陳思遠(yuǎn)　王雄

摘? ?要：本文以“人人貸”2015年8月25日前后的2個(gè)月的借款人信息作為研究樣本，通過(guò)FGLS和Probit模型實(shí)證研究降準(zhǔn)降息的貨幣政策對(duì)網(wǎng)絡(luò)借貸平臺(tái)上創(chuàng)業(yè)者的借款利率和借款成功率的影響。實(shí)證結(jié)果表明，實(shí)施降準(zhǔn)降息的貨幣政策后，創(chuàng)業(yè)者在P2P網(wǎng)貸市場(chǎng)上的借款利率顯著降低，借款成功率雖然顯著上升，但結(jié)果并不穩(wěn)健。東部地區(qū)的創(chuàng)業(yè)者借款利率更低，女性創(chuàng)業(yè)者借款利率更低，信用評(píng)級(jí)依然是影響借款利率的重要因素，對(duì)借款人依舊存在身份歧視。

關(guān)鍵詞：貨幣政策;網(wǎng)絡(luò)借貸;創(chuàng)業(yè)者;創(chuàng)新創(chuàng)業(yè)

中圖分類(lèi)號(hào)：F822.0? ?文獻(xiàn)標(biāo)識(shí)碼：B? 文章編號(hào)：1674-2265（2019）10-0039-08

DOI：10.19647/j.cnki.37-1462/f.2019.10.006

一、引言

2014年9月，李克強(qiáng)總理在夏季達(dá)沃斯論壇提出“大眾創(chuàng)業(yè)，萬(wàn)眾創(chuàng)新”，掀起創(chuàng)業(yè)浪潮。2018年9月18日，國(guó)務(wù)院下發(fā)《關(guān)于推動(dòng)創(chuàng)新創(chuàng)業(yè)高質(zhì)量發(fā)展打造“雙創(chuàng)”升級(jí)版的意見(jiàn)》，再一次強(qiáng)調(diào)了創(chuàng)新創(chuàng)業(yè)是促進(jìn)我國(guó)經(jīng)濟(jì)穩(wěn)定發(fā)展必不可少的力量，創(chuàng)業(yè)能充分激發(fā)市場(chǎng)主體活力，并且其帶動(dòng)就業(yè)效應(yīng)顯著。在金融市場(chǎng)中，創(chuàng)業(yè)者是資金需求的長(zhǎng)尾群體，在傳統(tǒng)金融機(jī)構(gòu)中借款困難重重，創(chuàng)業(yè)者較小的融資規(guī)模和資本運(yùn)作空間使其并不受大額資本的青睞，如何籌集到足夠資金成為創(chuàng)業(yè)者面臨的困難之一。

作為互聯(lián)網(wǎng)金融的重要組成部分，P2P網(wǎng)絡(luò)借貸為資金需求的長(zhǎng)尾群體提供了新的融資渠道，以一種新型的金融服務(wù)與交易的方式服務(wù)大眾，極大地提高了長(zhǎng)尾群體的金融服務(wù)可得性。為了進(jìn)一步降低企業(yè)的融資成本，央行自2014年11月以來(lái)進(jìn)行了多次降準(zhǔn)降息，使P2P網(wǎng)貸市場(chǎng)的整體利率顯著下降。那么貨幣政策對(duì)P2P網(wǎng)貸平臺(tái)上創(chuàng)業(yè)者這一長(zhǎng)尾群體借貸的影響如何呢？降準(zhǔn)降息的貨幣政策會(huì)在一定程度上降低創(chuàng)業(yè)者在P2P網(wǎng)貸平臺(tái)上的融資成本，并提高他們的借款成功率嗎？研究貨幣政策對(duì)P2P網(wǎng)貸平臺(tái)上創(chuàng)業(yè)者的影響對(duì)創(chuàng)業(yè)者具有重要意義，也為P2P網(wǎng)貸平臺(tái)支持國(guó)家雙創(chuàng)政策、進(jìn)一步實(shí)現(xiàn)普惠金融提供依據(jù)。

