金融科技背景下P2P網貸平臺：進展與展望

林艷艷　張盼盼　侯席培

摘 要：P2P網貸平臺由于門檻低、便捷、收益高等特點在過去十年獲得迅速發展，但同時由于高風險、不易監管等特征在近幾年又逐漸回落，引起較大關注。在金融科技、互聯網金融的新背景下，P2P平臺又受到什么樣的影響，是個值得探討的話題。論文首先從硬信息、軟信息、羊群行為三個方面總結了信息不對稱對P2P平臺的影響；其次以風險控制與相對于銀行的中介功能兩個角度為切入點，關注金融科技對P2P平臺的影響；最后就金融科技對未來P2P網貸形式的轉換以及創新發展進行展望，以期為進一步開展相關研究提供參考。

關鍵詞：P2P網貸；硬信息；軟信息；羊群行為；金融科技

中圖分類號：F 83

文獻標志碼：A

P2P Online Lending Platform：Progress and Prospect

LIN Yanyan ZHANG Panpan HOU Xipei

（Antai School of Economics and Management， Shanghai Jiao Tong University， Shanghai 300020， China）

Abstract：The P2P online lending platform has developed rapidly in the past ten years due to the characteristics of low threshold， convenience and high income， but at the same time， due to the characteristics of high risk and difficult supervision， it has gradually declined in recent years， which has attracted great attention. Under the new background of fintech and Internet finance， what kind of impact the P2P platform is receiving is a topic worthy of discussion. This paper first summarizes the impact of information asymmetry on P2P platforms from three aspects：hard information， soft information， and herd behavior. Secondly， from the perspectives of risk control and intermediary functions relative to banks， it focuses on the impact of financial technology on P2P platforms. Finally， the development of financial technology will look forward to the future form transformation and innovative development of P2P online lending， in order to provide reference value for further relevant research.

Key words：P2P online lending; hard information; soft information; herd behavior; financial technology

0 引言

從互聯網時代到金融科技時代，P2P平臺的發展給人們生活帶來極大影響。P2P網貸也稱市場借貸，是指個人或企業通過P2P網貸平臺向其他個人或機構貸方借貸。它是沒有傳統金融中介機構參與，能夠作為銀行貸款替代品的一種借貸。Lin等 （2013） 指出P2P個體之間可能是不存在聯系的陌生人，而非放貸人與企業家、管理人員或企業存在社會關系，P2P網貸僅僅為網絡的需求 （借款人） 和供給 （放貸人） 之間提供一個交互的平臺。借貸雙方的信息不對稱是P2P借貸面臨的主要挑戰之一。P2P貸款的前期工作包括對借款人進行預篩選、信用評分等，故如何廣泛收集信息，減少信息不對稱的影響，提高評分的準確性，是P2P平臺研究的重點。

過去十年中，Lending Club、Prosper和Funding Circle等網貸平臺，在消費者和小型企業借貸中迅速獲得了市場份額，但由于潛在風險的爆發，在近幾年出現部分回落，到2020年底P2P基本關閉。在此期間，國家出臺一系列行業法規以規范行業發展，同時也有諸多學者針對P2P網貸進行相應的研究。金融科技的發展，催生了以眾籌、大數據金融等為代表的互聯網金融創新模式。

基于以上背景，本文首先對以往研究中P2P平臺的影響因素進行分類總結；其次關注互聯網以及金融科技對P2P平臺的影響；最后就金融科技對未來P2P網貸形式的轉換以及創新發展進行展望，以期為進一步開展相關研究提供參考。

