基于期望效用理論的P2P網(wǎng)絡(luò)借貸市場(chǎng)散標(biāo)投資者出資偏好實(shí)證分析

單婭軍，曹潔，黃健青

（對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)，北京100029）

一、引 言

2013-2015年間，P2P行業(yè)進(jìn)入爆發(fā)期，各種網(wǎng)貸平臺(tái)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(xiǎn)不斷暴露、行業(yè)競(jìng)爭(zhēng)加劇以及監(jiān)管趨嚴(yán)等挑戰(zhàn)。因此提高P2P網(wǎng)貸市場(chǎng)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(duì)于推動(dòng)P2P行業(yè)快速發(fā)展具有巨大的現(xiàn)實(shí)意義。本文以紅嶺創(chuàng)投平臺(tái)為例，探索影響投資者出資偏好的影響因素，以此希望通過(guò)這項(xiàng)研究促進(jìn)網(wǎng)貸行業(yè)的健康成長(zhǎng)，提高行業(yè)借貸的成功率。

二、文獻(xiàn)綜述

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

（一）國(guó)外P2P網(wǎng)絡(luò)借貸研究綜述

國(guó)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(duì)象，一方面從投資人角度，研究投資人出資是否會(huì)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(biāo)的信息等其他因素對(duì)投資人出資意愿的影響。

1.借款人個(gè)人信息

自然特征因素方面：學(xué)者認(rèn)為資金需求者所具備的學(xué)歷、外貌等因素，一定程度上會(huì)影響投資者的出資意愿。Ravina（2008）在研究Prosper上的數(shù)據(jù)時(shí)發(fā)現(xiàn)，資金需求方的樣貌和民族對(duì)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(rèn)為借款人的人口屬性（如種族、性別）對(duì)投資者的投資決策影響不顯著，而借款人的信用狀況對(duì)投資者的投資決策作用更大。Gonzalez&Loureiro（2014）認(rèn)為相比于外貌，借款人的年齡對(duì)借款標(biāo)的能否成功的影響更明顯。當(dāng)投資者明確得知借款人的年齡時(shí)，借款人的外表樣貌對(duì)借款成功率影響不是很大。社會(huì)資本因素方面：Freedman&Jin（2008）通過(guò)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(píng)價(jià)越高，投資者通過(guò)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(biāo)的信息

Emekteret al.（2015）以Lending Club作為研究對(duì)象，研究得出：如果出資人認(rèn)為借款人有很高的逾期風(fēng)險(xiǎn)，那么即使借款人承諾給予很高的利率，出資人也不會(huì)出資，因此一項(xiàng)投資標(biāo)的籌資失敗大多數(shù)都是因?yàn)榻杩钊寺曌u(yù)低并且借款期限長(zhǎng)造成的。Puroet al.（2010）通過(guò)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(biāo)，借款金額大的借款標(biāo)的獲得投資的機(jī)率較低，這是由于投資者將投資收益與逾期違約損失對(duì)比后的結(jié)果，同時(shí)也表明投資者越來(lái)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(gè)借款人聲譽(yù)不高，但他很好地為自己辯護(hù)，也會(huì)增加借款的成功率。然而，對(duì)借款目的和自身信息過(guò)于詳細(xì)解釋的借款人往往逾期的可能性較高。因此，Herzenstein&Andrews認(rèn)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(guò)借款標(biāo)的描述性信息來(lái)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(diǎn)相同的是Frerichset al.（2013）利用Smava作為研究對(duì)象，發(fā)現(xiàn)那些文字信息其實(shí)并沒有很大程度左右出資人做出投資決策。

（二）國(guó)內(nèi)P2P網(wǎng)絡(luò)借貸研究綜述

國(guó)內(nèi)關(guān)于P2P網(wǎng)絡(luò)借貸的研究主要集中于“硬信息”對(duì)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(guò)研究發(fā)現(xiàn)，在眾多影響因素中，能對(duì)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(jí)。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(biāo)率與歷史未滿標(biāo)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(huì)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(guó)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(huì)影響他對(duì)目前決策行為的判斷。談超等（2014）基于拍拍貸的借款項(xiàng)目數(shù)據(jù)進(jìn)行研究，研究發(fā)現(xiàn)：當(dāng)前投標(biāo)次數(shù)能夠?qū)Λ@得后續(xù)投標(biāo)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(tái)存在羊群行為。

