年来我国P2P借贷违约事件频繁发生。为了挖掘P2P网贷行业问题产生的本质机理,并考虑到P2P网贷行业运行是一个多参与主体的博弈过程,本文建立了监管机构、P2P平台和借款人之间的三方博弈复制动态模型。然后,我们将该复制动态模型的演化稳定策略分析问题,转化成一个非线性系统关于平衡点的稳定性分析问题。接着,基于非线性系统稳定性理论,我们首先发现对于三方博弈模型不能简单运用雅可比矩阵的迹和行列式来判断稳定性;然后,对不同情况下的演化稳定策略进行了详细讨论,并得出结论：如果违约借款人在面对合规经营的P2P平台时收益为零、监管支出小于监管收益以及监管机构对违规经营P2P平台的惩罚力度足够,则监管机构、P2P平台和借款人100%都会收敛于监管、合规经营和守约的策略。另外,本文给出了确保期望演化稳定策略的惩罚力度下限的具体值。根据该数据,监管机构可以设定一个相对温和的惩罚力度,让作为金融创新模式的P2P网络借贷能够稳定、健康的发展。最后,根据相关的假设和得出的结论,完善P2P网络借贷监管制度可从如下几个方面进行考虑：①违约借款人在面对合规经营的P2P平台时收益为零;②降低监管成本;③增加监管收益;④加大对违规经营P2P平台的惩罚力度;⑤降低违规经营P2P平台的额外收益;⑥降低合规经营P2P平台的运营成本;⑦提高P2P平台长期合规经营所获得的额外收益。     

随机需求条件下的P2P网络借贷拍卖机制

在P2P网络借贷契约中,提供了一种关于随机借款需求的两阶段关闭式降价拍卖,并构成了借款人的一个最优机制。对此,首先设计借贷契约以确定初始借款需求;随后以事前对称贷款人为基准建立相应的拍卖模型,并进行一次标准的关闭式降价拍卖,再从中标贷款人中获得一个额外的借款需求;最后将这个机制拓展到事前非对称贷款人的情形,以分析非对称情形下的拍卖过程,并通过算例加以说明。这个机制对借款人是最优的,而且借款人和贷款人都比较熟悉这种简单拍卖,因此可以用于改进中国P2P网络借贷市场的交易机制。     

Q FII与境内机构投资者羊群行为的实证研究

在区分群体内和群体间羊群行为的基础上,在个股层面和行业层面,从静态和动态的视角,通过扩展和比较羊群行为的Sais测度和FHW测度,实证分析QFII与境内机构投资者羊群行为强度的差异和联系,检验导致QFII羊群行为的原因。研究结果表明,在群体内羊群行为方面, QFII群体内的羊群行为强度明显低于以基金为代表的境内机构投资者;在群体间羊群行为方面, QFII在行业层面的买入和卖出行为均倾向于追随境内机构投资者,而境内机构投资者倾向于追随同类机构投资者,说明境内机构才是市场波动的“领头羊”, QFII仅处于“从羊”的地位。 QFII对于中国股票市场信息掌握较少,从而受到声誉或激励机制等因素的驱动,同时与境内机构共同追逐规模大和流动性高的行业,是导致QFII与境内机构行为趋同的原因。     

基于LSV模型的机构与个人羊群行为研究

超常规发展机构投资者并未有效抑制市场波动,侵害中小投资者利益的现象时有发生。为探究中国证券市场的投资者羊群倾向究竟是机构投资者还是个人投资者,本文使用2006年至2016年Wind数据库中年均950家所有可验证的机构数据以及某券商年均40万条个人交易数据,运用LSV模型对投资者羊群行为进行检验,并比较机构投资者与个人投资者的行为差异。在结合投资者发展结构和十年间的市场波动特征后研究发现,无论是公募基金、保险公司、券商、社保基金还是QFⅡ等机构投资者,均具有比个人投资者更显著的羊群效应,个人投资者中仅"大户"在部分年间显示出一定的羊群倾向。研究还创新性地发现了公募基金羊群倾向的季度波动效应,表现为一、三季度和二、四季度的明显差异,且振幅逐年加剧;保险公司的投资行为则趋于成熟缓和。     

网贷市场利率与成交量关系研究——基于不同监管时期数据的实证分析

在互联网金融迎来全面监管的时代背景下，基于不同监管时期网贷市场综合利率和成交量数据，利用分形研究方法，讨论网贷市场利率与成交量关系的演变和复杂性问题。实证结果表明：无论哪个时期利率与成交量之间都存在着多时间标度的交叉相关性，与宽监管期相关性水平逐步衰减不同，严监管期各个标度上量价呈现出较高的相关性水平；宽监管期成交量和利率交替主导量价传导过程，而严监管期成交量完全占据主导者地位；较宽监管期而言，在严监管期网贷市场利率与成交量之间的的风险明显降低，但有效性水平改善并不显著。上述研究为网贷市场监管者提供了一个洞察微观市场结构的全新视角，拓宽了网贷市场复杂性讨论的范畴。     

P2P Marketplaces and Retailing in the Presence of Consumers' Valuation Uncertainty

Can peer‐to‐peer (P2P) marketplaces benefit traditional supply chains when consumers may experience valuation risk? P2P marketplaces can mitigate consumers' risk by allowing them to trade mismatched goods; yet, they also impose a threat to retailers and their suppliers as they compete over consumers. Further, do profit‐maximizing marketplaces always extract the entire consumer surplus from the online trades? Our two‐period model highlights the effects introduced by P2P marketplaces while accounting for the platform's pricing decisions. We prove that with low product unit cost, the P2P marketplace sets its transaction fee to the market clearing price, thereby extracting all of the seller surplus. In this range of product unit cost, the supply chain partners are worse off due to the emergence of a P2P marketplace. However, when the unit cost is high, the platform sets its transaction fee to be less than the market clearing price, intentionally leaving money on the table, as a mechanism to stimulate first period demand for new goods in expectation for some of them to be traded later, in the second period, via the marketplace. It is not until the surplus left with the sellers is sufficiently high that the supply chain partners manage to extract some of this surplus, ultimately making them better off due to a P2P marketplace. We further analyze the impact of a P2P marketplace on consumer surplus and social welfare. In addition, we consider model variants accounting for a frictionless platform and consumer strategic waiting.