P2P平台分散度、用户风险感知与平台成交量

李淑琪 于博

摘   要：2018年6月以来，P2P市场问题平台与跑路事件频现，严重危及金融体系健康稳定发展。对于满足小额分散这一监管要求的平台而言，高投资分散度能否博得更多投资人青睐、形成更稳定的成交量并由此缓解挤兑风险，是当前亟待检验的课题。而考察分散度能否及如何稳定平台成交量也是解读不同平台抗挤兑能力为何截然不同的关键。研究发现：（1）总体上看，分散度对成交量具有正向影响，即投资者确实更加青睐小额分散类投资平台;（2）上述正向影响只对投资领域较为多元化的P2P平台成立，而对深耕专一业务领域的P2P平台而言，分散度过高意味着资金不能充分匹配到行业优质核心客户，进而削弱出借意愿;（3）平台越是满足小额分散特征，其合规性越强，越有助于降低投资人对平台的风险感知，从而间接提升平臺成交量。文章从投资分散度这一业务特征出发，拓展了P2P成交决策的影响因素研究，为反思业务特征与挤兑风险之间的联系提供了新视角。

关键词：P2P平台;分散程度;平台成交量;客户风险感知;中介效应

一、引言

P2P（Peer to Peer）网络借贷是以互联网为媒介，为借贷双方实现信息共享与资金融通而构建的一种互助式借贷模式。欧美国家的P2P平台在借贷关系中充当信息中介角色。然而，中国的P2P平台从诞生之初就承担了信用中介的职能，这导致平台风险（而非借款人风险）成为影响中国P2P市场发展成败的关键。伴随2016年8月《网络借贷信息中介机构业务活动管理暂行办法》的推出，P2P平台业务合规与成本管控压力快速攀升，出现了风险集中暴露的现象，不少非规范运营的P2P平台纷纷清盘。这不仅打击了投资者信心，也表明以P2P这一金融互助模式来完善中国金融供给结构的改革之路面临严重挑战。中国P2P市场历经繁荣与衰退，这一过程究竟为中国金融改革留下哪些反思？

现有文献从收益率、杠杆率、平台背景、借款期限等要素出发，考察了平台运营特征与平台成交量之间的关系，但关于平台分散度与成交量之间是否具有关联性，至今依然不清晰，即并不确定P2P市场上的出借人在选择投资平台时是否会将平台分散度指标作为参考条件。这或许是由于高分散度的P2P平台会为单个出借人匹配更多的借款对象，从而降低大额违约及由此引发的期限错配风险。但是，由于我国P2P市场的风险主要来源于假标、自融和资金池，这些更多是与平台自身的道德风险（而非借款人信用风险）有关。因此，是否满足高分散特征很可能难以成为影响投资人决策的条件。于是，考察分散度能否影响出借人决策，进而影响平台成交便成为本文首要的研究任务。由于稳定的成交量可通过缓解挤兑来帮助平台度过风险期，因此，解读分散度与成交量的关系也是打开风险防范之门的钥匙。

本文贡献：（1）考察了出借人的投资决策是否对平台分散度具有正敏感，拓展了高风险市场上投资人投资决策的形成机制研究，丰富了P2P平台成交量影响因素研究的边界。（2）从平台投资分散度这一策略选择出发，解读了平台业务策略与成交量之间的关系，由于稳定成交量有利于防范挤兑风险，因此，在本质上探讨了分散度与P2P平台抗风险能力之间的关系，为新型互联网借贷机构如何强化风险防范提供了来自经营策略（分散度策略）层面的反思。（3）通过引入业务领域广泛度，揭示了“分散度→成交量”这一影响路径的差异性，为新型互联网借贷机构如何制定多元化策略提供了理论参考。（4）通过引入市场评价（客户风险感知）这一中介因素，进一步解读了平台分散度通过客户心理感知间接影响平台成交规模的微观机理。结论证明了平台端的资产分散度和客户端的风险感知度对稳定新型互联网金融中介的成交量具有同样重要的意义，这意味着运营策略（小额分散）与营销策略（优化客户风险感知）是未来互联网小额借贷机构提升竞争力和风险防控力的重要着力点。

