P2P網貸平臺客戶規模影響機制分析

強南囡

摘 要：利用Python軟件的爬蟲技術與手工查詢結合的方法，通過網貸之家、網貸天眼、各網貸平臺官網收集了254家網貸平臺數據，關注網貸平臺客戶規模影響機制，構建了圍繞“平臺實力、平臺運營、項目運營”等維度的影響因素指標體系，運用多元線性回歸模型研究發現，注冊資本、經營變更數、好評率、員工人數、平均借款期限是投資人數與借款人數的正向影響因素，交易成本、滿標用時是投資人數與借款人數的負向影響因素，兩者都傾向于選擇非民營系平臺，但是，運營時間、人均借款金額僅對投資人數產生正向影響，對借款人數影響不顯著。由此，進一步從提高運營管理水平、增強平臺實力、優化項目運營管理等方面提出了提升平臺競爭力和吸引力的建議。

關鍵詞：網絡借貸;多元線性回歸模型;客戶規模;平臺競爭力

中圖分類號：F832.4 文獻標識碼：A 文章編號：2096-0298（2021）01（a）--07

中國的傳統金融為社會和經濟發展做出了重要貢獻，但由于其服務存在分配不均衡現象，未能惠及小微企業、農民、低收入和貧困人群等普惠金融重點關注的弱勢群體，導致他們難以獲得有效，甚至無法獲得金融服務[1]。借助互聯網、區塊鏈、云計算、大數據等先進技術，互聯網金融得以有效解決普惠金融面臨的成本高企和難以獲取結構化信息等難題，有利于拓展金融服務的覆蓋面和滲透率。作為互聯網金融的重要形式，網絡借貸（Peer to Peer，以下簡稱“P2P”，或“網貸”）通過搭建網絡平臺撮合借貸雙方完成交易，其交易成本、交易額度、交易期限等方面的門檻都比傳統金融低[2]，再加上在業務效率、交易便捷性、產品靈活度、服務范圍、客戶體驗等方面具有一定優勢[3]，因而獲得了市場的認可。自2007年我國首個P2P平臺“拍拍貸”在上海上線后，行業發展迅速，據網貸之家公布的數據顯示，截至2018年12月，全國累計上線運營的網貸平臺數量達到6549個，正常運營的有1019個，產業累計成交量突破8萬億元，貸款余額7889.65億元，投資人數為1331萬人，借款人數為1992萬人，行業已具備一定規模。

網絡借貸搭建了小微企業、貧困人員等難以獲得傳統金融機構貸款的弱勢群體與民間資本對接的橋梁，拓寬了其融資渠道，不但提供了大量就業崗位，也實現了投資者的財富增值，提高了資金的配置效率，可以說在某種程度上實現了普惠金融。隨著國內P2P平臺數量的不斷增多，業內競爭也愈演愈烈，網貸平臺雖然通過限時優惠、加強宣傳、優化管理、引導輿論等方式提升競爭力與吸引力，但是這些措施能否提升客戶對平臺的認可度，一直是平臺經營管理中難以解決的問題之一。因此，本文收集了網貸之家、網貸天眼及各網貸平臺公布的數據，分析網貸平臺客戶規模的影響因素，研究不同類型客戶對P2P平臺的選擇意向，為促進其持續、健康、穩定的發展提供了具有建設性的參考意見。

1 文獻綜述

網絡借貸作為新興產業，在發展過程中出現許多新問題，專家學者們對其關注度較高，該領域研究取得較多成果，可以分為以下幾類。

一是在行業定位方面，學者們認為發展網貸產業對于實現普惠金融而言有重要意義。王博等（2017）[4]認為網絡借貸重塑了金融組織的形態，有望成為長尾群體實現普惠金融的一條有效路徑。閻沭杉（2018）[5]指出網絡借貸的定位與普惠金融的諸多特征十分契合，網貸平臺能夠在解決中小企業融資難、助力“大眾創業、萬眾創新”等方面發揮積極作用。然而，行業發展畢竟尚未成熟，網貸活動還未能充分發揮應有效果及作用。郭海鳳等（2015）[6]發現由于融資成本、風險控制等原因，P2P平臺還無法從很大程度上改善中小企業的融資狀況。胡金焱等（2018）也發現普惠金融重點關注的農民和低收入人群，在網貸市場中無法以合理成本與平等機會享受符合其需求的金融服務。

