数字普惠金融对农村非正规借贷的影响

2022-02-05 09:30张一昊刘自强田晨阳
武汉金融 2022年12期
关键词:贷款人普惠借贷

■张一昊 刘自强 田晨阳

一、问题的提出

非正规借贷内生于农村经济社会,基于人缘、地缘在信息获取、契约执行和交易成本等方面存在天然优势,在农村信贷市场占有较大比重。虽然农村非正规借贷在一定程度上缓解了正规借贷的缺位问题,但运行机制不规范、监管机制缺位等问题也带来各类金融风险。近年来,基于较强的地理穿透性以及服务的低成本和低门槛,数字普惠金融飞速发展。这种新型金融业态是否可以有效提高乡村金融市场供给效率,将非正规借贷的潜在群体纳入其服务范围,进而为优化乡村金融市场、降低金融风险提供一条可行的路径?本文将从乡村信贷主体的行为视角探讨数字普惠金融对农村非正规借贷的影响。

二、文献综述

基于血缘、地缘、人缘关系,非正规借贷市场往往要求资金借入方支付隐形报酬,如变工、提供义务援助和信息等,且合约是否达成受社会信用影响较大[1]。学术界主要从个体特征[2—4]、社会资本[5—7]、经济资本[8—10]、紧急事件[11,12]、外部环境[13,14]等角度对影响非正规借贷行为的因素进行探讨。

从以往的借贷选择来看,在正规借贷市场和非正规借贷市场均可能获得部分贷款,且两者存在互补[15,16]或替代关系[17]。从两者的互动机理来看,现有文献主要从三个视角来解释:第一,农户的非正规借贷是被正规借贷排斥后的诉求方式,缺乏抵押品的群体依靠非正规借贷市场缓解正规借贷约束[18]。第二,农户的非正规借贷行为是综合考虑自身资源禀赋不足和外部环境障碍因素后达到的均衡状态,非正规贷款由于程序简单、期限灵活等特点,在融资次序上优先于正规借贷[16]。第三,非正规贷款者具有信息优势,而正规贷款者具有资金价格等优势,正规贷款者往往策略性地通过只提供部分信贷资金并要求借款者去非正规部门寻求剩余资金的方式,利用非正规借贷行为的反馈信息来制定贷款决策[15]。

数字普惠金融借助物联网、大数据、云计算、区块链等信息技术,能够显著提升金融服务的覆盖度和渗透率。数字普惠金融具有广义和狭义之分,前者通常是指银行等传统金融机构和互联网企业利用数字技术开展的普惠金融业务;后者是指互联网企业开展的新型普惠金融模式。本文重点考虑数字化转型中传统金融机构开展的普惠金融业务,属于正规金融的范畴。2016年的G20杭州峰会上,由中国推动并参与制定的《G20数字普惠金融高级原则》为促进各国数字普惠金融的发展指明了方向。由此带来的“鲶鱼效应”,不仅推动了传统金融机构的创新步伐,而且对社会经济产生诸多深远影响。如,宏观层面上,对社会保障[19]、经济发展[20]、居民收入[21]、货币政策传导效果[22]等产生了积极影响;微观层面上,对家庭收入[23]、创业行为[24,25]、消费行为[26]等产生了显著影响。

对于数字普惠金融能否影响正规借贷对非正规借贷的替代性,国内外都有一些相关研究。Kim[27]对肯尼亚境内的研究表明,没有使用正规金融服务的人群更倾向于使用移动货币(手机短消息便捷地支付、转账、兑现的金融服务),从而显著降低了金融排斥的总体比例。同时,与非正式渠道和小额信贷渠道相比,人们认为移动货币渠道融资更加可靠和安全。就国内而言,数字普惠金融建立农户信用大数据,降低了信息获取和风险甄别成本,增加了正规信贷供给[28]。同时,孙少岩等[29]认为民间借贷额越高的农户,越倾向于利用普惠金融帮助其扩大生产或解决生活中的困难。邱新国等[30]认为互联网的使用通过信息搜寻效应和社会网络效应抑制了农村家庭非正规融资的可得性。吴雨等[31]认为数字普惠金融降低了居民非正规渠道借贷的可得性和借贷规模,对我国非正规借贷产生了部分替代效应。梁琦等[32]认为小微企业使用数字普惠金融能够降低杠杆率。

