P2P平臺分散度、用戶風險感知與平臺成交量

李淑琪 于博

摘? ?要：2018年6月以來，P2P市場問題平臺與跑路事件頻現，嚴重危及金融體系健康穩定發展。對于滿足小額分散這一監管要求的平臺而言，高投資分散度能否博得更多投資人青睞、形成更穩定的成交量并由此緩解擠兌風險，是當前亟待檢驗的課題。而考察分散度能否及如何穩定平臺成交量也是解讀不同平臺抗擠兌能力為何截然不同的關鍵。研究發現：（1）總體上看，分散度對成交量具有正向影響，即投資者確實更加青睞小額分散類投資平臺;（2）上述正向影響只對投資領域較為多元化的P2P平臺成立，而對深耕專一業務領域的P2P平臺而言，分散度過高意味著資金不能充分匹配到行業優質核心客戶，進而削弱出借意愿;（3）平臺越是滿足小額分散特征，其合規性越強，越有助于降低投資人對平臺的風險感知，從而間接提升平臺成交量。文章從投資分散度這一業務特征出發，拓展了P2P成交決策的影響因素研究，為反思業務特征與擠兌風險之間的聯系提供了新視角。

關鍵詞：P2P平臺;分散程度;平臺成交量;客戶風險感知;中介效應

一、引言

P2P（Peer to Peer）網絡借貸是以互聯網為媒介，為借貸雙方實現信息共享與資金融通而構建的一種互助式借貸模式。歐美國家的P2P平臺在借貸關系中充當信息中介角色。然而，中國的P2P平臺從誕生之初就承擔了信用中介的職能，這導致平臺風險（而非借款人風險）成為影響中國P2P市場發展成敗的關鍵。伴隨2016年8月《網絡借貸信息中介機構業務活動管理暫行辦法》的推出，P2P平臺業務合規與成本管控壓力快速攀升，出現了風險集中暴露的現象，不少非規范運營的P2P平臺紛紛清盤。這不僅打擊了投資者信心，也表明以P2P這一金融互助模式來完善中國金融供給結構的改革之路面臨嚴重挑戰。中國P2P市場歷經繁榮與衰退，這一過程究竟為中國金融改革留下哪些反思？

現有文獻從收益率、杠桿率、平臺背景、借款期限等要素出發，考察了平臺運營特征與平臺成交量之間的關系，但關于平臺分散度與成交量之間是否具有關聯性，至今依然不清晰，即并不確定P2P市場上的出借人在選擇投資平臺時是否會將平臺分散度指標作為參考條件。這或許是由于高分散度的P2P平臺會為單個出借人匹配更多的借款對象，從而降低大額違約及由此引發的期限錯配風險。但是，由于我國P2P市場的風險主要來源于假標、自融和資金池，這些更多是與平臺自身的道德風險（而非借款人信用風險）有關。因此，是否滿足高分散特征很可能難以成為影響投資人決策的條件。于是，考察分散度能否影響出借人決策，進而影響平臺成交便成為本文首要的研究任務。由于穩定的成交量可通過緩解擠兌來幫助平臺度過風險期，因此，解讀分散度與成交量的關系也是打開風險防范之門的鑰匙。

本文貢獻：（1）考察了出借人的投資決策是否對平臺分散度具有正敏感，拓展了高風險市場上投資人投資決策的形成機制研究，豐富了P2P平臺成交量影響因素研究的邊界。（2）從平臺投資分散度這一策略選擇出發，解讀了平臺業務策略與成交量之間的關系，由于穩定成交量有利于防范擠兌風險，因此，在本質上探討了分散度與P2P平臺抗風險能力之間的關系，為新型互聯網借貸機構如何強化風險防范提供了來自經營策略（分散度策略）層面的反思。（3）通過引入業務領域廣泛度，揭示了“分散度→成交量”這一影響路徑的差異性，為新型互聯網借貸機構如何制定多元化策略提供了理論參考。（4）通過引入市場評價（客戶風險感知）這一中介因素，進一步解讀了平臺分散度通過客戶心理感知間接影響平臺成交規模的微觀機理。結論證明了平臺端的資產分散度和客戶端的風險感知度對穩定新型互聯網金融中介的成交量具有同樣重要的意義，這意味著運營策略（小額分散）與營銷策略（優化客戶風險感知）是未來互聯網小額借貸機構提升競爭力和風險防控力的重要著力點。