二、文献综述

根据Markowitz的投资组合理论可知，市场中理性投资人的投资目标应为给定收益水平下分散化程度最高的投资，且田秀娟和张智颖（2020）[1]的研究也表明网贷投资者在面对给定收益水平的产品时，会倾向于选择具有高分散度的组合来分散投资风险，这也为本文进一步拓展分散度—成交量关系的研究提供了文献支持。

（一）平台异质性视角下分散度与成交量关系的研究

平台的分散度是指P2P平台在处理单笔借款时的细分程度，表现为一笔借款资金所匹配的借款人数量（具体度量见表1）。陆松新和兰虹（2015）[2]将平台分散度积分作为控制变量，发现分散度与平台人气及成交量正相关。但是，王刚贞和江光辉（2016）[3]通过构建动态面板考察分析平台成交量的影响因素，结果显示分散度对成交量的影响并不显著。基于平台异质性视角，于博和李欣怡（2021）[4]研究了不同股东背景下政策监管与合规转型对平台成交量的异质性影响。王书斌等（2018）[5]则借助动态面板模型分析了不同股东背景如何产生异质性的外部监督效应。

从以上文献可以发现，关于分散度和平台成交量二者之间的研究结论并未统一，且缺乏分散度与其他因素的联合影响与分散度异质性影响机制分析。为此，本文以分散度为核心解释变量，在区分网贷平台业务范围这一联合影响机制的基础上分层刻画成交量对分散度的敏感性特征。

（二）客户风险感知与P2P平台成交量关系的研究

客户风险感知作为重要心理因素对成交量具有显著影响。李苍舒和沈艳（2018）[6]通过构建Logit 模型与 Cox 比例风险模型，发现平台披露的各类软信息对投资者心理具有很强影响，并最终能够影响投资人的出借决策;王修华等（2016）[7]通过分析222家P2P平台的经营数据发现，投资者会从多方渠道搜集P2P平台相关信息以强化自身风险认知，进而选择自己信赖的平台进行投资。刘雪等（2020）[8]发现网贷双方将网贷平台所提供的信息的质量作为是否参与投资的重要因素，可靠的信息质量会降低投资者对平台的风险预估，从而增加平台成交量。陈冬宇（2014）[9]通过分析P2P的行为驱动理论，印证了放贷人在信息不足的情况下，会选择依赖于网络信息来明确风险感知，评价平台的信用水平。陈冬宇和郑海超（2017）[10]发现P2P市场存在风险感知上的情绪传染，投资存在明显的羊群特征;廖理等（2015）[11]同样验证了P2P市场中羊群效应的存在，且发现羊群效应存在边际效用递减趋势。

通过以上综述可知，现有文献论证了投资者风险感知对投资决策和平台成交规模的影响。但以风险感知为“中介”，研究分散度如何间接通过客户风险感知来影响成交决策的研究却鲜见。不同于现有文献研究客户风险感知对成交量的直接影响，本文侧重于考察客户风险感知对平台成交量的中介作用，进而为系统性解读P2P投资决策的形成过程提供理论参考。

三、逻辑分析与研究假设

（一）分散度与平台成交量

合理调控投资资金的分散程度可以通过矫正代偿金额期限错配水平和缓解资金周转压力两个渠道来化解平台的流动性挤兑风险，进而激励平台成交。樊继达和薛紫臣（2018）[12]在探究P2P平台流动性风险生成机制时，将平台分散度纳入影响变量中，结果显示平台分散度与流动性风险存在强相关性。这意味着平台分散度对平台资金回笼、稳定流动性等方面具有积极意义。焦永香（2020）[13]有关流动性风险与经营绩效关系的研究表明，过高的流动性风险会拉低资金的利用效率、负向影响平台成交水平。对于P2P出借人而言，P2P平台是否跑路、平台是否有足够的资金流支持是一直以来出借人最关心的问题（陆松新和兰虹，2015）[2]。由于平台风险水平对于分散度具有负敏感度，而平台风险水平对成交水平具有反向促进作用。基于此，本文提出如下假设：

