• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      地理距離、信息不對稱與借款人違約風險

      2020-03-09 01:51:14胡金焱
      關(guān)鍵詞:催債貸后賦值

      張 笑 胡金焱

      一、引言

      近年來,P2P網(wǎng)絡(luò)借貸平臺發(fā)展迅速,網(wǎng)絡(luò)借貸在給人們帶來更多投資機會的同時,風險問題也日益凸顯。一方面平臺借助互聯(lián)網(wǎng)技術(shù)能夠以較低的成本獲取信息,另一方面網(wǎng)絡(luò)中存在大量的虛假信息,使得信息可靠性大打折扣。目前,國家要求P2P平臺作為信息中介,而不是信用中介,如果平臺不能獲取更多有效的信息或者不能很好地識別信息的真?zhèn)?,就無法實現(xiàn)信息中介的職能。為了解決信息不對稱的問題,部分平臺在線下設(shè)立網(wǎng)點(1)目前,一些P2P平臺如人人貸、翼龍貸等都紛紛在線下鋪設(shè)網(wǎng)點。其中人人貸截至2018年已在近100個城市建立了300個線下網(wǎng)點,而翼龍貸已在全國200多個城市設(shè)立運營中心,各級營業(yè)網(wǎng)點1000余家。方便獲取借款人的有效信息以及貸后追蹤(2)《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》第十六條規(guī)定:網(wǎng)絡(luò)借貸信息中介機構(gòu)在互聯(lián)網(wǎng)、固定電話、移動電話等電子渠道以外的物理場所只能進行信用信息采集、核實、貸后跟蹤、抵質(zhì)押管理等風險管理及網(wǎng)絡(luò)借貸有關(guān)監(jiān)管規(guī)定明確的部分必要經(jīng)營環(huán)節(jié)。。理論上貸款人與借款人之間的地理距離越遠,其信息的收集和監(jiān)測成本就越高,進而會對違約概率產(chǎn)生影響。在網(wǎng)絡(luò)借貸市場中,越來越多的平臺采取線上線下相結(jié)合的方式進行借貸,地理距離是否也會對借款人的違約風險產(chǎn)生影響,目前尚沒有文獻進行分析。

      現(xiàn)有文獻對于P2P平臺能否解決信息不對稱問題存在爭議。由于網(wǎng)絡(luò)借貸大多是純信用借貸,沒有抵押品,部分學者認為P2P平臺在獲取信息的成本上有優(yōu)勢,且借款人存在聲譽約束,但是本文認為這些因素的作用有限。盡管P2P平臺網(wǎng)上審核信息的成本很低,但借款人可能存在提供虛假信息和隱瞞重要信息的行為,信息的可靠性很難保證,平臺在有效信息獲取上并不一定就有優(yōu)勢。所以越來越多的平臺建立線下網(wǎng)點,用于信息收集和貸后追蹤,以解決信息不對稱問題。

      本文有以下創(chuàng)新之處:一是目前的研究較少從實證的角度去檢驗P2P平臺中是否存在信息不對稱問題,主要是因為信息不對稱程度難以進行度量,本文將借款人到平臺線下網(wǎng)點的距離作為平臺信息收集和監(jiān)測成本的代理變量來進行檢驗;二是本文研究發(fā)現(xiàn)借款人距離網(wǎng)點越遠,違約概率越高,地理距離增加了平臺監(jiān)測和緩解道德風險的成本,為平臺防范信用風險、建立合理的貸后審查機制提供支持;三是本文發(fā)現(xiàn)當借款利率由借款人設(shè)定時,利率不能充分反映借款人的違約風險,而當借款利率改為平臺設(shè)定后,利率可以反映地理距離帶來的違約風險。

      本文的結(jié)構(gòu)如下:第二部分為理論分析和研究假設(shè);第三部分為數(shù)據(jù)來源和變量描述;第四部分為實證分析;第五部分是結(jié)論。

      二、理論分析和研究假設(shè)

