P2P網絡借貸：傳統民間借貸的線性回歸

摘 要：P2P網絡借貸是民間借貸利用互聯網技術進行的一次信貸技術創新，它改變了民間融資市場的市場組織形式。P2P網絡借貸具有四個特征：一是P2P網絡借貸的技術基礎是互聯網技術的應用與普及;二是以小微企業為代表的弱勢群體構成的長尾市場是P2P網絡借貸的市場基礎;三是小額借貸是P2P網絡借貸的業務基礎;四是信息不對稱是P2P網絡借貸的“遺傳基因”，解決這一問題是其生存的基礎。從傳統民間借貸到P2P網絡借貸演示著民間借貸的技術創新、制度創新和組織創新，同時隨著出借人的盈利模式從“利率覆蓋風險”轉變到“交易流量覆蓋風險”，這一過程本質上是大數據應用的過程。

關鍵詞：P2P網絡借貸;互聯網技術;長尾市場;信息不對稱;小額借貸

中圖分類號：F832? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2020）01-0077-06

引言

自從我國第一家P2P網絡借貸平臺“拍拍貸”于2007年成立至今，民間借貸逐漸從線下轉移到線上，貸款模式也從小打小鬧的“游擊戰”逐漸發展到“大兵團作戰”，網絡借貸形成了起源于英國而繁盛于中國的格局。在11年的發展過程中，我國網絡借貸先后經歷了探索、快速擴張、野蠻生長和穩定增長四個階段，發展的過程并不順利，在網絡借貸成交量快速攀升的過程中，問題平臺也不乏其數，平臺非法集資、欺詐、倒閉、跑路等市場亂象屢屢發生，這些問題嚴重影響了我國P2P網絡借貸的可持續發展。成績與問題并存，為此，本文擬從P2P網絡借貸與傳統民間借貸（2007年以前的民間借貸）的區別與聯系、平臺的功能定位、P2P網絡借貸的“生存土壤”在哪里、P2P平臺處理信息的技術優勢是什么、網絡借貸利率有下降的可能性嗎、P2P網絡借貸的未來發展“路在何方”等幾個問題展開討論。

一、互聯網技術是P2P網絡借貸的技術基礎

以大數據為基礎形成的社交網絡、搜索引擎、云計算和網絡移動通信技術等技術集群組合構成互聯網技術。從技術發展與應用角度審視，目前互聯網技術以大眾手機化生存方式在中國社會生活中形成“先行者優勢”，通過龐大的網民規模降低單位應用成本，且邊際成本趨近0，再利用普遍流行導致的學習效應與大規模用戶群體采取共享技術產生的協調效應致使它在經濟活動中日益成為常態，并達到一種實現自我增強的“正反饋機制”。互聯網技術以其實用性與便利性把信貸活動納入其中，通過對小額信貸行為的“編程”，互聯網技術形成了與民間借貸的“鏈接”，小額信貸市場隨互聯網技術的應用而得到了進一步的“進化”，P2P網絡借貸成為金融市場關于投資者盈利機制和信貸方法創新的一種市場組織形式。當超高速計算機運用具有“4V”①特征的大數據時，相關性分析的重要性位于首位，因果分析顯得不重要，行為分析的重要性不低于甚至超過財務報表分析（謝平等，2015），于是基于活性預期的企業發展潛力分析成為小微企業融資可獲得性的大數據原理。P2P網絡借貸運用大數據的“大眾點評”原理可實現“充分統計量”的高效統計分析效果，從而確定借款人的動態違約概率，這類似于銀行專業、線性的信貸評估方法。

社交網絡的信息收集與揭示作用。傳統民間借貸局限于親緣、地緣與業緣等關系組成的鏈圈社會網絡（馬光榮等，2011），受空間物理距離的約束，傳統民間借貸的地域性特征明顯。當互聯網技術進入中國社會生活后，現實中的社會關系經數字化后在網絡上得以再現，網絡成為人們發布、傳遞和共享信息的平臺，一種具有自愿分享和共享機制的社交網絡平臺出現了（謝平等，2012）。社交網絡是P2P網絡借貸的重要特征之一，在金融市場內涵上，社交網絡帶給P2P網絡借貸兩個重要的市場含義：一是社交網絡突破了傳統人與人之間真實的面對面的社會交往方式帶來的區域性限制，地不分南北，人不分老幼都集中到社交網絡平臺上進行交流，人與人之間的“社會資本”可以快速積聚在P2P網絡借貸平臺上。二是大大小小的投資者和各種各樣的資金需求者可以在P2P網絡借貸平臺上快速進行資金匹配，資金的供給側和資金的需求側同時滿足了大數據的“4V”特征國。這樣，網絡化的民間借貸充分實現了“大數法則”定律。

