博弈视角下大学生互联网消费信贷决策行为研究
发布时间：2021-10-25 03:51
基于博弈论视角,从理论上构建了金融机构与大学生消费信贷决策的动态博弈模型,并引入信誉机制,比较分析了传统金融机构退出大学生信用卡市场而互联网金融大举进入校园信贷市场的深刻原因,同时借助大学生消费信贷调查一手数据实证检验了信誉机制的有效性,研究结果表明:在单次和有限次重复博弈中,"囚徒困境"普遍存在,而在无限次重复博弈中,尽管利率和交易成本下降有利于促进交易,但信息不对称问题却使博弈只能进行有限次,因此要达成长期合作,必须引入具有"社会性惩罚"的信誉机制来抑制大学生的短期投机行为,然信誉机制对于促进传统金融机构与大学生合作的作用有限,更多的是促进互联网金融机构与大学生消费信贷关系的达成,实证结果验证了该结论。由此得到的启示是,充分利用互联网大数据优势、强化互联网金融市场监管、引导大学生树立正确的消费观和责任意识,有助于破解"一放就乱,一管就死"的监管困局,这对于规范互联网金融校园消费信贷市场具有重要现实意义。
【文章来源】：审计与经济研究. 2020,35(01)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
大学生与金融机构单次博弈模型
其中，金融机构M的策略有N（信任，即不监管奖惩）、T（不信任，即监管奖惩）；大学生S的策略有D（不合作，即违约）、R（合作，即按期还款）。假设金融机构实施监管的概率为p(p?[0,1])，则不受监管奖惩的概率为1-p；大学生按期还款的概率为q(q?[0,1])，逾期违约的概率为1-q。2.互联网金融与传统金融的比较。在互联网时代，不守信誉将面临更高的违约成本和“社会性惩罚”，即U1<U2、F(U)1<F(U2)。在传统信贷背景下，由于征信数据不全、平台上传数据积极性低、更新不及时以及接入门槛高等问题，很难建立高效的个人收益风险综合评价；但在互联网信贷背景下，随着网贷逐步纳入央行征信系统以及第三方独立征信体系的建立，用户一旦违约需要承担巨额的违约成本和“社会性惩罚”，这是因为互联网背景下的征信体系已渗透到人们生活消费的各方面，小到分期购物消费，大到购房购车贷款，为获得未来的贷款机会，就需要积累信誉资本并降低贷款违约的可能性。结合演化博弈思想，本文引入信誉机制的重复博弈的动态相图（如图3）；当初始状态位于左下方ABQD区域时，系统将收敛于A(0,0），即金融机构选择不贷款，大学生用户选择不还款；当初始状态位于右上方BCDQ区域时，系统将收敛于C(1,1），即金融机构选择贷款，大学生用户选择按期还款。从模型结果来看，5个局部均衡点中只有两个演化均衡点，而最终选择何种策略取决于重复博弈发生的初始状态以及鞍点Q的位置。Ui和F(U)i的变化将对重复博弈的长期均衡结果产生影响。由于U1<U2、F(U)1<F(U2)，相比于互联网金融，传统金融下的ABQD区域面积将下降，动态博弈的最终结果收敛于点A(0,0），但该情况在现实中很难实现，因为无论是传统金融还是互联网金融，贷款方均会对借款方进行监督；但互联网金融下的ABQD区域面积将增加，动态博弈的最终结果更可能将收敛于C(1,1），即（监管奖惩，按期还款），而这一结果与经验事实相符。
由上述分析可以看出，即使引入信誉机制，传统金融条件下也很难达到双方期望的理想结果（不监管，按期还款）；但互联网金融条件下由于违约所带来的信誉损失面临高昂的“社会性惩罚”，最终有助于促成（监管奖惩，按期还款）的均衡状态。三、实证分析
【参考文献】：
期刊论文
[1]消费者社会化、金钱态度与互联网消费信贷行为[J]. 彭小辉,王坤沂. 统计与信息论坛. 2019(05)
[2]银行信贷互联网化的博弈行为研究——以线上个人消费信贷为例[J]. 钱智通. 金融监管研究. 2017(06)
[3]动态惩罚机制下互联网金融平台行为及监管策略的演化博弈分析[J]. 刘伟,夏立秋,王一雷. 系统工程理论与实践. 2017(05)
[4]大学生网贷消费行为调查分析及引导策略[J]. 林明惠. 思想理论教育. 2017(05)
[5]网络借贷是实现普惠金融的有效途径吗——来自“人人贷”的微观借贷证据[J]. 王博,张晓玫,卢露. 中国工业经济. 2017(02)
[6]互联网金融监管博弈研究:以P2P网贷模式为例[J]. 俞林,康灿华,王龙. 南开经济研究. 2015(05)
[7]互联网金融助解“长尾”小微企业融资难问题研究[J]. 王馨. 金融研究. 2015(09)