1 信息不對稱對P2P平臺的影響

在平臺注冊的借款人提交借款需求的同時，需向平臺提供相應的信息，不同的平臺對信息提交的要求不同。對于個體而言，需要提交的信息包括收入的詳細信息、就業情況、其他負債、借款的目的以及個人說明。Greiner （2010）的研究結果表明對于P2P借貸市場而言，提供有關借款人的經濟狀況 （例如信用等級和房屋所有權） ，其社會資本 （例如社會群體身份和背書） 以及貸款質量的信息 （例如貸款說明和圖片） 非常重要。Lynn等 （2019） 在書中指出，有關P2P借貸的研究發現，信息不對稱的程度會影響P2P平臺能否生存以及是否成功。P2P平臺和放貸人都會通過一系列的機制使得信息不對稱的影響最小化，最常見的是“硬信息”“軟信息”機制，此外還涉及“羊群行為”的研究（有關的定義詳見后文）。Greiner （2010） 認為P2P交易雙方的信任以及信任機制的建立可以減少信息不對稱引起的不確定性。Iyer等 （2016） 指出P2P市場中的放貸人會使用市場提供的豐富信息集來推斷借款人的信譽。因此，如何根據已有信息對借貸行為進行定量定性分析，建立信任機制，對于促進P2P市場的繁榮發展至關重要。所以，本部分主要從硬信息、軟信息、羊群行為三個方面對P2P平臺發展的相關研究文獻進行歸類總結。

1.1 硬信息

“硬信息”指可以準確量化和有效傳輸的信息。Yum等 （2012） 通過實證研究證實，放貸人更加重視反復交易產生的硬信息。Emekter等 （2015） 發現信用等級、負債收入比等在貸款違約中起著重要作用。

1.1.1 信用等級

Duarte等 （2012） 發現對個體信用的印象在金融交易中具有重要影響，因為它們可以預測借款人以及放貸人的行為。Emekter等 （2015） 使用Lending Club 的數據進行研究，強調了信用等級作為信號的重要性，指出較高的信用等級可以提高貸款融資的成功率和降低違約風險。Freedman和Jin （2017） 認為 Prosper平臺的放貸人由于觀察的是經過匯總的借款人信用等級類別，而不是實際的信用分數，故會面臨逆向選擇問題。但若平臺發布更詳細的信用信息，逆向選擇問題會得到緩解。同樣，最近的研究表明，信用等級可能不能對借款人信用度準確估計，并且進一步的信息披露可以提高用于P2P借貸決策的硬信息的準確性。Iyer等 （2016） 的研究也表明Prosper上的放貸人比僅僅根據借款人信用分數對借款人違約率進行預測的準確率要高45%。

1.1.2 種族及性別

黑人借款人的調查結果與統計層面上的種族歧視是相符的，作者還發現女性獲得貸款的可能性更高。Pope和Sydnor （2011） 發現相同信用評級下，黑人獲得貸款的可能性比白人低25%～35%。同時，由于黑人違約率相對較高，故對黑人收取的平均利率更高。Ravina （2019） 的研究支持以上結論。Tao等 （2017） 發現中國P2P網絡借貸平臺特有的線下身份驗證過程有助于減少該市場中種族歧視的發生。Pope和Sydnor （2011） 針對觀察到的黑人比白人違約率更高的現象提出三個有效的解釋，從而論證P2P借貸市場實際上比所預期的要更平等對待不同種族的借款人。

1.1.3 貸款利率

Rigbi （2013）的研究表明較高的利率上限會增加貸款融資的可能性，尤其是借款人只是暫時性資金短缺的時候。廖理等 （2014） 指出人人貸借貸平臺非完全市場化的利率部分反映了借款人的違約風險。Duarte等 （2012） 對放貸人利率設定的有效性進行了測試，研究表明可信賴度處于前20%的借款人能以低于平均借款人136個基點的利率獲得貸款；除此之外如果獲得貸款，其支付的利率要比不太可信的借款人低50個基點。

