p2p是什么意思_P2P网络借贷研究:一个文献综述

  本文关键词：P2P网络借贷模式研究，由笔耕文化传播整理发布。

  2015年6期目录       本期共收录文章20篇

　　摘要：P2P网络借贷作为金融创新的产物以其高速的发展势头引起了学术界的广泛关注。从P2P网络借贷发展研究、P2P网络借贷模式研究、P2P网络借贷交易行为研究、P2P网络借贷风险及对策研究等四个方面梳理相关文献，旨在总结现有研究成果，指出未来研究的重点与方向。
中国论文网
　　关键词：P2P网络借贷；文献综述
　　文章编号：1003-4625 （2015）06-0106-07 中图分类号：F832.4 文献标识码：A
　　一、引言
　　P2P网络借贷（Peer-to-Peer lending）是一种近年来逐渐兴起的个人对个人直接信贷模式（谢平，2012）。网贷公司通过线上平台撮合借贷双方达成交易。平台本身扮演信息中介的角色，提供信息披露、信用评级、资金结算、逾期催收等服务，平台利润主要来源于客户缴纳的手续费。
　　2005年，ZOPA作为首家针对个人的小额融资网站在伦敦上线，拉开了P2P网络借贷的序幕。经过10年运营，总计撮合了7.5亿英镑的网络贷款。美国平台Prosper2014年的累计成交额约为25亿美元。P2P网贷在英美等国家早已成为除了储蓄和传统投资渠道外的另一种选择（Slavin，2007）。欧美实践的成功让P2P网贷逐步走向世界。
　　P2P网贷在中国发展十分迅速，它的出现填补了小额借贷市场的空白。2013年中国P2P网贷行业迎来爆发式增长。据网贷之家统计，仅2013年全国共出现约800家网贷平台，贷款存量增加至268亿元，其高速增长的势头一直保持至今。网贷行业的高速发展引起了学术界的广泛关注，吸引了包括经济学、金融学、管理学与心理学等多领域学者共同研究。
　　随着研究成果的日渐丰富，有必要对相关研究做一梳理。本文将相关文献分为四个方面：（1）P2P网络借贷发展研究，包括P2P网贷的起源、发展原因等。（2）P2P网络借贷模式研究，对各种典型平台模式的分析。（3）P2P网络借贷交易行为研究，研究影响交易行为的各种因素。（4）P2P网络借贷风险及对策研究，研究平台面临的风险并提出对策。希望通过文献综述，把握目前P2P网贷研究现状，总结成果并指出未来研究的重点与方向。
　　二、P2P网络借贷发展研究
　　（一）P2P网络借贷的起源
　　钱金叶等（2012）认为P2P网贷起源于民间的“标会”模式，即亲友间通过契约组成的经济互助团体。依靠信息技术，这种模式被“线上”化，发展为现在的P2P网络借贷。谢平等（2012）也认为P2P网贷依靠互联网技术让熟人借贷实现了跨越空间、时间的交易，通过平台服务将交易范围由亲朋好友扩展到陌生人。学者们对P2P网贷诞生起就带有民间小微金融特性，已基本形成共识。
　　（二）P2P网络借贷发展的原因
　　P2P网贷自2005年发展至今，原因可归结为以下四点：
　　1.互联网技术的发展为P2P网贷的产生提供客观条件
　　Web2.0技术使用户从单纯的信息接收者，变为网络活动的主体并创造价值（0' Reil，2007）。它为之后互联网平台经济的发展提供了技术基础。同时低成本网络技术的普及降低了P2P网贷的参与门槛，活跃网民的增加为P2P网络借贷培养了巨大的潜在用户群（Johnson，2010）。
　　2.金融机构惜贷为P2P网贷提供发展契机
　　金融危机冲击后大型金融机构开始收缩信贷，一些小额的个人贷款难以申请，迫使很多借款人转向P2P网贷平台寻求资金支持（王朋月，2013）。银行严格的资信审核让自有资本不足、缺乏担保的借款人望而却步。处于弱势地位的小微企业也很难获得传统投资人的青睐（ Magee，2011）。P2P网贷因其门槛较低，为急需资金的借款人提供了新的出路。
　　3.信贷市场细分需求促进P2P网贷发展
　　在中国，金融排斥现象一直存在，传统小微金融服务收益低，难以有效覆盖成本，因此银行往往排斥小微客户。莫易娴等（2014）通过金融创新动因理论、金融门槛效应理论解释了金融排斥背景下的P2P网贷产生机理，认为当有效需求达到金融门槛时，金融市场中相关的创新服务便会产生。Wang（2009）认为这种电子商务和金融服务相结合的融资模式将充分影响目前的借贷市场格局，成为最重要的金融服务创新之一。
