金融科技背景下P2P网贷平台：进展与展望

林艳艳　张盼盼　侯席培

摘 要：P2P网贷平台由于门槛低、便捷、收益高等特点在过去十年获得迅速发展，但同时由于高风险、不易监管等特征在近几年又逐渐回落，引起较大关注。在金融科技、互联网金融的新背景下，P2P平台又受到什么样的影响，是个值得探讨的话题。论文首先从硬信息、软信息、羊群行为三个方面总结了信息不对称对P2P平台的影响；其次以风险控制与相对于银行的中介功能兩个角度为切入点，关注金融科技对P2P平台的影响；最后就金融科技对未来P2P网贷形式的转换以及创新发展进行展望，以期为进一步开展相关研究提供参考。

关键词：P2P网贷；硬信息；软信息；羊群行为；金融科技

中图分类号：F 83

文献标志码：A

P2P Online Lending Platform：Progress and Prospect

LIN Yanyan ZHANG Panpan HOU Xipei

（Antai School of Economics and Management， Shanghai Jiao Tong University， Shanghai 300020， China）

Abstract：The P2P online lending platform has developed rapidly in the past ten years due to the characteristics of low threshold， convenience and high income， but at the same time， due to the characteristics of high risk and difficult supervision， it has gradually declined in recent years， which has attracted great attention. Under the new background of fintech and Internet finance， what kind of impact the P2P platform is receiving is a topic worthy of discussion. This paper first summarizes the impact of information asymmetry on P2P platforms from three aspects：hard information， soft information， and herd behavior. Secondly， from the perspectives of risk control and intermediary functions relative to banks， it focuses on the impact of financial technology on P2P platforms. Finally， the development of financial technology will look forward to the future form transformation and innovative development of P2P online lending， in order to provide reference value for further relevant research.

Key words：P2P online lending; hard information; soft information; herd behavior; financial technology

0 引言

从互联网时代到金融科技时代，P2P平台的发展给人们生活带来极大影响。P2P网贷也称市场借贷，是指个人或企业通过P2P网贷平台向其他个人或机构贷方借贷。它是没有传统金融中介机构参与，能够作为银行贷款替代品的一种借贷。Lin等 （2013） 指出P2P个体之间可能是不存在联系的陌生人，而非放贷人与企业家、管理人员或企业存在社会关系，P2P网贷仅仅为网络的需求 （借款人） 和供给 （放贷人） 之间提供一个交互的平台。借贷双方的信息不对称是P2P借贷面临的主要挑战之一。P2P贷款的前期工作包括对借款人进行预筛选、信用评分等，故如何广泛收集信息，减少信息不对称的影响，提高评分的准确性，是P2P平台研究的重点。

过去十年中，Lending Club、Prosper和Funding Circle等网贷平台，在消费者和小型企业借贷中迅速获得了市场份额，但由于潜在风险的爆发，在近几年出现部分回落，到2020年底P2P基本关闭。在此期间，国家出台一系列行业法规以规范行业发展，同时也有诸多学者针对P2P网贷进行相应的研究。金融科技的发展，催生了以众筹、大数据金融等为代表的互联网金融创新模式。

基于以上背景，本文首先对以往研究中P2P平台的影响因素进行分类总结；其次关注互联网以及金融科技对P2P平台的影响；最后就金融科技对未来P2P网贷形式的转换以及创新发展进行展望，以期为进一步开展相关研究提供参考。

1 信息不对称对P2P平台的影响

在平台注册的借款人提交借款需求的同时，需向平台提供相应的信息，不同的平台对信息提交的要求不同。对于个体而言，需要提交的信息包括收入的详细信息、就业情况、其他负债、借款的目的以及个人说明。Greiner （2010）的研究结果表明对于P2P借贷市场而言，提供有关借款人的经济状况 （例如信用等级和房屋所有权） ，其社会资本 （例如社会群体身份和背书） 以及贷款质量的信息 （例如贷款说明和图片） 非常重要。Lynn等 （2019） 在书中指出，有关P2P借贷的研究发现，信息不对称的程度会影响P2P平台能否生存以及是否成功。P2P平台和放贷人都会通过一系列的机制使得信息不对称的影响最小化，最常见的是“硬信息”“软信息”机制，此外还涉及“羊群行为”的研究（有关的定义详见后文）。Greiner （2010） 认为P2P交易双方的信任以及信任机制的建立可以减少信息不对称引起的不确定性。Iyer等 （2016） 指出P2P市场中的放贷人会使用市场提供的丰富信息集来推断借款人的信誉。因此，如何根据已有信息对借贷行为进行定量定性分析，建立信任机制，对于促进P2P市场的繁荣发展至关重要。所以，本部分主要从硬信息、软信息、羊群行为三个方面对P2P平台发展的相关研究文献进行归类总结。