二、文獻(xiàn)綜述

國(guó)內(nèi)外對(duì)于P2P網(wǎng)絡(luò)借貸中的借款利率和借款成功率的研究主要分為內(nèi)部影響因素和外部影響因素。內(nèi)部影響因素包括借款人特征和借款標(biāo)的特征。借款人特征上除了傳統(tǒng)人口統(tǒng)計(jì)特征（性別、年齡、健康狀況等）以外，還包括借款人的后天性因素如職業(yè)、學(xué)歷、收入等?；谛詣e差異的研究，竇新華等（2018）發(fā)現(xiàn)女性借款人在中國(guó)P2P網(wǎng)貸市場(chǎng)中受到了較為嚴(yán)重的非理性偏好歧視;陳霄和葉德珠（2016）發(fā)現(xiàn)單身女性受到的歧視更為嚴(yán)重，高學(xué)歷背景也無(wú)助于提高她們的借款成功率。我國(guó)的網(wǎng)絡(luò)借貸中存在婚姻歧視，蔣彧和施一舟（2017）通過(guò)實(shí)證研究得出，相比離異的借款人，已婚借款人的借款成功率更高，并且借款利率更低。Gonzalez和Loureiro（2015）指出青年人常常會(huì)被認(rèn)為是高風(fēng)險(xiǎn)和高違約率的群體，因此他們的借款成功率很低。孫武軍和樊小瑩（2016）認(rèn)為，工作經(jīng)歷與學(xué)歷對(duì)借款成功率有顯著的正向影響，借款人具有越豐富的工作經(jīng)歷或越高的學(xué)歷，其借貸成功率越高。王子敏等（2017）與田秀娟和張智穎（2018）通過(guò)對(duì)P2P網(wǎng)絡(luò)借貸中借款人身份的研究，發(fā)現(xiàn)P2P網(wǎng)絡(luò)借貸中存在對(duì)借款人身份的歧視現(xiàn)象，相較于“小微企業(yè)主”，“工薪階層”的借款成功率更高，借款利率更低。同時(shí)，胡金焱和李建文（2018）發(fā)現(xiàn)創(chuàng)業(yè)者更受投資者的青睞，借款成功率更高，違約率較低，但融資成本卻更高。對(duì)于借款標(biāo)的特征的研究，楊柳和廖波（2018）基于借款用途的不同，得出生產(chǎn)性用途的借款更容易借款成功。借款人上傳的借款信息對(duì)借款是否成功和借款利率的影響也是巨大的。Duarte等（2012）和郭峰（2016）的研究認(rèn)為，借款人使用的借款昵稱越真實(shí)，上傳的照片看上去越值得信賴，借款成功率越高，借款利率越低，并且違約率更低。借款描述的影響也不容小覷，陳霄等（2018）與孟娜娜和粟勤（2018）發(fā)現(xiàn)完整性、可讀性更強(qiáng)的借款描述能向投資者傳遞積極信號(hào)，從而提高借款的成功率。彭紅楓和林川（2018）也發(fā)現(xiàn)積極類(lèi)詞語(yǔ)和金融類(lèi)詞語(yǔ)比重與借款成功率存在顯著正向相關(guān)關(guān)系。

外部因素對(duì)借款利率和借款成功率也有重要的影響。周耿和范從來(lái)（2016）研究表明，降息降準(zhǔn)的貨幣政策實(shí)施對(duì)P2P市場(chǎng)的利率下降產(chǎn)生了顯著影響。Yun Xu等（2011）認(rèn)為社會(huì)資本對(duì)我國(guó)的P2P借貸中借款人的借款成功率存在正向影響。Sergio Herrero-Lopez（2009）認(rèn)為當(dāng)出資者無(wú)法通過(guò)借款人的財(cái)務(wù)特征判斷借款可靠性時(shí)，借款人的社會(huì)特征，例如Berger和Gleisner（2009）研究的群組關(guān)系，Lin和Prabhala等（2013）、Li和Lin等（2015）、Seth和Ginger（2017）研究朋友數(shù)量與質(zhì)量等會(huì)增加借款人獲得貸款的機(jī)會(huì)，同時(shí)降低借款的成本。Burtch和Ghose等（2014）發(fā)現(xiàn)文化習(xí)慣和地理位置對(duì)借貸的影響也是巨大的，文化習(xí)慣、地理位置與出借人更相近的借款人借款成功率更高。廖理等（2014）與孫武軍和丁歆（2017）對(duì)我國(guó)不同地域的P2P網(wǎng)絡(luò)借貸交易進(jìn)行研究，發(fā)現(xiàn)P2P網(wǎng)貸中存在非理性偏好性地域歧視，并且歧視程度因省份所處地域不同而存在差別。同時(shí)吳雨和李潔等（2018）通過(guò)對(duì)地方房?jī)r(jià)的研究發(fā)現(xiàn)，房?jī)r(jià)上漲會(huì)使P2P網(wǎng)絡(luò)借貸市場(chǎng)借款利率整體上升，并且對(duì)三、四線城市的借款利率影響更強(qiáng)。

