个人信息对p2p网络借贷成功率的影响研究.docxVIP

个人信息对p2p网络借贷成功率的影响研究 一、 借款影响因素研究 在p2p网络贷款中，贷款是贷款运作的重要因素。这些信息反映了贷款的基本属性，不可避免地会影响贷款的行为和结果。因此，从贷款的基本信息到贷款的成功率，有必要具有重要的理论和现实意义。 该问题已经引起了国内外学者的关注, Mingfeng Lin, Prabhala N.R.和Viswanathan S (2009) , Seth Freedman和Jin G.Z (2010) 研究指出借款人的基本信息是投资者对其还款可能性进行评估的主要参照因素, 影响着投资者最终的投资决策。Puro et al. (2010) 在研究哪些措施能够帮助借款人成功地借到款项时, 给出了借款成功率的主要影响因素。国内文献以偏理论的研究为主, 实证研究凤毛麟角。吴小英, 鞠颖 (2012) 通过使用最小二乘法进行参数估计, 研究Prosper平台中借款用途对借贷成功率的影响。经过对国内外文献的梳理和分析可知, 贷款人对于借贷的决策与平台公布的借款人基本信息有相关关系, 借款人信息对借贷的成功率有一定程度的影响。 二、 借款合同信息的回归分析 本文采用多元逐步回归的研究方法。采用回归方法在自变量很多时, 其中有的因素可能对应变量的影响不是很大, 而且自变量之间可能不完全相互独立, 而是存在相关关系, 通过逐步回归分析进行自变量因子的筛选, 这样建立的多元回归模型预测效果会更较好。应用该方法首先要建立因变量Y与众多自变量之间的总回归方程, 再对总的方程及每—个自变量进行假设检验。当总方程不显著时, 表明该多元回归方程线性关系不成立;而当某—个自变量对Y影响不显著时, 应该把它剔除, 重新建立不包含该因子的多元回归方程。筛选出有显著影响的因子作为自变量, 并建立“最优”回归方程。通过建立以借款成功率为因变量的回归模型来研究借款人个人信息对借款成功情况的影响, 以借入者的个人基本信息作为自变量, 使用SPSS21.0来对借贷数据做出逐步回归分析。假设多元回归方程如下: 样本数据通过采集人人贷网站平台上发布的有效借款订单以及借款人信息得到, 共包含3148个有效订单、2666个注册会员。对于每一笔订单和每一个会员, 都记录了一系列可获取的相关属性数据, 包括信用得分、借款金额、利率、借款期限、还款方式、性别、信用等级、学历、有无购房、发布借款笔数、成功借款笔数、年龄、是否结婚、工作城市、有无购车等。人人贷不对投资人收取任何费用, 根据等级对借款人收取的服务费也全部用作风险准备金。在人人贷平台上, 标的种类分为:机构担保、本息保障、信用标。人人贷所有的借款标均没有审核时间, 在数据统计中每标成功时间均按“最后一笔投资”的时间来确定。为了方便计算, 假设所有的借款标都能按时还款。事实上, 有一部分借标提前还款, 提前还款的用户需要支付给出借人借款剩余本金的1%作为违约金, 不用再支付后续的利息及管理费用。人人贷通过媒体宣传、投资人交流活动、定期发布运营报告等, 获得了较好借款人流量。 三、 大学生借贷信息模型 借款人信息可分为“硬信息”和“软信息”两种, 即网站上可获取的借款人信息与社交网络中的借款人信息。人人贷网站上并没有“友情标”, 无法判断社交网络关系对借贷结果的影响。本文选取的自变量均为人人贷网站上可获取的借款人的基本信息, 由于工作城市、行业、公司规模、工作年限等无法作为有效的统计变量, 故并未在模型中体现, 借款订单的基本信息也只做统计不进行建模。 结合网站的实际情况以及基本信息作为变量赋值的可能性考虑, 实证中选用的变量有以下几项, 基本假设和具体赋值如下: (1) 借贷成功与债权人的等级分布 信用高的借款人违约风险相对更小, 会更受投资者的青睐。 人人贷平台对于信用的管理非常重视, 大部分用户的信用等级都在C以上。表1给出了借贷成功与借款人的信用等级分布状况。统计结果显示借款人信用等级最高的成功订单相对来说也更多, 从理性投资的角度来看, 信用得分与违约风险成反比, 因此贷款人更乐于选择信用等级为A的借款人。 (2) 青年为主,青年为主 根据统计样本的数据可知, 人人贷上的借款人平均年龄为35.6岁, 以青年为主。在金融投资理论中, 许多实证研究认为个人的风险倾向以及经济状况随着年龄的变化而不同, 年龄的增加也带来信任度的增加, 属于常见的投资者认知。 (3) 小鼠女性受害者总体分布为 在2666个人人贷会员中, 男性2041名, 占总借款人的76.6%。女性625名, 占总借款人的23.4%。在建立模型时, 对男性赋值为1, 女性赋值为0。在社会观念中认为女性比男性的适应性更强, 而在目前的研究中, 性别对借贷决策的影响不明。 (4) 借款金额分布 经过人人贷平台认证的借款人学历。