二、文獻綜述

根據Markowitz的投資組合理論可知，市場中理性投資人的投資目標應為給定收益水平下分散化程度最高的投資，且田秀娟和張智穎（2020）[1]的研究也表明網貸投資者在面對給定收益水平的產品時，會傾向于選擇具有高分散度的組合來分散投資風險，這也為本文進一步拓展分散度—成交量關系的研究提供了文獻支持。

（一）平臺異質性視角下分散度與成交量關系的研究

平臺的分散度是指P2P平臺在處理單筆借款時的細分程度，表現為一筆借款資金所匹配的借款人數量（具體度量見表1）。陸松新和蘭虹（2015）[2]將平臺分散度積分作為控制變量，發現分散度與平臺人氣及成交量正相關。但是，王剛貞和江光輝（2016）[3]通過構建動態面板考察分析平臺成交量的影響因素，結果顯示分散度對成交量的影響并不顯著。基于平臺異質性視角，于博和李欣怡（2021）[4]研究了不同股東背景下政策監管與合規轉型對平臺成交量的異質性影響。王書斌等（2018）[5]則借助動態面板模型分析了不同股東背景如何產生異質性的外部監督效應。

從以上文獻可以發現，關于分散度和平臺成交量二者之間的研究結論并未統一，且缺乏分散度與其他因素的聯合影響與分散度異質性影響機制分析。為此，本文以分散度為核心解釋變量，在區分網貸平臺業務范圍這一聯合影響機制的基礎上分層刻畫成交量對分散度的敏感性特征。

（二）客戶風險感知與P2P平臺成交量關系的研究

客戶風險感知作為重要心理因素對成交量具有顯著影響。李蒼舒和沈艷（2018）[6]通過構建Logit 模型與 Cox 比例風險模型，發現平臺披露的各類軟信息對投資者心理具有很強影響，并最終能夠影響投資人的出借決策;王修華等（2016）[7]通過分析222家P2P平臺的經營數據發現，投資者會從多方渠道搜集P2P平臺相關信息以強化自身風險認知，進而選擇自己信賴的平臺進行投資。劉雪等（2020）[8]發現網貸雙方將網貸平臺所提供的信息的質量作為是否參與投資的重要因素，可靠的信息質量會降低投資者對平臺的風險預估，從而增加平臺成交量。陳冬宇（2014）[9]通過分析P2P的行為驅動理論，印證了放貸人在信息不足的情況下，會選擇依賴于網絡信息來明確風險感知，評價平臺的信用水平。陳冬宇和鄭海超（2017）[10]發現P2P市場存在風險感知上的情緒傳染，投資存在明顯的羊群特征;廖理等（2015）[11]同樣驗證了P2P市場中羊群效應的存在，且發現羊群效應存在邊際效用遞減趨勢。

通過以上綜述可知，現有文獻論證了投資者風險感知對投資決策和平臺成交規模的影響。但以風險感知為“中介”，研究分散度如何間接通過客戶風險感知來影響成交決策的研究卻鮮見。不同于現有文獻研究客戶風險感知對成交量的直接影響，本文側重于考察客戶風險感知對平臺成交量的中介作用，進而為系統性解讀P2P投資決策的形成過程提供理論參考。

三、邏輯分析與研究假設

（一）分散度與平臺成交量

合理調控投資資金的分散程度可以通過矯正代償金額期限錯配水平和緩解資金周轉壓力兩個渠道來化解平臺的流動性擠兌風險，進而激勵平臺成交。樊繼達和薛紫臣（2018）[12]在探究P2P平臺流動性風險生成機制時，將平臺分散度納入影響變量中，結果顯示平臺分散度與流動性風險存在強相關性。這意味著平臺分散度對平臺資金回籠、穩定流動性等方面具有積極意義。焦永香（2020）[13]有關流動性風險與經營績效關系的研究表明，過高的流動性風險會拉低資金的利用效率、負向影響平臺成交水平。對于P2P出借人而言，P2P平臺是否跑路、平臺是否有足夠的資金流支持是一直以來出借人最關心的問題（陸松新和蘭虹，2015）[2]。由于平臺風險水平對于分散度具有負敏感度，而平臺風險水平對成交水平具有反向促進作用。基于此，本文提出如下假設：

