示范或擠出效應：互聯網金融平臺效率的實證研究

莊雷　趙成國

內容提要：互聯網金融通過技術溢出效應，顯著提升了中國商業銀行的全要素生產率。基于網絡經濟的特性，本文利用雙邊市場理論分析互聯網金融模式的資源配置機制，比較傳統金融機構與互聯網金融平臺兩種中介模式的融資效率；通過收集2013年10月到2016年2月兩百多家網絡借貸平臺的數據，從成交規模、成交用時和成交風險質量來實證檢驗網絡借貸平臺的資源配置效率。實證結果表明投資者方的擠出效應明顯，借款者方的示范效應明顯。因此，應統一互聯網金融平臺的信息披露標準，有序引導互聯網金融的合理競爭并加強平臺的綜合監管。

關鍵詞：互聯網金融；網絡效應；平臺效率；風險監管

中圖分類號：F8324 文獻標識碼：A 文章編號：1001-148X（2017）09-0080-08

收稿日期：2017-03-16

作者簡介：莊雷（1988-），男，江蘇溧陽人，南京工業大學經濟與管理學院講師，經濟學博士，研究方向：互聯網金融；趙成國（1970-），男，安徽繁昌人，南京工業大學經濟與管理學院教授，管理學博士，研究方向：互聯網金融。

基金項目：國家社會科學基金一般項目，項目編號：15BJY160；江蘇省軟科學項目，項目編號BR2015056；江蘇省社科應用研究項目，項目編號：17SYC-029。

網絡環境下的金融服務需求催生了互聯網金融的出現，互聯網金融一開始是企業依托其所培育的電子商務（或社交媒體）等商業網絡，為其客戶所提供的一種自然的附加金融服務[1]。由于“贏者通吃”的網絡效應，使得很多互聯網企業及傳統金融機構不得不涉足互聯網金融服務業。互聯網金融與傳統金融的區別，不僅在于信息技術所帶來的交易處理效率的提高，而在于形成了互聯網平臺為核心的金融中介模式[2]。借助互聯網的虛實情景結合來創造、培育和利用網絡效應[3]，是互聯網行業（包括互聯網金融）與大多數普通行業的一大區別。此外，以互聯網平臺為核心的互聯網金融模式與以金融機構為核心的傳統金融模式在融資效率存在著差異。相關實證研究發現互聯網金融通過技術溢出效應，顯著提升了中國商業銀行的全要素生產率，且不同類型商業銀行對互聯網金融技術溢出的吸收能力具有差異[4]。因此，從平臺角度來分析互聯網金融的資源配置機制，檢驗新興金融模式的效率具有較高的理論價值和實踐意義。

一、理論分析與研究假設

（一）理論分析

以互聯網平臺為中介是互聯網金融模式的基本特征[5]，價格機制（即融資成本）是衡量資源配置的重要指標。網絡借貸（即債權型眾籌）發展的時間較長，網絡借貸中經過市場競爭而形成有效的資金價格機制和數據，達到了金融資源配置效率檢驗的要求，理論和實證研究具有較高的可行性。從平臺角度分析網絡借貸的運行機制和融資效率是研究互聯網金融的資源配置一個較為合理的視角。目前網絡借貸市場上的利率形成機制主要有競價模式和指導價格模式兩種，由于競價利率模式中的借款利率存在較大的不確定性，借款者和投資者因投標過程的不確定性而更需謹慎行事而使得交易效率下降[6]，因此，很多互聯網金融網站更愿意采用交易效率更高的指導利率模式。目前，中國大部分網絡借貸平臺采用指導利率模式，即發布借款時已預設了一個利率水平。因此，從平臺角度分析指導利率條件下互聯網金融的運行機制和融資效率。