網絡超高速計算的融資效用。現代金融業一直是計算能力的使用大戶。以云計算、量子計算和生物計算為代表的高性能計算技術日益進入經濟領域，及時滿足了金融業基于技術進步的深度發展。例如，現代計算技術可以隨時提供任何數據與交易軟件、計算軟件，實現風險定價與風險管理。借貸雙方在P2P平臺上應用各種APP來解決金額、期限與收益的匹配，這一過程同時伴隨著對借款人的信用評級與違約概率的測算。以P2P平臺為載體，借貸雙方借助形式多樣的信貸APP軟件解決了過去只有金融專業人士才能完成的交易風險定價，降低了交易成本，減少了信息不對稱，促成了借與貸的匹配，無形中在一個隨機虛擬環境下完成了資金的時空配置，客觀上形成了一個由大量應用程序組成的金融生態系統。在互聯網環境下，云計算、生物計算和量子計算共同構建了網絡超高速高性能計算，當這種互聯網計算技術“邂逅”民間借貸時不僅創造了一種借貸行為，更重要的是對民間直接融資進行了重新“編程”，創造了一種全新的民間借貸市場——P2P網絡借貸。

我國現有網民7.72億人，①網絡移動通信技術的快速發展與應用使大眾手機化的生活方式與生存方式在我國得到了普及。對民間金融市場的意義表現在兩個方面：一是把大量的融資者和儲蓄者快速集中在P2P網絡平臺上，融資活動可以做到anytime（隨時）、anywhere（隨地）、anyhow（以任何方式）的“3A”效果，“3A”特性是民間借貸內在的本質屬性。但傳統民間借貸地域性約束明顯，要么是熟悉的個人對個人的借貸，要么是商圈內的互相借貸，如標會。與此相比較，P2P網絡借貸的資金配置效率取得了質的飛躍，借貸效率不可同日而語。二是與融資交易相匹配的資金的轉移支付在高速Wi-Fi、4G網絡環境下可同時實現上述融資效果的“3A”支付，整個借貸過程實現了用網絡流量來表達，融資成交量與網絡流量成正比，網絡移動通信技術的普及應用使民間借貸在P2P網絡借貸平臺上一瞬間即可完成，不管是空間匹配性、融資時效性還是成交量都是傳統民間借貸無法做到的。截至2016年，中國網民規模占總人口的比例達到了71%，將來隨著5G網絡的開發與應用可使小微企業運用P2P網絡借貸成為金融市場常態。與傳統民間借貸不同，P2P網絡借貸可實現一對多或多對一的融資模式。例如，一個出借人可以向許多個借款人發放金額小到幾十元的貸款，一個借款項目也可以得到多個投資者的投資。“拍拍貸”的數據表明，一個投資項目的平均投資人數為13.68人，投資者的平均借貸金額為70.92元/每次（譚雪晗等，2016）。傳統民間借貸風險高度集中，P2P網絡借貸卻可以實現風險的充分分散化，不僅可以充分稀釋融資者的行業相關性，而且也可以充分分散融資者的地域相關性，例如，“人人貸”的融資者來自全國34個省級行政單位（莊雷等，2016），P2P網絡借貸完全做到了風險的內生與內控。技術是經濟中關于機制和方法的研究，抑或是，經濟是技術的一種線性表達形式，并隨內嵌技術的演變而不斷變化（布萊恩·阿瑟，2014）。網絡移動通信技術創新了民間借貸的運作機制、盈利模式與組織形式。