1.2 軟信息

“軟信息”指難以量化的信息。P2P市場貸款的文獻主要集中在借款人的軟信息如何改善貸款結果方面。Freedman和Jin （2017）發現某些社交網絡變量可能傳達有關借款人風險的軟信息，從而彌補Prosper.com上缺乏硬信息的情況不足。此外，也有部分學者研究軟信息對放貸人的影響。Vallée和Zeng （2019） 首次對放貸人特征如何影響貸款篩選結果進行研究。更進一步，Iyer等 （2016） 指出對于質量相對較低的借款人而言，非標準化或軟信息的使用對于放貸人在進行借款人搜索時更為重要。本文根據所披露的信息按照軟信息標準從照片、社交網絡、心理和行為因素等方面對已有文獻進行歸類總結。

1.2.1 照片

Ravina （2019） 發現，在控制信用、房屋所有權以及其他硬性財務信息后，借款人種族、年齡等個人特征都會影響放貸人的決策，并與其事后表現相關。此外，也有學者對個人吸引力進行了研究。Duarte等 （2012） 發現借款人的吸引力幾乎沒有作用，與Gonzalez和Loureiro （2014） 的研究結論相悖，作者指出貸款成功的可能性與借款人和放貸人之間相對年齡和吸引力緊密相關。Ravina （2019） 也證明了吸引力的作用，其研究發現具有吸引力的借款人更有可能以較低的利率獲得貸款，這與美女在市場上能獲得優惠待遇的故事相吻合。

1.2.2 社交網絡

社交網絡會影響借款人的信用風險。Lin等 （2013） 認為平臺所體現的友誼網絡是信用質量高低的信號。已有研究表明貸方將這些社會關系解釋為有關借款人質量的積極信息，所觀察到的社會關系會提高融資概率、降低利率，Freedman和Jin （2017） 發現社交網絡具有一定的價值，但遠非一個完美的信號，市場不能完全理解社交網絡與借款人質量之間的信號傳導效應，因此需對已有的友誼網絡進行更深層次的細化。Lin等 （2013） 指出朋友類型對貸款選擇及貸款結果均產生影響。

1.2.3 心理和行為因素

Galak等 （2011） 證明親社會行為心理對借款人選擇的影響，研究結果指出放貸人更傾向于向單個借款人和與自己性別、職業和名字首字母更相像的人進行放貸。Chemin和Laat （2013） 發現放貸人的慈善行為可能會降低貸款利率。Kawai （2014） 發現較低的準備金金額導致貸款融資的可能性下降，從而有效區分良好的和不良的借款人。Hildebrand等 （2017） 研究發現投資者是否存在獎勵對所發放貸款的數量和種類、利率及績效的影響存在明顯差異。

1.3 羊群行為

羊群行為指個體追隨其他個體的做法，即使他所擁有的私人信息表明不應該如此做。Bikhchandani和Sharma （2000） 對羊群行為進行了更詳細的定義，即個體在未知道其他投資者的決策時進行投資，但若發現其他投資者不進行投資則會放棄該投資；反之，若其發現其他投資者正在投資則會決定將不投資變為投資。

1.3.1 基于美國的研究

Lynn等 （2019） 在其書中將P2P平臺的羊群行為分為理性和非理性兩種。Zhang和Chen （2017） 發現放貸人的決策會受到市場中其他人的影響，并在某些情況下做出非理性的跟隨他人的行為。Zhang和Liu （2012） 為放貸人的羊群行為是理性的提供了證據。Greiner （2013）探究影響羊群行為數量的因素、羊群行為的后果以及對市場參與者影響的好壞。Zhang和Liu （2012） 指出理性的羊群行為優于不理性的羊群行為。

1.3.2 基于中國的研究

與美國相比，中國市場存在不成熟以及投資者經驗不足等缺點，故造成不同的投資行為。也就是說，放貸人的行為在不同的市場環境以及具有不同貸款經驗的群體中有所不同，所以美國貸款市場的調查結果不能簡單地應用于中國等新興市場。近來，學者們在已有研究的基礎上，紛紛對中國市場的P2P羊群行為展開研究，發現羊群行為在中國P2P市場尤為顯著。針對中國市場的研究同樣證明羊群行為是存在理性和非理性的。Chen和Lin （2014） 用中國最大的P2P平臺PPdai.com的數據，發現羊群行為主要由非理性主導。這與根據美國Prosper.com的數據獲得的結果存在差異，作者將其歸因于文化和經濟因素的不同。