1.1 硬信息

“硬信息”指可以准确量化和有效传输的信息。Yum等 （2012） 通过实证研究证实，放贷人更加重视反复交易产生的硬信息。Emekter等 （2015） 发现信用等级、负债收入比等在贷款违约中起着重要作用。

1.1.1 信用等级

Duarte等 （2012） 发现对个体信用的印象在金融交易中具有重要影响，因为它们可以预测借款人以及放贷人的行为。Emekter等 （2015） 使用Lending Club 的数据进行研究，强调了信用等级作为信号的重要性，指出较高的信用等级可以提高贷款融资的成功率和降低违约风险。Freedman和Jin （2017） 认为 Prosper平台的放贷人由于观察的是经过汇总的借款人信用等级类别，而不是实际的信用分数，故会面临逆向选择问题。但若平台发布更详细的信用信息，逆向选择问题会得到缓解。同样，最近的研究表明，信用等级可能不能对借款人信用度准确估计，并且进一步的信息披露可以提高用于P2P借贷决策的硬信息的准确性。Iyer等 （2016） 的研究也表明Prosper上的放贷人比仅仅根据借款人信用分数对借款人违约率进行预测的准确率要高45%。

1.1.2 种族及性别

黑人借款人的调查结果与统计层面上的种族歧视是相符的，作者还发现女性获得贷款的可能性更高。Pope和Sydnor （2011） 發现相同信用评级下，黑人获得贷款的可能性比白人低25%～35%。同时，由于黑人违约率相对较高，故对黑人收取的平均利率更高。Ravina （2019） 的研究支持以上结论。Tao等 （2017） 发现中国P2P网络借贷平台特有的线下身份验证过程有助于减少该市场中种族歧视的发生。Pope和Sydnor （2011） 针对观察到的黑人比白人违约率更高的现象提出三个有效的解释，从而论证P2P借贷市场实际上比所预期的要更平等对待不同种族的借款人。

1.1.3 贷款利率

Rigbi （2013）的研究表明较高的利率上限会增加贷款融资的可能性，尤其是借款人只是暂时性资金短缺的时候。廖理等 （2014） 指出人人贷借贷平台非完全市场化的利率部分反映了借款人的违约风险。Duarte等 （2012） 对放贷人利率设定的有效性进行了测试，研究表明可信赖度处于前20%的借款人能以低于平均借款人136个基点的利率获得贷款；除此之外如果获得贷款，其支付的利率要比不太可信的借款人低50个基点。

1.2 软信息

“软信息”指难以量化的信息。P2P市场贷款的文献主要集中在借款人的软信息如何改善贷款结果方面。Freedman和Jin （2017）发现某些社交网络变量可能传达有关借款人风险的软信息，从而弥补Prosper.com上缺乏硬信息的情况不足。此外，也有部分学者研究软信息对放贷人的影响。Vallée和Zeng （2019） 首次对放贷人特征如何影响贷款筛选结果进行研究。更进一步，Iyer等 （2016） 指出对于质量相对较低的借款人而言，非标准化或软信息的使用对于放贷人在进行借款人搜索时更为重要。本文根据所披露的信息按照软信息标准从照片、社交网络、心理和行为因素等方面对已有文献进行归类总结。

1.2.1 照片

Ravina （2019） 发现，在控制信用、房屋所有权以及其他硬性财务信息后，借款人种族、年龄等个人特征都会影响放贷人的决策，并与其事后表现相关。此外，也有学者对个人吸引力进行了研究。Duarte等 （2012） 发现借款人的吸引力几乎没有作用，与Gonzalez和Loureiro （2014） 的研究结论相悖，作者指出贷款成功的可能性与借款人和放贷人之间相对年龄和吸引力紧密相关。Ravina （2019） 也证明了吸引力的作用，其研究发现具有吸引力的借款人更有可能以较低的利率获得贷款，这与美女在市场上能获得优惠待遇的故事相吻合。