假設1：平臺分散度越高，越能激勵平臺成交規模。

（二）分散度影響成交規模的異質性分析

于博和董怡然（2020）[14]發現具有不同業務范圍和交易功能的平臺，其成交量存在較大差異。因此，本文從業務多元化程度這一視角來分層考察分散度對成交量的異質性影響。對于業務類型廣泛的平臺而言，高資金分散度有利于減少平臺遭受大額損失的潛在風險。然而，對于那些將業務集中于某一特定領域（如三農、供應鏈等）的P2P平臺，資金過度分散會削弱平臺競爭力，增加平臺風險敞口，由此打擊投資人的出借意愿。例如，對于經營三農和供應鏈貸款為主的平臺，投資越分散，意味著越注重小額農戶或小額供應商的貸款，即越突出信貸的普惠性，此時，越有可能因為覆蓋廣度的提升而面臨更高的底層資產質量風險，如果不能將資金集中在信譽較好的合作（核心）企業上，未來所面臨的違約風險必然會上升，所以，當此類平臺提高分散度時，很可能意味著平臺正在增加風險暴露，進而抑制平臺成交，導致成交量對分散度具有顯著的負敏感性。基于此，本文提出如下假設：

假設2：對于業務范圍較廣（投資不集中于特定領域）的平臺，平臺分散度越高越有助于刺激成交;相反，對于業務范圍狹窄（投資集中于特定領域）的平臺，平臺分散度越高，成交規模反而降低。

（三）分散度對成交規模的中介效應分析——基于客戶風險感知視角

吳成浩和張池慧（2019）[15]基于20家平臺樣本，通過量化分散度水平，發現平臺的抗風險能力會隨著分散度的提高而提高。蔣晨琦和周彩霞（2019）[16]的研究也證實了分散度會影響平臺風險，他們發現提高用戶投資黏性是網貸平臺良性運營的關鍵，而降低平臺分散度會降低投資黏性，從而威脅平臺運營穩定性。受此啟發，本文嘗試構建中介因素分析，即認為存在“分散度提高→用戶風險感知下降→成交規模提高”的中介傳導機制。其具體傳導過程包括：（1）“分散度→風險感知”的傳導。在監管力度升級，投資人避險情緒高漲的背景下，平臺小額分散的特征較好地迎合了投資人的避險需求。因此，小額分散平臺的合規屬性會帶來更多的投資人關注和媒體宣傳，提升平臺的網絡好評度，從而降低出借人的風險感知。（2）“風險感知→成交量”的傳導。第一，隨著移動互聯和社交網絡的興起，出借人交易決策越來越受到來自社交媒體信息的影響。社會互動是影響個人投資決策的重要因素（聶瑞華等，2018）[17]。而社會互動又包含了線下和線上互動，且線上互動對投資者風險資產持有傾向的促進作用顯著大于線下互動（楊虹和張柯，2021）[18]。線上信息的易得和高效也使得其在修正投資者的信息不對稱問題中發揮著更大的作用。第二，P2P市場缺乏權威的信用機構作為借貸中心（吳佳哲，2015）[19]，羊群效應在P2P借貸活動中更易產生。在羊群效應影響下，投資者傾向于接受具有公信力的第三方平臺所提供的評分引導。

假設3：越是小額分散，越會因為符合監管規范而在網絡媒介中獲得更高的評價，從而弱化客戶風險感知并由此間接提高平臺成交量。

四、實證設計

（一）樣本選取

網貸之家是我國一家信譽度較高、涵蓋平臺最多的第三方網貸綜合咨詢平臺，在剔除了近三個月無成交量、已經停業轉型的平臺后，本文選取了網貸之家2019年10月—2020年5月存在持續運營的30家網貸平臺數據。其中，包括業務領域集中的（如車貸、知識產權金融貸款）網貸平臺7家、業務領域較廣泛的網貸平臺23家，最終獲得了240個“平臺—時間”有效樣本數據。