二、長尾市場是P2P網絡借貸的市場基礎

金融市場中的“長尾市場”，是指被以銀行為主導的制度金融體系遺棄的以大量小微企業為主體的弱勢群體所組成的民間金融市場。P2P（Peer to Peer）是一種非常古老的人與人之間的借貸方式，在中國商周時期就已出現（劉志洋，2016），如果從技術層面來劃分，以2005年（中國以2007年）為時間節點，在此之前，P2P被稱為傳統民間借貸;之后，P2P被稱為“P2P網絡借貸”，是傳統民間借貸的“網絡升級版”（陳霄等，2016）。嚴格地說，現在是P2P網絡借貸與傳統民間借貸并存的時代。不管是傳統民間借貸還是現在的P2P網絡借貸，其存在的市場基礎是相同的，都是因為宏觀經濟中大量存在著以小微企業為代表的民營經濟所構成的長尾市場。傳統民間金融市場“偏態”現象嚴重，屬于典型的“需求創造供給”。改革開放之后一直到2007年，民營經濟的快速發展是我國經濟增長的亮點，作為主導力量的小微企業帶來了信貸市場對資金的旺盛需求，資金供給方對信貸市場的形成作用小于資金需求方，但資金供給方的作用隨時間的變化越來越大。智研咨詢2017年發布的報告數據顯示，2007年之后，我國中產階級數量大增。截至2015年，我國（僅指大陸）中產階級家庭總數為1.64億，千萬高凈值人群數量已達121萬，大眾化投資理財需求已成為金融市場常態。據國家工商總局統計，截至2017年7月底，中國小微企業名錄收錄的小微企業已達7 328.1萬戶，②這反映出資金供求雙方共同作用形成了現代民間借貸市場。目前，金融市場上出現了“民間資本多、投資難，小微企業多、融資難”的“兩多兩難”悖論。這種現象，一方面說明P2P網絡借貸在整個民間借貸市場中所占的比例有限，P2P網絡借貸發揮小微企業的融資“活性”還有很大的提升空間;另一方面說明還有大量的借貸雙方游離于P2P網絡借貸模式之外，借貸雙方還在采用傳統的民間借貸形式。傳統民間借貸與P2P網絡借貸二者市場的生成邏輯迥異，我們知道，單個出借人的收益等于出借金額乘以借貸利率，小額借貸是民間借貸的基本業務形態，當出借金額較小時，唯有借貸利率較高收益才會是一個相對較大的值，與銀行借貸利率比較，傳統民間借貸利率居高不下就成了民間金融市場的常態（胡春生，2015），當然其中包含有風險溢價的原因。因信息難題，傳統民間借貸受到“授信距離”（Hotelling，1929）的嚴重約束，表現在違約風險概率與空間授信距離存在正相關關系（Agarwal et al.，2007），傳統民間借貸局限在特定的地域范圍內。傳統民間借貸具有兩個特點：一是借貸行為具有明顯的區域性特征，借貸只為特定地域內的小微企業服務;二是出借人的盈利機制是一種“利率覆蓋風險”的決策機制。

在P2P網絡借貸環境下，小微企業是民間借貸市場融資需求的長尾群體，從價值鏈生成角度看，這種“長尾”市場的形成是由生產者（資金供給者）驅動和消費者（資金需求者，即小微企業）驅動共同作用形成的，首先，從供給側來看，大眾化的投資理財需求帶來了民間借貸市場資金供給的多樣性和資金數量的大數化，作為消費者的小微企業在信貸市場進行信貸匹配具有了無限選擇的可能性，這是民間借貸市場需求曲線形成的基礎。從需求側來看，長尾市場的誕生依賴于小微企業對成千上萬個信貸利基產品的消費。譚雪晗等（2016）以“拍拍貸”網站上的散標借貸信息為樣本，通過分析發展，一個投資項目對應多個出借人，融資項目平均的出借人數為13.68人。當然，這需要解決資金供給多樣性與小微企業融資的個性化需求的匹配性問題。小微企業的異質性特征導致各自的融資需求個性化特征明顯，于是大量相互獨立的小微企業綜合影響形成市場許多隨機的信貸需求，而其中每一個企業的融資需求在信貸市場整體中所起的作用都是微小的，這種融資的隨機需求往往服從正態分布，從而滿足中心極限定理的客觀背景。這是P2P網絡借貸的概率論基礎，表明網絡借貸的動態違約概率具有穩定性而且可控，從而也說明P2P網絡借貸可以實現“大數法則”定律：從整個市場來看，成交筆數（一個極大的數）乘以小筆金額乘以貸款利率，可以等于一個相對較大的借款總收益。P2P網絡借貸突破了信貸活動的區域限制，信貸客戶規模可以實現無限大，且貸款風險與行業風險、區域性風險高度分散，所以可以保證其中壞客戶只占客戶總量一個相當小的規模，信貸正常的回款狀況完全可以覆蓋壞賬損失（蔡閩，2016），這就是P2P網絡借貸的“交易量覆蓋風險”的盈利機制。同時這也為民間借貸從“利率覆蓋風險”的定價機制向“交易量覆蓋風險”的定價機制轉變創造了可行性，即在P2P網絡借貸環境下貸款高利率的下降具有了理論上和現實上的可能性。