綜上所述，國(guó)內(nèi)外對(duì)P2P網(wǎng)絡(luò)借貸的借款利率和借款成功率研究對(duì)于借款人特征以及借款標(biāo)的特征關(guān)注較多，對(duì)外部影響因素的研究集中于貨幣政策、社會(huì)資本、房?jī)r(jià)、文化習(xí)慣和地理位置。相對(duì)于內(nèi)部影響因素，現(xiàn)有文獻(xiàn)對(duì)外部影響因素的研究較少，而對(duì)貨幣政策影響因素的研究也主要集中于探索貨幣政策對(duì)平臺(tái)整體的影響，鮮有文獻(xiàn)研究貨幣政策如何影響平臺(tái)中具體的借款者。本文考慮貨幣政策，針對(duì)P2P借貸平臺(tái)上的創(chuàng)業(yè)借款人，從創(chuàng)業(yè)者借款成本以及借款可得性的角度，實(shí)證研究降準(zhǔn)降息的貨幣政策是否會(huì)降低創(chuàng)業(yè)者的融資成本，提高借款成功率。

[?interest?area=β7+β14ptype]

[β14]反映了貨幣政策對(duì)不同地區(qū)投資創(chuàng)業(yè)的借款利率的差異性影響。同理可得，[β15]、[β16]分別反映了寬松貨幣政策對(duì)不同性別、信用評(píng)級(jí)的投資創(chuàng)業(yè)借款利率的差異性影響。對(duì)于模型（1），采用普通最小二乘法（OLS）對(duì)借款利率的檢驗(yàn)進(jìn)行估計(jì)。同時(shí)對(duì)模型進(jìn)行White異方差檢驗(yàn)，發(fā)現(xiàn)存在異方差。為了修正由截面數(shù)據(jù)的異方差問(wèn)題造成的結(jié)果有偏與不一致，本文同時(shí)采用可行的廣義最小二乘法（FGLS）對(duì)模型進(jìn)行檢驗(yàn)分析，提高回歸的一致性與有效性。

其次研究寬松的貨幣政策對(duì)創(chuàng)業(yè)者借款成功率的影響。由于被解釋變量success是0-1二值變量，因此用Probit模型進(jìn)行回歸檢驗(yàn)。本文借鑒胡金焱和李建文（2018）建立的模型，得到模型（2）：

其中，[Yi]為被解釋變量，[Xi]為解釋變量，[BidInfoi]和[BorrowerInfoi]分別表示標(biāo)的的特征變量和借款人的特征變量。

四、數(shù)據(jù)分析

本文使用統(tǒng)計(jì)軟件stata14.0計(jì)算得出實(shí)證結(jié)果，見(jiàn)表5和表6。

（一）對(duì)P2P網(wǎng)絡(luò)借貸平臺(tái)上創(chuàng)業(yè)者借款利率影響的實(shí)證分析

實(shí)證結(jié)果如表5所示。其中OLS和FGLS的估計(jì)結(jié)果基本相同，說(shuō)明模型對(duì)計(jì)量方法并不敏感，具有較好的穩(wěn)健性。絕大部分t值都比較顯著，表明解釋變量對(duì)被解釋變量具有顯著影響。