二是在投資方面，存在身份歧視現象與羊群效應。并非所有投資者都具備高水平的投資能力和豐富的投資經驗，再加上信息不對稱現象無法完全消弭，為降低風險，投資者在選擇投資項目時帶有偏向性，姚博（2016）[7]發現高收入、所屬城市層次較高的借款者更受投資者的青睞;投資者在選擇網貸平臺時，魏鵬飛（2016）[8]則發現了他們的從眾心理。此外，錢穎等（2018）依據風險偏好將投資者分為了保守型與進取型兩類，分別進行研究后發現多數投資者屬于前者，他們偏好低風險低收益型平臺，且傾向于自動投標服務，能接受有限制的債權轉讓;少數屬于后者，他們偏好高收益高風險平臺，不需要自動投標服務，并要求平臺債權轉讓自由。

三是在風險防控方面，由于網貸活動匯集了互聯網技術以及金融的多重屬性特征，以致行業、平臺需要面對更加多樣化、復雜化的風險。李琪等（2016）[9]從戰略風險、操作風險、信息科技風險、聲譽風險、市場競爭風險以及法律風險等方面歸納了網貸平臺風險，而信用風險、利率風險、流動性風險和集中度風險則屬于網貸標的風險。這些風險錯綜復雜，埋下了平臺虧損、停業、跑路等隱患，為此，學者們從風險的識別、評估和控制等方面進行了探索和研究。王修華等（2016）[10]發現平臺背景、注冊資本并不能顯著反映出正常平臺與問題平臺之間的區別，而管理層信息的披露、年化收益率的高低以及第三方資金存管的安排卻可以顯著反映。葉青等（2016）[11]同樣證實了高利率可以作為識別問題平臺的重要變量，還發現了實力薄弱、標的類型單一、風控能力欠缺是平臺出問題的前兆。樊繼達等（2018）[12]、譚中明等（2018）[13]、黃電（2018）[14]、胡金焱等（2018）[15]分別針對流動性風險、信用風險、財務風險、經營風險等進行研究。此外，李先玲（2016）[16]與巴曙松等（2019）[17]從風險防控角度進行研究，發現金融從業背景、注冊資本，以及平臺自我監管可以有效降低平臺出問題的概率，債權轉讓制度的設定有利于減少由擠兌風險帶來的平臺事故發生率，而過度行業競爭則會增加平臺出問題的概率。劉震海等（2019）[18]構建了利用最易獲得的公開數據進行有效預警的模型，可以幫助監管者對海量平臺完成低成本的有效篩查。

四是在行業與平臺發展方面，學者們通過數據分析提出了建設性意見。方興（2018）[19]運用倍差法研究，發現各省互聯網金融協會的成立能夠促使問題平臺的暴露、劣質平臺的淘汰，以及投資者信心的重塑。姜琪（2018）[20]發現具有雙邊市場性質的網貸行業市場集中度的提高，不但不會引起壟斷帶來的明顯效率損失，反而會顯著提高行業整體效率和技術進步。程翔等（2018）通過構建空間計量模型研究發現經濟發展水平、科技水平、收入水平、金融發展水平對網貸行業發展有顯著的正向促進作用。吳慶田等（2019）[21]發現資金托管、預期收益率、投資期限、高管的金融業從業經驗、加入監管協會、經營許可證、自動投標、債權轉讓等指標在不同程度上影響平臺運營的穩健性，在此基礎上，對投資者、平臺和監管部門分別提出相關建議。

總的來說，P2P產業發展過程中出現的各種問題受到了研究者的關注，推動了該領域的理論探討以及實踐探索，在產業定位、風險策略、發展路徑、監管模式等方面形成了系列成果。然而，對平臺客戶規模鮮有聚焦與關注。事實上，客戶規模是平臺受歡迎程度的重要體現，保有一定客戶規模對于網貸平臺運營的穩健性至關重要。為此，本為基于網貸平臺的特征數據與經營數據，構建客戶規模影響因素指標體系，運用回歸模型對客戶規模的影響機制展開深入研究和探討，以提出增強平臺吸引力，提升平臺競爭力的建議。