　　4.P2P网贷本身的优势特点助其快速发展
　　（l）低成本优势明显。互联网技术的应用，使得网贷平台的运营成本和客户的交易成本急剧降低。网络借贷手续简便，交易完成迅速，为交易双方节约时间成本，平台允许信用贷款，节省抵押担保相应的中间成本（Slavin，2007）。
　　（2）广泛的参与人群。P2P网贷的参与主体覆盖了社会各阶层、各行业。海量的用户基数，使得达成交易的“交易可能性集合”不断扩大（谢平，2012），提高效率的同时反哺平台发展，形成良性循环。
　　（3）引导投资人自控风险。P2P网贷撮合交易双方直接对接，披露借款人信息，可以降低交易过程中的信息不对称（Berger&Gleisner，2007）。同时平台鼓励投资人分散投资，以此降低投资人面临的总体违约风险（谢平，2012）。
　　三、P2P网络借贷模式研究
　　（一）国外主要模式
　　国外平台基本分为两类：营盈型和非营利型（Ashta&Assadi，2009）。这里的“营利”是指平台投资人的投资目的。盈利型平台的投资人，希望通过借出资金来获取匹配风险的经济收益。非盈利型平台的投资人，其投资行为旨在帮助他人，不注重索取经济回报。现今多数盈利型平台都在本国范围内开展业务，服从所在国的监管要求（Berger&Gleisner，2009）。非盈利型平台一般不受地域限制，可在全球范围内运营（Xu，2010）。
　　在此基础上辛宪（2009）将国外典型平台细分为三类：公益型、单纯中介型和复合中介型，后两类都属于盈利型平台。公益型平台其服务对象主要为欠发达地区的低收入者。单纯中介型平台只扮演信息中介的角色，不干涉用户交易过程。复合中介型平台提供信息服务的同时还要充当监督者、联合追款人、利率制定者等角色。代表平台如下： 　　对于财务指标的研究，Herzenstein et al.（2008）指出借款人的经济实力（借款/收入比、负债率）对贷款是否成功有显著的影响。Klafft （2008）研究发现借款/收入比、负债率等财务指标对贷款利率的影响显著，但房产证等资产证明则对贷款利率几乎没有影响。
　　对于贷款要素的研究，Puro （2010）指出贷款成功率与贷款金额、贷款利率都成负相关。可解释为低金额与低利率都表明借款人的信用风险较低。Collier （2010）的研究也证实，金额大的贷款申请，借款人需要支付更高的利息。廖理等（2014）的研究表明，贷款利率能够部分反映借款人的违约风险，是投资人决策的重要依据。
　　对于历史交易信息的研究，Kumar（2007）通过分析Prosper的数据后发现，投资人会根据借款人历史拖欠率收取额外的风险补偿。Freedman&Jin（2008）指出违约记录导致信用等级降低，其滞后效应会影响之后的贷款申请，表现为利率升高与总金额下降。
　　（2）非财务信息。
　　非财务信息的重要组成部分是人口特征信息。主要包括性别、年龄、种族、地区等。相关研究主要集中于投资人对借款人的歧视行为。Pope&Sydnor（2008）将歧视行为分为两类：偏好歧视与统计歧视。偏好歧视指投资人的主观偏好，而统计歧视指基于总体统计结果对个体借款人做出取舍。已有研究表明，多数学者认为人口特征歧视对于贷款成功率与贷款利率有影响但较为有限（Pope&Sydnor，2008；Ravina，2012）。由于研究平台的差异，也有学者持不同意见。Barasinska （2010）通过研究德国最大P2P网站Smava.de指出，投资人选择目标时不存在对于性别、种族等因素的歧视行为。
　　在种族影响研究中，Pope&Sydnor （2008）、Ravi-na （2012）发现同等情况下，黑人获得贷款的概率要低于白人，并承担更高利率。统计结果显示黑人的违约率更高，因此他们将此现象归结为投资人对黑人的统计歧视。
　　在年龄影响研究中，Pope&Sydnor （2008）研究结果表明35到60岁之间的借款人贷款成功率明显高于35岁以下的借款人，而60岁以上的借款人，借款成功的可能性最低。