在軟信息研究上：陳冬宇等（2013）以社會(huì)資本理論和社會(huì)認(rèn)知理論為基礎(chǔ)，研究個(gè)人對(duì)個(gè)人在線信貸市場(chǎng)中社會(huì)資本對(duì)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(huì)資本會(huì)顯著影響出借者的信任和出借意愿。信息不對(duì)稱程度越高，社會(huì)資本對(duì)交易信任的影響就越大。吳小英、鞠穎（2012）在Prosper平臺(tái)上探究借款用途對(duì)投資者出資偏好的影響時(shí)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(lái)說(shuō)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(duì)較弱的學(xué)生更難籌到資金。王重潤(rùn)、孔兵（2016）利用拍拍貸6000條歷史交易數(shù)據(jù)進(jìn)行建模分析，發(fā)現(xiàn)信用等級(jí)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(tái)要提高借款成功率，必須注重對(duì)借款者軟信息的挖掘和機(jī)制設(shè)計(jì)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(wèn)題，以實(shí)證分析的方法對(duì)“影響投資者出資偏好的因素”進(jìn)行探索和研究。

三、研究設(shè)計(jì)

（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(jì)學(xué)領(lǐng)域描述理性人在不確定條件下的決策。EU理論認(rèn)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(jìn)行加權(quán)來(lái)獲得最大化的效用水平，決策者一定會(huì)選擇期望效用值最大的風(fēng)險(xiǎn)決策方案 （王利軍等，2013）。作為現(xiàn)代資產(chǎn)定價(jià)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(jià)值。在金融經(jīng)濟(jì)學(xué)中，投資者的目標(biāo)并非最大化自己投資組合的價(jià)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(shí)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(duì)未來(lái)可能出現(xiàn)的狀態(tài)投資者預(yù)先不知道哪個(gè)會(huì)發(fā)生（郭文英，2005）。同時(shí)，在P2P網(wǎng)絡(luò)借貸中，借款人逾期違約風(fēng)險(xiǎn)、平臺(tái)風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)以及監(jiān)管風(fēng)險(xiǎn)等各種不確定性風(fēng)險(xiǎn)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(xiǎn)，減少損失。但在現(xiàn)實(shí)中，投資者要在短時(shí)間內(nèi)對(duì)借款人的信息和環(huán)境進(jìn)行分析，再加上投資者自身知識(shí)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(guò)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(chǎng)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(chǎng)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(biāo)速度作為衡量投資人出資偏好的指標(biāo)。出資人若是對(duì)借款人發(fā)布的借款有較強(qiáng)的偏好，則這個(gè)標(biāo)的的滿標(biāo)速度相應(yīng)的會(huì)更大。而期望效用理論基于投資者絕大程度上會(huì)選擇能給他帶來(lái)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(gè)人信息”、“借款標(biāo)的信息”、“借款人平臺(tái)信息”三個(gè)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(tái)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(dòng)機(jī)的驅(qū)動(dòng)下而做出的投資活動(dòng)。在眾多借款標(biāo)的中，投資人是如何選擇借款標(biāo)的，如何確定對(duì)選中借款標(biāo)的的借款金額。本文綜合國(guó)內(nèi)外的研究成果以及自身研究特點(diǎn)，將基本理論假設(shè)分為如下幾類：

（1）借款人個(gè)人信息及其假設(shè)。從地域發(fā)展現(xiàn)狀來(lái)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(dá)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(dá)區(qū)域，從而推測(cè)借款人的居住地一定程度上會(huì)影響投資者的出資偏好。

（2）借款標(biāo)的信息及其假設(shè)。除了借款人個(gè)人信息外，出借人還可以通過(guò)借款標(biāo)的的特征信息來(lái)了解借款者的情況。借款標(biāo)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(xiàng)借款標(biāo)的中，越高的借款金額和借款利率代表著借款人會(huì)背負(fù)沉重的還款壓力，但同時(shí)也意味著投資人會(huì)獲得較高的收益。因此對(duì)于投資者而言，借款金額越大，借款利率越高，未來(lái)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(shí)間，一般來(lái)說(shuō)，借款期限越長(zhǎng)，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(huì)影響投資者對(duì)風(fēng)險(xiǎn)的考量，投資者所感知到的風(fēng)險(xiǎn)越小，則標(biāo)的越容易獲得投資人的青睞。

（3）借款人平臺(tái)信息及其假設(shè)。借款人在平臺(tái)上通過(guò)投資非天標(biāo)、全額還款可獲得相應(yīng)的投標(biāo)積分或還款積分，投資期限越長(zhǎng)或者在規(guī)定時(shí)間還款均獲得一定數(shù)量的積分。平臺(tái)上每個(gè)用戶的投標(biāo)積分和還款積分一定程度上表征了該用戶在平臺(tái)上的活躍程度以及信用狀況。當(dāng)投資人對(duì)用戶發(fā)布的借款進(jìn)行考量時(shí)，投標(biāo)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(shuō)，如表1所示。