1.2.2 社交网络

社交网络会影响借款人的信用风险。Lin等 （2013） 认为平台所体现的友谊网络是信用质量高低的信号。已有研究表明贷方将这些社会关系解释为有关借款人质量的积极信息，所观察到的社会关系会提高融资概率、降低利率，Freedman和Jin （2017） 发现社交网络具有一定的价值，但远非一个完美的信号，市场不能完全理解社交网络与借款人质量之间的信号传导效应，因此需对已有的友谊网络进行更深层次的细化。Lin等 （2013） 指出朋友类型对贷款选择及贷款结果均产生影响。

1.2.3 心理和行为因素

Galak等 （2011） 证明亲社会行为心理对借款人选择的影响，研究结果指出放贷人更倾向于向单个借款人和与自己性别、职业和名字首字母更相像的人进行放贷。Chemin和Laat （2013） 发现放贷人的慈善行为可能会降低贷款利率。Kawai （2014） 发现较低的准备金金额导致贷款融资的可能性下降，从而有效区分良好的和不良的借款人。Hildebrand等 （2017） 研究发现投资者是否存在奖励对所发放贷款的数量和种类、利率及绩效的影响存在明显差异。

1.3 羊群行为

羊群行为指个体追随其他个体的做法，即使他所拥有的私人信息表明不应该如此做。Bikhchandani和Sharma （2000） 对羊群行为进行了更详细的定义，即个体在未知道其他投资者的决策时进行投资，但若发现其他投资者不进行投资则会放弃该投资；反之，若其发现其他投资者正在投资则会决定将不投资变为投资。

1.3.1 基于美国的研究

Lynn等 （2019） 在其书中将P2P平台的羊群行为分为理性和非理性两种。Zhang和Chen （2017） 发现放贷人的决策会受到市场中其他人的影响，并在某些情况下做出非理性的跟随他人的行为。Zhang和Liu （2012） 为放贷人的羊群行为是理性的提供了证据。Greiner （2013）探究影响羊群行为数量的因素、羊群行为的后果以及对市场参与者影响的好坏。Zhang和Liu （2012） 指出理性的羊群行为优于不理性的羊群行为。

1.3.2 基于中国的研究

与美国相比，中国市场存在不成熟以及投资者经验不足等缺点，故造成不同的投资行为。也就是说，放贷人的行为在不同的市场环境以及具有不同贷款经验的群体中有所不同，所以美国贷款市场的调查结果不能简单地应用于中国等新兴市场。近来，学者们在已有研究的基础上，纷纷对中国市场的P2P羊群行为展开研究，发现羊群行为在中国P2P市场尤为显著。针对中国市场的研究同样证明羊群行为是存在理性和非理性的。Chen和Lin （2014） 用中国最大的P2P平台PPdai.com的数据，发现羊群行为主要由非理性主导。这与根据美国Prosper.com的数据获得的结果存在差异，作者将其归因于文化和经济因素的不同。

Caglayan等 （2021） 用中国领先的P2P平台Renrendai.com中大约500万个放贷人每小时的数据，进行高维固定效应估算，提供了放贷人羊群行为的证据。Zhang和Chen （2017） 同样用Renrendai.com的小时数据展开研究，同时控制融资比例以及借款时限，发现放贷人之间存在模仿彼此行为的现象。Liu等 （2015） 用中国另外一大P2P平台PPdai.com的数据也同样提供了羊群行为的证据。廖理等 （2018） 研究发现在控制借款各项特征的情况下，随着羊群效應的增强，借款的违约率在下降。

1.3.3 基于韩国等其他国家的研究

也有部分学者对韩国等其他国家进行研究。Lee等（2012） 使用韩国最大的P2P平台Popfunding.com的数据，研究发现该市场存在显著的羊群效应且其边际效应是递减的。Yum等 （2012） 同样采用该平台的数据，他们的研究结果证实当关于借款人信用度的信息极为有限时，放贷人会从人群中寻找答案；而当具有更多可验证的信息时，放贷人会倾向于放弃市场的集体意见并依靠自己的推理进行判断。

2 金融科技对P2P平台的影响

风险控制是 P2P借贷的核心竞争力，科技助力其高效健康成长。大数据、区块链、云计算、人工智能等技术的发展为网络借贷的发展提供了条件。大数据征信通过对零碎多维的信息进行筛选和汇总，解决网络借贷信息不对称、征信成本高等问题。区块链技术能为P2P交易提供技术支撑。云计算、人工智能等技术一方面能够对借款方进行风险测定，另一方面能够优化放贷方传统的人工审核模式，提高效率，实现智能决策。