Caglayan等 （2021） 用中國領先的P2P平臺Renrendai.com中大約500萬個放貸人每小時的數據，進行高維固定效應估算，提供了放貸人羊群行為的證據。Zhang和Chen （2017） 同樣用Renrendai.com的小時數據展開研究，同時控制融資比例以及借款時限，發現放貸人之間存在模仿彼此行為的現象。Liu等 （2015） 用中國另外一大P2P平臺PPdai.com的數據也同樣提供了羊群行為的證據。廖理等 （2018） 研究發現在控制借款各項特征的情況下，隨著羊群效應的增強，借款的違約率在下降。

1.3.3 基于韓國等其他國家的研究

也有部分學者對韓國等其他國家進行研究。Lee等（2012） 使用韓國最大的P2P平臺Popfunding.com的數據，研究發現該市場存在顯著的羊群效應且其邊際效應是遞減的。Yum等 （2012） 同樣采用該平臺的數據，他們的研究結果證實當關于借款人信用度的信息極為有限時，放貸人會從人群中尋找答案；而當具有更多可驗證的信息時，放貸人會傾向于放棄市場的集體意見并依靠自己的推理進行判斷。

2 金融科技對P2P平臺的影響

風險控制是 P2P借貸的核心競爭力，科技助力其高效健康成長。大數據、區塊鏈、云計算、人工智能等技術的發展為網絡借貸的發展提供了條件。大數據征信通過對零碎多維的信息進行篩選和匯總，解決網絡借貸信息不對稱、征信成本高等問題。區塊鏈技術能為P2P交易提供技術支撐。云計算、人工智能等技術一方面能夠對借款方進行風險測定，另一方面能夠優化放貸方傳統的人工審核模式，提高效率，實現智能決策。

2.1 P2P 網貸風險控制

林春雨等 （2015） 采用大數據技術，構建P2P網絡借貸平臺風險預警模型。也有學者使用不同的金融科技技術構建P2P網絡借貸平臺信用評級方案，如仇曉霞 （2016） 基于BP神經網絡模型，而謝術芳 （2016） 則基于云計算。范超等 （2017） 研究發現支持向量機、樹類等非線性模型對預判P2P平臺風險更加有效。Bastani等 （2019） 利用Wide & Deep學習提出的兩階段評分方法優于現有的信用評分。Cong等 （2021） 提出關于加密貨幣的動態資產定價模型，模型允許用戶在數字平臺上進行P2P交易。

2.2 P2P 網貸金融中介功能研究

人們普遍認為，金融中介主要是為了減少借款人與放貸人之間的信息不對稱。Thakor （2020） 在其研究中提出金融科技背景下P2P平臺是否會取代傳統銀行借貸的疑問。

部分學者對消費者信貸市場中P2P平臺與傳統銀行之間為替代還是補充關系進行了理論和實證研究。從理論上講，以技術為基礎 （金融科技）的貸方對銀行信貸的影響是模棱兩可的。如果金融科技貸方違約風險增加，則銀行可以減少信貸；反之則增加信貸。從實證上講，Vallée和Zeng （2019） 提到P2P平臺由貸方完全承擔貸款風險的方式對傳統借貸方式中銀行的角色產生挑戰。Balyuk和Davydenko （2019） 認為P2P借貸平臺已經演變成新的中介機構，它能夠在沒有銀行作為中介的條件下將借款人和貸款人聚集在一起。由于P2P平臺發起貸款的固定成本相對較低，故P2P貸款對于銀行邊際借款起到替代作用，對銀行的小額貸款起到補充作用。De Roure等 （2022） 通過P2P貸款和德國銀行信貸市場的數據實證檢驗得出：（1） 當一些銀行面臨較高的監管成本時，P2P貸款會增長；（2） P2P貸款比銀行貸款風險更大；（3） P2P貸款的風險調整利率低于銀行貸款的利率。Thakor （2020） 對兩者的關系進行總結，指出P2P借貸將使銀行失去一些市場份額，但暫時并無法取代銀行借貸。此外，作者提出自己的暢想，認為銀行會收購P2P平臺或與其合作，最終會建立自己的P2P平臺。