总体而言,上述文献主要是在互联网技术向传统金融渗入的背景下,关注正规借贷与非正规借贷的互动关系,从实证角度去思考数字普惠金融对居民传统私人借贷或小微企业的影响,但鲜有文献从信息不对称视角出发,提供数字普惠金融影响农户非正规借贷行为的微观证据。本文基于信息不对称视角,实证分析了数字普惠金融对农户非正规借贷的影响,为完善农村金融服务提供参考。

三、理论分析与研究假说

(一)博弈分析

借鉴彭小辉等[33]的做法,构建贷款人与农户借贷决策的动态博弈模型。假设条件如下:(1)贷款人Mi(i=1表示传统正规金融机构,i=2表示非正规借贷,i=3表示数字普惠金融)和农户S均为理性人,追求收益最大化。农户生产性借贷占比普遍大于消费性借贷占比,故考虑其投资收益率为R0。(2)农户还款意愿相同。(3)博弈从农户申请借贷开始到贷款人选择贷出或拒绝结束。农户可能获得的金额为L,借贷利率为Ri。农户在获得贷款后,可以选择违约或履约。(4)贷款人与农户的交易成本为Ci,且C1>C2>C3。交易成本由交易双方共同承担,且贷款人的参与约束条件为LR-Ci>0,贷款人只有在预期可回收L(1+Ri)时才会放贷。

1.单次博弈

在完全信息的单次动态博弈中,当贷款人选择借出资金时:若农户选择履约,则贷款人的收益为LRi-Ci,农户的收益为LR0-LRi-Ci;若农户选择违约,则贷款人的收益为-L(1+Ri)-Ci,农户收益为L(1+R0)-Ci。当贷款人选择不借出资金时:若农户事前进行积极的申贷准备,则农户的收益为-Ci;若农户未申请借贷,则双方的收益均为0。

其中,贷款人Mi可选择的策略有T(信任,即借贷)、N(不信任,即不借贷),农户S可选择的策略有D(不合作,即不还款)、R(合作,即还款)。从图1可以看出,在缺乏有效的信贷监管和违约惩罚的机制下,农户的占优策略是获得借贷资金后不还款,而贷款人可能预测到这种情况,其最优策略是在农户申请资金时不借贷。此时,贷款人和农户借贷博弈的纳什均衡均为(不借贷,不还款),二者陷入“囚徒困境”,农村金融市场处于失灵状态。

图1 农户与贷款人单次博弈模型

2.无限次重复博弈

单次博弈的借贷双方主要重视短期利益最大化,假如将博弈延长至有限次重复博弈,子博弈精炼纳什均衡依旧为“不借贷,不还款”,即有限次重复博弈最终陷入“囚徒困境”。当博弈次数无限大时,行为主体看重长期利益最大化,存在合作均衡。在无限次重复博弈中,假如农户违约,贷款人会选择“触发策略”。虽然农户在此次不合作博弈中获得L(1+R0)-Ci的收益,但也会付出未来无限次0收益的损失。如果想保持合作,在无限次重复博弈中,农户的长期收益等于各个阶段收益的现值之和。假设贴现率为e,第T轮博弈中农户违约的长期收益Rα为:

3.引入信誉机制的重复博弈

由于信息不对称导致的道德风险和逆向选择,无限次重复博弈在现实中往往难以实现,而有限次重复博弈的解是行为主体的“囚徒困境”,重复博弈所显示的重要问题是贷款人担心农户不守信誉。若能够有效解决信誉问题,就可以在有限次重复博弈中长期合作。农户信誉良好可以降低融资中的信息不对称,农户不守信誉会面临社会惩罚,从而抑制其短期投机行为,使其重视长远利益,同时重复博弈的次数越多,信誉机制就越容易建立起来,双方合作的可能性就越大。

为讨论如何通过增大农户的信誉违约成本来提高合作的可能性,本文考虑损害和维护信誉都需要付出成本且获得收益,当维护信誉的净收益大于损毁信誉的净收益时,信誉机制就会产生。假设监管成本为Ui(i=1表示传统正规金融机构,i=2表示非正规借贷,i=3表示数字普惠金融)且U1<U2<U3。农户预期违约,获得额外收益H;但违约一旦被发现,在没收全部额外收益H的同时还需要支付包括未来信誉损失在内的罚款F(Ui)。不考虑信誉机制的建立成本。由于惩罚力度与监管成本密切相关,故假设F(Ui)是Ui的函数,且F'(Ui)>0,F"(Ui)<0,H+F(Ui)-Ui>0,则F(U1)<F(U2)<F(U3)。建立复制动态博弈模型,如图2所示。