2.1 P2P 网贷风险控制

林春雨等 （2015） 采用大数据技术，构建P2P网络借贷平台风险预警模型。也有学者使用不同的金融科技技术构建P2P网络借贷平台信用评级方案，如仇晓霞 （2016） 基于BP神经网络模型，而谢术芳 （2016） 则基于云计算。范超等 （2017） 研究发现支持向量机、树类等非线性模型对预判P2P平台风险更加有效。Bastani等 （2019） 利用Wide & Deep学习提出的两阶段评分方法优于现有的信用评分。Cong等 （2021） 提出关于加密货币的动态资产定价模型，模型允许用户在数字平台上进行P2P交易。

2.2 P2P 网贷金融中介功能研究

人们普遍认为，金融中介主要是为了减少借款人与放贷人之间的信息不对称。Thakor （2020） 在其研究中提出金融科技背景下P2P平台是否会取代传统银行借贷的疑问。

部分学者对消费者信贷市场中P2P平台与传统银行之间为替代还是补充关系进行了理论和实证研究。从理论上讲，以技术为基础 （金融科技）的贷方对银行信贷的影响是模棱两可的。如果金融科技贷方违约风险增加，则银行可以减少信贷；反之则增加信贷。从实证上讲，Vallée和Zeng （2019） 提到P2P平台由贷方完全承担贷款风险的方式对传统借贷方式中银行的角色产生挑战。Balyuk和Davydenko （2019） 认为P2P借贷平台已经演变成新的中介机构，它能够在没有银行作为中介的条件下将借款人和贷款人聚集在一起。由于P2P平台发起贷款的固定成本相对较低，故P2P贷款对于银行边际借款起到替代作用，对银行的小额贷款起到补充作用。De Roure等 （2022） 通过P2P贷款和德国银行信贷市场的数据实证检验得出：（1） 当一些银行面临较高的监管成本时，P2P贷款会增长；（2） P2P贷款比银行贷款风险更大；（3） P2P贷款的风险调整利率低于银行贷款的利率。Thakor （2020） 对两者的关系进行总结，指出P2P借贷将使银行失去一些市场份额，但暂时并无法取代银行借贷。此外，作者提出自己的畅想，认为银行会收购P2P平台或与其合作，最终会建立自己的P2P平台。

近来，也有一些新的学者探索不同于以上的研究视角。Franks等 （2021） 对Propser.com在早期阶段从基于拍卖的定价机制转向平台直接定价的动机进行研究。紧接着，Liskovich和Shaton （2017） 指出基于此转变，经验不足的借款人会迅速退出市场，最终主要对高风险借款人产生影响，作者对借款人的信贷成本进行研究，强调了金融创新的作用。Vallée和Zeng （2019） 认为低成本的信息技术创新能有效评估潜在的贷款申请风险，从而实现对借款人的预筛选。Iyer等 （2016） 指出P2P网贷市场不仅能对借款人进行有效筛选，同时其基于非抵押品的贷款结构特征为小额借款人提供了潜在的资本来源。

2.3 总结和展望

本文全面回顾了P2P有关的研究，并结合现阶段互联网金融、金融科技的大背景对文献进行分类总结。本文首先对影响P2P平台发展的因素进行详实且细致的归总，包括硬信息、软信息以及羊群行为三个方面。其中：硬信息包括信用等级、种族及性别和贷款利率等容易获取的信息；软信息涵盖照片、社交网络、心理和行为因素等非结构化的信息；羊群行为则包含美国、中国、韩国等国家的研究。其次关注金融科技大背景下P2P的研究现状，包括风险控制以及其相对于银行的中介功能。

隨着金融科技涉及的大数据、区块链、云计算、人工智能等前沿技术在金融行业应用的不断深入，P2P行业也面临新的变革，催生新的形式。现阶段P2P虽已基本关闭，但P2P的研究仍意义重大，未来P2P若重启，其发展将进入新阶段，给传统银行经营带来冲击，同时监管也面临新的挑战。基于此背景，提出以下三个P2P发展方面本文认为值得进一步探索的话题。