假设1：平台分散度越高，越能激励平台成交规模。

（二）分散度影响成交规模的异质性分析

于博和董怡然（2020）[14]发现具有不同业务范围和交易功能的平台，其成交量存在较大差异。因此，本文从业务多元化程度这一视角来分层考察分散度对成交量的异质性影响。对于业务类型广泛的平台而言，高资金分散度有利于减少平台遭受大额损失的潜在风险。然而，对于那些将业务集中于某一特定领域（如三农、供应链等）的P2P平台，资金过度分散会削弱平台竞争力，增加平台风险敞口，由此打击投资人的出借意愿。例如，对于经营三农和供应链贷款为主的平台，投资越分散，意味着越注重小额农户或小额供应商的贷款，即越突出信贷的普惠性，此时，越有可能因为覆盖广度的提升而面临更高的底层资产质量风险，如果不能将资金集中在信誉较好的合作（核心）企业上，未来所面临的违约风险必然会上升，所以，当此类平台提高分散度时，很可能意味着平台正在增加风险暴露，进而抑制平台成交，导致成交量对分散度具有显著的负敏感性。基于此，本文提出如下假设：

假设2：对于业务范围较广（投资不集中于特定领域）的平台，平台分散度越高越有助于刺激成交;相反，对于业务范围狭窄（投资集中于特定领域）的平台，平台分散度越高，成交规模反而降低。

（三）分散度对成交规模的中介效应分析——基于客户风险感知视角

吴成浩和张池慧（2019）[15]基于20家平台样本，通过量化分散度水平，发现平台的抗风险能力会随着分散度的提高而提高。蒋晨琦和周彩霞（2019）[16]的研究也证实了分散度会影响平台风险，他们发现提高用户投资黏性是网贷平台良性运营的关键，而降低平台分散度会降低投资黏性，从而威胁平台运营稳定性。受此启发，本文尝试构建中介因素分析，即认为存在“分散度提高→用户风险感知下降→成交规模提高”的中介傳导机制。其具体传导过程包括：（1）“分散度→风险感知”的传导。在监管力度升级，投资人避险情绪高涨的背景下，平台小额分散的特征较好地迎合了投资人的避险需求。因此，小额分散平台的合规属性会带来更多的投资人关注和媒体宣传，提升平台的网络好评度，从而降低出借人的风险感知。（2）“风险感知→成交量”的传导。第一，随着移动互联和社交网络的兴起，出借人交易决策越来越受到来自社交媒体信息的影响。社会互动是影响个人投资决策的重要因素（聂瑞华等，2018）[17]。而社会互动又包含了线下和线上互动，且线上互动对投资者风险资产持有倾向的促进作用显著大于线下互动（杨虹和张柯，2021）[18]。线上信息的易得和高效也使得其在修正投资者的信息不对称问题中发挥着更大的作用。第二，P2P市场缺乏权威的信用机构作为借贷中心（吴佳哲，2015）[19]，羊群效应在P2P借贷活动中更易产生。在羊群效应影响下，投资者倾向于接受具有公信力的第三方平台所提供的评分引导。

假设3：越是小额分散，越会因为符合监管规范而在网络媒介中获得更高的评价，从而弱化客户风险感知并由此间接提高平台成交量。

四、实证设计

（一）样本选取

网贷之家是我国一家信誉度较高、涵盖平台最多的第三方网贷综合咨询平台，在剔除了近三个月无成交量、已经停业转型的平台后，本文选取了网贷之家2019年10月—2020年5月存在持续运营的30家网贷平台数据。其中，包括业务领域集中的（如车贷、知识产权金融贷款）网贷平台7家、业务领域较广泛的网贷平台23家，最终获得了240个“平台—时间”有效样本数据。