（二）變量設計

1. 核心解釋變量：平臺分散度（DPS）。網貸之家于2017年公布了P2P行業風險研究報告，并給出了衡量平臺分散度的指標體系（見表1）①。

2. 因變量：平臺成交量（VOT）。本文采用月度平臺成交量的對數來度量。

3. 中介變量與控制變量。本文以風險感知水平為中介變量。在度量風險感知方面，選取了三家第三方網貸信息平臺（網貸天眼、網貸之家、網貸315）對P2P平臺風控滿意度的整體打分，并經加權平均得到用戶對平臺的風險感知水平。控制變量方面，包含了平均預期收益率、平均借款期限、運營時間、平臺運營時間、平臺杠桿率以及是否存在第三方存管等關鍵性指標。

相關變量的具體定義及計量口徑如表 2所示。

（三）模型設定

本文通過以下模型來分析平臺成交量對分散度的敏感性。

模型（1）中，VOT代表月度的平臺成交量，DPS代表平臺分散程度，RATE代表P2P產品的平均預期收益率，ΤΕRM代表P2P平臺的平均借款期限;ΑGE代表平臺的運營時間，考慮到本文研究周期覆蓋了新冠疫情期間，因此，加入了對疫情這一時點沖擊因素的控制，即增加了COVID-19，若樣本所在月份早于或等于2020年1月，則COVID-19賦值為0，否則為1。模型（1）中，[β1]是重點觀測系數，代表了平臺分散度對平臺成交量的影響作用。根據假設1，[β1]應顯著為正。此外，根據假設2，業務范圍廣的平臺，[β1]應顯著為正，說明分散度的提高能夠提升平臺成交額;而業務范圍集中在特定領域的平臺，[β1]應顯著為負，說明分散程度越高，越會拉低平臺自身實力，降低成交量。

此外，為了盡可能減少遺漏變量導致的內生性，本文在模型（1）（簡化式）的基礎上控制了平臺杠桿率、是否對接第三方存管、股東成分以及所有制特征等變量，以期增加模型的穩健性，最終形成如下擴展式：

其中，LEV為平臺資金杠桿，資金杠桿率越高，則自有資本承擔的風險越大，保障作用越弱。同時，借鑒于博和董怡然（2020）[24]研究，將平臺是否對接銀行存管（ESCROW）納入模型（2）。考慮到所有制特征會顯著影響平臺運營風險，如國有系和民營系在信用背書方面能力截然不同，因此，引入是否為國有平臺（NATIONAL）這一控制變量。同時，考慮到銀行系、風投系、上市系等股東特征也會影響平臺經營風險，故將股東背景（NATURE）也作為控制變量納入模型（2）。

由于模型（1）檢驗了分散度對成交量的直接影響，故在中介分析中不再重復列式。因此，中介效應檢驗將主要涉及模型（3）和模型（4）。其中，Risk Perception代表客戶風險感知水平。

五、實證結果與分析

（一）描述性統計

表3表明，分散度均值為4.353，說明大部分平臺分散程度較高。從數據波動性來看，成交量、平臺運營時間、平均期限與杠桿率等指標的標準差較大，說明樣本數據有較大的波動幅度。而成交量、分散程度、利率、平均借款期限的特征與現有文獻基本一致。

表4表明，除了平均借款期限與風險感知水平擁有較高的相關系數，其他變量之間的相關系數都較低，且基本維持在0.010～0.090，說明模型基本不存在多重共線性問題。

（二）回歸結果分析

1. 對假設1和假設2的檢驗結果與分析。（1）模型設定形式檢驗。表5表明：LR統計量的值為133.8，p值顯著，拒絕個體無差異，說明個體固定效應估計優于混合截面估計;豪斯曼檢驗的F統計量為8.560，p值0.036，拒絕原假設，模型應使用固定效應估計。（2）回歸結果與分析。表 6中1—5列回歸結果說明，平臺分散程度對平臺成交量具有顯著的正向影響，說明假設1成立。特別注意到，疫情變量的回歸系數顯著為負，說明新冠疫情減少了為數不多的存續性平臺的成交額。第6列中DPS系數在1%水平下顯著為負，說明在投資領域較為集中的平臺中，小額分散對平臺成交反而具有負影響，這表明越分散越有可能加大與核心企業（大客戶）合作的成本摩擦，從而拉低平臺競爭力;相比之下，第7列中DPS系數在1%水平下顯著為正，說明對于投資領域較為多元的平臺而言，小額分散有助于降低風險、提升競爭力，從而提高平臺成交量。上述兩列回歸結果與本文假設2的預期一致，即假設2成立。