近來，也有一些新的學者探索不同于以上的研究視角。Franks等 （2021） 對Propser.com在早期階段從基于拍賣的定價機制轉向平臺直接定價的動機進行研究。緊接著，Liskovich和Shaton （2017） 指出基于此轉變，經驗不足的借款人會迅速退出市場，最終主要對高風險借款人產生影響，作者對借款人的信貸成本進行研究，強調了金融創新的作用。Vallée和Zeng （2019） 認為低成本的信息技術創新能有效評估潛在的貸款申請風險，從而實現對借款人的預篩選。Iyer等 （2016） 指出P2P網貸市場不僅能對借款人進行有效篩選，同時其基于非抵押品的貸款結構特征為小額借款人提供了潛在的資本來源。

2.3 總結和展望

本文全面回顧了P2P有關的研究，并結合現階段互聯網金融、金融科技的大背景對文獻進行分類總結。本文首先對影響P2P平臺發展的因素進行詳實且細致的歸總，包括硬信息、軟信息以及羊群行為三個方面。其中：硬信息包括信用等級、種族及性別和貸款利率等容易獲取的信息；軟信息涵蓋照片、社交網絡、心理和行為因素等非結構化的信息；羊群行為則包含美國、中國、韓國等國家的研究。其次關注金融科技大背景下P2P的研究現狀，包括風險控制以及其相對于銀行的中介功能。

隨著金融科技涉及的大數據、區塊鏈、云計算、人工智能等前沿技術在金融行業應用的不斷深入，P2P行業也面臨新的變革，催生新的形式?，F階段P2P雖已基本關閉，但P2P的研究仍意義重大，未來P2P若重啟，其發展將進入新階段，給傳統銀行經營帶來沖擊，同時監管也面臨新的挑戰?；诖吮尘?，提出以下三個P2P發展方面本文認為值得進一步探索的話題。

大數據與P2P相結合。大數據的發展，使得數字足跡能夠提供與預測違約有關的重要信息，這有可能會威脅金融中介機構的信息優勢并對其業務模式形成挑戰。關于大數據與P2P的研究，應著重理論與實證研究的結合，故未來的研究可側重于以下兩個方面：第一，理論基礎的構建。未來P2P的應用范圍從簡單的自動化到復雜的決策制定許多依賴于大數據，故進行理論探索為實證研究提供依據是重中之重。第二，實證應用的拓寬。如大數據環境下新信息的研究，現有研究已涉及基于文本的機器學習算法可發掘金融中介無法訪問或使用的軟信息，在信貸分析中發揮重要作用。未來研究可進一步探索金融評分體系的構建，完善信用識別的內容，從而提高風險預警的水平。

區塊鏈與P2P相結合。數字貨幣應用、智能合約應用是目前區塊鏈技術的主要應用方向，未來區塊鏈技術可逐步延伸至互聯網借貸、金融產品識別交易等方向，為雙方交易提供安全可信任的環境。未來的研究可側重于區塊鏈技術在P2P領域的應用，包括影子銀行、眾籌的進一步探索發展。

云計算、人工智能與P2P相結合。人工智能通過機器學習等技術，通過不斷學習和試錯從而不停地調整交易策略，有效管理風險。如果特定風險被適當管理，則人工智能將前景光明。

已有研究主要關注新技術發展對現有金融中介帶來的沖擊影響，未來研究可關注：一是不同金融中介作為信貸供應方對最終消費者以及投資者的影響。信貸儲蓄如何受到影響？流動資金的供應如何受到影響？ 這些影響如何轉化為福利？二是新環境下，面臨傳統銀行、影子銀行和非中介金融機構共存的現象，如何對現有的金融中介理論進行調整，如傳統商業銀行和P2P網絡借貸之間并駕齊驅的機制能否在信貸市場上更廣泛地進行。

參考文獻：

［1］LU B， HAO S， PINEDO M， et al. Frontiers in service science：fintech operations：an overview of recent developments and future research directions［J］. Service Science， 2021， 13（1）：19-35.