（二）变量设计

1. 核心解释变量：平台分散度（DPS）。网贷之家于2017年公布了P2P行业风险研究报告，并给出了衡量平台分散度的指标体系（见表1）①。

2. 因变量：平台成交量（VOT）。本文采用月度平台成交量的对数来度量。

3. 中介变量与控制变量。本文以风险感知水平为中介变量。在度量风险感知方面，选取了三家第三方网贷信息平台（网贷天眼、网贷之家、网贷315）对P2P平台风控满意度的整体打分，并经加权平均得到用户对平台的风险感知水平。控制变量方面，包含了平均预期收益率、平均借款期限、运营时间、平台运营时间、平台杠杆率以及是否存在第三方存管等关键性指标。

相关变量的具体定义及计量口径如表 2所示。

（三）模型设定

本文通过以下模型来分析平台成交量对分散度的敏感性。

模型（1）中，VOT代表月度的平台成交量，DPS代表平台分散程度，RATE代表P2P产品的平均预期收益率，ΤΕRM代表P2P平台的平均借款期限;ΑGE代表平台的运营时间，考虑到本文研究周期覆盖了新冠疫情期间，因此，加入了对疫情这一时点冲击因素的控制，即增加了COVID-19，若样本所在月份早于或等于2020年1月，则COVID-19赋值为0，否则为1。模型（1）中，[β1]是重点观测系数，代表了平台分散度对平台成交量的影响作用。根据假设1，[β1]应显著为正。此外，根据假设2，业务范围广的平台，[β1]应显著为正，说明分散度的提高能够提升平台成交额;而业务范围集中在特定领域的平台，[β1]应显著为负，说明分散程度越高，越会拉低平台自身实力，降低成交量。

此外，为了尽可能减少遗漏变量导致的内生性，本文在模型（1）（简化式）的基础上控制了平台杠杆率、是否对接第三方存管、股东成分以及所有制特征等变量，以期增加模型的稳健性，最终形成如下扩展式：

其中，LEV为平台资金杠杆，资金杠杆率越高，则自有资本承担的风险越大，保障作用越弱。同时，借鉴于博和董怡然（2020）[24]研究，将平台是否对接银行存管（ESCROW）纳入模型（2）。考虑到所有制特征会显著影响平台运营风险，如国有系和民营系在信用背书方面能力截然不同，因此，引入是否为国有平台（NATIONAL）这一控制变量。同时，考虑到银行系、风投系、上市系等股东特征也会影响平台经营风险，故将股东背景（NATURE）也作为控制变量纳入模型（2）。

由于模型（1）检验了分散度对成交量的直接影响，故在中介分析中不再重复列式。因此，中介效应检验将主要涉及模型（3）和模型（4）。其中，Risk Perception代表客户风险感知水平。

五、实证结果与分析

（一）描述性统计

表3表明，分散度均值为4.353，说明大部分平台分散程度较高。从数据波动性来看，成交量、平台运营时间、平均期限与杠杆率等指标的标准差较大，说明样本数据有较大的波动幅度。而成交量、分散程度、利率、平均借款期限的特征与现有文献基本一致。

表4表明，除了平均借款期限与风险感知水平拥有较高的相关系数，其他变量之间的相关系数都较低，且基本维持在0.010～0.090，说明模型基本不存在多重共线性问题。

（二）回归结果分析

1. 对假设1和假设2的检验结果与分析。（1）模型设定形式检验。表5表明：LR统计量的值为133.8，p值显著，拒绝个体无差异，说明个体固定效应估计优于混合截面估计;豪斯曼检验的F统计量为8.560，p值0.036，拒绝原假设，模型应使用固定效应估计。（2）回归结果与分析。表 6中1—5列回归结果说明，平台分散程度对平台成交量具有显著的正向影响，说明假设1成立。特别注意到，疫情变量的回归系数显著为负，说明新冠疫情减少了为数不多的存续性平台的成交额。第6列中DPS系数在1%水平下显著为负，说明在投资领域较为集中的平台中，小额分散对平台成交反而具有负影响，这表明越分散越有可能加大与核心企业（大客户）合作的成本摩擦，从而拉低平台竞争力;相比之下，第7列中DPS系数在1%水平下显著为正，说明对于投资领域较为多元的平台而言，小额分散有助于降低风险、提升竞争力，从而提高平台成交量。上述两列回归结果与本文假设2的预期一致，即假设2成立。

