基于Logistic的P2P網(wǎng)貸平臺流動性風(fēng)險測度研究

張杰 張遠(yuǎn)圣

【摘 要】 我國的P2P網(wǎng)貸行業(yè)從無到有、從無序生長到有序發(fā)展，從魚龍混雜到監(jiān)管趨嚴(yán)，漸漸步入了合規(guī)健康的發(fā)展道路。2018年是強監(jiān)管年與合規(guī)備案年，但平臺的流動性風(fēng)險仍然較大，跑路詐騙問題頻出，讓不少投資者望而卻步。其平臺的流動性風(fēng)險已經(jīng)受到社會各界的廣泛關(guān)注，且網(wǎng)貸平臺的風(fēng)險測度與評價成為投資者篩選平臺的重要因素。文章基于Logistic模型，以向上金服平臺為例，定量研究其流動性風(fēng)險，有助于規(guī)范P2P進(jìn)一步發(fā)展，提升居民投資理財?shù)臒崆椤?/p>

【關(guān)鍵詞】 Logistic; P2P; 網(wǎng)貸平臺; 流動性風(fēng)險; 向上金服

【中圖分類號】 F830.2? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2019）21-0124-04

一、引言

盡管P2P屬于舶來品，而它的成長速度相當(dāng)驚人，已然遠(yuǎn)遠(yuǎn)超過歐美發(fā)達(dá)地區(qū)。2007年我國首個P2P平臺——拍拍貸，于上海宣布正式上線。2013年被稱為“互聯(lián)網(wǎng)金融元年”，而P2P網(wǎng)貸平臺也進(jìn)入了爆發(fā)式生長的時代。2016年8月24日，國家監(jiān)管部門下發(fā)《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》，標(biāo)志著在無序野蠻成長的P2P行業(yè)被正式納入監(jiān)管，監(jiān)管手段接連升級，P2P平臺的總體淘汰率持續(xù)上漲，截至2018年8月底P2P行業(yè)淘汰率已超過70%，正常運營平臺已不足2 000家。2017年12月1日，《關(guān)于規(guī)范整頓“現(xiàn)金貸”業(yè)務(wù)的通知》的發(fā)布為使我國P2P現(xiàn)金貸成為負(fù)責(zé)任的“普惠金融”提供了政策依據(jù)，2017年底，《關(guān)于做好P2P網(wǎng)絡(luò)借貸風(fēng)險專項整治整改驗收工作的通知》（57號文）的發(fā)布指明了網(wǎng)貸整改大限。目前盡管備案被推遲，但也表明了官方對P2P行業(yè)的監(jiān)管承諾，并將更加嚴(yán)格地執(zhí)行驗收標(biāo)準(zhǔn)，對投資者、平臺以及監(jiān)管部門都是有益的。規(guī)定各?。▍^(qū)、市）務(wù)必在2018年6月的最后期限之前落成P2P備案事務(wù)，其制定了P2P的備案大致進(jìn)程，在一定程度中規(guī)范了我國P2P行業(yè)監(jiān)管。

從2018年初至今，“合規(guī)備案”已成為P2P行業(yè)界最熱門的詞。到了2018年9月初，P2P累計營業(yè)數(shù)據(jù)已經(jīng)順利突破7.4萬億元人民幣，我國P2P平臺總量已達(dá)到6 675個，但同時也不斷出現(xiàn)平臺詐騙跑路等問題，不合規(guī)平臺已有4 800個，P2P淘汰率已高達(dá)71.91%。2018年6月中旬，著名高返平臺——唐小僧的跑路和聯(lián)璧金融擠兌的發(fā)生無疑讓廣大投資者的恐慌情緒蔓延，同時也讓不少潛在的投資者望而卻步。在整頓歷史的起伏中，許多平臺的命運令人擔(dān)憂。在嚴(yán)監(jiān)管的背景下，對P2P平臺進(jìn)行綜合因子風(fēng)險評價分析，為投資者尋找出不僅能夠帶來可觀的投資收益，同時又相對安全穩(wěn)健的P2P網(wǎng)貸平臺具有較強的現(xiàn)實意義。

二、文獻(xiàn)綜述

國內(nèi)外關(guān)于P2P網(wǎng)貸平臺風(fēng)險的研究主要將其分為P2P網(wǎng)貸風(fēng)險研究、P2P監(jiān)管體系研究、P2P行為及影響因素研究。