2 研究設計與研究結果

2.1 變量選取與研究假設

研究網貸平臺受歡迎程度的影響因素，即客戶規模對網貸平臺運營情況的反應。

2.1.1 被解釋變量

網貸平臺的客戶主要包括投資者與借款者兩類。由于兩類客戶對網貸平臺的要求和期望不同，對平臺相關情況的關注點也必然存在區別，因此選擇投資人數與借款人數作為被解釋變量分別進行研究。人數越多，網貸平臺受該類客戶歡迎程度就越高。

2.1.2 解釋變量

選擇平臺實力、平臺運營、項目運營三個方面共10個解釋變量，如表1所示。

（1）平臺實力相關解釋變量及假設

平臺實力方面的解釋變量包括注冊資本和平臺背景。注冊資本指網貸平臺在工商部門登記的資本總額。平臺背景分為民營系與非民營系（包括國資系、上市系、風投系、銀行系等）兩類。

由于網貸平臺與客戶間存在信息不對稱現象，投資者與借款者往往都難以全面地、完整地了解平臺經營情況，在面對市場中眾多平臺進行選擇時，他們往往會關注平臺實力，認為平臺實力越雄厚，可信度與可靠度也就越高。注冊資本和平臺背景這兩個變量在一定程度上體現了平臺的規模以及實力，規模大、實力強的平臺無論對投資者還是借款者而言，都更有利于實現自身目的，即投資者獲得投資回報，借款者完成融資;相反，較低的注冊資本、單純的民營背景都會因為平臺保障系數不高，風險較大而影響客戶的參與積極性。由此，提出以下2個假設。

假設1：注冊資本越大，投資人數與借款人數越多。

假設2：平臺背景為非民營系的比為民營系的更容易吸引投資者與借款者。

（2）平臺運營相關解釋變量及假設

平臺運營方面的解釋變量包括運營時間、經營變更數、好評率以及員工人數。

運營時間指網貸平臺自成立起計算的正常運營時長。該指標越長，平臺的市場適應度就越高，抗風險能力也越強。隨著安全性與穩定性的增加，客戶對平臺的青睞度會隨之增加。

經營變更數記載和反映了平臺因資本、住所、投資人、經營范圍等變更而需要在管理部門進行登記的項目數。優質平臺會根據市場、監管、自身等方面的需要從各層面進行提升、更新或改造，促使其治理結構的不斷完善以及客戶服務滿意度的不斷提升，在此過程中涉及需要在管理部門登記的變更項目則會增加該指標數值。

好評率表示的是在網絡社區的討論及評價中，選擇“好評”檔次（即評價的最高等級）的客戶數量占評價總人數的比例。該指標能直接體現平臺現有客戶的親身感受，其提升有助于降低潛在客戶對平臺的搜尋成本與甄別成本。員工人數則是指網貸平臺的在職員工人數，它在一定程度上決定了平臺服務對象的范圍、規模、程度以及質量。

上述指標能較為直觀地顯示或影響客戶對平臺的接受度和認可度。由此，提出如下4個假設。

假設3：運營時間越長，投資人數與借款人數越多。

假設4：經營變更數越多，投資人數與借款人數越多。

假設5：好評率越高，投資人數與借款人數越多。

假設6：員工人數越多，投資人數與借款人數越多。

（3）項目運營相關解釋變量及假設

項目運營方面的解釋變量包括交易成本、滿標用時、平均借款期限，以及人均借款金額。

網貸平臺對客戶收取的費用包括管理費、會員費、提現費、充值費等，不乏有平臺會免除（或附加條件免除）部分或全部，交易成本以平臺收費項目數來衡量。滿標用時則表示借款者成功籌集到目標款項所耗費的平均時間。無論投資者還是借款者都希望低成本獲得服務，也期望平臺能夠在較短的時間內成功撮合投融資交易，因此，雙方對交易成本、滿標用時是較為關注的。