2. 对假设3的检验结果与分析。本文将采用三步法来完成中介效应检验。表7展示了分步法中介效应检验结果：（1）第3、6、9列结果表明风险感知对成交量具有显著负向影响，这符合经济学常识。（2）第2列结果表明平台分散度对风险感知具有显著正向影响，说明对于投资领域非常专业化和单一化的平台而言，分散度的提高反而提升了投资人风险感知，进而抑制了平台成交。但是，从第5列结果看，平台分散度对风险感知具有显著负向影响，说明投资领域具有多元化特征的平台，分散度的提升有助于降低投资人风险感知，从而激励平台成交。（3）由于多元化投资的平台数居多（184>56），故全样本下的中介作用与多元化分组下的中介作用相一致——分散度有利于降低投资者风险感知，从而激励平台成交。上述结果意味着假设3所给出的“DPS→RISK PERCEPTION→VOT”的中介传导效应显著存在，且中介效应具有异质性特征。

六、稳健性检验

（一）对内生性问题的几点考虑

1. 对反向因果的考虑。由于成交量越大的平台，越有可能加强投资分散性管理，所以分散度与成交量之间存在反向因果的可能性。为此，本文对分散度取滞后一期，重新回归了对成交量的影响作用。表8结果表明，分散度依然对成交量具有显著的正向影响，即假设1稳健。

反向因果若存在，即正相關性是由于成交量对分散度存在反向正影响所导致。那么，成交量越大的平台，应该更有动机通过小额分散来降低交易风险，因为它们更需要分散投资来应对期限错配下因大额信用违约而引发的流动性风险。这意味着若正相关由反向因果作用主导，则对于成交量位于较高分位点上的平台而言，其反向因果导致的正相关性应该更强，因为其在规模压力下更需要分散，而低分位点上的平台由于成交量较少，其分散化需求反而更弱，正相关性也应该更低。然而，表9的结果却与这一预期相反：在0.1分位点上，二者正相关性反而是最高的，这表明分散度与成交量之间的正相关关系并非由后者对前者的反向影响作用主导。

2. 通过联立方程估计（结构建模）来克服内生性问题。为了克服反向因果导致的内生性问题，本文进一步构建了联立方程估计模型（5）。在模型（5）中，成交量和分散度均被视为内生变量，第一个方程通过分散度、利率和平均借款期限解释成交量，称为成交量方程;第二个方程刻画的是平台成交量对平台分散度的影响，称为分散度方程。

表10报告了多种方法对联立方程模型的估计结果。其中，三阶段最小二乘法是在两阶段最小二乘法的基础上，对于估计误差构造的扰动性方差进一步采取广义最小二乘估计。联立方程模型可解决单一方程估计存在的信息丢失问题。在联立方程估计中，本文引入了P2P平台高管教育背景（Education）这一工具变量（高管具有经管相关专业教育背景，则Education取值为1，否则为0）。选教育背景作为工具变量是因为与非经管类教育背景的高管相比，具有金融、商业、经济、MBA等经管类教育背景的高管，其强化平台风险管控的意识通常会更强，提高平台分散度的动机会更大。但由于投资者的投资决策主要受到利率水平、市场周期、平台运营时间、平台收益、平台借款期限等因素的影响，而较少受平台高管教育背景的影响，故教育背景具有工具变量属性。

表10中，各回归方法结果均表明平台分散度对平台成交量具有显著的正向影响。且3SLS下的估计系数更高，这可能是由于成交量增长方程的内生性在较大程度上因同时考虑多个方程之间联立关系而得到系统内优化所致，这為本文关于分散度与成交量关系的研究结论提供了稳健性证据。

3. 自选择问题与PSM估计。若分散度越高越能激励成交的话，那么，将分散度从连续值按高低分组转换为二元选择变量后②，其对成交量的影响也应显著为正。由于初始平台成交量与分散度哑变量很可能并不独立，表现为期初成交量越高的平台落入高分散度分组的概率越大。因此，本文将借助PSM估计来考察分散度哑变量（DISNEW）对平台成交量的影响。