第一，P2P網(wǎng)絡(luò)借貸風(fēng)險研究。韋艷肖[1]從風(fēng)險因素量化的角度分析了借款利率、借款人信用、信息透明度和目標(biāo)持續(xù)時間等風(fēng)險因素，在研究結(jié)論的基礎(chǔ)上，提出了預(yù)防我國網(wǎng)絡(luò)金融風(fēng)險的可行建議。吳斌等[2]建立了P2P網(wǎng)貸個人信用風(fēng)險評估指標(biāo)體系，提出了基于BP神經(jīng)網(wǎng)絡(luò)的信用評估模型。通過平臺收集的樣本數(shù)據(jù)進(jìn)行實驗驗證。結(jié)果表明：改進(jìn)的果蠅神經(jīng)網(wǎng)絡(luò)評估模型比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型有更強的學(xué)習(xí)能力和預(yù)測能力，是P2P網(wǎng)貸個人信用風(fēng)險評估的有效方法。李明初[3]面對國內(nèi)網(wǎng)絡(luò)借貸行業(yè)的發(fā)展現(xiàn)狀，以拍拍貸為例，通過抓取拍拍貸平臺上最近的交易數(shù)據(jù)并利用Probit二元選擇模型，分別從影響投資人借款認(rèn)可度因素以及影響平臺借款認(rèn)可度因素兩個層次，對影響借款人借款成功的因素進(jìn)行了實證分析。根據(jù)實證分析結(jié)果，針對借款人和網(wǎng)貸平臺提出可行性建議。安英博等[4]以隆金寶為研究對象，探究決策樹模型、支持向量機模型、神經(jīng)網(wǎng)絡(luò)模型、邏輯回歸模型、Stacking模型對P2P借貸違約風(fēng)險的識別效果，并進(jìn)行評估與對比，從而選出最佳P2P借貸違約風(fēng)險模型，進(jìn)而幫助P2P網(wǎng)絡(luò)借貸平臺有效規(guī)避違約風(fēng)險，實現(xiàn)其長遠(yuǎn)發(fā)展。

第二，P2P監(jiān)管體系研究。Michelle[5]預(yù)計P2P平臺不會取代傳統(tǒng)的銀行渠道，但它們是金融中介機構(gòu)，在解決中小企業(yè)長期面臨的融資真空方面具有廣闊的前景。陳婷婷[6]探索了我國P2P平臺潛在的風(fēng)險，且依托了風(fēng)險度量的類型選擇，最后運用Logistic回歸模型建立風(fēng)險評價體系。李端生等[7]在分析P2P平臺臨時措施的影響的基礎(chǔ)上，研究了P2P平臺的發(fā)展路徑，并就如何進(jìn)一步改進(jìn)P2P平臺提出了一些可行性建議。孫艷軍[8]認(rèn)為中國P2P金融市場中所面臨的各類風(fēng)險日趨增大，其主要原因是缺乏一定的監(jiān)管。通過參照西方發(fā)達(dá)國家與地區(qū)的監(jiān)管制度，完善中國P2P行業(yè)的監(jiān)管制度。

第三，P2P網(wǎng)貸活動以及影響因素研究。王重潤等[9]認(rèn)為高效的融資效率是網(wǎng)貸平臺提升競爭力以及維持平穩(wěn)運營的前提。為構(gòu)建平臺融資效率因素體系，考慮風(fēng)險、平臺、標(biāo)的等因素，以托賓兩步分析方法為基礎(chǔ)，以七千多條貸款標(biāo)的為研究樣本，采用數(shù)據(jù)包絡(luò)分析法對P2P平臺融資效率值進(jìn)行度量，通過對影響因素和融資效率的實證分析，創(chuàng)建托賓模型。左茹霞等[10]認(rèn)為P2P是一種融合了民間借貸以及互聯(lián)網(wǎng)金融技術(shù)的新型金融創(chuàng)新形式。選取120家P2P平臺數(shù)據(jù)，運用Granger Causality驗證的面板數(shù)據(jù)，分析P2P信用額度差異與影響因素。結(jié)果表明，有四個主要因素對P2P借貸量影響較大，最后對P2P的發(fā)展提出了建議。

