登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 经济学类 > 金融学 > 正文

P2P网贷借款者信用风险影响因素的研究文献综述

 2020-04-14 16:16:54  

1.目的及意义

1.1研究目的:

随着金融全球化和国际化的不断发展,金融市场瞬息万变,中国的金融市场也在不断地发展。互联网的普及和飞速发展,金融和互联网的结合成为了发展的必然趋势,互联网金融产业如雨后春笋般涌出。其中P2P平台的出现弥补了传统经济体系借贷的不足,满足了普通小额借贷者的需求。中国首家P2P网络借贷平台于2007年在上海成立,之后的数十年里P2P网贷平台如雨后春笋般涌出,但是由于P2P网贷行业还只是一个新兴行业,市场规则和运行模式还相当不规范,进入门槛低、经营成本少、盈利模式简单,在互联网金融中存在很大的争议,一直处于舆论的风口浪尖。由于P2P借贷平台不属于金融机构,监管部门对这一部门无监管权利,正是由于这一监管漏洞,导致P2P借贷模式存在较高的风险,同时也会给P2P平台带来名誉损失。研究影响P2P网贷平台借贷者信用的因素,从借款者还款意愿、还款能力、资本情况以及行业经营环境入手分析,评估借贷者的信用风险,能够有效规避风险,降低投资者在投资过程中可能遭受风险的概率。

1.2研究意义:

理论意义:目前,互联网发展迅猛,互联网与传统金融行业结合成为了必然的趋势,从而衍生了一系列的产品,但是这是一个新兴行业,无论是自身发展还是监管力度、法律制定来看,都是极其不平衡的,监管体制跟不上发展形势,行业鱼龙混杂。从我国P2P网贷平台的发展情况来看,各大P2P网贷平台的借款人信用风险的控制水平相对较弱,逾期还款的事情时有发生。如果网络借贷借款者信用风险得不到有效识别、防范,久而久之P2P行业的持续稳定、健康发展必然会受到严重的挑战。

实践意义:由于P2P网贷平台的大量涌现,且缺乏监督管理,评估借贷者信用风险就成为了至关重要的一环。研究P2P网贷借款者信用风险的影响因素有以下几个意义。

(1)维护P2P网贷平台的信誉。借贷者群体往往也代表了平台,借贷者的不守约行为在投资者眼里就相当于是平台的失约,长此以往,平台会因为信誉问题而陷入舆论危机。提前评估借贷者信用,给借贷者、投资者一个良好的互动,P2P平台保证信息的公开透明,这种良性循环能够提高平台信誉,促进平台的发展。

(2)有效规避投资者遭遇风险损失。从资金来源和借贷范围看,P2P网贷相较于传统借贷资金来源更广、涉及的主体也众多且没有地域的限制,借款主体是不与贷款者直接接触的,只是躲在互联网背后。在这样的一个环境下,若是贷款者出现失约行为,会给借款者带来一定的损失,此时评估借贷者信用等级是必要的。利用互联网大数据统计借贷者偏好、家庭状况、工作情况,可以有效规避借贷者不守信用带来的风险损失。

(3)促进P2P行业的健康稳定发展。量化借贷者的信用等级,不但能够降低投资者的投资风险,而且良好的市场环境还能促进整个行业持续稳定的发展。

1.3国内外研究现状:

国外研究现状:

Freedman(2008)指出,借款人为了在平台上成功借到款会隐瞒对自己借款不利的信息,甚至可能故意编造虚假信息以获得贷款,致使投资者或放款人遭受损失的风险增大。Klafft(2008)利用从美国P2P网络借贷平台Prosper获取的数据研究借款人的信用等级对借贷的影响,结果发现,信用等级越高,越容易获得贷款,并且贷款的利率越低。Barasinska(2009)认为性别影响网络借贷行为。Iyer et al(2010)认为除了信用等级,借款人的债务收入比也会对借贷行为产生重要影响。Pope,Sydnor(2011)认为年龄也是影响网络借贷行为的一个重要因素。

Emekter等(2015)指出信用等级对P2P网络借贷的信用风险有重要影响,借款人的信用等级越低发生违约的风险越高。Emekter(2015)研究P2P网络借贷的特点,评估其信用风险及衡量贷款表现,指出信贷评级,债务收入比率,FICO评分和循环线路利用率在贷款违约中起着重要作用,且风险率或贷款违约的可能性随着借款人的信用风险而增加,高风险借款人收取的较高利率不足以弥补贷款违约的可能性较高。Emekter(2014)等人提取了LendingClub平台上借款人的个人信息作为样本,证实了信用风险评估分数较低、贷款期限较长的借款人更容易发生违约,而贷款利率对违约率的影响不显著。

NR Prabhala等人(2009)研究了社会网络对P2P网贷的影响。利用Prosper网站借贷交易成功与失败的大样本数据,验证了社会网络对网贷交易的影响,最后证明更强大的和可验证的社会关系更有助于网络借贷交易的成功,借款利率更低,之后的违约风险也更低。2016年,Carlos Serrano-Cinca等人发现贷款人通过利用多元回归的利润评分系统对借款人信用进行预测,优于通过使用传统的基于逻辑回归的信用评分系统得到的结果。2015年,Malekipirbazari, Aksakalli借助随机森林的分类方法预测借款人的身份,最后证明该方法优于FICO信用评分。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图