图2 考虑信誉机制的农户与贷款人动态博弈模型

其中,贷款人Mi可选择的策略有T(信任,即不监管奖惩)、N(不信任,即监管奖惩),农户S可选择的策略有D(不合作,即违约)、R(合作,即履约)。假设贷款人实施监管的概率为p(p∈[0,1]),则不受监管的概率为1-p,农户按期还款的概率为q(q∈[0,1]),逾期违约的概率为1-q。

贷款人实施监管奖惩的收益函数为:

未实施监管奖惩的收益函数为:

平均收益函数为:

则复制动态方程为:

农户按期还款收益函数为:

逾期违约收益函数为:

平均收益函数为:

则复制动态方程为:

F(U1)<F(U2)<F(U3)是由于传统金融机构的征信数据不全,信用评价无法有效推动农户获得信贷;非正规借贷借助社会网络关系形成借贷契约,但往往具有空间分散、时间不连续和交易稀薄特征;数字普惠金融可打破非正规借贷在时空和交易上的局限,并借助征信体系使违约农户承担高昂的违约成本和“社会性惩罚”,最终促成借贷双方形成监管奖惩、按期还款的均衡状态。

(二)研究假说

随着数字普惠金融向农村地区扩散,被动选择非正规借贷的农户将拥有更多的融资渠道,其借贷行为也会发生改变。受制于有限的农村关系圈层,非正规借贷的参与群体相对独立且稳定[34],贷款人主要来自亲朋好友[35],大家普遍崇尚勤劳自立、脚踏实地的品质及其所衍生的“救急不救穷”的借贷理念,资金借贷利率根据双方关系自行确定,或不规定名义利率。与非正规借贷相比,数字普惠金融的优势包括:第一,资金充裕;第二,与产业供应链互相嵌套,加强了融资行为与生产行为的相互支撑,外延相对广泛;第三,在便利支付、平滑消费、降低生产性借贷成本等方面的贡献,提升了低收入农户参与金融活动的频率,而银行收入流水、消费记录等使用痕迹又反过来形成信息,增加农户从正规金融机构获得支持的概率[36];第四,正规信贷的福利效应明显高于非正规信贷[35]。据此,提出如下假说:

H1:数字普惠金融能降低农户家庭非正规借贷的需求。

H2:数字普惠金融能降低农户家庭非正规借贷的获得。

在农村地区,金融机构开展信贷服务的基本障碍是面临较高的信息不对称和道德风险。在现有的农村产权制度下,农户的耕地和住房资产难以发挥担保功能,无法达到正规金融机构的审批标准,致使农户寻求非正规借贷[37]。非正规借贷依托“社会网+”缓解信息不对称和契约执行难题;数字普惠金融利用“技术网+”在更大范围内以更低的成本发挥信息优势[38],缩减“身份社会”融资的面子成本,降低农户对非正规金融的偏好。本文的数字普惠金融则通过传统农村金融机构推广手机银行业务,采用整村授信、网格化营销、与农业服务企业或合作社合作以及实时监测农户贷款流向等方式,缓解信息不对称,提升放贷意愿。随着城镇化水平提升,传统社会的互助行为渐渐被市场经济的交易行为替代,人们重复互动效率降低,非正规借贷的信息优势进一步弱化[39],导致非正规借贷市场的有效供给萎缩。据此,提出假说H3。图3显示的理论分析框架图阐述了数字普惠金融对非正规借贷需求的影响机制。

图3 理论分析框架

H3:数字普惠金融通过缓解信息不对称减少农户家庭非正规借贷需求。

四、数据来源和模型设定

(一)数据来源

本文的因变量和控制变量来自西南财经大学中国家庭金融调查与研究中心2017年在全国范围内开展的第四轮中国家庭金融调查(China Household Finance Survey,CHFS)。样本覆盖29个省份、353个县、1417个村(居)委会、40011户家庭、127012人。其中,城镇居民为81945人,农村居民为45067人。为避免数据异常值的影响,剔除了缺失值后,剩余43042人。自变量来自北京大学数字普惠金融研究中心和蚂蚁金服发布的2016年数字普惠金融指数。按照农村居民所在的省份将自变量和因变量进行匹配得到本文所需的样本。