平均借款期限與人均借款金額分別指借款項目的平均期限和金額。偏長的期限能夠滿足融資者對資金穩定性的需求，李丹（2018）[22]開展的調查也顯示82.44%的企業希望通過互聯網金融平臺融資的期限為6個月～3年，同時，項目期限的增加還能夠減少投資者在一定投資期間內進行投資項目選擇的次數，以及降低平臺按照成功撮合交易筆數為基礎計算的手續費而帶來的投資成本，因而平均借款期限應當體現兩者的這種需求傾向。借款者會依據自身的融資需求設置借款金額，因此受人均借款金額指標的影響不大，但對投資者來說，因自身投資能力、信息不對稱等導致對借款項目信息的不完全了解，從而在投資行為上表現出羊群效應，人均借款金額的升高有利于投資者從眾行為的具體實現，也就有利于滿足投資者選擇投資項目的需求。

由此，提出如下4個假設。

假設7：交易成本越低，投資人數與借款人數越多。

假設8：滿標用時越短，投資人數與借款人數越多。

假設9：平均借款期限越長，投資人數與借款人數越多。

假設10：人均借款金額越高，投資人數越多。

2.2 數據收集

本文利用Python軟件的爬蟲技術，通過網貸之家與網貸天眼這兩個在網貸行業最具影響力的第三方咨詢平臺進行P2P平臺相關數據的收集，涵蓋的時間范圍是2018年6—12月。經過合并和整理，對空缺的數據以及網貸之家、網貸天眼未見披露的指標（例如：員工人數）采取手工查詢的方式，直接在各網貸平臺官網進行收集，最后，為了保證模型的可靠性，剔除了數據信息缺失比較嚴重的平臺，保留了數據相對完整的254家網貸平臺作為分析的基礎。由于本文的變量多為平臺特征變量，不隨時間而變化，因此取6個月數據的均值作為研究基礎。

2.3 模型的建立

如前所述，本文研究的指標多為網貸平臺特征指標，因此采用多元線性回歸模型。同時，為降低異方差影響，研究中對模型中的相關指標進行取對數處理。為了分別研究投資人數與借款人數的影響因素，相應建立了以下兩個模型：

2.4 實證分析

2.4.1 描述性統計

根據表2所有變量的描述性統計，樣本平臺的平均投資與平均借款分別約為7332人與19346人，平均注冊資本超過9000萬元，平均成交量高達27423萬元，平均借款標數為138748個，體現了較強的平臺平均實力。但是，這五項指標的標準差較大，且最小值與最大值之間相去甚遠，可見不同網貸平臺之間的規模差異較大，為降低變量異方差影響，在模型構建時對這5個變量進行了取對數處理。其他指標方面，樣本平臺中有158個民營系平臺和96個非民營系平臺，雖然這些平臺的平均運營時間不足4年，但其平均經營變更數卻接近28次，相當于平均每個平臺每年申報7項經營變更，各平臺的平均好評率接近76%，平均員工人數為79人，這四項平臺運營類指標平臺間差異相對較小。對交易過程中涉及的各項費用，網貸平臺大多采取了免除或部分免除的方式，平均收費項目不足1個，平均滿標用時略超13小時，項目的平均借款期限近8個月，而人均借款金額約為33萬元，這四項項目運營類指標的平臺間差異也相對較小。

2.4.2 多重共線性檢驗與異方差檢驗

采用Stata統計軟件對模型（1）（2）進行回歸，并運用estat vif語句檢驗該模型各變量是否具有多重共線性，結果如表3所示。方差膨脹因子較低（均低于10），表示該模型中并不存在嚴重的多重共線性。

對模型（1）做懷特檢驗，結果如下：

由于，因此接受原假設，即模型（1）不存在異方差。

對模型（2）做懷特檢驗，結果如下：

由于，因此拒絕原假設，即模型（2）存在異方差。

2.4.3 實證回歸結果分析

為消除模型（2）存在的異方差影響，對模型（1）（2）均做了穩健性回歸，結果如表4所示。

（1）投資人數影響因素分析

模型（1）反映投資人數的影響因素。根據表4，所有的解釋變量都對被解釋變量有顯著影響，除人均借款金額的顯著性水平低于5%以外，其余各項均低于1%，可見模型具有較強的預測能力。