［2］LIN M， PRABHALA N R， VISWANATHAN S. Judging borrowers by the company they keep：friendship networks and information asymmetry in online peer-to-peer lending［J］. Management Science， 2013， 59（1）：17-35.

［3］LYNN T， MOONEY J G， ROSATI P， et al. Disrupting finance：FinTech and strategy in the 21st century［M］. Springer Nature， 2019.

［4］VALLEE B， ZENG Y. Marketplace lending：a new banking paradigm？［J］. The Review of Financial Studies， 2019， 32（5）：1939-1982.

［5］GREINER M. Determinants and consequences of herding in P2P lending markets［J］. Proceedings of the 19th Americas Conference on Information Systems， Chicago， 2013：15-17.

［6］IYER R， KHWAJA A I， LUTTMER E F P， et al. Screening peers softly：inferring the quality of small borrowers［J］. Management Science， 2016， 62（6）：1554-1577.

［7］LEE I. Encyclopedia of e-commerce development， implementation， and management［M］.Hershey：IGI global， 2016.

［8］YUM H， LEE B， CHAE M. From the wisdom of crowds to my own judgment in microfinance through online peer-to-peer lending platforms［J］. Electronic Commerce Research and Applications， 2012， 11（5）：469-483.

［9］EMEKTER R， TU Y， JIRASAKULDECH B， et al. Evaluating credit risk and loan performance in online peer-to-peer （P2P） lending［J］. Applied Economics， 2015， 47（1）：54-70.

［10］DUARTE J， SIEGEL S， YOUNG L. Trust and credit：the role of appearance in peer-to-peer lending［J］. The Review of Financial Studies， 2012， 25（8）：2455-2484.

［11］FREEDMAN S， JIN G Z. The information value of online social networks：lessons from peer-to-peer lending［J］. International Journal of Industrial Organization， 2017， 51：185-222.

［12］TAO Q， DONG Y， LIN Z. Who can get money？ Evidence from the Chinese peer-to-peer lending platform［J］. Information Systems Frontiers， 2017， 19（3）：425-441.

［13］RAVINA E. Love & loans：the effect of beauty and personal characteristics in credit markets［J］. Available at SSRN 1107307， 2019.

［14］POPE D G， SYDNOR J R. What's in a picture？ Evidence of discrimination from prosper. com［J］. Journal of Human Resources， 2011， 46（1）：53-92.

［15］RIGBI O. The effects of usury laws：evidence from the online loan market［J］. Review of Economics and Statistics， 2013， 95（4）：1238-1248.

［16］廖理， 李夢然， 王正位. 聰明的投資者：非完全市場化利率與風險識別：來自P2P網絡借貸的證據［J］. 經濟研究， 2014， 49（7）：125-137.

［17］GONZALEZ L， LOUREIRO Y K. 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， 2014， 2：44-58.

［18］MORSE A. Peer-to-peer crowdfunding：information and the potential for disruption in consumer lending［J］. Annual Review of Financial Economics， 2015， 7：463-482.

［19］GALAK J， SMALL D， STEPHEN A T. Microfinance decision making：a field study of prosocial lending［J］. Journal of Marketing Research， 2011， 48（SPL）：S130-S137.

［20］CHEMIN M， DE LAAT J. Can warm glow alleviate credit market failures？ Evidence from online peer-to-peer lenders［J］. Economic Development and Cultural Change， 2013， 61（4）：825-858.