(二)模型设定

1.Probit模型

采用Probit模型分析数字普惠金融对非正规借贷行为中虚拟变量的影响,具体包括非正规借贷需求、非正规借贷获得、非正规借贷狭义约束和非正规借贷广义约束,具体模型设定如下:

其中,crediti为因变量,取值1为存在,取值0为不存在;indexi为数字普惠金融指数;Xi为控制变量;εi为随机扰动项。模型中可能存在内生性问题:一方面,数字普惠金融因具有传统金融特性,与非正规借贷可能会存在反向因果关系;另一方面,数字普惠金融在界定上较为复杂,对其测量可能存在一定的误差。基于此,采用工具变量法解决内生性问题。借鉴钱海章等[40]的思路,移动电话普及率较高的地区一般也是数字普惠金融发展较好的地区,故选取2016年工信部公布的移动电话普及率作为工具变量。参考张勋等[41]的研究,编制数字普惠金融指数的蚂蚁金服总部在杭州,距离杭州越近的城市则极有可能发展程度越高,故选取各省份省会城市到杭州的距离作为工具变量。上一年移动电话普及率与距离杭州的地理距离这两个工具变量对非正规借贷几乎没有影响,满足排他性要求。

2.OLS模型

非正规借贷缺口(非正规借贷需求和非正规借贷获得的差值)是连续变量,采用OLS模型来分析数字普惠金融对家庭非正规借贷缺口的影响,模型设定如下:

Gapi表示家庭非正规借贷缺口,其他变量的含义与(1)式一致。

3.中介效应模型

为了分析数字普惠金融对非正规借贷需求的影响路径,根据苏岚岚等[42]的研究,采用依次检验法构建如下中介效应模型:

其中,Ni为非正规借贷需求,indexi为数字普惠金融指数,M为中介变量。(14)式分析数字普惠金融对非正规借贷需求的总效应,(15)式分析数字普惠金融对中介效应的影响,(16)式同时将数字普惠金融和中介变量放入模型右侧,分析其对非正规借贷需求的影响。中介效应对应于系数乘积b1×c2。在检验中,一个中介变量的中介效应是否显著,需要满足以下条件:(14)式中数字普惠金融对非正规借贷需求的影响显著,即α1显著;(15)式中数字普惠金融对中介变量的影响显著,即b1显著;(16)式中中介变量对非正规借贷需求的影响显著,即c1显著。

(三)变量设置与描述统计

1.因变量

非正规借贷获得行为,包括非正规借贷需求、非正规借贷获得、非正规借贷狭义约束、非正规借贷广义约束和非正规借贷缺口。

2.自变量

数字普惠金融,该指数全国有省级、城市和县域三个层次,包括覆盖广度、使用深度和数字化程度三个维度,其中使用深度中又包括支付、货币基金、保险、信贷、投资和信用六类业务三级指标。

3.中介变量

信息不对称,用人情成本和农户是否网络购物来衡量。

4.控制变量

参考已有研究[1,4,24,30],选取控制变量:农户特征变量(年龄、性别、婚姻状况、教育程度、政治面貌、风险偏好),家庭特征变量(家庭银行贷款、兄弟姐妹数量、家庭总资产)。

表1 变量定义与描述统计

五、实证结果分析

(一)农村借贷市场表征分析

非正规借贷行为通过问卷题目中不同用途下样本农户非正规借贷的需求和获得情况汇合而成。表2分别对比了2015年和2017年样本农户信贷需求和获得情况。整体而言,2015年和2017年样本农户用于生产经营的信贷获得比例高于用于消费的,且样本农户用于生产经营的信贷获得比例由2015年的23.51%提升至2017年的46.45%,即农户的生产性融资需求在提升,消费型融资需求在降低,经营性资产薄弱,从事农业及其相关产业经营活动的积极性不断提升。就生产领域来看,2015年农户关于农业和工商业生产经营的信贷需求比例是27.03%,2017年农户关于工商业生产经营的信贷需求比例是18.47%,对应正规信贷获得比例分别为10.07%和9.61%,非正规信贷获得比例分别为13.22%和16.34%,并且信贷需求比例均大于对应的信贷获得比例。由此可见,在生产领域样本农户正规融资需求缺口依旧存在。

