借款描述对P2P网络借贷行为影响的实证研究

以P2P网络借贷行业的领军者——人人贷的交易观测作为研究样本,研究借款描述对P2P网络借贷行为的影响。结果发现:借款人信用等级越低,越倾向于添加借款描述,以降低借贷双方的信息不对称问题;在控制了其他变量的情况下,借款描述展示的人格数量越多,越能吸引投标人,满标用时越快,借款人越容易获得借款且借款违约率越低;进一步分析借款描述中展示的不同人格对借贷行为影响的程度,发现"勤奋"人格对借款成功率和投标人数的影响最大,而"成功"人格对投标完成时间和借款违约率的影响最大,其余的人格也都对借贷行为产生不同程度的影响。

借款描述对P2P借贷行为的影响研究

以人人贷平台上的交易记录为样本,研究借款描述对P2P借贷行为的影响。结果发现,借款人对借款描述的字数越多,越不容易获得借款,并且借款利率越高。这是因为,借款描述的字数虽多,但未能体现借款人的信用,无法增加出借人的信任和降低交易风险,因此,借款描述的字数越多,反而更不容易成功获得借款且借款成本较高。如想提高借款成功率和降低借款成本,借款人更应注重借款描述的质量而不是数量。

P2P网络借贷中的借款描述质量、出借行为与信用风险

通过P2P网络借贷平台人人贷的真实数据探究借款描述质量与出借行为和真实信用风险水平的关系,结果表明:借款描述质量会显著影响出借人的决策行为,借款描述中语句通顺、长度适中、不包含负面情绪且蕴含人格更多的借款标的更容易满标;不同人格对于投资者决策的影响具有显著差异。另外,投资者以借款描述为媒介对于标的信用风险的认知与实际风险水平存在一定偏差,具有勤奋、追求生活品质、还款历史和尝试人格的借款人更倾向于如约还款。

P2P借款描述语言特征与借贷行为研究

本文利用国内某大型P2P网贷平台A公司2010年~2015年的交易数据,从借款描述的语言特征角度出发,探讨了借款描述的语言用词特点和语言长度对借贷行为的影响。实证表明,语言具体程度与审核通过率和如约还清率均呈显著正相关关系;语言情感积极程度与审核通过率呈显著正相关关系,与如约还清率呈显著负相关;而语言难读程度、语言长度与审核通过率和如约还清率均呈显著负相关关系。

借款描述的可读性能够提高网络借款成功率吗

在P2P网络借贷市场中,借款人的借款描述可作为吸引投资者而成功获取借款的一种方式,而投资者能否理解借款描述以及这种理解的程度则取决于借款描述所传递信息的可读性。借款描述的可读性能缓解借款人和投资者之间的信息不对称程度从而提高借款的成功率吗?本文试图运用来自P2P网络借贷平台的经验证据对此进行回答。本文以中国"人人贷"平台2011年1月至2014年5月128532笔订单为研究对象,基于文本复杂性和可理解性构建中文语言环境下的可读性指标,考察借款描述可读性在P2P网络借贷市场上的作用。实证结果发现:(1)借款描述的可读性有助于减少信息噪音,提高信息甄别速度,从而降低投资者的信息处理成本;(2)可读性更强的借款描述能向投资者传递积极信号,提高借款的成功率;(3)借款描述中句均字数每增加一个,借款成功率降低0.4%,而句均词数每增加一个,借款成功率则会降低0.7%;(4)常用字字数每增加一个,借款成功率提高0.14%,借款违约率下降0.12%,常用词词数每增加一个,借款成功率提高0.28%。上述结论在经过一系列稳健性检验之后依然成立。随着P2P网络借贷平台的去担保化,如何有效利用不可验证的软信息正成为借贷双方面临的问题,本文的研究结论表明,借款描述中的文本可读性能够发挥信号作用并且具有信息含量。

网贷借款者违约风险识别——基于借款描述语言特征的视角

基于借款描述语言特征视角,使用我国A网贷平台公司2010-2018年借贷数据,通过研究如何有效识别网贷借款者违约风险,发现借款描述语言难读程度、语言情感积极程度及语言长度与网贷借款者违约风险呈正相关,而借款描述语言具体程度与网贷借款者违约风险呈负相关;借款描述语言难读程度越高、语言情感积极程度越高、语言长度越长及语言具体程度越低的网贷借款者,违约风险越高。网贷平台可以根据借款描述语言特征与网贷借款者违约风险之间的关系,优化风险评估体系、完善风险控制模型、丰富风险控制策略,有效地识别并降低网贷借款者违约风险。

基于借款描述的违约判别研究

违约判别对金融机构贷款和商业信用决策具有重要意义。本文研究的问题是如何使用非结构化的借款描述数据构建违约判别模型,提高金融机构识别违约客户的能力。本文的创新与特色:一是使用pca-foword方法提取借款描述中信息,不仅能避免使用统计特定字符频数的方法提取借款描述信息不充分的弊端,而且避免了从借款描述中提取的信息与鉴别客户违约状态无关的弊端。二是同时使用借款描述数据和数字数据两类数据建立违约判别模型,避免了使用单类数据构建违约判别模型准确性不足的弊端。研究表明:在对比分析中,使用两类数据(借款描述数据和数字数据)建立的最优临界点逻辑回归判别模型的准确性最高。不同借贷公司识别借款人违约的能力存在差异;基本情况说明的描述与违约呈现正相关关系且显著;以生产经营为目的的描述与违约呈现正相关关系且显著;承诺还钱的描述与违约呈现负相关关系且显著;与借款人所供职的公司或所经营公司相关的描述与违约呈现负相关关系且显著。上述关系在控制了借款人经济特征后依然成立。

P2P借款文本长度对违约率、借款利率的影响

文章以“人人贷”平台2018年6月1日至2019年9月30日交易数据为样本,运用Python编写网络爬虫程序摘取31614个有效交易样本,采用Logistics回归模型及OLS回归模型分别就借款描述的文本长度对违约率、借款利率的影响关系进行探究分析。实证发现,借款描述的文本长度对违约率、借款利率均呈正向影响关系,文本长度越长,借款利率越高,越容易发生违约风险。对此,建议P2P网贷平台结合借款描述来建立更加完善的信用评价机制,降低信用风险,以促进P2P行业持续稳定发展。

自愿性信息披露是否有用?——来自P2P借贷的数据实证

P2P借贷近年来在中国发展势头强劲,但是,由于监管方面的不到位和管理规范的不完善,在运行过程中暴露出不少问题,其中,信息披露问题尤为严重。针对P2P借贷当前存在的信息披露问题,以“人人贷”为研究对象,通过数据调查分析发现:自愿性信息披露个数与借款达成所需时间及投标人数呈负相关关系,借款人的信用等级对此有增强作用,借款描述字数对满标时间与投标人数并不存在显著的影响。这表明投资者对于借款者的描述并未给予较高认可,借款者需要注意提升借款描述的质量,同时平台也应该提高对借款描述的重视程度。