貨幣政策policy對(duì)P2P網(wǎng)絡(luò)借貸借款人的借貸利率的影響顯著為負(fù)，降準(zhǔn)降息的貨幣政策會(huì)降低P2P網(wǎng)絡(luò)借貸平臺(tái)整體的借款利率，這與周耿和范從來(lái)（2016）的研究結(jié)果是相符的。核心解釋變量ptype的取值為負(fù)，在0.01%水平上顯著，表明實(shí)施降息降準(zhǔn)的貨幣政策后創(chuàng)業(yè)者的借款利率顯著降低。并且無(wú)論是OLS估計(jì)還是FGLS估計(jì)，變量policy的絕對(duì)值都大于ptype系數(shù)，表明雖然降準(zhǔn)降息的貨幣政策會(huì)顯著降低創(chuàng)業(yè)者的借款利率，但相對(duì)于對(duì)P2P網(wǎng)貸平臺(tái)整體借款利率的影響，貨幣政策對(duì)P2P網(wǎng)貸平臺(tái)上創(chuàng)業(yè)者借款利率的影響還是有所不足。在實(shí)施了降準(zhǔn)降息的貨幣政策之后，借款性質(zhì)為投資創(chuàng)業(yè)的借款比其他借款性質(zhì)的借款利率下降得更多，其借款的利率比非創(chuàng)業(yè)者與政策實(shí)施前的創(chuàng)業(yè)者借款利率低37.1個(gè)百分點(diǎn)。

借款屬性與借款人特征對(duì)P2P借款平臺(tái)借款利率的影響與已有研究結(jié)果大致相同。借款金額（lamount）與信用評(píng)級(jí)（rank）對(duì)借款利率的影響均呈反向，借款金額越多，信用等級(jí)越差，借款利率越高。借款性質(zhì)（type）的系數(shù)顯著為正，投資者更傾向非創(chuàng)業(yè)性借款。借款地區(qū)（area）的系數(shù)為負(fù)，東部地區(qū)借款利率更低。已婚借款人比未婚、離異或喪偶的借款人的借款利率低5.1個(gè)百分點(diǎn)，但男性借款人比女性借款人的借款利率反而還高1.1個(gè)百分點(diǎn)。對(duì)于借款人的年齡，借款人每增加10歲，借款利率下降21個(gè)基點(diǎn)。P2P網(wǎng)貸平臺(tái)存在顯著的學(xué)歷歧視，借款人的學(xué)歷越高，借款利率就越低。相對(duì)于高中及以下學(xué)歷的借款者，大專、本科、研究生及以上學(xué)歷的借款者利率都有不同程度的降低，其中研究生及以上學(xué)歷的借款人借款利率最低。這些都與之前研究結(jié)論一致。但本文研究表明借款人工作性質(zhì)（job）為網(wǎng)商或者是私營(yíng)企業(yè)主的借款人借款利率更低，這與田秀娟和張智穎（2018）的研究結(jié)果相反。

交互項(xiàng)[ptype×job]的符號(hào)顯著為正，表明雖然在整體的借款人中網(wǎng)商和私營(yíng)企業(yè)主的借款利率會(huì)更低，但是在實(shí)施降準(zhǔn)降息的貨幣政策之后，具有網(wǎng)商或私營(yíng)企業(yè)主身份的創(chuàng)業(yè)者的借款利率反而會(huì)更高。因?yàn)橄噍^于工薪階層，網(wǎng)商與私營(yíng)企業(yè)主的收入更不穩(wěn)定，投資者認(rèn)為投資給這類(lèi)創(chuàng)業(yè)者的借款發(fā)生違約風(fēng)險(xiǎn)的可能性會(huì)相較于工薪階層的創(chuàng)業(yè)者更高，成功還款的可能性更低。[ptype×area]與[area]的系數(shù)相同，但[ptype×area]的系數(shù)并不顯著，表明在實(shí)施降準(zhǔn)降息之后，東部地區(qū)的借款利率并沒(méi)有顯著低于中西部地區(qū)，東中西部借款成本差異縮小。[ptype×sex]的系數(shù)為正，并在1%的水平上顯著，男性創(chuàng)業(yè)者的借款利率高于女性創(chuàng)業(yè)者，這可能是由于投資者普遍認(rèn)為女性對(duì)風(fēng)險(xiǎn)的偏好更低，更愿意將資金投入風(fēng)險(xiǎn)較低的行業(yè)，因此借款違約的可能性更小，投資者能接受的借款利率也更低。[ptype×rank]的系數(shù)在0.01%的水平上顯著為正，無(wú)論是寬松的貨幣政策實(shí)施前還是實(shí)施后，無(wú)論是非創(chuàng)業(yè)借款人還是創(chuàng)業(yè)借款人，投資者都會(huì)著重考慮借款人的信用評(píng)級(jí)。