表2 2015年和2017年不同用途下信贷情况表征分析

就获得资金用途来看,2015年获得的正规信贷和非正规信贷在不同资金用途所占比重不同,但可以看出非正规借贷在不同程度上有效补充了农业、工商业、住房、商铺、汽车、教育和医疗等方面正规借贷的不足。如图4所示。

图4 2015年不同用途下的信贷获得渠道情况

2015年获得信贷的比例占82%,其中获得非正规信贷的比例大约是获得正规信贷的2.7倍。2017年获得信贷的比例升高至95%,其中获得非正规信贷的比例大约是获得正规信贷的1.1倍,说明非正规信贷规模在农村地区不容忽视,其存在具有一定的合理性和必然性。同时,随着正规金融机构的数字化转型和发展,信贷获得结构呈现不断优化的趋势,即正规信贷获得比例逐渐提升,如图5所示。

图5 2015年和2017年获得正规与非正规信贷对比

(二)数字普惠金融对农户非正规借贷行为的影响分析

由表3可知,在控制其他变量的情况下,数字普惠金融对非正规借贷的需求在1%的水平上负向影响显著。考虑到可能存在的内生性问题,以上一年移动电话普及率与距离杭州的地理距离为工具变量,采用IV-Probit模型分别进行估计,结果依然显著,沃尔德统计量在1%和5%的水平上拒绝了不存在内生性的原假设,说明在非正规借贷需求的模型中,数字普惠金融存在一定的内生性,用工具变量法估计的结果更可靠。因此,数字普惠金融发展程度越高,农户的非正规借贷需求概率越低,假说H1成立。此外,表3(5)列结果表明数字普惠金融对非正规借贷获得在1%的水平上负向影响显著。以上一年移动电话普及率与距离杭州的地理距离分别为工具变量,只有(6)列的沃尔德统计量在1%的水平上拒绝了不存在内生性的原假设,说明上一年移动电话普及率这个工具变量是外生的,此时数字普惠金融对非正规借贷获得在1%的水平上负向影响显著。据此,数字普惠金融发展程度越高,农户的非正规借贷获得概率越低,假说H2成立。

表3 数字普惠金融对农户非正规借贷影响的回归结果

控制变量的影响方面,年龄对非正规借贷需求和获得都有明显的倒U型特征。风险偏好、家庭银行贷款、兄弟姐妹数量对非正规借贷需求和获得具有显著的正向影响,即越偏好风险、有银行贷款、兄弟姐妹数量越多,越倾向选择和获得非正规借贷。婚姻状况、教育程度、政治面貌、家庭总资产对非正规借贷和获得具有显著的负向影响,可能原因是,已婚、教育程度越高、家中有党员、家庭总资产越高的农户,其收入相对稳定,社会资本、人力资本和物质财富相对充足,较少面对抵押品不足的问题,当正规金融市场可以满足其融资需求时,对非正规金融市场的需求就相对较少。农户性别影响不显著。

进一步地,表4从非正规借贷约束和非正规借贷缺口两方面验证了数字普惠金融对非正规借贷行为的抑制作用。表4(1)至(4)列结果表明,无论使用狭义非正规借贷约束还是广义非正规借贷约束为被解释变量,数字普惠金融对非正规借贷约束的影响均在1%水平上显著为负。(5)和(6)列使用OLS模型分析数字普惠金融发展对非正规借贷缺口的影响,结果显示数字普惠金融对农户非正规借贷缺口的影响在1%的水平上显著为负。表4表明数字普惠金融发展显著降低农户非正规借贷的难度。结合表3来看,虽然数字普惠金融发展降低了非正规借贷需求和供给,但对前者的抑制大于后者。

表4 数字普惠金融对农户非正规借贷行为的进一步影响

(三)数字普惠金融的不同维度对非正规借贷行为的影响

数字普惠金融涵盖不同的业务形态,只看总体状况的影响是不全面的,需要多维度分析。数字普惠金融指数体系从覆盖广度、使用深度和数字化程度这三个维度来构建,共计33个具体指标[43]。

表5将三个维度作为自变量,分别探究其对非正规借贷行为的影响。结果显示:覆盖广度对非正规借贷需求和获得的减少作用最明显;覆盖广度和数字化程度对非正规借贷约束的减少作用较明显;覆盖广度和使用深度对非正规借贷缺口的减少作用较明显,而数字化程度对非正规借贷缺口的增加作用较明显。