［21］KAWAI K， ONISHI K， UETAKE K. Signaling in online credit markets［J］. Journal of Political Economy， 2022， 130（6）：000-000.

［22］HILDEBRAND T， PURI M， ROCHOLl J. Adverse incentives in crowdfunding［J］. Management Science， 2017， 63（3）：587-608.

［23］BANERJEE A V. A simple model of herd behavior［J］. The Quarterly Journal of Economics， 1992， 107（3）：797-817.

［24］BIKHCHANDANI S， SHARMA S. Herd behavior in financial markets［J］. IMF Staff Papers， 2000， 47（3）：279-310.

［25］ZHANG K， CHEN X. Herding in a P2P lending market：rational inference or irrational trust？［J］. Electronic Commerce Research and Applications， 2017， 23：45-53.

［26］ZHANG J，? LIU P. Rational herding in microloan markets［J］. Management Science， 2012， 58（5）：892-912.

［27］CAGLAYAN M， TALAVERA O， ZHANG W. Herding behaviour in P2P lending markets［J］. Journal of Empirical Finance， 2021， 63：27-41.

［28］LIU D， BRASS D， LU Y， et al. Friendships in online peer-to-peer lending：pipes， prisms， and relational herding［J］. MIS Quarterly， 2015， 39（3）：729-742.

［29］廖理， 向佳， 王正位. P2P借貸投資者的群體智慧［J］. 中國管理科學， 2018， 26（10）：30-40.

［30］LEE E， LEE B. Herding behavior in online P2P lending：an empirical investigation［J］. Electronic Commerce Research and Applications， 2012， 11（5）：495-503.

［31］林春雨，李崇綱，許方圓，等.基于大數據技術的P2P網貸平臺風險預警模型［J］.大數據， 2015， 1（4）：18-28.

［32］仇曉霞.P2P網絡借貸平臺信用評級研究［D］.上海：上海工程技術大學， 2016.

［33］謝術芳.云計算在企業信用評級系統中的應用［D］.濟南：山東大學， 2016.

［34］范超，王磊，解明明.新經濟業態P2P網絡借貸的風險甄別研究［J］.統計研究，2017，34（2）：33-43.

［35］BASTANI K， ASGARI E， NAMAVARI H. Wide and deep learning for peer-to-peer lending［J］. Expert Systems with Applications， 2019， 134：209-224.

［36］CONG L W， LI Y， WANG N. Tokenomics：dynamic adoption and valuation［J］. The Review of Financial Studies， 2021， 34（3）：1105-1155.

［37］THAKOR A V. Fintech and banking：what do we know？［J］. Journal of Financial Intermediation， 2020（41）：100833.

［38］BALYUK T. Financial innovation and borrowers：evidence from peer-to-peer lending［J］. Social Science Research Network， 2019.

［39］BALYUK T， DAVYDENKO S. Reintermediation in FinTech：evidence from online lending［J］. Journal of Financial and Quantitative Analysis， 2019：1-75.

［40］TANG H. Peer-to-peer lenders versus banks：substitutes or complements？［J］. The Review of Financial Studies， 2019， 32（5）：1900-1938.

［41］DE ROURE C， PELIZZON L， THAKOR A. P2P lenders versus banks：cream skimming or bottom fishing？［J］. The Review of Corporate Finance Studies， 2022， 11（2）：213-262.

［42］FRANKS J， SERRANO-VELARDE N， SUSSMAN O. Marketplace lending， information aggregation， and liquidity［J］. The Review of Financial Studies， 2021， 34（5）：2318-2361.

［43］LISKOVICH I， SHATON M. Borrowers in search of feedback：evidence from consumer credit markets［J］. 2017.

［44］BERG T， BURG V， GOMBOVIC′ A， et al. On the rise of fintechs：credit scoring using digital footprints［J］. The Review of Financial Studies， 2020， 33（7）：2845-2897.