通過對行業(yè)文獻(xiàn)的整理，發(fā)現(xiàn)國外學(xué)者對P2P的實證研究大多是基于已評級的平臺，而我國P2P行業(yè)起步較晚，其發(fā)展有著自身的特點，國內(nèi)學(xué)者的研究主要匯集在借款人信用風(fēng)險防范的問題上。近年來，雖也有一些學(xué)者開始運用統(tǒng)計計量的方法（如AHP層次分析法、突變級數(shù)評價法等）對P2P平臺進(jìn)行綜合評級，或用問卷調(diào)查法、案例研究法進(jìn)行針對性分析，然而P2P平臺風(fēng)險評價仍然缺乏專門的研究，難以實現(xiàn)投資者對P2P平臺風(fēng)險評估的要求?；诖?，本文運用Logistic回歸分析法，以向上金服平臺為例，定量研究其流動性風(fēng)險，有助于規(guī)范P2P進(jìn)一步發(fā)展，提升居民投資理財?shù)臒崆椤?/p>

三、現(xiàn)狀分析

（一）網(wǎng)貸平臺發(fā)展現(xiàn)狀

網(wǎng)貸天眼數(shù)據(jù)顯示，截至2019年2月中旬，中國P2P在線借貸平臺數(shù)量已達(dá)到6 608個，其中1 557個為正常運營平臺，累計問題平臺5 051家。網(wǎng)絡(luò)借貸平臺的出現(xiàn)極大地緩解了中國社會融資難的問題。為社會經(jīng)濟(jì)發(fā)展帶來極大便利，有利于中國互聯(lián)網(wǎng)金融業(yè)的發(fā)展，為中國經(jīng)濟(jì)進(jìn)入“新常態(tài)”提供了新的增長點。特別是2014年，當(dāng)李克強總理在達(dá)沃斯論壇上提出“大眾創(chuàng)業(yè)與萬眾創(chuàng)新”時，中國每天新增1萬多家新企業(yè)，網(wǎng)上借貸平臺的出現(xiàn)為這些中小企業(yè)的發(fā)展提供了項目資金。因此，近年來中國的在線借貸平臺呈現(xiàn)出快速發(fā)展的態(tài)勢。中國在線借貸平臺有三個主要特征：首先，中國在線借貸平臺的主體并不固定。其次，中國的在線借貸平臺交易方式簡單快捷，滿足了人們對產(chǎn)品靈活性的要求。最后，網(wǎng)絡(luò)借貸平臺的發(fā)展依賴于互聯(lián)網(wǎng)技術(shù)的進(jìn)步，因此中國網(wǎng)絡(luò)借貸平臺的蓬勃發(fā)展推動了中國科技，特別是互聯(lián)網(wǎng)技術(shù)的進(jìn)步。然而，中國網(wǎng)絡(luò)借貸平臺的發(fā)展并不完善。在我國現(xiàn)代互聯(lián)網(wǎng)金融背景下，網(wǎng)貸平臺的發(fā)展常常出現(xiàn)許多風(fēng)險，包括內(nèi)部風(fēng)險和外部風(fēng)險等。

（二）向上金服的網(wǎng)貸業(yè)務(wù)現(xiàn)狀

2018年是互聯(lián)網(wǎng)金融領(lǐng)域大浪海沙的一年，伴隨著監(jiān)管回歸、劣幣退場，政策與監(jiān)管逐步落地，行業(yè)在經(jīng)歷陣痛期后正在重新回到健康發(fā)展的軌道。2018年，向上金服累計借款人數(shù)23 769人，出借人數(shù)89 539人，累計交易額超過140億元，人均出借回報5 334.07元。有規(guī)矩才有方圓，金融本是一場比拼耐力的馬拉松，不可一蹴而就;堅守底線、敬畏風(fēng)險，才能實現(xiàn)最后的“繁華”。過去的5年，向上金服秉持“不驕不躁，不忘初心”的理念，持續(xù)在用戶資金安全與智能技術(shù)方面深耕運作，只為不辜負(fù)每一位用戶的信任與重托。五年里，向上金服累計交易額突破500億大關(guān)，穩(wěn)居行業(yè)一線，700萬用戶選擇和向上金服站在一起共同成長，實現(xiàn)財富夢想。

