毕业论文网
这是一篇与比较分析论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。
国内P2P网络借贷平台借款人特征比较分析以人人贷和向上360为例
摘 要:P2P近年来呈现出爆炸性增长的发展态势.我国对P2P网贷的研究起步较晚,大多阐述P2P网贷运营模式、风险及对策建议.文章收集了国内人人贷和向上360网络贷款平台的交易数据,对网贷平台借款人的特征进行比较,并分析其中存在的各种歧视现象,从而为借款者、P2P网贷平台等提供借鉴意义.研究发现：P2P网人主要为中青年人；P2P网贷平台通常偏好向三类人批复相对较高的授信额度：有房产或车产的人、年龄稍长的人、高收入者.此外,学历对借款成功率也有一定程度的影响,且不同模式的平台受各因素的影响程度不同,信用贷款比抵押贷款更看重学历、年龄等更多信息.
关键词：P2P网络借贷平台；借款人特征；比较分析
中图分类号：F830.5
文献标志码：A
文章编号：1673-3851(2018)06-0222-08
随着利率市场化、金融脱媒以及民间借贷的火爆,P2P网贷平台数量快速增长.国际上很多学者对这些平台进行了研究.国内学者对于P2P网贷领域的研究起步较晚,大多数研究都是分析P2P网贷平台的运营模式和存在的问题、P2P网贷存在的风险和监管问题以及借款人违约特征.那么P2P网贷的借款人有哪些特征？哪些人更容易借到钱？本文利用网贷平台的交易数据,分析不同模式下借款人的特征,全面地分析其中的差异以及拥有哪些特征的借款人容易借到款,从而给借款者一定的借鉴意义.本文的创新点在于：a)现有文献大多利用单个网贷平台的数据进行研究,本文采用对比分析法,引入平台虚拟变量,使结果更全面.b)较全面地分析了P2P网贷存在的各种歧视现象.
一、相关研究现状
国内P2P网贷始于2007年,发展时间较短,许多学者结合互联网背景对P2P网贷进行了研究.概括而言,研究热点主要围绕以下两个方面.
（一）借款能力的影响因素研究
学者们发现P2P网贷存在一定的歧视现象,如地域歧视、学历歧视、年龄歧视等.这些歧视本质上反映了信息不对称条件下的斟酌机制.廖理等［1］通过实证分析发现P2P网贷存在地域歧视问题,且借款成功率较高省份的借款人的违约率并没有显著低于其他省份,说明地域歧视是一种非理性行为,属于偏好性歧视.尉丽婷［2］以拍拍贷为例,通过实证研究方法得出借款人认证程度与借款能力成正比,借款人借出信用与借款能力成正比.相对于借款人努力程度而言,借款利率和个人基本情况对借款能力影响较小.安鑫等［3］证明借款人基本情况（年龄、性别、受教育年限等）对借款能力影响较小,且与传统银行业相比,P2P网贷不存在歧视现象.陈建中等［4］则得出完全的不同结论,即借款人基本情况对借款成功率有显著影响,学历、年龄和借款成功率存在正相关关系,有房产的人以及已婚人士更容易借到款.Barasinska等［5］研究发现,借贷中存在一定的年龄歧视,随着年龄的增大借款利率升高、借款成功率降低,并进一步分析原因是平台的借款期限一般是3~5年,借款者考虑了其中的生命周期成本.庄雷等［6］认为身份歧视影响了借款人的中标概率,并将身份分为五个等级,身份等级越高,获得贷款的概率越大.综合已有文献可知,借款能力受学历、年龄、婚姻状况、房产状况等因素的影响.
（二）借款人违约特征研究
汤英汉［7］研究表明,违约金额与违约人的性别与所处区域、网贷平台模式没有显著相关性.顾慧莹等［8］则得出借款人籍贯所在地区、婚姻状况和违约率有显著的相关关系,O2O网贷模式下,有效的信息核实决定了本地借款人比外地借款人的违约率更低,此外已婚人士的违约率更高.廖理等［9］研究借款人的借款利率和违约风险的关系,发现利率对违约风险有一定的预测作用,利率高可能意味着更高的违约风险.此外,廖理等［10］通过研究还发现高学历的借款人违约率更低,说明高等教育对人的行为有约束作用,但投资者对高学历借款人没有明显偏好,说明投资者通过学历识别信用风险的认知存在不足.苏亚等［11］研究了借款人违约受哪些因素影响,发现：年龄和违约概率正相关,可能和年长者经济收入不稳定,且容易受突发状况影响有关；高学历有助于降低违约风险；经济信息对违约概率影响不大；借款利率和违约风险呈正相关.
