描述性信息与违约行为的关系研究

摘 要 从语言信息含量和语言内容两个维度探究描述性信息与违约行为之间的联系。实证结果表明：描述性信息的信息量越大，借款人越不容易违约；自我陈述中做出还款承诺（表明自己一定会按时归还）的借款人、谈及自己收入或财产的借款人以及介绍自己家庭的借款人更倾向于履约，而标榜自己诚信可靠（用语言赞美自己拥有“诚信”这一道德品质）并且用以前的借贷记录表现其诚信的借款人更可能会违约。研究结论有助于P2P平台以及投资者识别借款人违约风险，同时丰富了我国的民间小额借贷尤其是P2P领域的研究。

关键词 描述性信息； 违约行为； P2P

[中图分类号]F832.4 [文献标识码] A [文章编号]1673-0461（2017）05-0086-07

一、引 言

2007年我国第一家P2P平台“拍拍贷”在上海注册成立，由此拉开了互联网金融在中国的发展帷幕。此后，“红岭创投”、“人人贷”、“翼龙贷”、“宜人贷”等大批平台争先恐后的注册成立。截止2016年1月份，不到十年的时间我国P2P平台就从2007年的1家发展到3 917家，2015年全年增加近2 000家平_，可见其发展势头①。

发展至今，该行业在我国演化出多种模式，但不论采用哪种模式，平台都必须建立起征信体系将借款人和贷款人网罗到一起。需要借入资金的人要向P2P平台提供房产证等一系列材料，平台审核通过后将借款人的有关信息在网站上，形成一份借贷标。有意向贷出款项的人基于网站的信息对借款人进行筛选并投标，一份借款标可由多个投资者投标，借款人的标额全部被投资人“认领”则视为“满标”。标满后平台将投资人的款项划转至借款人账户，到期后，借款人向贷款人归还利息和本金。

网站的借款人信息一般包括信用等级、个人资料、是否提供担保、历史借贷记录等。信用等级是平台对借款人的审核评价；个人资料提供借款人的基本信息：姓名、年龄、家庭情况、个人财产等；担保又分为第三人提供的担保、房担保增额、车担保增额；历史借贷记录是指该借款人此前在该平台上的交易信息。上述信息被称为“硬信息”②，除此之外，P2P平台上还有“软信息”――描述性信息。

描述性信息是指在P2P平台上，除平台与投资人要求的“资信等级”、“基本信息”、“个人资料”等必须填写的“硬信息”外，借款人还可自愿以文字形式陈述与己相关的其他信息。如：“本人自建有房产，现在当地经营一家陶瓷商行，收入稳定，此次借款用于商行资金周转，诚信借款，保证按时还款，请大家多多支持，谢谢。”与前述的P2P平台硬性要求借款人给出的“数字型”信息不同，描述性信息是在P2P平台上仅有的语言型信息，由借款人传达给潜在投资者。因此，描述性信息更加独特和主观。借款人可以通过描述性信息解释自己的借款意图、表述自己的还款决心、标榜个人道德品质，以此来吸引更多的投资者。P2P平台的交易以互联网为媒介，投资者对借款人缺乏直观审视，描述性信息作为借款人的主观、主动的表达可以帮助投资者对借款人产生一定的直观感受，在一定程度上降低两者之间的信息不对称程度，提高网络借贷成功率。

然而，语言表述亦真亦假，借款人可以借助自我陈述使投资人更全面的了解自己，也可以通过语言对自己进行伪装，这就可能误导投资者，使投资者承担额外的违约风险。本文旨在探索借款人描述性信息与借款人违约行为之间的关系：描述性信息的信息量是否与违约有关？某一种描述性信息的提供者是否更有可能违约？通过实证检验发现，在控制其他相关变量后，描述性信息的信息量与违约行为显著相关，即描述性信息的信息量越大，借款人越不容易违约。本文还发现，描述性信息中的某些语言内容与违约行为确实关系显著，即在自我陈述中做出“承诺”的借款人、谈及自己收入或财产的借款人以及介绍自己家庭的借款人更倾向于履约；表明自己诚信可靠并且用以前的借贷记录表现自己诚信的借款人更容易违约。虽然国内外也有文献研究这两者之间的关系，但此类研究大多并未得出统一的结论，因而本文也在一定程度上丰富了关于描述性信息与违约行为之间的关系研究方面的文献。

二、文献综述

对P2P平台上借款人描述性信息、借款人违约现象进行研究的文献并不多。此类文献可分为三类：第一，研究借款人描述性信息与借款成功率之间的关系；第二，研究借款人违约率与借款人特征的关系；第三，探索描述性信息的语言长度与借款人违约倾向之间的关联。