根據互聯網金融平臺的理論[7]分析，可以得出互聯網金融平臺的定價理論模型[8]，由平臺角度分析互聯網金融的資源配置的理論，以及網絡借貸平臺的定價模型可知，互聯網金融平臺的資源配置表現可以通過利率水平、投資人數、借款人數等指標來衡量[9]網絡借貸的現實發展情況，網絡借貸平臺的融資效率模型可以表示為：

rzli=f（pjli，tzri，jkri，Xi）

其中，rzl表示網絡借貸的融資效率，pjl表示網絡借貸的成交價格，tzr表示網絡借貸的資金供給者（投資人數）用戶規模，jkr表示網絡借貸的資金需求者（借款人數）的規模，X表示其他控制變量（包括借款期限、平臺風險等）。

由理論模型進一步分析，rzlpjl>0表明網絡借貸中存在逐高收益效應，屬于資金供不應求，rzlpjl<0表明網絡借貸存在逐低風險效應，屬于資金供過于求；rzltzr>0表明網絡借貸中投資者存在示范（或稱互補）效應，rzltzr<0表明網絡借貸中投資者存在擠出（或稱互斥）效應；rzljkr>0表明網絡借貸中借款者存在示范效應，rzljkr<0表明網絡借貸中借款者存在擠出效應。

（二）研究假設

網絡借貸平臺本質上是一種信息中介服務機構，P2P網貸就是借助網絡借貸平臺發布借款者“硬信息”與“軟信息”來吸引投資者投資實現資金供需匹配[10-11]。在P2P網絡借貸中，借款者通過網絡平臺中介向投資者發出借款要約邀請，投資者可以接受邀請進行投標或者無視，這個資金供需匹配的過程不斷持續直至均衡。金融匹配過程中交易成本和信任起著重要作用。交易主體的異質性和信息不對稱是借貸市場匹配的核心，借貸雙方在其參與約束條件下，根據自身及對方的特征進行分類排序，從而形成具有不同特征的借款者與投資者之間的匹配。P2P網絡借貸平臺中，借款者根據自身特征、信息稟賦等發布不同利率、金額、期限的借款列表，投資者根據自身流動性、風險考慮以及信息的掌握情況[12]，有序地選擇合適的借款列表進行投標，從而形成具有不同特征的借款者與投資者之間的資金匹配[13]。

合理的P2P網絡借貸匹配機制可以提高金融資源配置效率。P2P網絡借貸中投資者通過對借款者的“硬信息”和“軟信息”的雙重考察，判斷借款者的質量，找到合適的借款標的進行投資，從而實現雙方資金供需的有效匹配[14]。在這一過程中，投資者的選擇行為存在異質性，不同的投標人的投標策略也會隨著時間及投標人的經驗而發生變化[15]，借款者參與投標的頻率越高，與投資者之間的互動越多，越容易吸引投資者參與投標[16]，效率越高。endprint

在P2P網絡借貸平臺中，借款者和投資者需求互補，兩邊市場用戶相互依賴，存在正的交叉網絡外部性[17]。此外，同一邊用戶中存在著直接網絡外部性，同邊用戶（即借款者或者投資者）通過自身的家庭和社會網絡相互影響，吸引其他用戶加入平臺。直接網絡外部性的正負取決于同一邊用戶集聚示范效應（互補效應）與擠出效應（互斥效應）的比較。通常情況下，投資者數量越多，借款標的越容易滿標，成交速度的提高，投資者自身效用也會增加，同邊的示范效應較大；由于網絡空間的同邊服務的邊際成本比較低（增加一個用戶對網絡的服務成本沒有太大影響）以及居民儲蓄較多投資需求旺盛，經過很多平臺審核的借款標的很快被投資者搶完，借款者同邊擠出效應較少，反而由于借款者之間的集聚示范效應較大，使得借款者直接網絡外部性可能為正[18]。綜上，得出如下假設：

H1：網絡借貸的資源配置效率的提高在利率水平方面表現為市場的風險溢價逐步下降，即利率水平下降。具體來說，平臺的成交規模與利率水平呈負相關，說明隨著網絡借貸利率下降，網貸市場規模越大。而成交效率與利率水平呈正相關，表現為平臺的成交用時與利率水平呈負相關①。