现有文献虽然从不同方面探讨了P2P网贷平台借款人借款成功率的影响因素,以及存在的歧视现象,总结了对P2P网贷的典型特征,但仍存在许多进一步深入研究的空间.一方面,已有文献虽然对借款人的借款能力受哪些因素影响进行了研究,但并未进一步深入探讨,在不同的网贷模式下,各因素对借款成功率的影响程度是否相同,即缺少不同模式下的对比研究.另一方面,已有文献对P2P网贷中存在歧视现象的研究比较单一,大多数学者只选取一个平台的数据作为样本,且单独研究其中某一种歧视现象,结论存在一定的局限性.因此,本文选取了不同模式下的网贷平台典型代表--人人贷和向上360平台的交易数据为样本,系统地分析借款人的特征以及其中存在的各种歧视现象,以期为P2P网贷和借款者提供一定的借鉴.
二、国内P2P网络借贷平台发展现状分析
2007年,我国首家P2P贷款公司拍拍贷成立,随后宜信、红岭创投、陆金所等平台相继出现.目前中国几乎每一个省份都成立了P2P平台.根据网贷之家的数据,P2P网贷平台主要集中在广东,截至2016年6月份,广东平台数占全国的17.8%；P2P网贷行业累计成交量达到22075.06亿元,投资人数、借款人数分别达338.27万人、112.41万人〖ZW(〗数据来源：网贷之家.整个行业总量增长较快,而且上线的平台数也在增长.
不过P2P网贷的高速且略带野蛮式的发展也积累了巨大的风险.2015年12月,被控非法集资七百多亿元,随即大大集团也因非法融资问题被警方调查.2015年互联网金融重大风险事件频发,监管部门加紧了对包括P2P网贷在内的互联网金融的规范和整治.2016年P2P网贷平台增长速度有所减缓.截至2016年6月30日,零壹研究院数据中心监测到的P2P网贷平台共4567家.图1表示2014年9月至2016年9月的月平台增长数量.可以看出2016年以来,每月新增平台数量较2015年有较大幅度的下降.主要原因是政策面规范性要求提高,问题平台主动停止运营的数量增多.
三、国内P2P网络借贷平台借款人特征比较分析
（一）样本的选择和容量的确定
本文选择O2O模式下的向上360和混合模式下的人人贷的借款人为样本.截至2016年9月,向上360总成交量为137222笔,鉴于样本总量较大,所以设最大允许绝对误差e为5%,置信区间为95%,则Z等于1.96≈2.对于简单随机抽样,样本量的计算公式：
又p(1－p)的最大值为0.25（当p等于0.5时）,则
故最终确定样本量为400份.同理,人人贷总成交量为275386笔,则
故最终确定样本量为400份.
（二）相关机理分析
1.信息不对称
贷款人和借款人之间的信息不对称可能会导致道德风险、逆向选择,进而产生风险.借款人对自身的经济状况、风险偏好类型、还款意愿等较清楚,而贷款者只能通过平台获取基本信息,通过对借款者的收入、学历、房产状况等信息进行甄别,作出决策.借款者存在谎报信息的可能性,虽然提供较高的借款利率,实际上却无法还款,或者借款后从事高风险的活动.因此网络借贷平台需要做好审核和监管工作,以便贷款者做出正确判断.研究P2P网贷的交易特征有利于借款人更有效率地借到款项,帮助投资者更安全地进行投资决策,同时也能使平台更好地发挥作用.
2.信任机制
理性行为理论研究有意识的行为动机的决定因素,模型如图2所示.一个人的实际行为由行为意向决定,行为意向由行为态度和主观准则决定.
海量的互联网信息充满不确定性,人们在辨别时会表现出对信息的偏好和信任.网络借贷离不开信任,而信息的对称和充分在信任形成过程中起重要作用.此外,若有第三方征信机构提供有力依据,可信赖的网贷平台实行充足的保障措施,更有利于信任产生.贷款人通过获取借款人的基本信息产生信任,进而影响借款意愿［12］.例如,贷款者认为高等教育能规范人的行为,并且高学历人群普遍拥有高收入,能够降低借款人的违约概率,防止道德风险发生,因此偏爱高学历的借款人.此外,为了防止被迫违约发生,贷款人更愿意选择还款能力强的借款人,而收入、房产状况、学历等因素又在一定程度上决定了还款能力.