李焰等（2014）中指出描述性信息提供的信息量的多少对借款人是否能成功借款有显著影响。基于P2P网贷线上交易的性质，投资者无法充分接触、了解借款人，而P2P平台对借款人的信息披露又不全面，这就导致了借贷双方存在严重的信息不对称，而解决这种信息不对称的方法之一就是由借款人对其借款行为进行自由描述，以此“拉近”借贷双方之间的距离、缓解这种信息不对称。实证结果表明描述性信息的信息量越多，借款越容易成功。文章以“拍拍贷”中两千余条借贷信息为样本，归纳出“试一试”、“诚信”、“刷信用”、“顾家”、“有事业心”、“稳定”等八个语言维度，研究显示，描述性信息中提及“稳定”的借款人更容易成功，而表明自己“顾家”的借款人往往不被投资人看好。肖俊曼等（2015）对各种可能影响违约行为的因素进行了实证分析，研究表明，借款人的人口特征、信用评级、历史记录、借款金额、借款期限等均对违约行为有显著影响。廖理、吉霖等（2015）则是从语言的可信度出发探索描述性信息在P2P网贷中的作用。文章以“人人贷”2012年和2013年的借贷信息为样本，设置了语言长度与语言维度两个变量。语言长度即为描述性信息的中文字数，语言维度包括“诚信”、“家庭”、“创业”、“急迫”四类特征信息。研究表明描述性信息的语言长度越长，借款成功率越高，借款人越不容易违约。这表明投资者能有效利用描述性信息的语言长度来判断借款人的违约风险。在语言维度方面，自我陈述中包含“创业”的借款人更容易成功借款，而“急迫”会降低借款成功率；文章还指出这四种语言维度与借款人违约倾向无显著关系。

在商业活动中，描述性语言往往会起到出人意料的作用，人们可以通过自我描述来影响经济事件的结果。比如Martens发现创业者能够通过更好的描述语言获得更多自己需要的资源。Michels与Herzenstein等（2011）提出，主动提供自己照片、种族等信息的借款人更受投资者青睐，虽然这些信息的真实性尚待考证，但其确能在一定程度上降低利率与满标时间。Barasinska（2010）认为诸如性别、种族、年龄等人口特征可反映出借款人的信用风险，Duarte（2012）发现长相看上去更可靠的人其违约风险确实越低。Larrimore等（2011）的发现证实了描述性信息的内容会影响借款成功率。Dholakia与Herzenstein等（2011）以平台Prosper中的1 493条借款申请为样本，归纳出“可靠”、“成功”、“经济困难”、“”、“品德高尚”、“勤奋”等六个语言维度。研究发现，信用级别低的借款人倾向于披露更多的描述性信息，而描述性信息的信息量越大越容易借款成功，但是其违约率却越高。Herzenstein（2011）发现借款人陈述自己^去的成功经历将会提高其贷款成功率，描述的内容越多越容易成功。

目前，国内关于描述性信息语言内容与违约行为的关系的研究很少，且没有得出明确的结论。为了进一步探究这两者的关系，本文重新设置语言维度中的多个解释变量，试图得出语言内容与违约行为之间较为显著的关系，以补充现有国内研究，同时为国外研究结果提供一种基于文化差异的对比。

三、理论分析与研究假说

（一）语言内容与违约行为

既然描述性信息是借款人的自我表述，那么这种自我表述就带有主观性，即借款人在做自我陈述时会有选择性的展示一些信息而隐蔽另一些。从主观和客观的角度讲，违约行为可分为三种：第一，借款人有意愿还款但没有能力还款；第二，借款人有能力还款但没有意愿还款；第三，借款人既没有意愿还款，也没有能力还款。这三种类型的人会不会在自我表述时更倾向于展示或隐蔽某一类信息呢？比如，有还款能力的人（如有动产或不动产抵押的借款人）相较于还款能力欠缺的人，是不是更喜欢做出如期还款的承诺呢？再比如，在描述性信息中提到自己家庭情况的人是不是有更强的还款意愿而违约行为更少呢？

许多心理学领域的学者认为，语言具备五个社会功能：信息传递、表达、指示、酬应以及美学功能，不同语言表达隐含着不同的主观意愿；在诉求相同时，处于相似心理状态和生存环境的人的语言表达内容倾向于一致，即语言表达能在一定程度上区别处于不同心理状态和生存环境的人③。本文从描述性信息中提取了八种语言特征，虽然具体某一种特征对违约率有怎样的影响不好推测，但我们认为，某种或某几种语言特征被违约者采用得多，相应的，某种或某几种语言特征则更受履约者青睐，即描述性信息的某些语言特征对违约者和履约者有区别效应。