借鉴Guido和 Imbens（2015）[20]，本文筛选出AGE、RATE、TERM、LEV、ESCROW和 NATURE作为协变量。得到倾向得分后，采用三种匹配方法，相关PSM估计结果（ATT）如表11所示，ATT表示实验组的平均治理效应。三种匹配下，成交量的ATT值均为正且显著，这表明在克服自选择偏差引发的内生偏误后，分散度对成交量依然具有正向影响，即假设1结论依然稳健。

4. 通过因果中介效应克服中介因素的内生性问题。考虑到中介变量同样可能存在内生性问题，因此，本文使用因果中介效应来探究中介变量在关系传递中可能存在的反向因果问题。由于因果中介效应中的自变量应为虚拟变量，故继续采用分散度哑变量（DISNEW）来重新进行中介效应估计。因果中介效应下的检验结果如表12所示。

表12表明：（1）第1列检验结果说明平台分散度水平越高，客户风险感知越低，安全感越强。（2）第2列结果表明分散度（自变量）和客户风险感知（中介变量）对平台成交量（因变量）的影响均显著，说明分散度越高不仅有利于直接提升成交水平，也有利于通过弱化风险感知来提升平台成交规模，即“分散度—客户风险感知—平台成交量”的中介传导路径依然成立。（3）因果中介效应产生的局部平均处理水平（ACME）为0.545，约占总影响（2.990）的1/6，而直接影响效应为2.444，约占5/6。

（二）对结论稳健性的再检验

1. 假设1的稳健性检验。表13表明：在引入了杠杆率、是否线上存管、平台所有制性质以及平台投资人背景特征后，分散度的回归系数发生了强度变化，但影响方向及显著性依然不变，即结果再次验证了假设1的成立。

2. 假设2和假设3的稳健性检验。为检验中介效应的稳健性，本文采用Sobel系数乘积法进一步进行检验。结果表明：（1）全样本下，中介效应显著为正（1.963***），总效应显著为正（3.348***），中介效应占比为0.586。这一结果与假设3中介效应传导方向一致，说明对假设3的验证具有一定稳健性。（2）对于投资领域较为多元化的平台而言，中介效应显著为正（1.911），总效应显著为正（3.545），中介效应占比为0.538。相比之下，对于投资领域较为单一化的平台而言，中介效应为负（-1.204），总效应显著为正（2.361），中介效应占比0.337。上述中介效应在传导方向上的差异性，恰恰为假设2提出的异质性特征提供了来自中介作用层面的证据支持。限于篇幅，对Sobel检验结果仅给出以上简要报告，具体细节留存备索。除上述检验外，本文还以对Sobel检验放宽门槛的方式，通过Bootstrap法模拟抽样分布过程，进一步加强了中介效应估计中标准误估计值的准确性，具体Bootstrap结果如表14所示。

表14表明：在进行500次Bootstrap抽样后，间接效应的置信区间分别为0.588～2.994、0.862～2.959，且均不包含0值，说明分散度对成交量的影响确实存在中介传导效应，且从中介效应的作用方向上看，投资领域较多元的平台与较单一的平台相比，其中介作用的传导方向相反，这也验证了假设2的预期。

七、结论与启示

P2P行业在经历了发展、爆发、跑路等一系列进程后，现已完全退出了历史舞台。作为现代金融中一种里程碑式的金融创新形式，P2P行业的退出为我国金融行业发展提供了宝贵的经验教训，同时也为学界提出许多值得深思的问题。本文选择客户风险感知度为中介变量，考察了平台分散度对平台成交量的直接和间接影响，尤其探究了分散度通过作用于客户风险感知来影响平台成交量的间接作用路径。研究发现：（1）总体上看，平台投资分散度越高越有利于激励平台成交。（2）具有不同业务覆盖范围（多元化特征）的平台，其分散度对成交水平的影响效应并不一致：对于业务领域较广的平台，分散度对成交量具有正向激励作用;而对于业务领域较为集中（单一）的平台，分散度的提高反而会导致平台成交量的降低。（3）平台分散度可以通过调节客户风险感知来间接影响平台成交量，且投资多元化特征不同的平台，分散度对成交量的间接传导方向并不相同。