[8]外界刺激对循环信用使用行为的影响研究——信用卡态度和物质主义价值观的调节[J]. 樊刚. 暨南学报(哲学社会科学版). 2015(04)
[9]互联网信贷、信用风险管理与征信[J]. 中国人民银行征信中心与金融研究所联合课题组,纪志宏,王晓明,曹凝蓉,金中夏,伍旭川,黄余送,张晓艳. 金融研究. 2014(10)
[10]农村信贷关系博弈分——以广东省龙门县柑桔种植为例[J]. 陈习定. 农业经济问题. 2014(09)
本文编号：3456594
【文章来源】：审计与经济研究. 2020,35(01)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
大学生与金融机构单次博弈模型
其中，金融机构M的策略有N（信任，即不监管奖惩）、T（不信任，即监管奖惩）；大学生S的策略有D（不合作，即违约）、R（合作，即按期还款）。假设金融机构实施监管的概率为p(p?[0,1])，则不受监管奖惩的概率为1-p；大学生按期还款的概率为q(q?[0,1])，逾期违约的概率为1-q。2.互联网金融与传统金融的比较。在互联网时代，不守信誉将面临更高的违约成本和“社会性惩罚”，即U1<U2、F(U)1<F(U2)。在传统信贷背景下，由于征信数据不全、平台上传数据积极性低、更新不及时以及接入门槛高等问题，很难建立高效的个人收益风险综合评价；但在互联网信贷背景下，随着网贷逐步纳入央行征信系统以及第三方独立征信体系的建立，用户一旦违约需要承担巨额的违约成本和“社会性惩罚”，这是因为互联网背景下的征信体系已渗透到人们生活消费的各方面，小到分期购物消费，大到购房购车贷款，为获得未来的贷款机会，就需要积累信誉资本并降低贷款违约的可能性。结合演化博弈思想，本文引入信誉机制的重复博弈的动态相图（如图3）；当初始状态位于左下方ABQD区域时，系统将收敛于A(0,0），即金融机构选择不贷款，大学生用户选择不还款；当初始状态位于右上方BCDQ区域时，系统将收敛于C(1,1），即金融机构选择贷款，大学生用户选择按期还款。从模型结果来看，5个局部均衡点中只有两个演化均衡点，而最终选择何种策略取决于重复博弈发生的初始状态以及鞍点Q的位置。Ui和F(U)i的变化将对重复博弈的长期均衡结果产生影响。由于U1<U2、F(U)1<F(U2)，相比于互联网金融，传统金融下的ABQD区域面积将下降，动态博弈的最终结果收敛于点A(0,0），但该情况在现实中很难实现，因为无论是传统金融还是互联网金融，贷款方均会对借款方进行监督；但互联网金融下的ABQD区域面积将增加，动态博弈的最终结果更可能将收敛于C(1,1），即（监管奖惩，按期还款），而这一结果与经验事实相符。
由上述分析可以看出，即使引入信誉机制，传统金融条件下也很难达到双方期望的理想结果（不监管，按期还款）；但互联网金融条件下由于违约所带来的信誉损失面临高昂的“社会性惩罚”，最终有助于促成（监管奖惩，按期还款）的均衡状态。三、实证分析
【参考文献】：
期刊论文
[1]消费者社会化、金钱态度与互联网消费信贷行为[J]. 彭小辉,王坤沂. 统计与信息论坛. 2019(05)
[2]银行信贷互联网化的博弈行为研究——以线上个人消费信贷为例[J]. 钱智通. 金融监管研究. 2017(06)
[3]动态惩罚机制下互联网金融平台行为及监管策略的演化博弈分析[J]. 刘伟,夏立秋,王一雷. 系统工程理论与实践. 2017(05)
[4]大学生网贷消费行为调查分析及引导策略[J]. 林明惠. 思想理论教育. 2017(05)
[5]网络借贷是实现普惠金融的有效途径吗——来自“人人贷”的微观借贷证据[J]. 王博,张晓玫,卢露. 中国工业经济. 2017(02)
[6]互联网金融监管博弈研究:以P2P网贷模式为例[J]. 俞林,康灿华,王龙. 南开经济研究. 2015(05)
[7]互联网金融助解“长尾”小微企业融资难问题研究[J]. 王馨. 金融研究. 2015(09)
[8]外界刺激对循环信用使用行为的影响研究——信用卡态度和物质主义价值观的调节[J]. 樊刚. 暨南学报(哲学社会科学版). 2015(04)
[9]互联网信贷、信用风险管理与征信[J]. 中国人民银行征信中心与金融研究所联合课题组,纪志宏,王晓明,曹凝蓉,金中夏,伍旭川,黄余送,张晓艳. 金融研究. 2014(10)
[10]农村信贷关系博弈分——以广东省龙门县柑桔种植为例[J]. 陈习定. 农业经济问题. 2014(09)
本文编号：3456594
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3456594.html