大数据与P2P相结合。大数据的发展，使得数字足迹能够提供与预测违约有关的重要信息，这有可能会威胁金融中介机构的信息优势并对其业务模式形成挑战。关于大数据与P2P的研究，应着重理论与实证研究的结合，故未来的研究可侧重于以下两个方面：第一，理论基础的构建。未来P2P的应用范围从简单的自动化到复杂的决策制定许多依赖于大数据，故进行理论探索为实证研究提供依据是重中之重。第二，实证应用的拓宽。如大数据环境下新信息的研究，现有研究已涉及基于文本的机器学习算法可发掘金融中介无法访问或使用的软信息，在信贷分析中发挥重要作用。未来研究可进一步探索金融评分体系的构建，完善信用识别的内容，从而提高风险预警的水平。

区块链与P2P相结合。数字货币应用、智能合约应用是目前区块链技术的主要应用方向，未来区块链技术可逐步延伸至互联网借贷、金融产品识别交易等方向，为双方交易提供安全可信任的环境。未来的研究可侧重于区块链技术在P2P领域的应用，包括影子银行、众筹的进一步探索发展。

云计算、人工智能与P2P相结合。人工智能通过机器学习等技术，通过不断学习和试错从而不停地调整交易策略，有效管理风险。如果特定风险被适当管理，则人工智能将前景光明。

已有研究主要关注新技术发展对现有金融中介带来的冲击影响，未来研究可关注：一是不同金融中介作为信贷供应方对最终消费者以及投资者的影响。信贷储蓄如何受到影响？流动资金的供应如何受到影响？ 这些影响如何转化为福利？二是新环境下，面临传统银行、影子银行和非中介金融机构共存的现象，如何对现有的金融中介理论进行调整，如传统商业银行和P2P网络借贷之间并驾齐驱的机制能否在信贷市场上更广泛地进行。

参考文献：

［1］LU B， HAO S， PINEDO M， et al. Frontiers in service science：fintech operations：an overview of recent developments and future research directions［J］. Service Science， 2021， 13（1）：19-35.

［2］LIN M， PRABHALA N R， VISWANATHAN S. Judging borrowers by the company they keep：friendship networks and information asymmetry in online peer-to-peer lending［J］. Management Science， 2013， 59（1）：17-35.

［3］LYNN T， MOONEY J G， ROSATI P， et al. Disrupting finance：FinTech and strategy in the 21st century［M］. Springer Nature， 2019.

［4］VALLEE B， ZENG Y. Marketplace lending：a new banking paradigm？［J］. The Review of Financial Studies， 2019， 32（5）：1939-1982.

［5］GREINER M. Determinants and consequences of herding in P2P lending markets［J］. Proceedings of the 19th Americas Conference on Information Systems， Chicago， 2013：15-17.

［6］IYER R， KHWAJA A I， LUTTMER E F P， et al. Screening peers softly：inferring the quality of small borrowers［J］. Management Science， 2016， 62（6）：1554-1577.

［7］LEE I. Encyclopedia of e-commerce development， implementation， and management［M］.Hershey：IGI global， 2016.

［8］YUM H， LEE B， CHAE M. From the wisdom of crowds to my own judgment in microfinance through online peer-to-peer lending platforms［J］. Electronic Commerce Research and Applications， 2012， 11（5）：469-483.

［9］EMEKTER R， TU Y， JIRASAKULDECH B， et al. Evaluating credit risk and loan performance in online peer-to-peer （P2P） lending［J］. Applied Economics， 2015， 47（1）：54-70.

［10］DUARTE J， SIEGEL S， YOUNG L. Trust and credit：the role of appearance in peer-to-peer lending［J］. The Review of Financial Studies， 2012， 25（8）：2455-2484.

［11］FREEDMAN S， JIN G Z. The information value of online social networks：lessons from peer-to-peer lending［J］. International Journal of Industrial Organization， 2017， 51：185-222.

［12］TAO Q， DONG Y， LIN Z. Who can get money？ Evidence from the Chinese peer-to-peer lending platform［J］. Information Systems Frontiers， 2017， 19（3）：425-441.

［13］RAVINA E. Love & loans：the effect of beauty and personal characteristics in credit markets［J］. Available at SSRN 1107307， 2019.

［14］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.

［15］RIGBI O. The effects of usury laws：evidence from the online loan market［J］. Review of Economics and Statistics， 2013， 95（4）：1238-1248.

［16］廖理， 李夢然， 王正位. 聪明的投资者：非完全市场化利率与风险识别：来自P2P网络借贷的证据［J］. 经济研究， 2014， 49（7）：125-137.