（三）数据描述和研究假设
人人贷网站公布的借款人信息主要包括,标的总额、还款期限、借款人年龄、性别、学历、婚姻、收入、房产车产情况、房贷车贷、公司行业和规模、岗位职位、工作城市、工作时间等信息.
向上360网站抵押贷款公布借款金额、交易期限、年龄、性别、籍贯所在地区、出生年月、学历、婚姻、收入、房产车产情况、房贷车贷、所处行业、企业类别、职位等信息.
根据已有文献研究、实践经验和数据可得性,建立以下模型：
lnγi等于β0+β1ai+β2si+β3ei+β4hi+β5ti+β6gi+β7mi+β8Di+εi（2）
其中β0,β1,…,β8为待估参数.
1.被解释变量
本文设定的被解释变量是借款总额,即网贷平台上公布的借款人的借款金额总额.《网络借贷信息中介机构业务活动暂行管理办法》中设置了借款上限,同一自然人在同一网贷平台的借款总额不超过人民币20万元.借款总额代表网贷平台对借款人批复的授信额度,借款总额越高说明借款机构对借款人的还款能力越认可.
2.解释变量
a）收入si,哑变量,借款人的收入为2000~5000元时设置该值为0,收入为5000~10000元时该值为1,收入为10000~20000元时该值为2,收入为20000~50000元时该值为3,收入为50000元以上时该值为4.收入越高,借款人的还款能力越强,投资人可能对高收入的借款人有更多偏好.因此,假设收入和借款总额正相关.
b）学历ei,哑变量,借款人的学历为高中或以下时设置该值为1,学历为大专时设置该值为2,学历为本科时设置该值为3,学历为研究生或以上时设置该值为4.廖理等［10］对投资者是否更愿意借钱给高学历的借款人进行了研究,并得出结论高学历借款者信用风险低,但投资者未有明确认知.王会娟等［13］发现资产状况、婚姻稳定性、学历对借贷行为产生不同程度影响.假设学历和借款总额正相关.
c）房产hi,哑变量,借款人无房产时设置该值为0,借款人有房产时设置该值为1.房产作为一种还款保障,投资人可能偏好有房产的借款人.温小霓等［14］发现借款人的住宅情况对借款结果有影响.假设有房产的借款人有高的借款总额.
d）年龄ai,即人人贷和向上360网站上公布的借款人的年龄.根据生命周期假说,年轻时期人们会把大部分收入用于消费,甚至会举债消费.现有研究结论表明,借款成功率受到年龄的显著影响,年龄的增加带来信任度的增加.假设年龄和借款总额正相关.
e）地域ti,哑变量,即借款人的籍贯所在地区,籍贯所在地为华北地区时设置该值为1,东北地区时设置该值为2,华东地区时设置该值为3,中南地区时设置该值为4,西南地区时设置该值为5,华中地区时设置该值为6.廖理等［1］研究结论表明人人贷平台存在地域歧视问题.假设经济发达地区的借款人能获得高借款额.
f）婚姻状况mi,哑变量,借款人的婚姻状况为未婚时设置该值为1,已婚时设置该值为2,离异时设置该值为3,丧偶时设置该值为4.实践经验证明,已婚人士且配偶支持贷款行为的,更易得到贷款.但是顾慧莹等［8］发现已婚人士的违约率更高,可能和家庭负担过重有关.
g）性别gi,哑变量,借款人的性别为女时设置该值为0,性别为男时设置该值为1.《2015上海网络信贷服务业白皮书》显示,借款人中男性超过七成.Barasinska等［5］认为女性借款者融资成本高的原因不是性别歧视,而是预期自己会受到歧视.假设男性有更高的借款额.