具體從平臺實力角度來看，注冊資本的系數為0.24，表明注冊資本每增加1%，投資人數將增加0.24%，即平臺規模越大，對投資者的吸引力越強。平臺背景的系數為-0.44，表明在同等條件下，民營系平臺的投資人數比非民營系平臺的少0.44%。因此，假設1與假設2都得到回歸結果的支持。

從平臺運營角度來看，運營時間的系數是0.024，即平臺運營時間每增加1個月，投資人數增加0.024%，也就是隨著運營時長的增加，平臺對投資者的吸引力也不斷增強。經營變更數的系數是0.0097，表明平臺每發生一次經營變更登記，將促使投資人數增加0.0097%，也就是經營變更越多，投資人數越多。好評率的系數是1.18，也就是好評率每增加一個單位，投資人數將增加1.18%，說明好評率越高，越能吸引投資者。員工人數的系數是0.0056，表明平臺每增加一名工作人員，將會帶來投資人數增加0.0056%，可見員工人數的增加，在投資者服務的深度與廣度上都有正向促進作用，能夠有效吸引更多的投資者。由此，假設3、假設4、假設5、假設6均得到回歸結果的支持。

從項目運營角度來看，交易成本的系數是-0.45，也就是平臺的收費項目每增加一項，將導致投資人數減少0.45%，這是由于交易成本的增加會減少投資者的投資收益，阻礙投資者的投資。滿標用時的系數是-0.00027，即滿標用時每增加1分鐘，投資人數將減少0.00027%，說明投資者傾向于節省因等待而付出的資本時間成本，滿標用時越短，越能吸引投資者。平均借款期限的系數是0.07，表明平均借款期限每增加一個月，投資人數增加0.07%，在網絡借貸這種以短期借款為主的借款形式中，偏長的投資期限將對投資者產生更大的吸引力。人均借款金額的系數是0.0015，表明人均借款金額每增加1萬元，投資人數將增加0.00015%，金額偏高的借款項目將對投資者產生更大的吸引力。因此，假設7、假設8、假設9、假設10均得到回歸結果的支持。

（2）借款人數影響因素分析

模型（2）反映的是借款人數的影響因素。由表4可見，除了平臺運營時間、人均借款金額沒有通過顯著性檢驗外，其他解釋變量都對被解釋變量有顯著影響。其中，注冊資本、平臺背景的顯著性水平低于5%，經營變更數的顯著性水平低于10%，其余變量的顯著性水平均低于1%，模型具有較好的預測能力。

具體從平臺實力角度來看，注冊資本的系數為正數，表明注冊資本與借款人數呈正相關，即注冊資本越大，越能吸引借款者。平臺背景的系數為負數，說明與民營系平臺相比，非民營系平臺更吸引借款者參與。因此，假設1與假設2都得到支持。

從平臺運營角度來看，由于運營時間未通過顯著性檢驗，假設3未能得到證明，這說明借款者在選擇網貸平臺時并不特別關注平臺運營歷史，只要能夠滿足其融資需求，平臺本身經營時間的長短并不成為借款者選擇平臺的關鍵因素。經營變更數的系數為正數，也就是借款者能夠感受到網貸平臺通過不斷變更而日漸完善的管理、到位的服務，這就體現為經營變更數與借款人數的正相關關系。好評率的系數為正數，說明好評率與借款人數呈正相關，好評率越高，平臺名聲越好，對平臺的宣傳效應越強，越容易吸引借款者借款。員工人數越多，能夠有效服務的借款者越多，其系數為正數也說明了借款者能夠感受到平臺通過增加員工人數來提升服務的有效性。假設4、假設5、假設6均得到支持。

從項目運營角度來看，交易成本的系數為負數，其增加將直接增加借款者的融資成本，因此與借款人數呈負相關關系;滿標用時的系數是負數，表明若平臺能夠快速地滿足借款者的借款需求，將吸引更多借款者;平均借款期限的系數是正數，表明其與借款人數呈正相關，說明了借款者的借款需求帶有偏向長期的傾向;人均借款金額未能通過顯著性檢驗，這與前文假設是一致的。由此，假設7、假設8、假設9均得到支持。