      在銀行借貸市場中,地理距離對借款人違約率的作用主要是通過影響平臺獲取信息的成本。在信息不透明的信貸市場中,地理距離會對銀行獲取和使用私人信息產(chǎn)生影響,距離削弱了貸款人收集借款人軟信息的能力,而地理距離越遠,貸款人在放貸之前收集信息的成本就越高,信息不對稱程度就越高,這是事前的信息不對稱。貸款人與借款人之間的地理距離越遠,會增加貸后監(jiān)測的成本,越無法監(jiān)測借款人的貸后行為,這是事后的信息不對稱。在傳統(tǒng)的民間借貸市場中,地緣和人緣是貸款人考慮的重要因素,這是因為在一定的地域、人際關(guān)系范圍內(nèi),民間借貸有其信息優(yōu)勢,這種優(yōu)勢使得貸款人在放貸之前能夠以低成本獲取借款人的信息,同時在貸后也以較低的成本進行管理。

      P2P網(wǎng)絡(luò)借貸具有一定的特殊性,以人人貸為例,信用認證標是在線上進行信息審核,線下會通過網(wǎng)點進行貸后管理。這種事前線上審核、事后線下管理的方式使得地理距離會影響平臺的貸后信息搜集成本。在市場交易中,當事人簽約之后,由于存在信息不對稱問題導致委托人不能直接觀測代理人行為或因觀測成本較高時,代理人行為的變化使委托人利益受到損害。代理人(借款者)的事后行為將直接影響委托人(出借人)的利益,但是在網(wǎng)絡(luò)借貸市場中,一個借款人往往對應著多個出借人,出借人很難對借款人的行為進行有效管理,而平臺作為信息中介,貸后追蹤是其應盡的責任。如果不能做好貸后審查工作,借款人就可能利用這種不對稱信息做出對出借人不利的行為選擇,道德風險就此產(chǎn)生。

      防范事后信息不對稱的有效方法就是貸后追蹤,但這需要極高的成本,P2P網(wǎng)絡(luò)借貸主要借助互聯(lián)網(wǎng)進行線上借貸,大部分平臺都沒有線下網(wǎng)點,且網(wǎng)絡(luò)借貸跨區(qū)域、廣覆蓋的特征使得借款人分布在全國各地,貸后追蹤很難實現(xiàn)。即使平臺擁有線下網(wǎng)點,也只是在少數(shù)城市,不可能像銀行等金融機構(gòu)那樣廣泛。因此距離網(wǎng)點城市越遠,平臺的信息獲取成本就會越高。例如,兩個完全相同的借款人A和B,其中A所在地有網(wǎng)點,B距離網(wǎng)點城市較遠,平臺對B貸后跟蹤時就需要支付更高的交通費和人工費,當這個成本高于平臺的收益時(手續(xù)費和管理費),平臺就不會對B貸后追蹤,由于“天高皇帝遠”,借款人B更容易發(fā)生道德風險。此外,即使兩個借款人都在同一城市,借款金額不同也會影響平臺是否貸后追蹤,當借款金額較低時,即使借款人距離網(wǎng)點很近,由于成本較高平臺選擇監(jiān)測則無法獲得收益,此時平臺不會進行貸后管理;而當借款金額較高時,即使借款人距離網(wǎng)點較遠,平臺監(jiān)測依然可以獲得收益,此時平臺會進行貸后管理。目前,國家要求P2P平臺遵守“小額分散”的原則,而小額借貸可能導致平臺獲取信息和貸后追蹤的相對成本較高,信息不對稱問題就越嚴重。

      利率作為資金的價格,在一定程度上反映了借款人的信用風險水平,借款人的違約風險越高,出借人要求補償?shù)娘L險溢價就越高,利率水平就越高。在市場化利率下,當利率達到均衡時可以反映借款人的所有風險,即借款人所在地距離越遠,其違約風險越高,則借款利率越高。此外,由于存在監(jiān)督成本,距離遠的借款人可能需要支付一個更高的利率。本文基于上述分析,本文提出以下假設(shè):

      假設(shè)1:借款人距離線下網(wǎng)點越遠,其違約概率越高。

      假設(shè)2:借款人距離線下網(wǎng)點越遠,其借款利率越高。

      三、數(shù)據(jù)來源和變量描述

      本文數(shù)據(jù)來自P2P網(wǎng)絡(luò)借貸平臺人人貸,從2010年10月19日至2016年12月31日(20)由于人人貸在2017年1月以后就沒有信用認證標,所以本文的樣本只能到2016年12月31日。所有已還清、已違約的數(shù)據(jù)。由于平臺中的標的包括了實地認證、機構(gòu)擔保等形式,而這些標的相當于為借款人提供了擔保,因此本文對樣本進行處理,剔除實地認證標、機構(gòu)擔保標和智能理財標,僅使用信用認證標作為研究樣本。在剔除缺失值和異常值之后,本文最終的樣本為25744個標的,其中已還清的筆數(shù)為21627,違約的筆數(shù)為4117個。