　　在性别影响研究中，Pope&Sydnor （2008）指出单身女性的贷款利率比男性低0.4%。Chen （2014）研究了拍拍贷的数据后得出，女性借款人的贷款成功率更高，但利率也更高，女性借款人的平均违约率要低于男性，这证明对于性别同时存在统计歧视与偏好歧视。Barasinska （2010）研究了性别与风险偏好的关系，认为女性出于利他主义倾向，更有可能投资给利率更低、风险更大的借款人。
　　除人口特征外，学者们还研究了其他非财务信息。Lin （2009）研究了贷款目的与贷款成功率、贷款利率的关系。研究发现商业目的贷款一般成功率要低于合并债务目的贷款，并且利率更高。Ana Ceci-lia （2008）、Michels （2012）认为在网络借贷中，投资人筛选信息是有成本的，因此个人信息越完善的借款人，贷款成功率越高。Herzenstein et al.（2011）研究了借款人个人简介与投资人出借意愿的关系，信用等级较低的借款人会选择性地多公布个人信息，说服投资人出借并接受较低利率，但信息点多的贷款申请往往回报表现欠佳。
　　综上所述，研究者们普遍认为以信用评级为核心，结合财务指标、历史交易记录等信息辅助的风险评估体系，对交易行为影响显著。而对非财务信息的研究相对分散，由于数据来源、研究角度的不同，研究结果之间差异较大。
　　2.软信息研究
　　软信息（ soft information）指网络平台上公开但非量化的信息（ Petersen，2004）。在对P2P网贷的研究中，软信息因素也可分两类：社会资本信息与非社会资本信息。
　　（1）社会资本信息。
　　Putnam（1993）将社会资本定义为“能够通过协调的行动来提高经济效益的社会网络、信任和规范”。由于个体投资人一般缺少复杂的风险评估模型，社会资本信息的补充，能够有效缓解借贷双方的信息不对称状况，促进交易达成（Kumar，2007；Katherine，2009）。Prosper为反映用户的社会资本信息引入了“群组”概念。允许用户自由组成群组共享信息，群组成员间亦可以相互评价或背书增信。学者们集中研究了社会资本信息对贷款成功率、贷款利率、贷款违约率等的影响。
　　在对贷款成功率的影响研究中，已有结果普遍承认其有助于提高贷款成功率。Kumar （2007）、Lin（2009）发现群组内朋友背书能有效提高借款人的信用评估，贷款更容易成功。Herrero-Lopez （2009）指出拥有背书的贷款通过社交网络传播，投资人会因为间接信任而出借，并且在合理回报的前提下，身处可信群组会使贷款成功率显著提高。Weiss et a1.（2010）也肯定了群组身份对于贷款成功率的正向作用。
　　在对贷款利率的影响研究中，研究者们存在一些分歧。就群组成员背书增信来看，Kumar （2007）、Lin（2009）认为群组成员的背书改善了借款人的信用状况，因此借款人可以获得更低的利率。但也有研究表明，降低利率的条件更为苛刻。除背书外，只有当群组成员实际投资某借款人后，贷款利率才会降低（Berger&Gleisner， 2009； Collier&R Hampshire，2010）。有的研究甚至给出了相反结论，Freedman&Jin （2008）的研究发现群组领袖背书最终导致贷款利率上升，这是由于2008年之前Prosper对群组领袖实施奖励制度，这使其盲目扩大群组规模，未尽到审查义务，导致领袖背书成为一个消极信号。学者们也研究了群组结构对贷款利率的影响。Prosper根据各群组历史平均违约率给予群组评级，然而此评级对于贷款利率几乎没有影响（Berger&Gleisner，2009； Collier&R Hampshire，2010）。但他们发现，大群组内的成员享受的利率更低。Freedman&Jin（2008）、Greiner &Wang （2009）的研究却认为群组中的投资人/借款人比率对贷款利率的影响要远大于群组规模，投资人比例越高的群组，组内成员享受越低的利率。 　　在对贷款违约率的影响研究中，多数学者认为社会资本信息有助于降低贷款违约率。Greiner&Wang （2009）的研究表明，群组内借款人违约率较低。Puro （2010）、Everett （2010）的研究进一步说明当投资列表中有借款人现实中的亲人或朋友，其违约率会显著降低。但Kumar （2007）的早期研究却指出，虽然群组有助于交易达成，但对降低贷款违约率作用不大。Freedman&Jin （2014）也认为部分朋友背书或出于同情目的，会迷惑投资人。多数有社交网络嵌入的贷款并没有更好的表现。