表1 模型假設(shè)匯總

（四）變量設(shè)計(jì)與處理

關(guān)于因變量的選擇：本文進(jìn)行了設(shè)計(jì)和改進(jìn)，選用滿標(biāo)速度即借款總額除以滿標(biāo)時(shí)長(zhǎng)作為判定投資人出資偏好的指標(biāo)。投資者若對(duì)借款中披露的一些因子更加滿意，則該標(biāo)的的滿標(biāo)速度越大。

關(guān)于自變量的選擇：歸納國(guó)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(gè)人信息，指的是借款人的居住地；借款標(biāo)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(tái)信息：指投標(biāo)積分和還款積分。具體模型如下：

其中V為滿標(biāo)速度，C為截距向量，αi（i=1，2...8）分別為借款人個(gè)人信息、借款標(biāo)的信息、借款人平臺(tái)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(cè)度出資人在決策時(shí)會(huì)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(biāo)積分、還款積分和滿標(biāo)速度的數(shù)據(jù)量過(guò)大，為了避免呈現(xiàn)較高的離散程度，本文對(duì)該部分變量進(jìn)行了對(duì)數(shù)轉(zhuǎn)換。具體變量說(shuō)明及處理方式如表2所示。

表2 變量說(shuō)明及處理方式

四、實(shí)證檢驗(yàn)和結(jié)果分析

（一）數(shù)據(jù)來(lái)源

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

（二）描述性統(tǒng)計(jì)分析

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

表3 描述性統(tǒng)計(jì)

通過(guò)描述性統(tǒng)計(jì)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(shí)間為1個(gè)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(biāo)；投標(biāo)積分平均值為100655.394，還款積分平均值為92840.203；網(wǎng)站上各項(xiàng)標(biāo)的滿標(biāo)時(shí)間最長(zhǎng)為84932s，即24h，最短為4s，平均投標(biāo)時(shí)間為1841.45s，因?yàn)槠脚_(tái)有自動(dòng)投標(biāo)機(jī)制，致使網(wǎng)站整體滿標(biāo)速度較快。

（三）回歸分析與參數(shù)估計(jì)

本文使用spss20對(duì)樣本數(shù)據(jù)進(jìn)行多元線性回歸分析，同時(shí)進(jìn)行自變量共線性檢驗(yàn)，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(yàn)角度看，各個(gè)自變量的Sig.即顯著性P值≈0，所有的自變量都通過(guò)了顯著性檢驗(yàn)，說(shuō)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(yàn)看，自變量的方差擴(kuò)大因子明顯小于10，說(shuō)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(gè)人信息方面

東部地區(qū)與中西部地區(qū)借款標(biāo)的的滿標(biāo)速度整體存在差異，中西部地區(qū)借款人的滿標(biāo)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(jì)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(lái)自中西部，但來(lái)自中西部借款人的滿標(biāo)速度卻高于東部地區(qū)。這可能是因?yàn)闁|部地區(qū)經(jīng)濟(jì)發(fā)達(dá)，對(duì)于新事物的接受和普及較快，因此多數(shù)借款人來(lái)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(jì)水平低于東部地區(qū)，但是近幾年為了加快中西部經(jīng)濟(jì)發(fā)展，縮小地區(qū)差距，在國(guó)家政策的激勵(lì)下，中西部的經(jīng)濟(jì)和地區(qū)的各項(xiàng)綜合指標(biāo)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(lái)越高。

2.借款標(biāo)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(guò)了顯著性檢驗(yàn)，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(duì)滿標(biāo)速度有正向作用。正如前面所述，投資人進(jìn)行投標(biāo)時(shí)對(duì)投資的感知收益和感知風(fēng)險(xiǎn)的判斷，借款金額越高，借款利率越高，未來(lái)獲得收益越高。然而借款期限對(duì)滿標(biāo)速度有顯著的負(fù)向影響。一般來(lái)說(shuō)，投資者出資的速度是和借款期限成反比，借款期限越長(zhǎng)，滿標(biāo)速度反而越慢。這體現(xiàn)了投資人更加偏好高收益、高速動(dòng)、低風(fēng)險(xiǎn)。同時(shí)還款方式和借款類別也在一定程度上影響滿標(biāo)速度。這說(shuō)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(biāo)的滿標(biāo)速度響應(yīng)也會(huì)加快。