2. 對假設3的檢驗結果與分析。本文將采用三步法來完成中介效應檢驗。表7展示了分步法中介效應檢驗結果：（1）第3、6、9列結果表明風險感知對成交量具有顯著負向影響，這符合經濟學常識。（2）第2列結果表明平臺分散度對風險感知具有顯著正向影響，說明對于投資領域非常專業化和單一化的平臺而言，分散度的提高反而提升了投資人風險感知，進而抑制了平臺成交。但是，從第5列結果看，平臺分散度對風險感知具有顯著負向影響，說明投資領域具有多元化特征的平臺，分散度的提升有助于降低投資人風險感知，從而激勵平臺成交。（3）由于多元化投資的平臺數居多（184>56），故全樣本下的中介作用與多元化分組下的中介作用相一致——分散度有利于降低投資者風險感知，從而激勵平臺成交。上述結果意味著假設3所給出的“DPS→RISK PERCEPTION→VOT”的中介傳導效應顯著存在，且中介效應具有異質性特征。

六、穩健性檢驗

（一）對內生性問題的幾點考慮

1. 對反向因果的考慮。由于成交量越大的平臺，越有可能加強投資分散性管理，所以分散度與成交量之間存在反向因果的可能性。為此，本文對分散度取滯后一期，重新回歸了對成交量的影響作用。表8結果表明，分散度依然對成交量具有顯著的正向影響，即假設1穩健。

反向因果若存在，即正相關性是由于成交量對分散度存在反向正影響所導致。那么，成交量越大的平臺，應該更有動機通過小額分散來降低交易風險，因為它們更需要分散投資來應對期限錯配下因大額信用違約而引發的流動性風險。這意味著若正相關由反向因果作用主導，則對于成交量位于較高分位點上的平臺而言，其反向因果導致的正相關性應該更強，因為其在規模壓力下更需要分散，而低分位點上的平臺由于成交量較少，其分散化需求反而更弱，正相關性也應該更低。然而，表9的結果卻與這一預期相反：在0.1分位點上，二者正相關性反而是最高的，這表明分散度與成交量之間的正相關關系并非由后者對前者的反向影響作用主導。

2. 通過聯立方程估計（結構建模）來克服內生性問題。為了克服反向因果導致的內生性問題，本文進一步構建了聯立方程估計模型（5）。在模型（5）中，成交量和分散度均被視為內生變量，第一個方程通過分散度、利率和平均借款期限解釋成交量，稱為成交量方程;第二個方程刻畫的是平臺成交量對平臺分散度的影響，稱為分散度方程。

表10報告了多種方法對聯立方程模型的估計結果。其中，三階段最小二乘法是在兩階段最小二乘法的基礎上，對于估計誤差構造的擾動性方差進一步采取廣義最小二乘估計。聯立方程模型可解決單一方程估計存在的信息丟失問題。在聯立方程估計中，本文引入了P2P平臺高管教育背景（Education）這一工具變量（高管具有經管相關專業教育背景，則Education取值為1，否則為0）。選教育背景作為工具變量是因為與非經管類教育背景的高管相比，具有金融、商業、經濟、MBA等經管類教育背景的高管，其強化平臺風險管控的意識通常會更強，提高平臺分散度的動機會更大。但由于投資者的投資決策主要受到利率水平、市場周期、平臺運營時間、平臺收益、平臺借款期限等因素的影響，而較少受平臺高管教育背景的影響，故教育背景具有工具變量屬性。

表10中，各回歸方法結果均表明平臺分散度對平臺成交量具有顯著的正向影響。且3SLS下的估計系數更高，這可能是由于成交量增長方程的內生性在較大程度上因同時考慮多個方程之間聯立關系而得到系統內優化所致，這為本文關于分散度與成交量關系的研究結論提供了穩健性證據。

3. 自選擇問題與PSM估計。若分散度越高越能激勵成交的話，那么，將分散度從連續值按高低分組轉換為二元選擇變量后②，其對成交量的影響也應顯著為正。由于初始平臺成交量與分散度啞變量很可能并不獨立，表現為期初成交量越高的平臺落入高分散度分組的概率越大。因此，本文將借助PSM估計來考察分散度啞變量（DISNEW）對平臺成交量的影響。