表1是对人人贷、向上360平台借款人的借款总额、月收入、年龄进行一般性描述统计.从上表可知人人人借款总额的中值为86700元,在5000～10000元的占大多数.标准差为52657.53,说明借款总额差距大.月收入的中值为8000元,标准差为7436.60,说明借款人收入差距也很大.年龄的中值为36岁,标准差为8.85,说明借款人年龄差距较小,主要为25～45岁的青年.向上360车抵宝的借款人借款总额的中值为51265元,在50000元左右的占大多数.标准差为36101.36,说明借款总额差距较大.月收入的中值为8000元,标准差为7436.60,说明借款人收入差距也较大.年龄的中值为33岁,标准差为10.98,说明借款人年龄差距较小,且大多处于中青年.从借款金额来看,向上360的借款金额比人人贷低三万元左右,但标准差较人人贷小,说明向上360比人人贷的借款金额集中.从借款金额来看,人人人的月收入平均比向上360借款人高5900元,两个平台的借款人月收入的差距都很大,也从侧面反映了贫富差距较大.借款人主要为中青年,一方面符合现代消费的特点,中青年是主力军；另一方面和传统银行贷款特征有相似之处,银行担心老年人的还款能力较差,在信用卡办理时设置60或65岁的年龄限制.
表2是对人人贷、向上360平台借款人的婚姻状况、房产状况、性别进行一般性描述统计的结果.从表2可以看出人人人未婚、已婚、离异的分别占17.0%、70.8%、12.3%、0.8%,已婚人士占了大多数的比例,未婚、离异的总和为29.2%.向上360借款人中未婚、已婚、离异的分别占22.8%、75.3%、2.0%,其中已婚占了最大的比重,未婚、离异的总和为24.7%.向上360婚姻状况的分布和人人贷网站相似,已婚的借款人都占四分之三左右,说明虽说未要求申请人必须已婚,但经验证明已婚人士且配偶支持贷款行为的,其申请贷款的顺利程度要远大于未婚或离异人士的.在房产方面,人人人有房产的占61.5%,向上360借款人有房产的占51.5%,向上360借款人有房产和无房产的比例较接近.说明房产状况对借款成功率有一定的影响.借款人中男性人数远远超过女性,说明男性比女性更倾向于借款.这也可能和金融借贷中存在的性别歧视有关,认为男性借款人的还款能力大于女性借款人.人人人的学历主要是本科和大专,占借款总人数的82.8%.向上360抵押借款人中高中或以下学历的比例有所上升,和本科人数基本持平,说明信用贷款比抵押贷款更看重学历.
表3显示了人人贷和向上360借款人的籍贯分布情况.人人人籍贯分布状况为华北地区、华东地区、中南地区、西南地区、东北地区、华中地区各占11.8%、35.0%、18.0%、8.0%、12.8%、14.5%,华东地区占最多比例,大约为三分之一左右.各地区中最低百分比为8.0%,最高为35%,差距较大.向上360借款人籍贯分布状况为华北地区、华东地区、中南地区、西南地区、东北地区、华中地区各占3.3%、66.0%、9.5%、8.0%、5.0%、8.3%,华东地区占最多比例,大约为三分之二,且为人人贷华东地区借款人的两倍左右.各地区中最低百分比为3.3%,最高为66.0%,差距较大.向上360借款人籍贯分布状况较人人贷更为集中,不同地域借款人百分比差距较大,说明不同地域之间借款成功率存在明显差异.贷款人似乎更加偏好经济发达的华东地区的借款人,且这种偏好在向上360平台中更明显.
表4给出了变量的相关系数以及显著性水平.从表4中可以看出,在1%的显著性水平下,借款总额和收入、年龄、学历、房产状况之间呈现出显著的正相关关系.说明高收入、高学历、有房产的人更容易获得高借款额.借款总额和收入、年龄、学历、房产状况的相关系数分别为0.278、0.132、0.213、0.174,说明存在弱相关,这可能和样本容量较大有关.借款总额和婚姻的相关系数为0.097,p值为0.053,即边缘显著,二者可能存在相关性.性别和籍贯对借款总额影响不大.在1%的显著性水平下,收入和学历正相关,说明高学历可能带来更多的收入.年龄和婚姻以及房产存在显著正相关.此外,在5%的显著性水平下,收入和性别之间也呈现出相关关系,说明男性的薪酬待遇普遍高于女性.
（四）实证结果
根据上述相关性检验结果,以收入、年龄、学历、房产状况为核心解释变量,并加入哑变量以区别两个平台的借款人,以借款总额的对数值为被解释变量,建立如下模型：
lnγi等于β0+β1ai+β2si+β3ei+β4hi+β5Di+εi（3）
其中：γi表示第i个借款人的借款总额,ai表示第i个借款人的年龄,si表示第i个借款人的收入（0表示2000~5000元,1表示5000~10000元,2表示10000~20000元,3表示20000~50000元,4表示50000元以上）,ei表示第i个借款人的学历（1表示高中或以下,2表示大专,3表示本科,4表示研究生或以上）,hi表示第i个借款人的房产状况（0表示无房产,1表示有房产）,Di为借款人来自的网贷平台（0表示人人人,1表示向上360借款人）,β0,β1,…,β8为待估参数.