      (一)被解釋變量

      本文的被解釋變量為借款人是否違約,人人貸中顯示的借款狀態(tài)為借款失敗、已還清、還款中、嚴重逾期和已墊付。其中當借款人逾期天數(shù)大于30天時,借款人的狀態(tài)為嚴重逾期,已墊付是指對于一些逾期時間過久的借款,平臺可能會墊付。本文違約的數(shù)據(jù)是指借款狀態(tài)為嚴重逾期或者已墊付的標的,賦值為1;沒有違約的數(shù)據(jù)是指已還清的標的,賦值為0。

      (二)關(guān)鍵解釋變量

      人人貸采取線上和線下相結(jié)合的方式,線下與人人友信合作設(shè)立網(wǎng)點。本文以借款人工作所在地到本省網(wǎng)點城市的距離作為平臺信息獲取成本的代理變量,部分省份在多個城市有網(wǎng)點(21)以下省份擁有多個網(wǎng)點:遼寧(沈陽和大連),山東(濟南、煙臺和青島),江蘇(南京和蘇州),福建(福州和廈門),廣東(廣州和深圳),貴州(貴陽和遵義)。這些省份均選取借款人所在城市到最近的網(wǎng)點城市的距離。,我們使用最近的距離,同時,新疆、西藏和寧夏均沒有網(wǎng)點。我們認為省會城市交通更為便利,其信息獲取成本也應小于本省其他城市,所以這三個自治區(qū)使用到省會城市的距離。Chen使用鐵路距離和機場距離作為兩城市間的實際距離,由于部分城市沒有機場,所以本文使用兩城市間的鐵路距離(22)各城市間距離的數(shù)據(jù)來自于www.huochepiao.net。(千公里)。若借款人距離網(wǎng)點越遠,平臺信息獲取成本越高,就越難觀測到借款人的貸后行為,信息不對稱問題就越嚴重。

      (三)控制變量

      本文從4個角度去考慮控制變量:借款信息、借款人特征、借款人資產(chǎn)以及借款人信用。借款信息包括借款利率、借款金額和借款期限等3個變量,借款人特征包括年齡、婚姻狀況和受教育程度等3個變量。具體來說,借款人未婚、離異和喪偶賦值為1,已婚賦值為0;按照借款人受教育程度的高低依次賦值,高中或以下賦值1、大專賦值2、本科賦值3、研究生或以上賦值4。借款人資產(chǎn)包括收入、有無房產(chǎn)和有無車產(chǎn)等3個變量,根據(jù)人人貸的數(shù)據(jù)將收入分為7個等級,收入為1000元以下賦值1,1001-2000元賦值2、2000-5000元賦值3、5000-10000元賦值4、10000-20000元賦值5、20000-50000元賦值6、50000元以上賦值7。借款人有房產(chǎn)賦值為1、沒有賦值為0、有車產(chǎn)賦值為1、沒有賦值為0。借款人的信用狀況為借款人的信用等級,平臺根據(jù)借款人提交的材料全面審核,并根據(jù)審核結(jié)果給出對應的信用評級,信用評級從高到低依次為AA、A、B、C、D、E、HR。本文將信用評級為HR的賦值為1、E賦值2、D賦值3、C賦值4、B賦值5、A賦值6、AA賦值7。此外,人人貸在2014年12月進行了較大幅度改版,為避免平臺改版帶來的影響,本文設(shè)置時間虛擬變量,若借款人在2015年1月1日以前貸款的賦值為0,2015年1月1日以后貸款的賦值為1。表1為各變量的變量說明。

      表1變量說明

      四、實證分析

      首先需要檢驗借款人到網(wǎng)點的距離是否會影響違約概率,本文中的被解釋變量為0,1變量,且數(shù)據(jù)類型為橫截面數(shù)據(jù),本文使用Probit模型進行研究,模型的回歸形式為:

      (1)