H2：網絡借貸的資源配置效率的提高在用戶參與方面表現為投資者和借款者之間的網絡效應。具體說，平臺的成交規模與投資者和借款者呈正相關，說明隨著網絡借貸利率下降，網貸市場規模越大。而平臺的成交效率與投資者人和借款者之間的關系主要存在示范效應和擠出效應兩種，表現形式取決于發展階段的主效應作用。

H3：網絡借貸的資源配置效率的提高在風險能力方面表現為網絡借貸成交借款的質量的越來越好，越來越多的人愿意進行長期借貸，網貸平臺的風險抵抗能力增強。

二、數據與變量說明

根據互聯網金融資源配置的理論分析、P2P網絡借貸行業的發展現狀以及信息披露情況，本文選擇了網絡借貸的成交量、成交的利率水平、投資人數、借款人數等指標來實證研究（見表1）。

采用數據抓取的方法收集2013年10月到2016年2月網貸之家及相關P2P網絡借貸網站的226家平臺的月度交易數據。從2013年10月到2016年2月選取的樣本結果可以看出，每個網絡借貸平臺的月平均成交量為149646萬元，平均年化利率為1668%，投資人數月平均為4080人，借款人數月平均為1139人，人均投資金額為2800元，人均借款金額146703元，平均借款期限為47月，平臺的資金杠桿平均為2946倍，、借款成交標數月平均為861316個，網貸成交時間平均為2065小時，網貸平臺運營時間平均為1911月。

三、實證結果分析

（一）借貸市場配置的現狀分析

傳統銀行貸款仍然是融資貢獻最大的主體，但對于部分無擔保的資金短缺者，銀行無法解決其需求，并且民間借貸成本過高風險較大，金融互聯網化的發展為這部分融資難群體提供了融資可得的機會，甚至可以降低融資成本。2016年首次發布的融資維度的中國金融互聯網指數②為1085，這表明現階段網絡貸款已經給資金需求者帶來了積極影響，金融互聯網化的成效已初步體現。易得指數為1272，表明金融互聯網化最突出的貢獻在于使融資需求者可以更容易、更便利、更簡單地獲得貸款資源。但得益指數為964，表明網絡貸款成本高于線下貸款。而可得指數只有865，表明網絡貸款在貸款資源供應方中仍然不是主力，網絡貸款的普及性不如線下貸款。盡管網絡借貸利率仍高于銀行貸款，但對于融資難群體而言，金融互聯網化的發展無疑使他們的融資受益。

（二）網絡借貸配置的規模效應檢驗

市場規模是衡量互聯網金融資源配置效率的基礎，本部分從網絡借貸的成交規模角度來檢驗網絡借貸的資源配置效率。分別采用最小二乘法（包括兩階段二乘法、廣義矩估計）、靜態面板回歸法以及動態面板回歸法等模型和方法來估計網絡借貸成交規模效應的影響因素，以歸納網絡借貸市場發展規律。具體來說，第一列是最小二乘回歸模型估計結果，第二列是固定效應面板回歸模型估計結果，第三、四列是加入交叉項的固定效應回歸模型估計結果，第五列是動態面板回歸模型估計結果。

網絡借貸的成交規模效應的回歸結果（表2）顯示，網貸借貸的成交量與利率水平、借款期限呈負相關，而與投資人數、借款人數、運營時間呈正相關關系。

1.利率水平對平臺成交規模的結果分析。實證模型的結果顯示，網絡借貸的成交規模與平臺利率水平呈負相關，即平臺利率水平越低，平臺的成交量越高。說明目前網絡借貸利率水平下降，反映了網絡借貸整體風險溢價的下降，網絡借貸逐步進入有序發展階段，成交利率的下降有助于對網絡借貸的成交規模的擴大，使之成為傳統金融渠道的有益補充。