借鑒Guido和 Imbens（2015）[20]，本文篩選出AGE、RATE、TERM、LEV、ESCROW和 NATURE作為協變量。得到傾向得分后，采用三種匹配方法，相關PSM估計結果（ATT）如表11所示，ATT表示實驗組的平均治理效應。三種匹配下，成交量的ATT值均為正且顯著，這表明在克服自選擇偏差引發的內生偏誤后，分散度對成交量依然具有正向影響，即假設1結論依然穩健。

4. 通過因果中介效應克服中介因素的內生性問題。考慮到中介變量同樣可能存在內生性問題，因此，本文使用因果中介效應來探究中介變量在關系傳遞中可能存在的反向因果問題。由于因果中介效應中的自變量應為虛擬變量，故繼續采用分散度啞變量（DISNEW）來重新進行中介效應估計。因果中介效應下的檢驗結果如表12所示。

表12表明：（1）第1列檢驗結果說明平臺分散度水平越高，客戶風險感知越低，安全感越強。（2）第2列結果表明分散度（自變量）和客戶風險感知（中介變量）對平臺成交量（因變量）的影響均顯著，說明分散度越高不僅有利于直接提升成交水平，也有利于通過弱化風險感知來提升平臺成交規模，即“分散度—客戶風險感知—平臺成交量”的中介傳導路徑依然成立。（3）因果中介效應產生的局部平均處理水平（ACME）為0.545，約占總影響（2.990）的1/6，而直接影響效應為2.444，約占5/6。

（二）對結論穩健性的再檢驗

1. 假設1的穩健性檢驗。表13表明：在引入了杠桿率、是否線上存管、平臺所有制性質以及平臺投資人背景特征后，分散度的回歸系數發生了強度變化，但影響方向及顯著性依然不變，即結果再次驗證了假設1的成立。

2. 假設2和假設3的穩健性檢驗。為檢驗中介效應的穩健性，本文采用Sobel系數乘積法進一步進行檢驗。結果表明：（1）全樣本下，中介效應顯著為正（1.963***），總效應顯著為正（3.348***），中介效應占比為0.586。這一結果與假設3中介效應傳導方向一致，說明對假設3的驗證具有一定穩健性。（2）對于投資領域較為多元化的平臺而言，中介效應顯著為正（1.911），總效應顯著為正（3.545），中介效應占比為0.538。相比之下，對于投資領域較為單一化的平臺而言，中介效應為負（-1.204），總效應顯著為正（2.361），中介效應占比0.337。上述中介效應在傳導方向上的差異性，恰恰為假設2提出的異質性特征提供了來自中介作用層面的證據支持。限于篇幅，對Sobel檢驗結果僅給出以上簡要報告，具體細節留存備索。除上述檢驗外，本文還以對Sobel檢驗放寬門檻的方式，通過Bootstrap法模擬抽樣分布過程，進一步加強了中介效應估計中標準誤估計值的準確性，具體Bootstrap結果如表14所示。

表14表明：在進行500次Bootstrap抽樣后，間接效應的置信區間分別為0.588～2.994、0.862～2.959，且均不包含0值，說明分散度對成交量的影響確實存在中介傳導效應，且從中介效應的作用方向上看，投資領域較多元的平臺與較單一的平臺相比，其中介作用的傳導方向相反，這也驗證了假設2的預期。

七、結論與啟示

P2P行業在經歷了發展、爆發、跑路等一系列進程后，現已完全退出了歷史舞臺。作為現代金融中一種里程碑式的金融創新形式，P2P行業的退出為我國金融行業發展提供了寶貴的經驗教訓，同時也為學界提出許多值得深思的問題。本文選擇客戶風險感知度為中介變量，考察了平臺分散度對平臺成交量的直接和間接影響，尤其探究了分散度通過作用于客戶風險感知來影響平臺成交量的間接作用路徑。研究發現：（1）總體上看，平臺投資分散度越高越有利于激勵平臺成交。（2）具有不同業務覆蓋范圍（多元化特征）的平臺，其分散度對成交水平的影響效應并不一致：對于業務領域較廣的平臺，分散度對成交量具有正向激勵作用;而對于業務領域較為集中（單一）的平臺，分散度的提高反而會導致平臺成交量的降低。（3）平臺分散度可以通過調節客戶風險感知來間接影響平臺成交量，且投資多元化特征不同的平臺，分散度對成交量的間接傳導方向并不相同。