　　国内目前缺乏Prosper这样对学界公开数据库的网贷平台，学者们需要依靠自有渠道收集数据，因此相关研究较为分散与匮乏。已有研究表明在国内市场中社会资本信息对交易行为影响显著。Lu etal.（2012）针对国内市场做了一系列的研究发现，社交网络等“软信息”会显著降低借款人违约率，并且社交网络紧密程度与影响强弱密切相关。陈冬宇（2013）基于实验数据，研究了社会资本、信任与出借意愿的关系，指出借款人的朋友圈规模、圈内地位与其可信程度正相关，并指出投资人感到信息不对称程度越强烈，越会借助社交网络来评估借款人信用状况。Xu （2011）、Chen （2012）从中西方文化因素的角度对Prosper和拍拍贷进行了比较分析，认为中国社会更注重关系，社会资本信息对交易的影响更大。
　　（2）非社会资本信息。
　　非社会资本信息主要包括借款人的相貌特征与表述特征。在对相貌特征的研究中有学者认为当处于P2P网贷平台这种不确定性较大的环境中时，借款人的面部特征会影响投资人判断（Graham et al.，2010）。Ravina （2012）的研究指出照片漂亮的人，容易贷款成功并享受更低利率。而Klafft （2008）研究发现，有无照片只对贷款成功率有影响，对贷款利率影响不大。Duarte et al.（2012）指出没有照片或形象使人不舒服的借款人会对交易产生消极影响。他们利用亚马逊开发的图片分析引擎（MTurk），结合面部信息数据库为每一个借款人的相貌可信程度评级，证实了长相越可靠的借款人拥有更高的信用等级与更低的违约率，获得贷款的成功率越高。
　　借款人在表述时的语言特点也会影响交易过程。Larrimore et al.（2011）分析了贷款列表中语言表述特点与信任建立的关系，认为投资人会通过表述区分借款人的可信度，并给出了增加描述说服力的建议。Gao et al （2013）对借款人的语言特征做了更为深入的研究。他们利用多种语言信息挖掘技术，设计了一个可拓展的机器学习系统。通过对借款人语言表述中可读性、情绪、主体性和欺骗性等线索的分析，发现语言特征很大程度上可以预测借款人的可信程度。
　　综上所述，在软信息的研究中，社会资本信息方面的研究成果最为丰富。学者们都证实了软信息影响的存在，但在影响的覆盖面与程度方面中还存在分歧。
　　（二）羊群行为研究
　　羊群行为（Herd behavior）指个体决策时会受到他人决策的强烈影响（Asch，1956）。已有研究中，学者们通过观察追加投标的速率与可能性的变化，证实了在P2P网贷交易中羊群行为普遍存在（Krumme&Herrero， 2009； Herzenstein et aL 20 1 0；Cey-han et al，20Il；Lee et al，2012）。
　　对于产生羊群行为的原因，学者们普遍认为是市场中的信息不对称造成的投资人决策困难，而这一点在“线上化”的P2P网贷中更为突出。对于引发羊群行为的具体诱因，学者们也做了相关研究。Krumme&Herrero （2009）发现当有一定的“先锋”投资人投标后，投标速度会明显加快。这是由于投资量积累会提高后续投资人对贷款申请的信用评估，他们利用MATLAB模拟了多种投资情景，来研究促进满标的初始投资人比率，并探索个体投资人决策的互相影响。Herzenstein et al.（2010）也认为投标的积累量是诱发羊群行为的重要原因，积累量越大意味着贷款申请越容易成功。Shen et al.（2010）指出社会资本因素是引发羊群行为的信号。他们改进了Rodgers （2002）建立的模型，分析Prosper中投标的数量分布来研究投资人的动态决策过程。认为当有借款人亲属、朋友投资后，羊群行为便随之发生。