2.4.4 穩健性檢驗

為了驗證模型（1）與模型（2）的可靠性，采用網貸平臺成交量作為投資人數的穩健性指標，借款標數作為借款人數的穩健性指標來進行穩健型檢驗。表5顯示了以成交量和借款標數分別作為被解釋變量進行穩健性回歸的結果。

由表5可見，模型（3）以成交量為被解釋變量，所有的解釋變量都對被解釋變量有顯著影響，其回歸結果與模型（1）的回歸結果一致;模型（4）以借款標數為被解釋變量，除平臺運營時間、人均借款金額沒有通過顯著性檢驗外，其他解釋變量都對被解釋變量有顯著影響，其回歸結果與模型（2）的回歸結果也一致，因此，模型（1）和模型（2）回歸結果通過穩健性檢驗，即模型的回歸結果較為穩健。

3 結論與啟示

網絡借貸彌補了傳統金融的不足，促進了金融創新，加快了普惠金融的實現。然而，產業在高速發展的同時，不斷涌現問題平臺事件，增加了投資者與借款者的憂慮。本文旨在研究在這樣的大環境下，平臺如何實現健康發展，從市場脫穎而出，受到客戶的歡迎，贏得客戶的參與。根據前述客戶規模影響因素的分析，提出以下建議。

一是提高平臺運營管理水平，主要從運營時間、經營變更數、好評率，以及員工人數等方面考慮。投資者與借款者都能從經營變更數的增加中感受到網貸平臺積極的經營策略，網貸平臺應緊跟市場需求的變化，調整業務領域，打造拳頭產品，走差異化發展之路;應根據監管要求，建章立制，調整經營方式，走規范化經營之路;應不斷檢視自身短板，走內涵化、精細化提升之路。隨著投資人數與借款人數的攀升，為保障服務質量，提升服務的精細化、精準化程度，在引入云計算、智能機器人等先進服務技術的同時，保證數量充足的服務團隊是必不可少的。客服人員應在平臺統一部署下做好輿情管理，定期更新平臺及項目信息，及時跟進與回復客戶遇到的疑難問題，對客戶的意見和建議進行公開致謝并不斷改進，這樣才能讓客戶產生被重視的感覺，有利于增加其參與的積極性，維持活躍度。同時，積極的應對客戶在社區的評論，傳遞正向的平臺價值，促使客戶對平臺評價的升級與品牌的樹立，維持良性的獲客效應。由此，平臺的市場適應力、抗風險能力得到不斷提升，也因此平臺得以持續健康發展，形成良性循環，吸引更多客戶參與。

二是增強平臺實力，主要從注冊資本、平臺背景等方面考慮。隨著平臺運營管理水平的不斷提高，其知名度與發展空間也會不斷提升，如此一來，除了能夠增強對投資者與借款者的吸引力外，也可迎來各種資本的追逐。網貸平臺可評判各方條件，從實際出發，有選擇性地引入國有資本、銀行資本、風險投資資本等，甚至在時機成熟時考慮上市。如此，可以在優化平臺背景，增加注冊資本，為平臺軟、硬件的升級改造提供資金支持的同時，還能獲得提升平臺軟實力的機會。首先，新股東中不乏資深的企業家或投資專家，他們可以幫助平臺更新經營理念，完善治理機制、監管體系、財務制度、激勵約束措施等;其次，新股東豐富的市場資源和社會關系可以幫助平臺拓展經營渠道，融通其與政府和行業內其他企業的關系;最后，新股東的加入可以使平臺規模更大，實力更強，提升其知名度與公信力，吸引客戶，最終實現股東價值，為平臺可持續發展鋪路。