3.借款人平臺(tái)信息方面

投標(biāo)積分和還款積分通過(guò)了顯著性檢驗(yàn)，其中投標(biāo)積分對(duì)滿標(biāo)速度有負(fù)向影響，還款積分對(duì)滿標(biāo)速度有正向影響，假設(shè)7、8成立。投標(biāo)積分代表的是平臺(tái)中用戶歷史投資非天標(biāo)的資金數(shù)額和投資期限轉(zhuǎn)換成投標(biāo)積分?jǐn)?shù)，通過(guò)投標(biāo)積分?jǐn)?shù)的大小可以從歷史角度推斷此用戶的經(jīng)濟(jì)實(shí)力，從投資人角度反映了此用戶的還款能力大小。當(dāng)投標(biāo)積分較高的借款人發(fā)布借款需求時(shí)，投資人對(duì)其進(jìn)行收益和風(fēng)險(xiǎn)的考量時(shí)，可能會(huì)認(rèn)為該借款人投資項(xiàng)目較多，而自身保留的資金較少，從而還款風(fēng)險(xiǎn)較大。還款積分表示借款人歷史借款項(xiàng)目按時(shí)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(chǎng)的借貸成功率，促進(jìn)P2P網(wǎng)絡(luò)借貸市場(chǎng)的健康發(fā)展，提出以下幾點(diǎn)建議。

1.由于P2P網(wǎng)貸借貸市場(chǎng)第三方平臺(tái)數(shù)量眾多且魚龍混雜，運(yùn)營(yíng)能力和風(fēng)險(xiǎn)控制能力差異很大，出資人依賴第三方平臺(tái)一定程度上可以減少投資成本，但潛在風(fēng)險(xiǎn)指數(shù)也相應(yīng)上升。因此，出資人需要提高自身的信用評(píng)估能力，學(xué)會(huì)理性獨(dú)立地思考，時(shí)刻保持對(duì)市場(chǎng)動(dòng)態(tài)清晰的認(rèn)識(shí)，切忌盲目信賴第三方平臺(tái)。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(guò)信用包裝惡意借款的行為，在決策過(guò)程中謹(jǐn)慎判斷借款人的信用狀況和還款能力，從多方面評(píng)估投資的風(fēng)險(xiǎn)。

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(duì)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(tái)的作用，通過(guò)平臺(tái)贏得出借人的投資偏好。通過(guò)披露籍貫信息、照片、收入認(rèn)證等個(gè)人信息增強(qiáng)出借人對(duì)借款人的基本認(rèn)識(shí)。提高借款人在網(wǎng)站上的還款積分以及對(duì)借款標(biāo)的信息進(jìn)行詳細(xì)描述，贏得出資人的信任，以此提高借款成功率。

3.P2P平臺(tái)應(yīng)該建立完善的信用審核機(jī)制，對(duì)借款人的信用資質(zhì)進(jìn)行嚴(yán)格的審查，避免借款人對(duì)身份信息造假，保護(hù)平臺(tái)信譽(yù)和投資人的利益，為借貸雙方創(chuàng)造一個(gè)健康高效的借貸環(huán)境。此外，P2P平臺(tái)應(yīng)該加強(qiáng)行業(yè)內(nèi)的聯(lián)合，將分散在各個(gè)部門和平臺(tái)的個(gè)體信用信息集成起來(lái)，建立一套統(tǒng)一的信用評(píng)價(jià)機(jī)制，使得各平臺(tái)共享信用數(shù)據(jù)。同時(shí)，通過(guò)完善機(jī)制設(shè)計(jì)，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(guó)目前尚未建立健全完善的社會(huì)信用體系，然而P2P網(wǎng)貸的發(fā)展急需完善的社會(huì)信用評(píng)級(jí)和評(píng)價(jià)體系作為參考。因此，我國(guó)應(yīng)盡快出臺(tái)相關(guān)法律法規(guī)，將P2P網(wǎng)貸平臺(tái)納入征信管理范疇中，建立完善的社會(huì)信用體系。同時(shí)，政府應(yīng)明確監(jiān)管主體，加大監(jiān)管力度和范圍。通過(guò)立法加大對(duì)平臺(tái)征信環(huán)節(jié)的監(jiān)督和管理，營(yíng)造誠(chéng)信、有序的網(wǎng)絡(luò)借貸市場(chǎng)環(huán)境。

參考文獻(xiàn)：

［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(qiáng).社會(huì)資本、交易信任和信息不對(duì)稱——個(gè)人對(duì)個(gè)人在線借貸市場(chǎng)的實(shí)驗(yàn)研究［J］.北京航空航天大學(xué)學(xué)報(bào)（社會(huì)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(jì)學(xué)分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016（3）：95-111.

［13］談超，孫本芝，王冀寧.P2P網(wǎng)絡(luò)借貸平臺(tái)的羊群行為研究——基于Logistic模型的實(shí)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(bào)（自然版），2012，51（6）：980-984.

［15］王重潤(rùn)，孔兵.借款軟信息對(duì)投資決策的影響——基于P2P網(wǎng)貸的實(shí)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(jìn)［J］.武漢理工大學(xué)學(xué)報(bào)（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(shí)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(jì)貿(mào)易大學(xué)學(xué)報(bào)，2005，7（5）：11-14.