三、小額借貸是P2P網絡借貸的業務基礎

小額借貸是民間借貸的基本業務形態，以互聯網技術創新驅動的P2P網絡借貸可以以低成本和高效率的形式服務于實體經濟（郭田勇，2016），為實現小微企業的“發展權”提供資金支持。P2P網絡借貸用互聯網技術可以很好地預測借款人的違約概率，在“大數法則”定律指導下進行投資決策能夠控制整體的損失規模，民間借貸完全實現了“小額、簡單、分散”的投融資效果。在沒有改變傳統民間金融本質的前提下，P2P網絡借貸利用技術進步改變了民間借貸的服務模式，顛覆了存在幾千年的民間金融商業模式，實現了傳統金融回歸服務實體經濟的“初心”。P2P網絡借貸的借款需求以小額貸款為主要形式，據“人人貸”的數據分析，小微企業的借款金額為3 000元～50萬元（莊雷等，2016）;《中國P2P借貸服務行業白皮書2014》中數據顯示，網絡借貸平均滿標時間為6.22小時，借款金額位于1萬～10萬元區間段占比為80%（王馨，2015），信貸活動充分展示了“小額、適時”的特征，小微企業資金多層次需求也顯示出來了，但傳統民間借貸卻無法滿足客戶需求這樣廣泛的多層次性。因此，P2P網絡借貸不僅繼承了傳統民間借貸良好的活性服務“基因”，還通過互聯網技術創新擴大了客戶覆蓋面，是對以銀行為主導的制度金融體系的間接融資渠道的有益補充。

從需求側來看，現在信貸企業來自各行各業且分布在全國34個省級行政單位，“拍拍貸”的數據顯示，每個借款項目的投資者人數平均為13.68人，投資者平均借出金額為70.92元/每次，這種“小額、分散”的信貸模式，不僅使融資交易量實現規模經濟效益，而且使信貸風險“充分”分散化，可實現信貸風險的內生化與內控化，極大地降低了金融市場的風險。從供給側來看，大眾化、平民化的投資理財需求旺盛。智研咨詢發布的數據顯示，2015年我國億元高凈值人口為7.8萬人，高凈值人群總資產達到60.5萬億元，其中家庭可支配收入平均為255萬元，家庭年可支配收入總量為3萬億元。從整體來看，我國人均GDP正在跨越5 000美元的門檻值。供給資金來源廣泛和客戶需求廣泛通過P2P平臺實現了無縫對接，表明民間網絡借貸具有夯實的市場基礎。

“小額、分散、適時”是民間借貸的基本特征，是傳統民間借貸和P2P網絡借貸的“共性”。“分散”兩字的含意深遠，二者迥然相異，傳統民間借貸的分散僅指借貸行為在物理空間上的分散化，而P2P網絡借貸的分散既指資金投向的分散化，也指借款人借款金額組成的分散化，是小額借貸產生的原因，在本質上，“分散”本身就含有“小額”的含意。當共享平臺出現后，民間借貸就形成了規模經濟效應，表現在三個方面：一是信息處理成本的規模經濟，用大數據對借貸信息進行規模化處理，大大降低了單位信息的處理成本，此時融資信息生成“市場語言”，進而形成了市場的“生成語言學”，①通過出借人的“經典條件反射”引致借款人的“操作性條件反射”，使民間金融市場有序、順暢的運行。二是“小額、分散”的融資模式極大地分散了投資風險，使投資風險內生化，穩定了市場秩序。三是平臺小額借貸改變了出借人的盈利模式。傳統民間借貸的盈利模式走的是一條“利率覆蓋風險”的道路，價格成為出借人盈利的決定性因素，這種模式極易造成風險大量集聚在某一個市場點上，容易誘發信貸市場的多米諾骨牌效應。與此不同，P2P網絡借貸走的是一條“交易流量覆蓋風險”的模式，通過資金分散，風險內控，使投融資滿足大數法則，主觀構造中心極限定理，可以較好地評估借款人的動態違約概率，給民間借貸降低利率帶來了技術上的可行性。從發展的趨勢來看，P2P網絡借貸具有有利于借款人的利率生成優勢。