（二）對(duì)P2P網(wǎng)絡(luò)借貸平臺(tái)上創(chuàng)業(yè)者借款成功率影響的實(shí)證分析

實(shí)證結(jié)果如表6所示，全部變量t值都在0. 1%的統(tǒng)計(jì)水平上顯著，解釋變量對(duì)被解釋變量具有顯著影響。

P2P網(wǎng)絡(luò)借貸平臺(tái)的借款成功率在降準(zhǔn)降息的貨幣政策實(shí)施后顯著提高6個(gè)基點(diǎn)，創(chuàng)業(yè)者的借款成功率提高了5個(gè)基點(diǎn)。利率對(duì)借款人借款成功率的影響呈倒U形，在利率達(dá)到11.40%之前，利率越高，借款成功率越高;在利率為11.40%時(shí)借款成功率達(dá)到最高點(diǎn);之后借款成功率隨著利率的上升而下降。借款金額依舊與借款成功率成反比，借款金額越高，借款成功率越低。信用等級(jí)對(duì)借款成功率有很大影響，信用等級(jí)越低，借款成功率越低。網(wǎng)商和私營(yíng)企業(yè)主的借款成功率更高，東部地區(qū)借款人也更容易獲得借款，這可能與相較于西部地區(qū)，東部經(jīng)濟(jì)更發(fā)達(dá)，借款人獲得收入渠道可能更多，借款違約風(fēng)險(xiǎn)更低，借款成功率相對(duì)就更高。男性借款成功率更低，已婚人士借款成功率更高，年齡越大、學(xué)歷越高的借款人擁有越高的成功率，其中研究生及以上學(xué)歷的借款人借款可得性最高。

（三）安慰劑檢驗(yàn)

參照徐思和何曉怡（2019）的研究，假定創(chuàng)業(yè)者在P2P網(wǎng)貸平臺(tái)上借款利率的降低與借款成功率的提高與降準(zhǔn)降息的貨幣政策無(wú)關(guān)，而是隨著時(shí)代發(fā)展，創(chuàng)新創(chuàng)業(yè)的提倡，創(chuàng)業(yè)者自身的能力提高所致，進(jìn)一步驗(yàn)證實(shí)證結(jié)果的穩(wěn)健性，本文通過(guò)2015年5月25日至2015年7月25日人人貸的借款數(shù)據(jù)，將2015年6月25日構(gòu)造為虛擬貨幣政策實(shí)施日進(jìn)行安慰劑檢驗(yàn)。檢驗(yàn)結(jié)果如表7和表8所示。

表7中ptype的符號(hào)在1%的水平上顯著為正，表明在虛擬的貨幣政策環(huán)境下，創(chuàng)業(yè)者在P2P網(wǎng)貸平臺(tái)的借款利率顯著提高，policy的符號(hào)也在0.1%的水平上顯著為正，虛擬的貨幣政策環(huán)境會(huì)使P2P網(wǎng)貸平臺(tái)的借款利率顯著上升。這與表5中ptype和policy的符號(hào)相反，表明創(chuàng)業(yè)者借款利率的降低是受到2015年8月25號(hào)降準(zhǔn)降息的貨幣政策的影響，驗(yàn)證了表6實(shí)證結(jié)果的穩(wěn)健性。

表8中ptype和policy的符號(hào)都顯著為正，虛擬的貨幣政策環(huán)境也會(huì)使P2P網(wǎng)貸平臺(tái)整體借款成功率和創(chuàng)業(yè)者的借款成功率顯著提高。這與表6的實(shí)證結(jié)果相同，表明P2P網(wǎng)貸平臺(tái)上創(chuàng)業(yè)者借款可得性的提升不一定是受到2015年8月25日降準(zhǔn)降息的貨幣政策的影響，可能是源于創(chuàng)業(yè)環(huán)境整體趨向利好，創(chuàng)業(yè)者整體素質(zhì)的提高等因素。