      (一)基準回歸結(jié)果及解釋

      表2為地理距離對借款人違約概率的影響,回歸(1)為單獨回歸的實證結(jié)果,顯示借款人到網(wǎng)點的距離與借款人違約概率顯著正相關(guān),說明借款人距網(wǎng)點越遠,其違約概率越高?;貧w(2)為控制其他變量的情況下,地理距離對違約率的影響,與原結(jié)果一致。根據(jù)理論分析,借款人到網(wǎng)點的距離與平臺信息獲取成本正相關(guān),距離越遠,平臺監(jiān)測時需要支付的費用越高。而平臺的信息獲取成本越高,平臺越不會對借款人進行貸后追蹤,由于“天高皇帝遠”,借款人與平臺之間的信息不對稱問題就越嚴重,其違約率也就越高。因此,假設(shè)1是正確的。

      表2地理距離對借款人違約風險的影響(基于Probit模型的回歸)

      注:***、**和*分別表示變量在1%、5%和10%的水平上顯著,括號內(nèi)表示z-Statistic。以下各表含義相同。

      (二)不同借款金額下地理距離對違約率的影響

      根據(jù)前文的理論分析,地理距離越遠,平臺的信息獲取成本就越高。但平臺是否選擇監(jiān)測不僅取決于絕對成本,還取決于相對成本。比如有兩個借款人a和b在同一座城市,a的借款金額為La,b的借款金額為Lb,且La>Lb,其他條件均相同。平臺網(wǎng)點到該城市的信息獲取成本為C,同時平臺收取費率為f的手續(xù)費。只有當Lbf-C>0時,平臺才會對兩個借款人進行監(jiān)測,如果Lbf-C<0且Laf-C>0,平臺只會對借款人a監(jiān)測,如果Laf-C<0,平臺均不會監(jiān)測。不同的借款金額其相對信息獲取成本也不同,借款金額越小,相對信息獲取成本越大,平臺越不會進行貸后追蹤,信息不對稱問題就越嚴重。

      本文按照借款金額在20000元以下、20000- 50000元以及50000元以上分組回歸?;貧w(3)、(4)、(5)為不同金額下,借款人到網(wǎng)點的距離對違約概率的影響。表3結(jié)果顯示借款金額在20000元以下以及20000- 50000元時,借款人距離網(wǎng)點越遠,違約概率越高,而借款金額在50000元以上的不顯著。這與理論分析是一致的,借款金額越小,其相對信息獲取成本越大,平臺越不會選擇監(jiān)測,越容易造成信息不對稱。當借款金額較大時,平臺的收益較大,且若借款人違約會給借款人帶來較大的損失,所以平臺才有動力進行監(jiān)測。

      目前,國家要求P2P平臺堅持“小額分散”的經(jīng)營策略,防范信貸集中風險,但如果不能解決市場中的信息不對稱問題,小額借貸也會提高平臺貸后監(jiān)測的相對成本,使得借款人違約風險上升,不利于平臺自身的發(fā)展。

      表3不同借款金額下地理距離對違約率的影響(基于Probit模型的回歸)

      (三)改版前后地理距離對違約率的影響

      至此,本文研究發(fā)現(xiàn)P2P平臺中借款人距離網(wǎng)點越遠,違約概率越高。人人貸在2014年12月底對平臺進行了大幅度改版,平臺重新調(diào)整了信用標借貸的規(guī)則,使得信用借貸的審核標準更為嚴格,大幅度地增加了AA和A信用等級的人數(shù),利率由借款人自己設(shè)定改為平臺設(shè)定。本文考慮平臺能不能通過線上改版來解決信息不對稱問題。

      由于樣本是截面數(shù)據(jù),本文只能逐年回歸。將樣本按照借款人的借款時間劃分為兩個時間段:2015年以前(2010年10月19到2014年12月31日)和2015年以后(2015年1月1日到2016年12月31日),從而研究在平臺改版前后借款人到網(wǎng)點的距離與違約概率的關(guān)系。

      表4為回歸結(jié)果,2015年以前和2015年以后的樣本均為借款人到網(wǎng)點距離越遠違約概率越高。P2P平臺作為信息中介,向出借人提供有效信息,解決借貸雙方信息不對稱的問題,撮合兩者交易。信息不對稱的存在使得出借人的利益受到損失,目前來看,平臺僅通過線上改版無法徹底解決這一問題。

      表4改版前后地理距離對違約率的影響(基于Probit模型的回歸)

      (四)借款利率與地理距離的關(guān)系

      在借貸市場中,利率表示信貸資金的價格,借款人的風險越高,就需要支付一個更高的風險溢價,即利率越高,那么信息不對稱的風險是否反映在利率之中了呢?本文進一步研究借款人到網(wǎng)點的距離對借款利率的影響,回歸模型如(2)所示,其中R表示借款利率。