2.投資人數和借款人數對平臺成交規模的結果分析。五個模型的結果均表示，網絡借貸的成交規模與投資者人數、借款者人數呈顯著的正相關。這符合網絡借貸中投資者和借款者的參與人氣越高，越有利于成交規模的擴大。反映了隨著網絡借貸中參與人氣的越來越高，成交規模效應越來越明顯。

3.平臺運營時間對成交規模的結果分析。五個結果均顯示，平臺的成交規模與運營時間呈顯著的正相關，說明平臺成立時間越長，網絡借貸成交規模量越大。反映了隨著網絡借貸的逐漸發展，這一借貸模式逐漸被大家認可，網絡平臺的運營也逐漸走向正規化，網絡成交規模效應的顯現，成為解決小微企業融資難的一種有效模式。

4.從其他控制變量的影響結果顯示，平臺成交規模與借款期限呈負相關，說明網絡借貸的借款期限越長，反而不利于成交規模的快速擴大，說明目前投融資者進行網絡借貸較多的是短期借款，長期借款并不多，反映投資者和借款者偏好的同時，更說明了網絡借貸的潛在風險較大，大家并未看好網絡借貸的長期發展。平臺的成交規模與資金杠桿呈正相關，說明平臺的資金杠桿越高，平臺的成交規模越大。

5.引入平臺類型和平臺保障方式兩個變量進行穩健檢驗，發現網絡借貸成交規模的檢驗結果與前面是一致的。此外，加入平臺的利率和平臺的類型的交叉項來看，考慮融資成本后，平臺的類型在網絡借貸成交規模中發揮顯著的正向作用。加入平臺的利率和平臺保障方式的交叉項，考慮平臺融資成本，平臺采取的保障方式對網絡借貸的成交規模具有顯著的正向影響，即網絡借貸提供的保障越高，越有助于成交規模的擴大。endprint

總體來說，目前網絡借貸平臺的成交規模效應逐漸擴大，各種影響因素在成交規模效應中發揮積極的作用，網絡借貸成為解決小微企業融資難的一種有效模式，使之成為傳統金融渠道的有益補充。

（三）網絡借貸配置的成交效率檢驗

市場規模是衡量互聯網金融資源配置的基礎，而市場成交效率是衡量互聯網金融資源配置效率的關鍵。本部分從網絡借貸的成交用時角度深入分析考慮網絡借貸融資成交的微觀效率，實證檢驗網絡借貸的匹配效率影響機制。

網絡借貸成交效率的實證結果（見表3）分析，可以看出網絡借貸平臺成交用時與利率水平、借款人數、運營時間呈負相關，而與投資者人數、借款期限等呈正相關。

1.利率角度對平臺成交效率的結果分析。四個模型的結果均顯示，網絡借貸的滿標時間與平臺利率水平呈顯著的負相關，反映了在控制其他條件不變下網絡借貸市場上的利率越高，成交的用時越少。說明了平臺利率水平對網絡借貸的成交用時具有顯著的負向影響，也就是說平臺利率水平對平臺成交速度具有顯著的正向影響。在平臺風險類似的情況下，目前我國居民儲蓄過多，而居民投資渠道較少，利率水平與成交效率呈正相關，利率水平越高，成交效率越高。

2.投資者人數和借款人數對平臺成交效率的結果分析。五個模型的結果均表示，網絡借貸的成交用時與投資者人數呈顯著的正相關，投資者人數越多，成交用時越多，成交效率越低，投資者間的擠出效應明顯。而網絡借貸的成交用時與借款者人數呈顯著的負相關，借款者人數越多，成交用時越少，成交效率越高，借款者間的示范效應明顯。說明投資者和借款者組內的外部性差異存在較大的差異，投資者組內網絡外部性的效應沒有發生作用。

3.運營時間對平臺成交效率的結果分析。五個模型的結果均表示，網絡借貸的成交用時與平臺的運營時間呈顯著的負相關，平臺運營的時間越長，成交用時越少，成交效率越高。反映了網絡借貸的逐漸發展，網絡平臺的運營也逐漸走向正規化，融資效率逐漸提高。