四、Logistic模型分析

（一）數(shù)據(jù)選取與變量定義

本文的數(shù)據(jù)來自于網(wǎng)貸之家——“向上金服”平臺數(shù)據(jù)，選取其2017年11月——2018年11月期間的運營數(shù)據(jù)。然后按照平臺運營的時間順序，以周為單位，選取了56周，合計672條運營數(shù)據(jù)。選取“向上金服”平臺是因為該平臺是五十大最受出借人認(rèn)可的P2P網(wǎng)貸平臺之一，曾經(jīng)贏得了“胡潤新金融百強科技創(chuàng)新獎”，最受用戶和媒體喜愛的的十大新金融品牌“金口碑”獎項，并且已成為中國互聯(lián)網(wǎng)金融協(xié)會的會員。向上金服致力于創(chuàng)建“線上+線下”的綜合風(fēng)險控制系統(tǒng)。因此該平臺在P2P網(wǎng)貸行業(yè)內(nèi)具有一定的代表性，故選取其近一年的運營數(shù)據(jù)也可以很好地反映出平臺甚至網(wǎng)貸行業(yè)最新的發(fā)展?fàn)顟B(tài)。

被解釋變量為平臺凈流入資金，表現(xiàn)為平臺在這期間資金凈流入為正或資金凈流入為負(fù)。本文使用Logistic模型分析平臺上流動性風(fēng)險的概率。假設(shè)流動性風(fēng)險的發(fā)生概率為P，且0≤P≤1。P=1時資金凈流入為負(fù)值，表示平臺的流動性風(fēng)險發(fā)生的概率較高;P=0時資金凈流入為正值，表示平臺的流動性風(fēng)險發(fā)生的概率較低。也就是說，P值越接近0，平臺的流動性風(fēng)險越低;越接近1，平臺流動性風(fēng)險的概率越高。

解釋變量為：（1）成交額：它表明該平臺有能力獲得新的資本流入。相反，可能存在流動性風(fēng)險。（2）收益率：指基于當(dāng)前市場價格、面值、票面利率和距離到期日的投資回報率，通常以年度百分比表示。（3）人均投資：投資交易總額與出借人總數(shù)之比。（4）人均借款：借款交易總額與借款人總數(shù)之比。（5）借貸余額：它表明了平臺持續(xù)獲得資金的能力。平臺規(guī)模越小，流動性風(fēng)險就越大。（6）待還借款人：根據(jù)實際借款人的說法，這意味著仍然需要在某個時間點償還借款人的借款人總數(shù)，以及同一借款人多次借款。能夠反映平臺資產(chǎn)端運作情況，借款人數(shù)越多表明該平臺資產(chǎn)越分散，運作越穩(wěn)定;反之則表示資產(chǎn)越集中，運作易出現(xiàn)流動性風(fēng)險。（7）待收投資人：表示在某個時間點仍有貸款的貸方總數(shù)，能夠反映平臺某段時間的成交人氣。人數(shù)不斷增長表明該平臺網(wǎng)貸人氣不斷升高，平臺越穩(wěn)定;相反，它表明受歡迎程度下降，表明可能存在流動性風(fēng)險。（8）資金凈流動：表明平臺交易減去支付的剩余凈值，如果平臺資金長期負(fù)流，則表明可能存在流動性風(fēng)險。（9）平均借款期限：一段時間內(nèi)平臺借用參考借款期的平均值。（10）平臺等級：平臺級別代表平臺的信用資格。一般而言，平臺的信用評級越高，投資者獲得的信任越多，流動性風(fēng)險發(fā)生的概率就越低。所有解釋變量都與平臺的流動性風(fēng)險呈反比，即解釋變量的數(shù)值越高，則表示平臺的流動性風(fēng)險越低。其中，平臺的級別相應(yīng)地轉(zhuǎn)換為1、2、3、4、5和6，值越高，平臺的排名越高。

（二）Logistic模型的構(gòu)建與回歸結(jié)果分析

1.Logistic模型的構(gòu)建

本文所構(gòu)建的Logistic模型的函數(shù)形式如公式5、公式6所示。

P=ey/（1+ey）=1/（1+e-y）? ? ? ? ? ? ? （5）

Y=C0+■■■CiXi （1≤i≤m）? ? ? ? （6）

其中P表示平臺的流動性風(fēng)險發(fā)生概率，0≤P≤1;Xi是解釋變量，其中X1表示成交量，X2表示收益率，X3表示人均投資，X4表示人均借款，X5表示新增投資，X6表示待還借款人，X7表示待收投資人，X8表示資金凈流入，X9表示平均借款期限，X10表示平臺等級;C0表示常數(shù)項;Y是被解釋變量，表示平臺的流動性風(fēng)險。