五、結(jié)論與建議

本文以網(wǎng)絡(luò)借貸平臺(tái)“人人貸”2015年8月25日降準(zhǔn)降息實(shí)施的前后2個(gè)月的借款人交易信息為樣本，探究了降準(zhǔn)降息的貨幣政策對(duì)創(chuàng)業(yè)者在P2P網(wǎng)貸平臺(tái)融資成本的影響。實(shí)證結(jié)果表明，在控制了借款人特征和借款標(biāo)的特征之后，中央銀行進(jìn)行降準(zhǔn)降息顯著降低了創(chuàng)業(yè)者在P2P網(wǎng)貸平臺(tái)的借款利率，并且通過(guò)安慰劑檢驗(yàn)驗(yàn)證了這一結(jié)果的穩(wěn)健性。雖然創(chuàng)業(yè)者的借款可得性也有顯著的上升，但通過(guò)安慰劑檢驗(yàn)發(fā)現(xiàn)降準(zhǔn)降息只是創(chuàng)業(yè)者借款成功率提升的因素之一，創(chuàng)業(yè)者借款成功率還受其他因素的影響，例如創(chuàng)業(yè)者自身的因素等。整體來(lái)看，無(wú)論政策實(shí)施前后，東部地區(qū)的借款利率比其他地區(qū)的借款利率更低，并且借款可得性更高，這從某一程度上反映了借款依然存在地區(qū)不平衡的問(wèn)題。女性創(chuàng)業(yè)者在降準(zhǔn)降息后，融資成本低于男性創(chuàng)業(yè)者。同時(shí)，我們也發(fā)現(xiàn)，借款人信用評(píng)級(jí)對(duì)借款利率和借款成功率的影響是顯著的。

根據(jù)結(jié)論，提出以下建議：應(yīng)加強(qiáng)貨幣政策對(duì)創(chuàng)新創(chuàng)業(yè)的支持力度，在維持經(jīng)濟(jì)穩(wěn)定發(fā)展的同時(shí)，制定針對(duì)降低創(chuàng)業(yè)者融資成本的相關(guān)政策，提升創(chuàng)業(yè)者在傳統(tǒng)金融機(jī)構(gòu)和P2P網(wǎng)貸平臺(tái)上的借款可得性。創(chuàng)業(yè)者也應(yīng)從自身出發(fā)，增強(qiáng)對(duì)創(chuàng)業(yè)項(xiàng)目可行性的辨識(shí)，接受社會(huì)成功創(chuàng)業(yè)人士、企業(yè)家的指導(dǎo)，提高創(chuàng)業(yè)成功的可能性，從根本上提高自身在P2P網(wǎng)貸平臺(tái)上的信用評(píng)級(jí)，增加可認(rèn)證信息，保證信息的真實(shí)性，減少信息不對(duì)稱，從自身角度降低融資成本，提高借款成功率。同時(shí)，P2P網(wǎng)絡(luò)借貸平臺(tái)應(yīng)該充分發(fā)揮其連接創(chuàng)業(yè)者等借款人和投資者的中介職能，更好地配置資源，緩解供需的地區(qū)不平衡問(wèn)題。并且，P2P網(wǎng)貸平臺(tái)應(yīng)不斷完善信用評(píng)級(jí)系統(tǒng)，加強(qiáng)對(duì)創(chuàng)業(yè)者身份的識(shí)別能力，降低創(chuàng)業(yè)者融資成本的同時(shí)，為投資者提供一個(gè)更為安全的平臺(tái)，使創(chuàng)業(yè)者在P2P網(wǎng)貸平臺(tái)進(jìn)行的融資活動(dòng)更為健康、可持續(xù)。

參考文獻(xiàn)：

[1]Laura Gonzalez，Yuliya Komarova Loureiro. 2014. When can A Photo Increase Credit？ The Impact of Lender and Borrower Profiles on Online Peer-to-peer Loans[J].Journal of Behavioral and Experimental Finance，2.

[2]Duarte J，Siegel S，Young L. 2012. Trust and Credit：The Role of Appearance in Peer-to-peer Lending[J]. Review of Financial Studies，25（8）.

[3]Yun X，Qiu J，Lin Z. 2011. How Does Social Capital Influence Online P2P Lending？ A Cross-Country Analysis[C]// Fifth International Conference on Management of E-commerce & E-government.

[4]Herrero-Lopez S. 2009. Social Interactions in P2P Lending[C]//Proceedings of the 3rd Workshop on Social Network Mining and Analysis，SNAKDD 2009，Paris， France， June 28，2009. DBLP.

[5]Berger S C，Gleisner F. 2009. Emergence of Financial Intermediaries in Electronic Markets： The Case of Online P2P Lending[J]. BuR-Business Research，2（1）.

[6]Lin M，Prabhala N， Viswanathan S. 2013. Judging Borrowers by the Company They Keep：Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending[J].Social Science Electronic Publishing，59（1）.