4.一些控制變量的影響結果顯示，平臺的成交時間與借款期限呈負相關，說明網絡借貸的借款期限越長，借款成交時間越長，平臺的成交效率越低。反映了參與者對網絡借貸中的長期借款更加謹慎。平臺的成交用時與資金杠桿呈負相關，說明平臺的資金杠桿越高，平臺的成交用時越少，成交效率越高。

5.引入平臺類型和平臺保障方式兩個變量進行穩健檢驗，發現網絡借貸成交效率的檢驗結果與前面是一致的。此外，加入平臺的利率和平臺的類型的交叉項來看，考慮融資成本后，平臺的類型在網絡借貸成交效率中發揮顯著的正向作用，即網絡借貸平臺的背景越好，成交效率越高。而加入平臺的利率和平臺保障方式的交叉項，考慮平臺融資成本，平臺采取的保障方式對網絡借貸的成交效率并沒有顯著的影響。

總體來說，目前網絡借貸平臺的成交速度有所提高，但是網絡平臺本身的網絡效應沒有充分發揮，反映了大多數網絡借貸平臺并沒有突破臨界規模，來充分發揮網絡自身的正反饋效應，這也解釋了為什么大量P2P網絡借貸平臺（排除一些惡意欺詐的平臺）的倒閉。

（四）網絡借貸配置的風險能力檢驗

考慮網絡借貸中有些借款是為了刷信用、虛造成交量等而進行短期借貸，這將影響網絡借貸的真實成交效率。進一步考慮網絡借貸成交的期限錯配等風險，引入時間加權成交量③這個指標來分析平臺成交效率背后的抗風險能力，也有助于測度網絡借貸的真實成交效率。時間加權成交量反映網貸平臺的借款質量水平，時間加權成交量越大，流動性風險越小。因此，采用同上的方法進行估計。

網絡借貸的成交效率風險（即抵抗風險能力）的實證結果（見表4）分析，網貸平臺的時間加權成交量與利率水平呈負相關，而與投資者人數、借款人數、借款期限、運營時間呈正相關。

1.利率水平對網絡借貸成交效率風險的結果分析。模型結果顯示，借款訂單的時間加權成交量與平臺利率水平呈顯著的負相關，網絡借貸市場利率越低，加權時間成交量越多，反映了在控制其他條件不變下網絡借貸市場上的利率越低，平臺的流動性壓力越小，短期內的風險越低。說明利率越高，時間加權成交量越少，真實優質借款的成交越少，平臺成交效率風險越高。考慮平臺借款的時間風險價值因素，利率水平對成交效率風險呈正相關，利率水平越低，成交借款質量越好，成交效率風險也較低。

2.投資人數和借款人數對平臺成交效率風險的結果分析。五個模型的結果均表示，借款訂單的時間加權成交量與投資人數和借款人數具有顯著的正向關系，即投資者和借款者人數越多，加權時間成交量越多，流動性壓力越小，平臺的風險越低。說明在控制其他條件（包括利率）下，投資者和借款者人氣越高，成交的借款質量越好，成交效率風險越低。總之，網絡借貸人氣越旺，名義和真實的成交效率越高，而且投資方和借款方的網絡效應已有所顯現。

3.運營時間對平臺成交效率風險的結果分析。五個模型的結果均表示，借款訂單的時間加權成交量與平臺的運營時間呈顯著的正相關，即隨著運營時間的增加，加權時間成交量越多，說明隨著網絡借貸的發展，平臺的期限較長貸款成交量越多，流動性風險越低。從資金杠桿角度的影響結果顯示，平臺的加權時間成交量與資金杠桿呈正相關，說明平臺的資金杠桿越高，平臺的加權時間成交量越多，兩者結合來看網絡借貸的越來越規范，成交風險也逐步降低。