      Ri=β0+β1Distancei+∑βnControli+μi

      (2)

      由于借款利率不是二值選擇變量,本文使用OLS進行回歸,表5為回歸結(jié)果。回歸(8)的結(jié)果顯示,借款人到網(wǎng)點的距離越遠,其借款利率反而越低,說明利率并沒有充分反映借款人潛在的違約風險,假設(shè)2錯誤。

      本文考慮到2014年底平臺改版前后的利率定價機制有較大變化,改版前利率是由借款人自己設(shè)定,改版以后利率是由平臺設(shè)定,因此進一步將樣本按照借款人的借款時間分組。回歸(9)和回歸(10)分別為改版前和改版后的回歸結(jié)果,可以看出在平臺改版以前,借款人到網(wǎng)點的距離越遠,其借款利率越低,說明利率不能反映地理距離帶來的違約風險。由于借款利率是由借款人自己設(shè)定的,在這種非完全市場化利率機制下,有相當高比例的違約風險未被反映在利率當中。在平臺改版以后,借款利率是由平臺設(shè)定的,此時借款人所在地距離網(wǎng)點越遠,借款利率越高,借款人的違約風險能夠反映在利率中,說明平臺在利率設(shè)定上考慮了借款人所在地到網(wǎng)點的距離。

      表5地理距離對借款利率的影響(基于OLS的回歸)

      (五)穩(wěn)健性檢驗

      盡管本文的關(guān)鍵解釋變量借款人到網(wǎng)點的距離(借款人工作所在地到本省網(wǎng)點城市的距離)為外生變量,但可能存在以下三種情況使得實證結(jié)果出現(xiàn)偏誤。

      (1)本文使用借款人到網(wǎng)點的距離作為衡量平臺信息獲取成本的代理變量,因為距離越遠平臺信息獲取成本越高,但是距離越遠平臺上門催債的成本也越高,而催債成本可能會影響違約概率。比如A城市有網(wǎng)點,B城市沒有網(wǎng)點,若平臺不上門催債,A與B的違約概率一樣,由于A城市有網(wǎng)點其上門催債的成本較低,在借款金額相同時,平臺可能只對A城市的貸款進行催債,而B城市的成本較高平臺不選擇催債,最終使得A城市的違約率低于B城市。在這種情況下,距離網(wǎng)點越遠違約概率越高,不是由于信息不對稱引起的,而是催債成本不同導致的??紤]兩種情況:一種是借款人先逾期(逾期小于30天的),借款人再違約(本文定義逾期超過30天或平臺已墊付的是違約),最后平臺上門催債;另一種是借款人先逾期,平臺上門催債,借款人選擇違約。如果是第一種情況催債成本不會影響借款人的違約概率,因為借款人違約發(fā)生在催債之前,此時借款狀態(tài)已經(jīng)確定了,不管平臺能否追回貸款,借款人都是違約。如果是第二種情況,上門催債發(fā)生在借款人是否違約之前,若平臺追回貸款,則會對借款狀態(tài)產(chǎn)生影響。所以平臺是否上門催債可能會對違約概率產(chǎn)生影響。由于不知道人人貸是借款人逾期后立刻上門催債,還是借款人違約后上門催債,如果是前者則會對本文的實證結(jié)果產(chǎn)生影響。因此催債成本會影響平臺是否上門催債,而是否催債對違約率可能有影響,但可以確定的是借款人是否逾期一定發(fā)生在平臺催債之前,所以催債不會對逾期率產(chǎn)生影響。本文把被解釋變量替換為借款人是否逾期,若借款人發(fā)生過逾期賦值為1,沒有發(fā)生過逾期賦值為0?;貧w(11)為實證結(jié)果,借款人到網(wǎng)點的距離越遠其逾期率越高,與原結(jié)果一致。

      (2)本文使用的借款人與平臺之間的距離為兩個城市間的鐵路距離,對于部分距離較短城市來說,汽車是最方便的出行方式,為了使回歸結(jié)果更穩(wěn)健,我們用兩個城市間的行車距離作為平臺信息獲取成本的代理變量,所用數(shù)據(jù)來自百度地圖?;貧w(12)為實證結(jié)果,借款人工作所在地到網(wǎng)點城市的公路距離越遠,違約概率越高,與原回歸結(jié)果一致。