2.擬合優(yōu)度檢驗

本文利用SPSS 22.0對所獲得的向上金服平臺672條運營數(shù)據(jù)進(jìn)行模型系數(shù)的擬合優(yōu)度檢驗，綜合檢驗結(jié)果如表1所示。從表中可以看出，模型的最大似然比卡方統(tǒng)計量為75.041，對應(yīng)的Sig.=0<0.05，可以拒絕全部回歸系數(shù)等于0的零假設(shè)，亦即該模型為整體顯著的。因此，本文構(gòu)建的Logistic模型可以很好地擬合樣本數(shù)據(jù)。

3.Logistic回歸結(jié)果分析

再次使用SPSS 22.0對解釋變量以及被解釋變量進(jìn)行Logistic回歸分析，回歸結(jié)果如表2所示。

由表2可知Wald統(tǒng)計量的Sig值均大于0.05，則表示其參數(shù)估計都不為0。由此可知，說明本文構(gòu)建的Logistic回歸模型10個解釋變量與被解釋變量Y之間存在顯著的線性關(guān)系，沒有無效變量，且經(jīng)過檢驗可知模型不存在內(nèi)生性問題。在通過對這10個變量的優(yōu)化可以在一定程度上達(dá)到預(yù)測風(fēng)險、防范風(fēng)險的效果。因此，其Logistic模型能夠展示為：

Y=0.003X1+1 682.143X2+23.788X3+9.293X4-0.021X5-0.028X6-0.002X7-

0.006X8+121.58X9-44.615X10-20 140.221 （7）

在模型中，Y的取值范圍介于[0，1]之間，本文以0.5作為切割值，當(dāng)Y≥0.5時，表示平臺資金流出概率較大，有較大可能產(chǎn)生流動性風(fēng)險;Y<0.5時，則可認(rèn)為平臺的資金流出概率較小，不太可能產(chǎn)生流動性風(fēng)險。由此，P2P網(wǎng)貸平臺可以優(yōu)先收集此模型中作為自變量的指標(biāo)數(shù)據(jù)，對虛擬變量賦值后帶入模型中來判斷平臺流動性風(fēng)險的概率。

4.Logistic模型的預(yù)測

最后再利用SPSS 22.0對向上金服的相關(guān)樣本數(shù)據(jù)進(jìn)行流動性風(fēng)險預(yù)測，SPSS 22.0預(yù)測輸出結(jié)果如表3所示。

由表3可知，在56 條向上金服的平臺樣本數(shù)據(jù)中，SPSS 22.0預(yù)測17條是無風(fēng)險的，預(yù)測正確率為70.83%，而在32條存在風(fēng)險的向上金服平臺樣本數(shù)據(jù)中，SPSS 22.0預(yù)測25條是存在流動性風(fēng)險的，預(yù)測正確率為78.13%。

SPSS 22.0預(yù)測正確的平臺樣本數(shù)量為42，約占總數(shù)的75%。所以從整體上來看，本文所構(gòu)建的Logistic模型預(yù)測正確率為75%，說明模型的預(yù)測結(jié)達(dá)到了理想效果，在現(xiàn)實中可以作為P2P網(wǎng)絡(luò)借貸平臺流動性風(fēng)險測度的參考。

五、結(jié)論與建議

本文以P2P網(wǎng)絡(luò)借貸平臺向上金服的流動性風(fēng)險為研究對象，近年來P2P網(wǎng)絡(luò)借貸發(fā)展速度過快，過快增長背后的流動性風(fēng)險不容忽視。本文選用Logistic二元回歸模型對于網(wǎng)貸平臺的流動性風(fēng)險進(jìn)行測度，并得到以下結(jié)論：

第一，P2P網(wǎng)貸作為一個高風(fēng)險的新興行業(yè)，風(fēng)險控制技術(shù)是P2P平臺的有效競爭力，同時也必定是將來一段時期內(nèi)一直貫穿在網(wǎng)絡(luò)借貸行業(yè)發(fā)展的主線。