研究啟示：（1）針對不同類型的借貸平臺應采取不同的分散度管控措施。分散度的提高有助于流動性風險的控制，機構在面對自身的借貸結構（業務結構）時，應權衡分散度管控的利弊，針對自身業務特征制定差異化策略。（2）由于客戶風險感知與媒體互動的強度及情緒偏向水平緊密相關，因此，新型網貸機構在建設中應注重媒體互動。（3）應構建公平、公正的第三方網絡小額借貸評級（評價）機構，合理引導投資者的風險預期，強化預期管理，讓媒體在金融創新及風險管控中發揮積極作用。

注：

①平臺分散度測算中涉及的指標選取與權重設定參考了網貸之家的打分標準：https：//www.sohu.com/a/213261741_481763。基于上述打分體系，網貸之家計算并公布了451家平臺的分散度指數。該指數越高，表明平臺分散度水平越高。

②本文按照DSP取值的高低對樣本組進行了分組——將平臺分散度高于75%分位數的樣本設定為高分散度平臺（DISNEW=1），其余樣本設置為低分散度平臺（DISNEW=0）。

參考文獻：

[1]田秀娟，張智穎.投資分散化能有效降低網貸投資風險嗎？——基于“人人貸”交易數據的實證分析 [J].湘潭大學學報（哲學社會科學版），2020，44（5）.

[2]陸松新，蘭虹.風險投資、第三方資金托管與中國P2P網絡借貸平臺成交量：基于P2P網絡借貸投資者的視角 [J].西南金融，2015，（11）.

[3]王剛貞，江光輝.基于投資者視角的P2P網貸平臺成交規模影響因素研究 [J].東北農業大學學報（社會科學版），2016，（6）.

[4]于博，李欣怡.政策監管與合規轉型對P2P平臺成交量的異質性沖擊效應 [J].貴州財經大學學報，2021，（2）.

[5]王書斌，譚中明，江紅莉，謝坤，師家慧.P2P網貸平臺股東背景與投資者行為研究——基于異質性動態面板協整分析 [J].軟科學，2018，32（8）.

[6]李蒼舒，沈艷.風險傳染的信息識別——基于網絡借貸市場的實證 [J].金融研究，2018，（11）.

[7]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）.

[8]劉雪，劉剛良，安琳.P2P網貸平臺信息質量組態與投資決策關系研究 [J].中國集體經濟，2020，（31）.

[9]陳冬宇.基于社會認知理論的P2P網絡放貸交易信任研究 [J].南開管理評論，2014，17（3）.

[10]陳冬宇，鄭海超.我國P2P網貸市場的羊群行為及其決策理性研究 [J].管理評論，2017，29（1）.

[11]廖理，李夢然，王正位，賀裴菲.觀察中學習：P2P網絡投資中信息傳遞與羊群行為 [J].清華大學學報（哲學社會科學版），2015，30（1）.

[12]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，（3）.

[13]焦永香.美國上市P2P網貸企業杠桿率、流動性風險與經營績效 [J].重慶工商大學學報（社會科學版），2020，（4）.

[14]于博，董怡然.P2P平臺合規化轉型對平臺運營風險的異質性影響研究 [J].云南財經大學學報，2020，（9）.

[15]吳成浩，張池慧.P2P網絡借貸平臺的風險控制研究 [J].經濟研究導刊，2019，（1）.

[16]蔣晨琦，周彩霞.P2P行業亂象下的投資人行為分析 [J].金融發展研究，2019，（5）.

[17]聶瑞華，石洪波，米子川.家庭資產選擇行為研究評述與展望 [J].經濟問題，2018，（11）.

[18]楊虹，張柯.認知能力、社會互動方式與家庭金融資產選擇 [J].金融論壇，2021，26（2）.

[19]吳佳哲.基于羊群效應的P2P網絡借貸模式研究[J].國際金融研究，2015，（11）.

[20]Guido，Imbens. 2015. Matching Methods in Practice：Three Examples [J].Journal of Human Resources，50（2）.