四、解決信息不對稱是P2P網絡借貸的生存基礎

信息處理是金融市場的核心問題，構成資金匹配的先決條件。信息的生產與處理方式的差異是P2P網絡借貸與傳統民間借貸的本質區別。現代信息技術的發展與系統化使大數據成為了現實的可能，不過大數據的發展動力卻是來自于人們記錄、測量與分析世界的現實需求，建立在相關關系分析法基礎上的行為預測是大數據在金融市場上的使用價值。例如，以單日用戶數超過10億的Facebook社交圖譜為依據的研究顯示，同一朋友圈內的個人與個人之間會償還債務的可能性呈正相關（維克托·邁爾—舍恩伯格等，2013）。這表明，Facebook具有信用評分系統的功能，這可能是群組效應對金融市場的經濟意義在線上的再現。P2P平臺不僅具有融資功能，同時也可看作一個“社交網絡服務網站”，上面被數字化的信息如果利用智能化的大數據分析工具進行分析就能準確地評估小微企業的信用資質與盈利前景，進而進一步確定借款人的動態違約概率，這是融資交易和信貸風險定價的信息基礎。

民間借貸市場的“長尾”特征不僅充滿著旺盛的信貸信號，也充斥著眾多的市場“噪聲”，大量小微企業良莠不齊，構成了民間借貸市場需求個性化特征顯著，小微企業“族譜”中發展可行能力千差萬別，這些不規則的“非結構性數據”卻是信貸信息寶庫，傳統民間借貸方法無法處理這些信息。在P2P平臺上，投資人利用具有“信息處理引擎”功能的搜索引擎可以對大量相關信息進行“清洗”，并對企業的發展可行能力進行排序，最終確定可以投資的有發展潛力的對象企業。出借人可以利用借款人手機的使用情況、電子商務購物行為甚至是借款人的位置數據等種種信息進行投資決策（廖理等，2017）。例如，出借人可以利用借款人在百度、騰訊、阿里巴巴、京東、當當網等社交平臺的信譽度為依據開展借貸業務，這些大數據環境下的“隱藏”信息通過網絡的高性能計算可以讓私人信息顯性化、價值化，大數據創造了一條建立借貸雙方信任機制的路徑。P2P平臺在互聯網技術的作用下把傳統民間借貸單一、分散的借貸活動統一集中到平臺上進行處理，不僅降低了信息處理成本，大范圍解決了信息不對稱問題，降低了交易成本，更重要的是創造了規模經濟效應與范圍經濟效應。在大范圍物理空間范圍內，在廣泛的行業序列內，P2P平臺實現了大量批發式的投融資活動，正是因為有著信息處理優勢，從2007年我國成立第一家P2P網絡借貸平臺“拍拍貸”以來，P2P網絡借貸取得了蓬勃發展。根據“第一網貸”的數據，2017年我國P2P網絡借貸成交額38 952.35億元，歷史累計成交額83 313.88億元，日均成交額106.72億元，日均參與人數68.21萬人，平均綜合年利率8.57%，平均期限8.19月。從以上數據可以發現，一是平均綜合年利率遠遠低于傳統民間借貸，說明平臺的信息處理優勢正在發揮作用;二是顯示出民間借貸“短、平、快”的傳統特點。截至2017年末，我國有1 410家P2P網絡借貸機構（不含90家問題平臺），P2P網絡借貸歷年出現的“快、偏、亂”三大亂象已經得到了根本性好轉。目前，P2P網絡借貸已進入有限理性發展時期，P2P網絡借貸機構已開始成群結隊發行IPO，成功登陸資本市場。以上數據證明，P2P網絡借貸在我國的快速發展充分顯示了民間借貸的融資活性在線上得以再現。