研究启示：（1）针对不同类型的借贷平台应采取不同的分散度管控措施。分散度的提高有助于流动性风险的控制，机构在面对自身的借贷结构（业务结构）时，应权衡分散度管控的利弊，针对自身业务特征制定差异化策略。（2）由于客户风险感知与媒体互动的强度及情绪偏向水平紧密相关，因此，新型网贷机构在建设中应注重媒体互动。（3）应构建公平、公正的第三方网络小额借贷评级（评价）机构，合理引导投资者的风险预期，强化预期管理，让媒体在金融创新及风险管控中发挥积极作用。

注：

①平台分散度测算中涉及的指标选取与权重设定参考了网贷之家的打分标准：https：//www.sohu.com/a/213261741_481763。基于上述打分体系，网贷之家计算并公布了451家平台的分散度指数。该指数越高，表明平台分散度水平越高。

②本文按照DSP取值的高低对样本组进行了分组——将平台分散度高于75%分位数的样本设定为高分散度平台（DISNEW=1），其余样本设置为低分散度平台（DISNEW=0）。

参考文献：

[1]田秀娟，张智颖.投资分散化能有效降低网贷投资风险吗？——基于“人人贷”交易数据的实证分析 [J].湘潭大学学报（哲学社会科学版），2020，44（5）.

[2]陆松新，兰虹.风险投资、第三方资金托管与中国P2P网络借贷平台成交量：基于P2P网络借贷投资者的视角 [J].西南金融，2015，（11）.

[3]王刚贞，江光辉.基于投资者视角的P2P网贷平台成交规模影响因素研究 [J].东北农业大学学报（社会科学版），2016，（6）.

[4]于博，李欣怡.政策监管与合规转型对P2P平台成交量的异质性冲击效应 [J].贵州财经大学学报，2021，（2）.

[5]王书斌，谭中明，江红莉，谢坤，师家慧.P2P网贷平台股东背景与投资者行为研究——基于异质性动态面板协整分析 [J].软科学，2018，32（8）.

[6]李苍舒，沈艳.风险传染的信息识别——基于网络借贷市场的实证 [J].金融研究，2018，（11）.

[7]王修华，孟路，欧阳辉. P2P网络借贷问题平台特征分析及投资者识别：来自222家平台的证据 [J].财贸经济，2016，（12）.

[8]刘雪，刘刚良，安琳.P2P网贷平台信息质量组态与投资决策关系研究 [J].中国集体经济，2020，（31）.

[9]陈冬宇.基于社会认知理论的P2P网络放贷交易信任研究 [J].南开管理评论，2014，17（3）.

[10]陈冬宇，郑海超.我国P2P网贷市场的羊群行为及其决策理性研究 [J].管理评论，2017，29（1）.

[11]廖理，李梦然，王正位，贺裴菲.观察中学习：P2P网络投资中信息传递与羊群行为 [J].清华大学学报（哲学社会科学版），2015，30（1）.

[12]樊继达，薛紫臣.P2P网贷流动性风险：生成机理及应对之策 [J].国家行政学院学报，2018，（3）.

[13]焦永香.美国上市P2P网贷企业杠杆率、流动性风险与经营绩效 [J].重庆工商大学学报（社会科学版），2020，（4）.

[14]于博，董怡然.P2P平台合规化转型对平台运营风险的异质性影响研究 [J].云南财经大学学报，2020，（9）.

[15]吴成浩，张池慧.P2P网络借贷平台的风险控制研究 [J].经济研究导刊，2019，（1）.

[16]蒋晨琦，周彩霞.P2P行业乱象下的投资人行为分析 [J].金融发展研究，2019，（5）.

[17]聂瑞华，石洪波，米子川.家庭资产选择行为研究评述与展望 [J].经济问题，2018，（11）.

[18]杨虹，张柯.认知能力、社会互动方式与家庭金融资产选择 [J].金融论坛，2021，26（2）.

[19]吳佳哲.基于羊群效应的P2P网络借贷模式研究[J].国际金融研究，2015，（11）.

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