　　对于羊群行为的另一个研究重点是评价其是否理性。由于判断标准与研究平台的不同，学者间还未达成共识。认为存在理性羊群行为的学者往往通过研究投资人的决策过程做出评判。Herzenstein etal.（2010）的研究发现，投标积累量大的贷款申请更容易被跟进（投标量每增加1%，后续投资人跟进的可能性增加15%），但这种影响只存在于对满标的追加投资时，而未满标时其影响降低到5%。这证明投资人并非盲目跟从，这种羊群行为对于投资人个体与群体都是有益的。Ceyhan et al.（2011）、Lee et a1.（2012）也观察到参与率对后续投资影响的边际递减现象。投资人在考虑财务与社会资本因素的影响时，也更看重申请是否成功以及自己能否在竞标中胜出。Zhang et al.（2012）认为美国的P2P借贷市场存在理性的羊群行为，其结果对借贷双方都有显著正效应。认为存在非理性羊群行为的学者主要以投资人的机会成本、收益率、贷款表现等指标作为判断依据。Wang&Greiner（2010）、Luo&lin （2013）的研究都认为，羊群行为带来的是不当的风险/回报比率，更低的投资回报率（ROI），以及更多被浪费的投资机会。Shen et al.（2010）的研究指出投资人决策时并不是出于对风险与收益期望的评估，而更多受社会资本因素引起的羊群行为的影响。
　　综上所述，国内外学者证明了羊群行为在P2P网贷市场中普遍存在，但由于判断标准不同，对于羊群行为是否理性，是否有益于平台和投资人，还存在分歧。 　　五、P2P网络借贷风险及对策研究
　　（一）国外P2P网络借贷的风险研究
　　国外学者们提及P2P风险时一般聚焦于借贷交易本身，即借款人的信用风险。Freedman &Jin（2008）认为，，当借款人渴望得到贷款时，会故意隐瞒对自己不利的信息，加重信息不对称的程度，由此引发逆向选择问题。但这种逆向选择问题会因为投资人交易经验的丰富而得到缓解。同时基于正确激励机制建立的群组也能够清除某些信息障碍（Johnson，20101。Weiss et al.（2010）强调了互联网的“匿名性”使得投资人评估借款人风险的难度增加，信息不对称更为严重。平台对借款人信息的核实对于降低逆向选择有重要的作用。
　　（二）我国P2P网络借贷的风险研究
　　由于监管滞后，信用体系薄弱等原因，国内P2P网贷暴露出更多问题，主要集中在以下三方面：
　　1.法律缺失与监管空白
　　张正平等（2013）认为《放贷人条例》迟迟未发布，迫使民间借贷无法可依，被迫转入地下。P2P网贷专门法案的缺失导致法律红线确定模糊，影响正规网贷企业的业务开展，增加其法律风险。叶湘榕、彭冰（2014）认为目前存在相当数量的P2P平台实为小贷公司或企业的资金入口，它们利用理财产品和投资的名义变相集资。马伟利等（2014）认为当前由于P2P网贷处于无明确的准入门槛、无行业量化标准、无明确的监管机构的“三无”状态，加之网络平台的隐蔽性、匿名性、即时性容易被犯罪分子利用进行洗钱犯罪。
　　2.个人信用风险难以控制
　　艾金娣（2012）、张正平（2013）等人的研究都认为信用风险过高是我国P2P网贷平台面临的重要问题。由于我国信用体系相较欧美发达国家还有差距，因此贷款行为迁移到网络后使借贷信息的核实难度加大，导致对借款人信用风险的误判。钱金叶（2012）分析了2007年7月“哈哈贷”倒闭的原因，将其归结于失控的信用风险。“哈哈贷”的手续费利润较低，出现违约时垫付投资人损失后造成资金短缺无法维持运营而倒闭。
　　3.平台风控能力较弱
　　叶湘榕（2014）指出目前国内网贷平台存在三方面共性风险：小额信贷技术风险，中间账户监管缺位风险，财务披露风险。不仅平台会面临借款人信用评估错误、坏账率失控的问题，投资人也容易卷入平台自融资，甚至恶意欺诈行为。李博（2013）等还指出宜信、拍拍贷等大型P2P平台，均有数十万客户注册，数据库庞大，涉及资金流转时还与银行等第三方机构连接获取用户账户信息，一旦发生内控失误，可能引起用户隐私信息外泄。