采用线性回归分析,加入所有解释变量,考虑可能存在多重共线性问题,因此采用逐步方法,得出表5的结果.
从表5发现,模型5的拟合度最高.年龄、学历的系数在5%水平下显著为正,收入、房产、都在1%水平下显著为正,这意味着对于一项成功借款,借款总额和收入、学历、年龄呈正相关,有房产的人更容易借到钱.从具体系数看,收入每提高一个水平,借款总额增加11.8%,学历每提高一个水平,借款总额增加6.6%.有房产的借款人平均可以多借15.0%.年龄每增加一岁,借款总额平均增加0.6%,说明在一定的年龄范围内,贷款人可能对年长的人有偏好.网贷平台的系数在1%水平下显著为负,说明人人人比向上360借款人的借款总额平均多27.4%.根据多元回归模型,可以得到lnγ等于10.740+0.006a+0.066e+0.118s+0.150h-0.274D.
（五）稳健性检验
首先,考虑样本选取是否影响结果.从某种程度上说,行业、职位性质不同,收入的稳定性不同.贷款人对公务员、世界五百强企业员工、教师或医生等更加青睐,贷款机构通常会向此类人群批复相对较高的授信额度.相反,从事服务业、销售借款人获得的额度可能相对低一些.因此,利用向上360的数据,把样本换成从事服务业、销售岗位的借款人,进行稳定性检验,结果如表6所示.
表6中的结果表明,把样本换成从事服务业、销售岗位的借款人之后,相较于之前的结果,变量系数和符号都比较稳定,其显著性水平也没有明显变化,说明上文结果具有较好的稳健性.
其次,为了排除异常值的影响,对所有变量进行5%的缩尾处理,以检验结果的稳健性.结果如表7所示.
表7中的结果表明,网贷平台的系数仍为负,年龄、学历、收入和房产等变量的系数都为正.其中,年龄、学历的系数在10%水平下显著为正,收入和房产的系数在1%水平下显著为正,网贷平台的系数在1%水平下显著为负.符号都比较稳定,且显著性水平没有显著变化,说明结果依旧稳健.
（六）平台差异比较分析
从上述实证结果可以发现,两个网贷平台的借款额有显著差异.因此分别进行两个平台的线性回归分析,研究各因素对不同网贷平台借款额的影响有何差异.得到表8、表9的结果.
由表8－表9中的结果可知,对于人人贷平台来说,年龄、学历、收入和房产等变量的系数在1%水平下都显著为正.收入每提高一个水平,借款总额增加11.0%,学历每提高一个水平,借款总额增加12.0%.有房产的借款人的借款额要高17.7%.对于向上360平台来说,收入、房产对借款总额在1%水平下有显著影响,学历、年龄等变量对借款总额没有显著影响.可以发现,对于不同平台,各因素对借款总额的影响不同,主要是由于向上360采用抵押贷款模式,人人贷采用信用贷款模式.信用贷款模式下贷款人可能需要更多的信息（如年龄、学历等）才能产生信任和借款意愿,而抵押贷款下贷款人则无需过多考虑其他信息,因为抵押贷款对借款人的约束力较之信用贷款大大增强,且增强了借款人的信誉观念.
五、结论与启示
本文利用人人贷和向上360这两家网贷平台的交易数据进行了系统的分析.首先,研究不同的网贷模式下,借款人的借款成功率是否相同,即通过在回归方程中加入哑变量,表示来自不同网贷平台的借款人.其次,针对现有研究中单一的歧视现象,本文加入各种借款人特征变量,如年龄、学历、收入、房产、婚姻状况等等,研究P2P网贷中存在的多种歧视现象.
实证结果显示：a)借款人主要集中为中青年人,且男性比女性更倾向于借款.b)从前文可以得知华东地区的借款人占四分之三左右,这类人所处地区经济发达,资源丰富,收入相对较高,有更强的借款优势.但是借款人是否处于经济发达地区以及借款人的性别对借款额度的影响并不大,即贷款人对不同性别、不同籍贯的借款人的还款能力不存在歧视现象.c)婚姻状况和借款额存在边缘相关.虽然未要求申请人必须已婚,但实践证明已婚人士且配偶支持贷款行为的,其申请贷款的顺利程度要远大于未婚或离异人士的.