三是優化項目運營管理，主要從交易成本、滿標用時、平均借款期限，以及人均借款金額等方面考慮。雖然投資者與借款者都傾向于低交易成本，但是免費策略并非長久之計，盈利才是企業生存發展的基礎。網貸平臺應細致核算成本，制定切實有效的優惠促銷策略，通過提升平臺實力與服務水平來留住活躍用戶，而不是單純地依靠免費。既然投資者與借款者都期待更短的滿標用時，網貸平臺就需要考慮優化項目信息呈現方式，打造快速及時的問題反饋與解決通道，建立標準化與程序化的工作流程，構建友好的平臺交互方式等，便于借款者清楚資料上傳的相關要求，也便于投資者根據自身情況快速篩選合適的投資項目，促進滿標用時的縮短，提升客戶體驗。最后，由于投資者與借款者雙方都偏好期限長的項目，投資者還偏好借款金額大的項目，所以網貸平臺也應持續關注兩者的需求，打造合適的產品，供借款者與投資者選擇。

參考文獻

胡金焱，李建文，張博.P2P網絡借貸是否實現了普惠金融目標[J].世界經濟，2018，41（11）：169-192.

錢穎，王麗.基于模糊聚類的投資者P2P平臺選擇研究[J].管理現代化，2018，38（05）：91-94.

程翔，王曼怡，華郡珂.基于空間視角的中國P2P網貸行業發展研究[J].經濟與管理研究，2018，39（11）：118-130.

王博，張曉玫，盧露.網絡借貸是實現普惠金融的有效途徑嗎——來自“人人貸”的微觀借貸證據[J].中國工業經濟，2017（02）：98-116.

閻沭杉.P2P網絡借貸對普惠金融發展的積極影響、現存問題及發展對策[J].現代管理科學，2018（10）：58-60.

郭海鳳，陳霄.P2P網貸平臺綜合競爭力評價研究[J].金融論壇，2015，20（02）：12-23.

姚博.基于收入與城市青睞現象的網貸信用認證有效性分析[J].當代經濟科學，2016，38（04）：30-41+125.

魏鵬飛.P2P平臺特質與投資者選擇[J].中國流通經濟，2016，30（12）：92-99.

李琪，王振.P2P網貸平臺風險和標的風險的辨析[J].上海金融，2016（10）：92-95.

王修華，孟路，歐陽輝.P2P網絡借貸問題平臺特征分析及投資者識別——來自222家平臺的證據[J].財貿經濟，2016（12）：71-84.

葉青，李增泉，徐偉航.P2P網絡借貸平臺的風險識別研究[J].會計研究，2016（06）：38-45+95.

樊繼達，薛紫臣.P2P網貸流動性風險：生成機理及應對之策[J].國家行政學院學報，2018（03）：116-121+156.

譚中明，姜蘇航，譚璇.P2P網絡借貸平臺信用風險的生成、影響和評測[J].農村金融研究，2018（08）：28-33.

黃電.P2P模式下網貸平臺財務風險特征及控制機制剖析[J].財會月刊，2018（05）：82-87.

胡金焱，張笑.股東背景影響下的P2P平臺違約風險與經營風險[J].山東大學學報（哲學社會科學版），2018（04）：120-129.

李先玲.資本充足、從業背景與平臺倒閉——來自中國231個P2P網絡借貸平臺的證據[J].經濟經緯，2016，33（06）：137-142.

巴曙松，白海峰，李羽翔.P2P網貸平臺擠兌風險：基于債權轉讓的視角[J].財經問題研究，2019（01）：52-58.

劉震海，楊克明.基于公開信息的網絡借貸平臺預警機制研究——利用BP神經網絡法[J].現代商貿工業，2019，40（01）：134-137.

方興.行業協會能夠促進P2P網貸健康發展嗎[J].當代財經，2018（07）：57-68.

姜琪.中國P2P網貸平臺效率差異及成交量影響因素研究[J].數量經濟技術經濟研究，2018，35（06）：60-77.

吳慶田，羅璨，陳宜瑄.P2P網貸平臺特征與平臺運營的穩健性——基于中國1706家P2P網貸平臺的證據[J].金融理論與實踐，2018（04）：62-70.

李丹.互聯網金融背景下小微企業融資模式創新研究——以廣東佛山市小微企業為例[J].商業會計，2018（13）：85-87.