第二，信息不對稱普遍存在于信貸交易中，是流動性風(fēng)險產(chǎn)生的重要原因。P2P網(wǎng)貸的交易通過互聯(lián)網(wǎng)進(jìn)行，而互聯(lián)網(wǎng)具有跨空間和匿名性等特點，投資方很難從交易對手獲得對方的全部信息，信息不對稱現(xiàn)象比傳統(tǒng)信貸交易更為嚴(yán)重。

第三，利用SPSS 22.0軟件對選取的10個指標(biāo)進(jìn)行Logistic回歸分析，Logistic回歸模型可以用于P2P網(wǎng)貸流動性風(fēng)險的度量，而且從最后模型結(jié)果可以看出，其預(yù)測準(zhǔn)確率也很高，說明該模型對分析P2P網(wǎng)貸的流動性風(fēng)險問題效果很顯著。

筆者在試圖測度P2P網(wǎng)貸平臺流動性風(fēng)險之中，亟待在數(shù)據(jù)的真實性以及信息披露完善的風(fēng)險體系上進(jìn)一步增強。隨著監(jiān)管的趨嚴(yán)與P2P行業(yè)的不斷發(fā)展，優(yōu)勢平臺更應(yīng)該注重提升其投資理財產(chǎn)品的服務(wù)與體驗當(dāng)中，而中小平臺則需要把重心放在合規(guī)備案發(fā)展的道路上不斷前進(jìn)。

2018年，P2P網(wǎng)絡(luò)借貸平臺經(jīng)歷了一個棘手的局面，行業(yè)流動性風(fēng)險持續(xù)增加，許多貸款人的信心受挫，行業(yè)面臨巨大壓力。在P2P行業(yè)發(fā)展的壓力下，積極整改以及主動擁抱合規(guī)的平臺也很多。重拾對網(wǎng)絡(luò)借貸的信心，確保網(wǎng)絡(luò)借貸行業(yè)平穩(wěn)安全度過“暴雷潮”，已成為業(yè)內(nèi)人士共同的期待。

合規(guī)性是P2P網(wǎng)絡(luò)在線借貸行業(yè)的永恒話題，也是所有平臺必須遵循的重要原則。P2P網(wǎng)貸平臺“三證”的地位是舉足輕重的，不論是銀行存管，還是ICP經(jīng)營許可證，亦或是等保三級測評都是缺一不可的，這也是貸方投資判斷的主要參考。相信隨著監(jiān)管的不斷加強，各項硬指標(biāo)將成為備案成功的關(guān)鍵點，網(wǎng)上貸款業(yè)必將迎來合規(guī)發(fā)展的良好局面?！?/p>

【參考文獻(xiàn)】

[1] 韋艷肖.互聯(lián)網(wǎng)金融風(fēng)險防范研究——以網(wǎng)貸平臺為例[J].會計之友，2018（16）：104-108.

[2] 吳斌，葉菁菁，董敏.P2P網(wǎng)貸個人信用風(fēng)險評估模型研究——基于混合果蠅神經(jīng)網(wǎng)絡(luò)的方法[J].會計之友，2017（21）：32-35.

[3] 李明初.基于Probit的網(wǎng)絡(luò)借貸成功影響因素分析——以拍拍貸為例[J].會計之友，2016（4）：100-106.

[4] 安英博，程冬玲.P2P借貸違約風(fēng)險識別模型比較[J].會計之友，2019（2）：45-50.

[5] MICHELLE W L.Chinas online peer-to-peer （P2P） lending platforms[M]//The Digitization of Business in China，2018.

[6] 陳婷婷. P2P網(wǎng)絡(luò)借貸風(fēng)險度量體系與行業(yè)監(jiān)管研究[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文，2018.

[7] 李端生，夏偉.基于網(wǎng)絡(luò)借貸新規(guī)的P2P發(fā)展研究[J].會計之友，2017（5）：108-111.

[8] 孫艷軍.以英美監(jiān)管為鏡鑒構(gòu)建我國P2P普惠金融監(jiān)管體系[J].上海金融，2016（3）：60-66.

[9] 王重潤，孔兵.P2P網(wǎng)絡(luò)借貸平臺融資效率及其影響因素分析——基于DEA-Tobit方法[J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2017，38（5）：54-60.

[10] 左茹霞，王言，李宇紅.P2P網(wǎng)絡(luò)借貸成交量影響因素分析[J].財會月刊，2017（3）：118-122.