P2P网贷平台通常偏好向以下人群批复相对较高的授信额度.第一类是有房产或车产的人群,这类人借钱的目的通常是为了资金周转.通常抵押借贷逾期的可能性相对较小.第二类是高学历的人群,这些人受过良好的教育.研究表明高学历的借款者的实际违约率较低,高等教育在一定程度上有助于增强借款者的自我约束能力.第三类是高收入的借款人,通常他们的还款能力较强,违约风险相对较小.此外,在一定年龄限制下,年纪稍长者可能容易借到更多的钱,可能因为年轻人比年长者有更大的风险偏好,逾期还款的概率更大.
通过不同平台的对比分析也可以为P2P贷款申请提供一些有益的启示：a)向上360的车抵宝交易期限通常在两个月内,主要用于短期资金周转,而信悦宝属于信用贷款,其交易期限则较长,五万以下的借款期限为一年左右,十万以上的借款期限为三年左右.人人贷平台借款的期限基本在两年以上.借款人若以短期资金周转为目的,且借款额较少,建议选择向上360的抵押贷款.b)人人总额平均比向上360多两万元,若借款额较大,且周期较长,建议选择人人贷.c)女性借款人和非经济发达地区借款人不必过于担心受到歧视.d)信用贷款比抵押贷款更看重借款人的学历.有房或车这两个稳定的抵押物,逾期可能性要小,借款人条件允许情况下,选择抵押贷款更容易获批.
本文的不足在于：只比较了两种模式下的网贷平台,未涉及其余模式的平台.在以后的研究中将会深入,加入更多模式的平台.
参考文献：
［1］廖理,李梦然,王正位.中国互联网金融的地域歧视研究［J］.数量经济技术经济研究,2014,31(5):54-70.
［2］尉丽婷.P2P网络融资中借款能力的影响因素研究：以拍拍贷为例［J］.时代经贸,2013,11(7):72-73.
［3］安鑫,白静.拍拍能力影响因素研究［J］.当代经济,2016,32(28):60-61.
［4］陈建中,宁欣.P2P网络借贷中对借贷成功率影响的实证研究：以人人贷为例［J］.财务与金融,2013,28(6):13-17.
［5］BarasinskaN,SchferD.AreWomenMoreCredit-constrainedthanMen?EvidencefromaRisingCreditMarket［R］.German:InstituteforEconomicResearch,2010.
［6］庄雷,周勤.身份歧视:互联网金融创新效率研究--基于P2P网络借贷［J］.经济管理,2015,37(4):136-147.
［7］汤英汉.中国P2P网贷违约特征实证研究［J］.商业时代,2014,33(32):90-92.
［8］顾慧莹,姚铮.P2P网络借贷平台中借款人违约风险影响因素研究--以WDW为例［J］.上海经济研究,2015,34(11):37-46.
［9］廖理,李梦然,王正位.聪明的投资者:非完全市场化利率与风险识别--来自P2P网络借贷的证据［J］.经济研究,2014,60(7):125-137.
［10］廖理,吉霖,张伟强.借贷市场能准确识别学历的价值吗？--来自P2P平台的经验证据［J］.金融研究,2015,58(3):146-159.
［11］苏亚,成春林.P2P网人违约行为影响因素的实证研究［J］.金融发展研究,2017,36(1):70-76.
［12］丁婕,古永红,陈冬宇.交易信任、心理感知与出借意愿--P2P在线借贷平台的出借意愿影响因素分析［C］//中国管理现代化研究会.第五届(2010)中国管理学年会：信息管理分会场论文集.大连：中国管理现代化研究会,2010:112-121.
［13］王会娟,廖理.中国P2P网络借贷平台信用认证机制研究--来自"人人贷"的经验证据［J］.中国工业经济,2014,32(4):136-147.
［14］温小霓,武小娟.P2P网络借贷成功率影响因素分析--以拍拍贷为例［J］.金融论坛,2014,19(3):3-8.
比较分析论文范文结:
关于对不知道怎么写比较分析论文范文课题研究的大学硕士、相关本科毕业论文比较分析论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。