　　（三）风险控制的对策研究
　　王曙光等（2014）从P2P网贷视角分析了互联网金融网络信任的形成机制，他认为信任是保证一切金融交易顺利进行的前提。加强网络信任，降低网贷风险要从市场监管、信用体系建设、行业自律三方面努力，这也是多数研究者的共识。
　　1.加强外部监管
　　叶湘榕（2014）论述了监管应该遵循的四个原则：金融创新容忍原则，行为监管原则，监管一致性原则和消费者保护原则。彭冰（2014）介绍了美国监管体系中对P2P网贷平台法律性质的界定，从非法集资的角度对规范P2P网贷在中国的发展变提出了建议。李雪静（2013）分析英美两国对P2P网贷行业的监管后得出，中国的分业监管体制，导致金融创新很难纳入现有监管结构。对中国P2P行业监管的三个问题“由谁管”“怎么管”“管什么”给出了自己的建议。吕祚成（2013）通过对比美、英、韩三国网贷监管的经验和教训，从监管立法的角度分析了当前中国对P2P网贷的监管现状与存在的问题。王朋月等（2013）将美国消费者保护视角下的P2P监管原则概括为三个方面：（1）公平对待所有消费者（主要是投资人）；（2）保护消费者的隐私（主要是借款人）；（3）提高消费者意识和开展教育（对借款人和投资人双方）。建议中国监管体制设计应以消费者保护为重心。
　　2.加快信用体系建设
　　陈冬宇（2012）、张正平（2013）等主张从中国的实际社会需求出发，做好信用立法、系统建设、信息采集、合理应用等基础性工作。他们认为成熟规范的个人信用体系，完善的信用信息服务有助于网贷平台识别并控制风险。
　　3.强化行业自律与平台自身建设
　　艾金娣（2012）、叶湘榕（2014）呼吁目前在缺乏法律规定和外部监管的情况下，应先组织行业知名企业加快制定行业规则，组织行业自律，公开必要财务数据，增加行业透明度。Wang et al.（2014）从情感型信任与认知型信任的角度出发，重点研究了国内P2P网贷平台的信任状况，研究发现网络声誉与社会影响对平台取信于用户影响不大，投资人更注重平台对排除欺诈的帮助，借款人更注重平台对私密信息的保护，其研究结果对于平台运营模式的设计有重要的参考价值。
　　六、评述性结论
　　通过梳理文献可以看出目前对P2P网贷的研究已有不少成果，相关研究具有以下特点：
　　第一，在模式研究中，国外研究重点关注的是代表平台的运营模式与特点。国内研究者则更关注P2P网贷模式的异化，重点研究了中国特有的平台担保、“线上”“线下”结合等运营模式，从监管制度、融资环境、法律法规与投资人素质等多方面探讨了异化模式产生的原因、面临的风险，并给出了相应的政策建议。
　　第二，在风险研究中，国外研究更关注借款人的信用风险，着重探讨了信息不对称带来的逆向选择问题，并从平台信息披露、引入社会资本等方面提出了缓解信息不对称的方法。国内主要研究在现有监管环境下，平台通过监管套利带来的法律风险、关联风险等，风控对策的研究也集中于P2P网贷的监管及立法等方面。
　　第三，在交易行为研究中，国外研究者集中研究了不同因素对于出借意愿、利率决定、贷款表现等交易行为的影响，例如，通过交易数据分析，证明羊群行为在投资决策时普遍存在。由于数据获取难度较大，国内这方面的实证研究较为匮乏。
　　未来的研究还可以从以下方面深入：
　　第一，加强对网贷平台的研究。目前的研究成果主要集中在对典型平台模式的介绍与对比分析，后续研究可以拓展到发掘模式产生的内在动因、平台商业模式的设计、平台成功的影响因素等方面。
　　第二，对交易行为的特点与影响因素的重要程度与具体作用进行深入探讨。如研究社会资本因素时，研究者肯定了其对网贷交易的促进作用，但这种作用是网络借贷的风控创新，还是信息不对称下的无奈之举，对网贷平台发展的意义何在，都有待进一步探索。
　　第三，使用先进的数据处理方法。在对影响因素的研究中，研究者们大都采用传统计量模型做实证研究，传统计量模型存在“先验性”缺陷，假设的好坏与实证结论的准确性直接相关，相比之下各种利用机器学习的数据挖掘方法在不做假设的前提下能更好地反映数据本身的内在联系。

  本文关键词：P2P网络借贷模式研究，由笔耕文化传播整理发布。