［17］GONZALEZ L， LOUREIRO Y K. When can a photo increase credit？ The impact of lender and borrower profiles on online peer-to-peer loans［J］. Journal of Behavioral and Experimental Finance， 2014， 2：44-58.

［18］MORSE A. Peer-to-peer crowdfunding：information and the potential for disruption in consumer lending［J］. Annual Review of Financial Economics， 2015， 7：463-482.

［19］GALAK J， SMALL D， STEPHEN A T. Microfinance decision making：a field study of prosocial lending［J］. Journal of Marketing Research， 2011， 48（SPL）：S130-S137.

［20］CHEMIN M， DE LAAT J. Can warm glow alleviate credit market failures？ Evidence from online peer-to-peer lenders［J］. Economic Development and Cultural Change， 2013， 61（4）：825-858.

［21］KAWAI K， ONISHI K， UETAKE K. Signaling in online credit markets［J］. Journal of Political Economy， 2022， 130（6）：000-000.

［22］HILDEBRAND T， PURI M， ROCHOLl J. Adverse incentives in crowdfunding［J］. Management Science， 2017， 63（3）：587-608.

［23］BANERJEE A V. A simple model of herd behavior［J］. The Quarterly Journal of Economics， 1992， 107（3）：797-817.

［24］BIKHCHANDANI S， SHARMA S. Herd behavior in financial markets［J］. IMF Staff Papers， 2000， 47（3）：279-310.

［25］ZHANG K， CHEN X. Herding in a P2P lending market：rational inference or irrational trust？［J］. Electronic Commerce Research and Applications， 2017， 23：45-53.

［26］ZHANG J，  LIU P. Rational herding in microloan markets［J］. Management Science， 2012， 58（5）：892-912.

［27］CAGLAYAN M， TALAVERA O， ZHANG W. Herding behaviour in P2P lending markets［J］. Journal of Empirical Finance， 2021， 63：27-41.

［28］LIU D， BRASS D， LU Y， et al. Friendships in online peer-to-peer lending：pipes， prisms， and relational herding［J］. MIS Quarterly， 2015， 39（3）：729-742.

［29］廖理， 向佳， 王正位. P2P借貸投资者的群体智慧［J］. 中国管理科学， 2018， 26（10）：30-40.

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

［31］林春雨，李崇纲，许方圆，等.基于大数据技术的P2P网贷平台风险预警模型［J］.大数据， 2015， 1（4）：18-28.

［32］仇晓霞.P2P网络借贷平台信用评级研究［D］.上海：上海工程技术大学， 2016.

［33］谢术芳.云计算在企业信用评级系统中的应用［D］.济南：山东大学， 2016.

［34］范超，王磊，解明明.新经济业态P2P网络借贷的风险甄别研究［J］.统计研究，2017，34（2）：33-43.

［35］BASTANI K， ASGARI E， NAMAVARI H. Wide and deep learning for peer-to-peer lending［J］. Expert Systems with Applications， 2019， 134：209-224.

［36］CONG L W， LI Y， WANG N. Tokenomics：dynamic adoption and valuation［J］. The Review of Financial Studies， 2021， 34（3）：1105-1155.

［37］THAKOR A V. Fintech and banking：what do we know？［J］. Journal of Financial Intermediation， 2020（41）：100833.

［38］BALYUK T. Financial innovation and borrowers：evidence from peer-to-peer lending［J］. Social Science Research Network， 2019.

［39］BALYUK T， DAVYDENKO S. Reintermediation in FinTech：evidence from online lending［J］. Journal of Financial and Quantitative Analysis， 2019：1-75.

［40］TANG H. Peer-to-peer lenders versus banks：substitutes or complements？［J］. The Review of Financial Studies， 2019， 32（5）：1900-1938.

［41］DE ROURE C， PELIZZON L， THAKOR A. P2P lenders versus banks：cream skimming or bottom fishing？［J］. The Review of Corporate Finance Studies， 2022， 11（2）：213-262.

［42］FRANKS J， SERRANO-VELARDE N， SUSSMAN O. Marketplace lending， information aggregation， and liquidity［J］. The Review of Financial Studies， 2021， 34（5）：2318-2361.

［43］LISKOVICH I， SHATON M. Borrowers in search of feedback：evidence from consumer credit markets［J］. 2017.

［44］BERG T， BURG V， GOMBOVIC′ A， et al. On the rise of fintechs：credit scoring using digital footprints［J］. The Review of Financial Studies， 2020， 33（7）：2845-2897.