不对称信息下我国P2P网贷平台进出决策与投资者动态学习行为研究

The peer-to-peer (P2P) online lending platforms have been experiencing a rapid increase in both number and transaction since 2013. At the same time, the problematic P2P platforms are also accumulating, resulting in an increasing search cost and risk of investors. Additionally, the risk of P2P platform may be passed through to traditional financial institutes. This project proposes to investigate the entry and exit of P2P platforms and dynamic learning of investors under asymmetric information, with a comprehensive application of Industrial Organization, Information Economics, Finance and Econometrics. Starting with firm strategy and investors' choice, this project will set up a dynamic quantitative model of entry and exit for P2P platform and dynamic learning model for investors. Additionally, historical transaction data of P2P platform is applied in the empirical process. Moreover, this project will provide policy implications and theoretical support for policy makers via conducting policy simulation with information disclosure of different quantity, timing and types.

2013年以来，我国P2P网贷平台数量迅猛增长，交易规模不断扩大。与此同时，问题P2P平台数量也呈现逐年上升趋势。P2P行业的粗犷发展大大增加了投资者的搜寻成本和投资风险，降低市场融资效率；此外，P2P平台自身风险可能会传导到传统金融机构，影响金融市场的稳定性。因此，该课题拟综合运用产业经济学，信息经济学，金融学和数量经济学的方法，从厂商决策和投资者行为出发，构建P2P平台进入和退出决策以及投资者动态学习的数理模型。同时，本课题拟使用我国P2P平台的历史交易数据进行实证分析，以把握P2P平台和投资者的行为规律。另外，基于理论模型和实证的结果，本课题将对不同的信息披露进行政策模拟，包括信息披露的数量，时间和方式，从而为P2P行业管理提供可靠的政策建议和理论依据。

互联网金融迅速发展同时问题重重。该项目主要的研究发现可以归纳成以下几个方面。在个体层面上，第一，利用人人贷平台2012—2016年31万多个借贷样本数据进行实证分析，结果显示借款金额及信用等级越高，借款人提供的利率溢价越低；借款期限越长，利率溢价越高。在面对借款不利因素时，低学历群体更容易更悲观地评估自己的风险，倾向于提供更高的利率溢价。由于P2P 网络借贷中大部分是低学历水平的小企业主，在融资时面对着较高的借贷门槛。因此该研究结果为实现普惠金融提供了政策思考。第二，采用享乐模型检验自我风险评估中的性别差异。全样本回归结果显示，具有有利属性的借款人，如较高的贷款，较高的信用评级和已婚状态，更有可能提供较低的利率溢价；而具有不利属性的借款人，例如较长期贷款和年龄较大，更有可能提供高价。有趣的是，我们发现男性比女性更有可能在具有有利属性时提供较低的利率溢价，而女性在具有不利属性时往往提供较低的利率溢价。该发现填补了风险相关行为中性别差异的空白。再次，近年来P2P网络借贷虽然在解决小微企业贷款难的问题上发挥了重要作用。然而，由于网络借贷的信息不对称，贷款违约风险成为网络借贷发展亟待解决的问题。所以该项目的内容之一是：借助机器学习的方法，以"人人贷"数据作为样本，建立CART决策树模型、SVM模型和KNN模型进行预测并对三种算法进行比较，证实了这三种模型都能够有效预测违约，并经比较发现K-邻近与CART决策树方法优于SVM算法。第四，从信息不对称的角度，由于P2P 市场存在信息不对称，市场借款人是否可以通过学习行为优化自己的借贷结果值得我们研究。研究成果发现，借贷者是具有动态学习行为。学历越高的人学习能力越强。该研究也意味着为低教育水平的借贷者提供一定的金融知识培训很有必要。