4.引入平臺類型和平臺保障方式兩個變量進行穩健檢驗，發現網絡借貸成交效率風險的檢驗結果與前面是一致的。此外，加入平臺的利率和平臺的類型的交叉項來看，考慮融資成本后，平臺的類型在網絡借貸成交效率風險中沒有顯著的影響。而加入平臺的利率和平臺保障方式的交叉項，考慮平臺融資成本，平臺采取的保障方式對網絡借貸的成交效率風險具有顯著的正向影響，說明網絡借貸平臺提供的保障水平越高，成交的借款其抗風險能力水平越高。

總體來說，目前網絡借貸平臺的成交貸款質量有所提高，越來越多人接受期限較長的貸款，這說明用戶逐步看好網絡借貸這一互聯網金融方式。網絡借貸中的長期貸款比例的上升，有助于提高整個行業的期限錯配，降低整個行業的流動性風險，提升整個行業的抗風險能力。endprint

四、穩健性檢驗

有部分為了非法集資或者金融詐騙成立的網絡借貸平臺，偽造數據欺騙投資者，網站存續時間較短，為了檢驗實證結果的真實性，本文選擇成立時間在一年以上的約95家網站平臺進行穩健性檢驗。網絡借貸的成交效率是網絡借貸資源配置效率的關鍵，這里主要展示網絡借貸成交效率的穩健性結果。

網絡借貸成交效率的穩健性檢驗結果表明，網絡借貸平臺成交用時依然與利率水平、借款人數、運營時間等呈負相關，而與投資者人數、借款期限等呈正相關關系。說明隨著網絡借貸逐步發展，網絡借貸的利率水平下降，網絡借貸的成交效率逐漸提高，穩健檢驗結果與前文的檢驗結果是一致的。目前網絡借貸中投資者方的擠出效應明顯，借款者方的示范效應明顯，網絡借貸逐步進入常規發展階段。

五、結論與啟示

互聯網金融創新改變傳統金融的組織模式，形成以互聯網平臺為中介的資金配置模式。本文從微觀平臺角度實證研究互聯網金融的資源配置機制以及融資效率，利用2013年10月到2016年2月兩百多家網貸平臺的數據，從成交規模，成交用時和成交風險質量來實證檢驗網絡借貸平臺的資源配置效率。實證結果表明網絡借貸平臺成交用時依然與利率水平、借款人數、運營時間等呈負相關，而與投資者人數、借款期限等呈正相關。說明隨著網絡借貸逐步發展，網絡借貸的利率水平下降，網絡借貸的成交效率逐漸提高，穩健檢驗結果與前文的檢驗結果是一致的。目前網絡借貸中投資者方的擠出（互斥）效應明顯，借款者方的示范（互補）效應明顯，網絡借貸逐步進入常規發展階段。

根據互聯網金融平臺效率實證研究結果，提出以下政策建議：第一，統一互聯網金融平臺的信息披露標準。建立合理的互聯網金融平臺設立標準（包括信息披露標準、技術安全標準等），減少市場信息不對稱來提高互聯網金融的融資效率。第二，有序引導互聯網金融的合理競爭。互聯網平臺商業模式具有較強的網絡效應，需要相關部門引導互聯網金融平臺的合理競爭，充分發揮平臺雙邊用戶的互補效應，形成合理的互聯網金融競爭結構。第三，加強互聯網金融平臺的綜合監管。構建互聯網金融平臺的綜合監管體系，明確資金供需雙方、網絡平臺中介、監管部門的權責，規范各自的金融行為，促進互聯網金融行業的健康發展。

注釋：

① 利率水平越高，成交用時越少，成交效率越高。

② 當互聯網金融指數=100時：表示融資借貸的金融互聯網化與未互聯網化達成的效果一樣，即網絡貸款與線下貸款的表現相同；當互聯網金融指數>100時：表示網絡貸款給融資借貸者帶來了更勝于線下貸款的積極影響；當互聯網金融指數<100時：表示網絡貸款的表現不及線下貸款的表現。

③ 時間加權成交量是衡量P2P網貸平臺吸收資金能力的指標之一，該指標將時間因素納入統計范圍，所以不同借款期限間的平臺比較更具可比性，該指標側面關系平臺抗風險能力。

參考文獻：

[1] Forman C，Ghose A， Goldfarb A. Competition between local and electronic markets： How the benefit of buying online depends on where you live[J].Management Science， 2009， 55（1）： 47-57.