平臺匹配算法是P2P網絡借貸解決信息不對稱的路徑。互聯網時代是用數字表征信息特點的時代，大數據是信息時代發展的高級階段，與傳統經濟理論中土地、資本、勞動力一樣，大數據成為一種新的生產要素，P2P網絡借貸市場上千千萬萬的數據隱藏著大量的信用信息，平臺算法是挖掘這些信用信息的技術手段，大規模信息匹配的算法通過對資金供求雙方信息的精準匹配產生了巨量交易，這是P2P網絡借貸盈利模式產生的原理。P2P平臺的魅力在于凝聚民間借貸市場上過于零散的資金供給，將傳統民間借貸重構成以平臺為載體的“環形鏈條”，于是平臺將本來零散的民間借貸鏈條彎曲成環形，借款人通過平臺直接觸及出借人，節省的中間環節提高了融資效率。大量借與貸信息匯集于平臺之后，信息不對稱問題P2P網絡借貸遠比傳統民間借貸復雜得多，這需要用大數據處理“大數據問題”，于是算法技術和“算法經濟學”就橫空出世了。例如，利用LightGBM①機器學習方法對P2P網絡借貸項目進行信用評級，預測項目的動態違約率。如果美國最大的P2P平臺Lending Club自2007年成立以來使用LightGBM算法進行信貸審核，可避免總計1.17億美元的投資損失（馬曉君等，2018）。在大數據環境下，P2P網絡借貸需要解決異質的資金供求雙方信息的精準匹配，這是信息不對稱問題的內涵，其中關鍵的問題是如何處理借款人的動態違約概率。

一般而言，傳統民間借貸的信息廣泛散布于小區域、小范圍的個體之中，交易雙方的行為集是離散的，信息處理成本不具有規模經濟效應，出借人不存在滿足貝葉斯學習法則的市場基礎，當民間融資市場中形形色色參與者的分散信息通過平臺有效匯聚之后，與傳統民間借貸相比較，P2P網絡借貸具有本質上的優越性，一種無空間距離約束、無行業邊界約束的爆發式成長的市場生成機制借助于平臺自生成了，資金的敏捷的供與需使借款人個性化需求得到滿足，出借人小批量零售式資金供給特征顯著，在這一點上借貸雙方都存在著反規模經濟效應。不過，出借人可實現彈性供給，平臺對借款人能實現以動態違約概率為內容的“用戶畫像”。此時，規模經濟效益體現在平臺上大規模供需信息精準匹配所帶來的巨量交易。與此同時，利率生成機制也從傳統的出借人定價轉移到借貸雙方在平臺上“協商”定價。于是，市場分散決策機制向平臺集中決策機制的轉化形成了由市場微觀結構決定信息聚集性質的市場邏輯。

五、結論與啟示

線下民間借貸在向P2P網絡借貸回歸的過程中，其“隨機誤差項”可由技術創新、制度創新和組織創新三個方面得到解釋，三者的“混合解”形成了P2P網絡借貸。P2P網絡借貸經歷了2014—2016年的野蠻成長期，先后經歷了e租寶、上海“大大”、上海快鹿、中晉系、融宜寶等成長過程中的“煩惱”。我國P2P網絡借貸在發展中的亂象主要是由平臺的融資市場屬性偏離所導致的，之前“信用平臺”的定位是市場亂象產生的主要原因，這是“制度滯后”帶來的市場亂象。當平臺從“信用中介”轉變為“信息中介”后，我國P2P網絡借貸進入了穩定發展期。P2P網絡借貸的未來發展首先應厘清平臺的信息中介功能定位：平臺是一種為交易而存在的純粹的信息中介，平臺不參與投融資交易，借款人在平臺上發布借款信息，出借人根據所掌握的信息決定投資決策;平臺可對借款人進行信用評級，為借貸雙方提供信息咨詢，制定借貸方案等服務，收取合理比例的成交服務費（俞林等，2016）;平臺不得提供信用擔保，不得非法集資形成資金池。

P2P網絡借貸“大眾化、平民化”特征顯著，大多數出借人不具備投資的專業素養，目前應采用固定利率制較為合適，由較為專業的平臺對借款人進行信用評級，進而對借款進行定價，這會使網貸利率更加科學化、專業化。同時以平臺為載體，對出借人進行投資理財方面的培訓，提高他們的投資能力，緩解他們在網絡匿名交易中的不利局勢，為未來P2P網絡借貸定價機制由固定利率制向利率競拍模式轉化創造技術條件和市場條件。這兩種利率定價機制對P2P網絡借貸的市場涵義不一樣，固定利率模式下的利率度量的是平臺對借款人違約風險的科學量化，是“大數法則”定律作用下一種“抽象”的利率;利率競拍模式下的利率反映了投資者對借款標的的市場評價（彭紅楓等，2016），忠實地反映出金融市場對資金的供求關系。兩種利率所包含的市場信息迥然不同，利率競拍模式可以形成一種有效的風險甄別、定價與防控機制，這為我國利率市場化創造了一條民間路徑。