[7]Li S，Lin Z，Qiu J，et al. 2015. How Friendship Networks Work in Online P2P Lending Markets[J].Nankai Business Review International，6（1）.

[8]Freedman S，Jin G Z. 2017. The Information Value of Online Social Networks：Lessons from Peer-to-peer Lending☆[J].International Journal of Industrial Organization，51.

[9]Burtch G，Ghose A，Wattal S. 2014. Cultural Differences and Geography as Determinants of Online Prosocial Lending[J].MIS Quarterly，38（3）.

[10]周耿，范從來(lái).貨幣政策對(duì)P2P網(wǎng)貸市場(chǎng)利率的影響研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016，（6）.

[11]竇新華，孟鑫泊，周方召.P2P網(wǎng)絡(luò)借貸中的“性別歧視”——來(lái)自人人貸數(shù)據(jù)的經(jīng)驗(yàn)研究[J].軟科學(xué)，2018，32（8）.

[12]陳霄，葉德珠.中國(guó)互聯(lián)網(wǎng)金融中的性別歧視研究[J].金融評(píng)論，2016，8（2）.

[13]蔣彧，施一舟.P2P網(wǎng)絡(luò)借貸中的婚姻歧視現(xiàn)象——基于“人人貸”的經(jīng)驗(yàn)數(shù)據(jù)[J].財(cái)經(jīng)論叢，2017，（9）.

[14]孫武軍，樊小瑩.從業(yè)經(jīng)歷和教育背景是否能提高借貸成功率？——來(lái)自P2P平臺(tái)的經(jīng)驗(yàn)證據(jù)[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016，（3）.

[15]王子敏，李嬋娟，季仁春.信息披露、投資偏好與大眾創(chuàng)業(yè)的互聯(lián)網(wǎng)金融支持——基于人人貸數(shù)據(jù)的研究[J].財(cái)經(jīng)論叢，2017，（11）.

[16]田秀娟，張智穎.P2P網(wǎng)絡(luò)借貸職業(yè)身份的信貸歧視：基于投資者認(rèn)知偏差視角[J].改革，2018，（5）.

[17]胡金焱，李建文.“雙創(chuàng)”背景的新型金融模式：解構(gòu)P2P網(wǎng)絡(luò)借貸[J].改革，2018，（3）.

[18]楊柳，廖波.網(wǎng)貸投資者對(duì)借款用途的偏好行為研究——基于“人人貸”數(shù)據(jù)的經(jīng)驗(yàn)分析[J].管理現(xiàn)代化，2018，38（5）.

[19]郭峰. 網(wǎng)絡(luò)昵稱與P2P借貸的成功率和違約率[J]. 經(jīng)濟(jì)科學(xué)， 2016，（6）.

[20]陳霄，葉德珠，鄧潔.借款描述的可讀性能夠提高網(wǎng)絡(luò)借款成功率嗎[J].中國(guó)工業(yè)經(jīng)濟(jì)， 2018，（3）.

[21]孟娜娜，粟勤.軟信息對(duì)網(wǎng)貸平臺(tái)借款人的借款獲得與違約風(fēng)險(xiǎn)的影響——來(lái)自“人人貸”的經(jīng)驗(yàn)證據(jù)[J].中國(guó)流通經(jīng)濟(jì)，2018，（3）.

[22]彭紅楓，林川.言之有物：網(wǎng)絡(luò)借貸中語(yǔ)言有用嗎？——來(lái)自人人貸借款描述的經(jīng)驗(yàn)證據(jù)[J].金融研究，2018，（11）.

[23]廖理，李夢(mèng)然，王正位.中國(guó)互聯(lián)網(wǎng)金融的地城歧視研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014，（5）.

[24]孫武軍，丁歆.地域歧視、融資者異質(zhì)性與P2P網(wǎng)絡(luò)借貸——以四川、安徽、河南、新疆四省份為例的經(jīng)驗(yàn)研究. 產(chǎn)業(yè)組織評(píng)論， 2017，（2）.

[25]吳雨，李潔，尹志超.房?jī)r(jià)上漲對(duì)P2P網(wǎng)絡(luò)借貸成本的影響分析——來(lái)自“人人貸”的經(jīng)驗(yàn)證據(jù)[J].金融研究，2018，（11）.

[26]徐思，何曉怡，鐘凱.“一帶一路”倡議與中國(guó)企業(yè)融資約束[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019，（7）.