[2] 謝平， 鄒傳偉， 劉海二. 互聯網金融的基礎理論[J].金融研究， 2015（8）： 1-12.

[3] Katz M L， Shapiro C. Network externalities， competition， and compatibility[J].American Economic Review， 1985，75（3）： 424-440.

[4] 沈悅， 郭品. 互聯網金融、技術溢出與商業銀行全要素生產率[J].金融研究， 2015（3）： 160-175.

[5] Varian H R， Shapiro C. Information rules： a strategic guide to the network economy[J].Harvard Business School Press， Cambridge， 1999： 1-352.

[6] Wei Z， Lin M. Auction vs. posted-price： Market mechanism， lender behaviors， and transaction outcomes in online crowdfunding[R].Working Paper， 2013.

[7] Lei Z. Price Competition Strategy of Internet Platforms[J].International Journal of Design & Nature and Ecodynamics， 2015， 10（4）： 320-327.

[8] Hagiu A. Pricing and commitment by two-sided platforms[J].RAND Journal of Economics， 2006， 37（3）： 720-737.

[9] Hu M， Li X， Shi M. Product and pricing decisions in crowdfunding[J].Marketing Science， 2015， 34（3）：331-345.

[10]莊雷， 周勤，伏玉林. P2P網絡借貸用途、投資偏向效應與軟信息價值[J].國際商務（對外經濟貿易大學學報）， 2015（6）： 77-85.

[11]劉志洋.消費者對互聯網銀行的可接受度問題研究[J].浙江工商大學學報，2015（2）：85-93.endprint

[12]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.

[13]Mollick， E. The dynamics of crowdfunding： An exploratory study[J].Journal of Business Venturing， 2014，29（1）：1-16.

[14]Lin M， Viswanathan S， Prabhala N R. Judging borrowers by the company they keep： Social networks and adverse selection in online peer-to-peer lending[J].Management Science， 2012，59（1）： 17-35.

[15]Puro L， Teich J E， Wallenius H， et al. Borrower decision aid for people-to-people lending[J].Decision Support Systems， 2010，49（1）： 52-60.

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

[17]Rochet J， Tirole J. Two-sided markets： A progress report[J].RAND Journal of Economics， 2006， 37（3）： 645-667.

[18]Viotto J. Competition and Regulation of Crowdfunding Platforms： A Two-sided Market Approach[J].Communications & Strategies， 2015（99）： 33-50.

Demonstration or Crowding-Out Effect： An Empirical Study of Internet

Financial Platform Efficiency

ZHUANG Lei， ZHAO Cheng-guo

（School of Economics & Management， Nanjing Tech University， Nanjing 211800，China）

Abstract：Internet banking has significantly improved the total factor productivity of China′s commercial banks through the technology spillover effect. Based on the characteristics of network economy， the paper analyzes the resource allocation mechanism of Internet financial model with the two-side market theory， and compares the financing efficiency of traditional financial institutions and Internet financial platform； the data of more than 200 network lending platforms from October 2013 to February 2016 are collected to verify the resource allocation efficiency of network lending platform from transaction scale， transaction time and risk quality. The empirical results show that the crowding-out effect is obvious in the lender side， and demonstration effect is obvious in the borrower side. Accordingly， we should unify information disclosure standards of Internet financial platform， orderly guide reasonable market competition and strengthen comprehensive supervision of the platform.

Key words：Internet finance； network effect； platform efficiency； risk regulation

（責任編輯：周正）endprint