互聯網技術可以收集、儲存、處理海量的借款人信息，在大數據環境下挖掘這些潛在的新信息價值是未來一個重要的研究方向。從本源上來說，P2P網絡借貸是一種基于大量信息處理的信用活動，目前網絡借貸存在利率偏高且借款人對利率彈性不敏感，說明“信息障礙”問題充斥著整個網絡借貸市場，如何減少信息不對稱問題是網絡借貸需要解決的核心問題。為此，筆者提出以下建議：第一，P2P網絡借貸積極引入民間第三方個人征信機制，平臺提供借貸雙方準確的信息，做到借款信息專業化，建立一種有效的基于信用利差的利率定價機制。2018年2月，百行征信有限公司獲得中國人民銀行頒發的首張個人征信牌照，標志著民間第三方個人征信機制已開始在網絡借貸市場上出現。第二，建立長效的網絡借貸信息披露制度，平臺通過建立在線論壇、微信圈等渠道及時公布各類信息，有效保障投資者的知情權。第三，利用大數據建立全國共享的借貸負面清單數據庫，建立健全借款人失信記錄制度。

參考文獻：

[1]? 馬光榮，楊恩艷.社會網絡、非正規金融與就業[J].經濟研究，2011，（3）：83-93.

[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）：1-10.

[3]? 謝平，鄒傳偉.互聯網金融模式研究[J].金融研究，2012，（12）：11-22.

[4]? 蔡閩.流量覆蓋風險——網絡小額信貸風險控制新思路[J].金融研究，2016，（9）：131-143.

[5]? 王馨.互聯網金融助解“長尾”小微企業融資難問題研究[J].金融研究，2015，（9）：128-138.

[6]? 彭紅楓，趙海燕，周洋.借款陳述會影響借款成本和借款成功率嗎？[J].金融研究，2016，（4）：158-171.

[7]? 陳霄，葉德珠.中國P2P網絡借貸利率波動研究[J].國際金融研究，2016，（1）：83-94.

[8]? 馬曉君，沙靖嵐，牛雪琪.基于LightGBM算法的P2P項目信用評級模型的設計及應用[J].數量經濟技術經濟研究，2018，（5）：144-160.

[9]? 劉志洋.歷史私人借貸利率與P2P平臺貸款利率高低比較研究及啟示[J].江淮論壇，2016，（2）：70-74.

[10]? 譚雪晗，涂艷.基于社會網絡分析的P2P網絡借貸行為模式研究[J].金融發展研究，2016，（12）：21-26.

[11]? 莊雷，趙天驕，黃玲.小微企業網絡融資機制效率分析[J].貴州財經大學學報，2016，（2）：26-33.

[12]? 郭田勇.未來的金融形態：繼承、突破與創新[J].學術前沿，2016，（10）：39-42.

[13]? 俞林，康燦華，王龍.互聯網金融監管博弈研究：以P2P網貸模式為例[J].南開經濟評論，2016，（2）：5-11.

[14]? 廖理，張偉強.P2P網絡借貸實證研究：一個文獻綜述[J].清華大學學報：哲學社會科學版，2017，（2）：2-10.

[15]? 胡春生.利率彈性與信息特征：民間金融與制度金融市場分析[J].江西社會科學，2015，（3）：49-54.

[16]? 布萊恩·阿瑟.技術的本質：中譯本[M].杭州：浙江人民出版社，2014：211-224.

[17]? 維克托·邁爾—舍恩伯格，肯尼思·庫克耶.大數據時代（中譯本）[M].杭州：浙江人民出版社，2013：75-120.

[18]? Agarwal S.and R.Hauswald.Distance and Information Asynmetries in Lending[C].Proceedings，2007：183-204.

[19]? Hotelling H.Stability in Competition[J].Economic Journal，1929，（3）：41-45.