表5 数字普惠金融三个维度对非正规借贷行为的影响

表6将使用深度里的多种业务类型作为自变量,进一步探究其对农村非正规借贷行为的影响。结果显示,信贷支持和征信业务对非正规借贷需求和获得的减少作用最明显。由此可见,数字化信贷越普遍、征信越完善的地区,农户的融资渠道越多、主动权越大,其本质是监管成本的降低缓解了正规借贷市场的信息不对称,稀释了内嵌于非正规借贷市场的社会资本带来的信息优势。

表6 数字普惠金融使用深度六种业务对非正规借贷行为的影响

(四)中介机制检验

检验结果见表7。(1)列数字普惠金融系数为-0.01505,且在1%水平上显著。(2)列数字普惠金融系数为-0.0036,且在1%水平上显著。(3)列加入中介变量信息不对称的代理变量人情成本后,数字普惠金融对非正规借贷需求的作用降至-0.01504,且在1%水平上显著,即数字普惠金融对非正规借贷需求的减少作用中,存在人情成本的部分中介效应。(4)列数字普惠金融系数为-0.0079,且在1%水平上显著。(5)列数字普惠金融系数为0.0099,且在1%水平上显著,即数字普惠金融促进了农户的网络购物行为。(6)列加入代理变量网络购物后,数字普惠金融对非正规借贷需求的作用降至-0.0071,且在1%水平上显著,即数字普惠金融对非正规借贷需求的减少作用中,存在网络购物的部分中介效应。综上表明,数字普惠金融通过缓解信息不对称减少了农户家庭的非正规借贷需求,即假说H3成立。

表7 数字普惠金融对农村非正规借贷需求的影响路径分析

六、结论

在我国乡村振兴战略的背景下,以农户借贷需求为切入点,将非正规借贷、传统正规金融机构和数字普惠金融三类贷款人放在同一框架,构建动态博弈模型分析参与主体的决策逻辑,并基于2015年、2017年中国家庭金融调查数据和2016年数字普惠金融指数,考查农户借贷状况。结论如下:

第一,在单次和有限次重复博弈中,贷款人和农户普遍存在“囚徒困境”现象,而在无限次重复博弈中,数字普惠金融通过降低借款利率和交易成本来缓解上述现象。由于存在信息不对称问题使博弈无法保持无限重复状态。具体而言,传统金融机构征信数据不全,信息不对称程度较高;非正规借贷借助社会关系网络监督农户履约,信息不对称程度次高;数字普惠金融通过引入更高效的信誉机制、更严格的社会性奖惩监管,以降低信息不对称程度,抑制农户的短期违约行为,提高农户正规借贷参与率,进而减少农户的非正规借贷行为。

第二,当前农户正规融资需求缺口普遍存在,且大部分由非正规借贷补充。2017年与2015年相比,农户生产性借贷需求在升高,消费性借贷需求在降低,说明农户经营性资产薄弱,且其更愿意把借贷资金投向能增加效益的农业生产领域。

第三,数字普惠金融对农户的非正规借贷需求和获得具有显著的负向影响,同时对前者的抑制大于后者,降低了非正规借贷的难度。实证结果表现为数字普惠金融对狭义和广义的非正规借贷约束以及非正规借贷缺口的影响均在1%水平上显著为负。考虑到数字普惠金融可能存在的内生性,进一步选取工具变量进行IV-Probit模型估计,结果是稳健的。就控制变量而言,年龄对非正规借贷行为的影响具有明显的倒U型特征;风险偏好、家庭银行贷款、兄弟姐妹数量对非正规借贷行为有显著的正向影响;婚姻状况、教育程度、政治面貌、家庭总资产对非正规借贷行为有显著的负向影响。信贷业务和信用业务对非正规借贷需求和获得的减少作用最明显。在作用路径上,数字普惠金融通过降低人情成本和增加网络购物行为,缓解信息不对称问题,最终使得农户寻求非正规借贷的意愿降低。■

猜你喜欢
贷款人普惠借贷
我国贷款人环境法律责任制度的探索
探索节能家电碳普惠机制 激发市民低碳生活新动力
双边密封竞标下的动态P2P网络借贷拍卖机制
随机需求条件下的P2P网络借贷拍卖机制
日照银行普惠金融的乡村探索
农村普惠金融重在“为民所用”
金融科技助力普惠金融
让民间借贷驶入法治轨道
信息不对称下P2P网络借贷投资者行为的实证
一张图看懂民间借贷“防火墙”