      (3)2016年銀監(jiān)會出臺的《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》中明確規(guī)定同一自然人在同一網(wǎng)絡(luò)借貸信息中介機構(gòu)平臺的借款余額上限不超過人民幣20萬元,為了確保回歸結(jié)果的穩(wěn)健性,本文剔除了借款金額在20萬以上的樣本?;貧w(13)為實證結(jié)果,借款人距離網(wǎng)點越遠,違約概率越高,與原回歸結(jié)果一致。穩(wěn)健性檢驗的實證結(jié)果如表6所示。

      表6穩(wěn)健性檢驗的實證結(jié)果(基于Probit模型的回歸)

      五、結(jié)論和建議

      本文將借款人工作所在地到線下網(wǎng)點的距離作為平臺信息獲取成本的代理變量,使用人人貸2010年10月至2016年12月的交易數(shù)據(jù),運用Probit模型,研究了地理距離對借款人違約率的影響,得出如下結(jié)論:(1)借款人到網(wǎng)點的距離越遠,違約概率越高。借款人到網(wǎng)點的距離與平臺的信息獲取成本正相關(guān),距離越遠,平臺監(jiān)測時需要支付的費用越高。信息獲取成本越高,平臺越無法觀測到借款人的行為,借款人更容易造成事后的信息不對稱。(2)只有借款金額較小時,借款人離平臺網(wǎng)點越遠,其違約概率越高。不同的借款金額其相對信息獲取成本也不同,借款金額越小,相對信息獲取成本越大,信息不對稱問題越嚴重。(3)盡管平臺通過各種手段提高對借款人的線上審核力度,但目前平臺還無法徹底解決信息不對稱問題。(4)平臺改版前借款利率不能充分反映借款人的違約風險,但在平臺改版后利率可以反映借款人違約風險。最后本文考慮其他可能會對實證結(jié)果產(chǎn)生影響的因素,通過穩(wěn)健性檢驗說明原結(jié)果是可靠的。根據(jù)本文所得結(jié)論,提出如下建議:

      第一,發(fā)展線下網(wǎng)點,加強貸后跟蹤。解決道德風險問題的有效方法就是貸后追蹤,平臺一方面可以擴大線下網(wǎng)點,另一方面可以與當?shù)氐慕鹑跈C構(gòu)(如小額貸款公司等)合作,降低貸后信息獲取成本,定期對借款人的財務(wù)狀況、資金使用情況等信息跟蹤調(diào)查。

      第二,對于平臺中的信用標的,投資人一定要小心謹慎、仔細審查,盡量選擇那些提供了較多信息,且進行了認證的借款人,同時也應注意借款人所在地是否有平臺的線下網(wǎng)點,從而可以降低信息不對稱所帶來的風險。

      第三,建立信息共享機制。由于各個平臺的信息是相互獨立的,形成了信息孤島的問題。通過信息共享可以避免借款人在多個平臺借貸的行為,同時對于違約客戶建立黑名單制度,可以提高借款人的違約成本,有效防范借款人的信用違約風險。

      猜你喜歡
      催債貸后賦值
      關(guān)于1 1/2 … 1/n的一類初等對稱函數(shù)的2-adic賦值
      L-代數(shù)上的賦值
      催債與還錢
      基層銀行貸后管理中存在的主要問題及管控建議
      新時代節(jié)儉
      強賦值幺半群上的加權(quán)Mealy機與加權(quán)Moore機的關(guān)系*
      催債
      撫松農(nóng)發(fā)行開展貸后管理年活動
      利用賦值法解決抽象函數(shù)相關(guān)問題オ
      福建省高校國家助學貸款貸后管理體系的思考與改進
      卢氏县| 石河子市| 天气| 隆回县| 深泽县| 维西| 清徐县| 井陉县| 南部县| 青冈县| 阿合奇县| 青阳县| 马龙县| 凤翔县| 安远县| 双城市| 仁布县| 海林市| 辛集市| 山东省| 贵州省| 彰化市| 高淳县| 芜湖市| 弥渡县| 辉南县| 休宁县| 鹰潭市| 木兰县| 紫阳县| 扎鲁特旗| 化德县| 苏尼特左旗| 拉萨市| 紫金县| 肇庆市| 鹤山市| 西宁市| 冕宁县| 兖州市| 穆棱市|