本文对两类语言特征的区别效应进行了推测，并提出如下两个研究假设：

研究假设1：相较于违约者，履约者更喜欢在自我陈述中做出到期还款付息的承诺。

研究假设2：履约者比违约者更倾向于在描述性信息中提及家庭。

（二）描述性信息的信息量与违约行为

描述性信息的信息量是指借款人自我陈述中包含的语言特征的数量。前文提到，已有研究表明借款人信用级别越低其描述性信息包含的语言特征越多。很多学者认为，这是借款人展示更多信息、减少其与投资者之间的信息不对称程度、“拉近”自己与投资者之间的距离、进而获得更多投资的一种途径。信用评级是P2P平台通过线下考察、实地走访、网络调查等诸多方法对借款人违约风险做出的综合评价。相较于一般投资者，P2P平台掌握着更多借款人信息，且平台作为第三方，其对借款人的评价也是较为公允的。因此，我们认为平台提供的信用评级能较准确的评价借款人违约风险，即信用级别高的借款人违约风险越低。

自我陈述中包含较多信息量的人常常是信用评级较低的人，而信用级别越低的人违约风险越高，基于以上分析，本文提出：

研究假说3：描述性信息中包含的信息量越大，借款人违约风险越高。

四、研究设计

（一）样本选择与数据来源

本文以“翼龙贷”2015年12月的借款信息为样本进行实证检验，该平台成立于2007年，是联想集团控股战略投资企业，开创了“同城O2O”互联网金融模式④。目前有关借款人描述性信息的实证研究多以“人人贷”、“拍拍贷”数据为样本，本文选取“翼龙贷”数据也能在一定程度上丰富现有研究的数据库。

（二）被解释变量

本文被解释变量是借款人的违约行为。违约行为是指借款人在成功筹款后没有归还或没有按时归还的行为。“翼龙贷”平台上显示如约还清的记为1，显示为“逾期还清”、“逾期未还”的记为0。

（三）解释变量

本文从两个方向探索描述性信息对违约率的影响：语言内容和语言信息量。

语言内容是借款人自我陈述中能明显识别出来的语言内容特征。借款人的自我陈述内容丰富，需要人工提取信息，鉴于人工识别工作量较大，我们从“翼龙贷”2015年12月份的所有借款信息中随机抽取了500个作为研究样本进行变量识别和实证分析。已有研究中已经提出的语言维度有“家庭”、“稳定”、“创业”、“试一试”、“急迫”、“刷信用”、“”、“个人品质”等，本文在前人研究的基础上⑤，最终确定“收入”、“承诺”、“诚信”、“事业”、“急迫”、“家庭”、“个人品质”、“有人担保”等八个维度。对于上述八个变量，若描述性信息中包含该变量维度，记为1，反之记为0。变量定义如表1：

语言信息量则使用描述性信息的信息量衡量，即一条自我陈述所包含的语言维度个数。如一条描述性信息中同时包含“家庭”、“事业”、“承诺”三个语言维度，则这个样本的语言长度记为3。

500个样本的描述性统计见表2：

（四）控制变量

除了描述性信息外，影响被解释变量的因素还有很多。从“翼龙贷”提供的硬信息来看，影响借款人违约行为的还可能有两大因素：借款金额、借款人信息。借款金额包括借款本金、利率。借款人信息包括年龄、性别、婚姻状况、信用级别、收入等级、长居住地等。性别为男性记为1，女性则记为0；婚姻状况“已婚且有子女”、“已婚且无子女”、“单身”、“离异”依次记为4～1，信用级别分为十五个等级，AAA、AA+、AA、A+、A、BB+、BB、B+、B、CC+、CC、C+、C、D、HR，依次记为15～1；收入分为2万元以下、2.1～6万元、6.1～12万元、12.1～24万元、24.1～39万元、40万元以上等六个等级，依次记为1～6；长居住地有四类，城市居住区记为5，城镇社区记为4、农村居住区记为3、商业社区记为2、其他居住区记为1。教育程度分为初中或初中以下、高中（中专）、专科、本科、硕士研究生或以上等五个级别，分别记为1～5。控制性变量的描述性统计如表3：

（五）模型设定

与描述性信息有关的变量是本次研究的关键变量，包括信息量（X0）和“收入”（X1）、“承诺”（X2）、“诚信”（X3）、“事业”（X4）、“急迫”（X5）、“家庭”（X6）、“个人品质”（X7）、“有人担保”（X8）。在回归分析中还需控制的变量有：借款本金（principal）、利率（interest）、年龄（age）、性别（gender）、婚姻状况（marry）、信用级别（level）、收入等级（income）、长居住地（residence）。因变量是借款人的违约情况（Y），该变量是虚拟变量，没有违约用1表示，违约用0表示。此次实证检验的模型如下：

Y=α+β1X+β2principal+β3interest+β4age+

β5gender+β6marry+β7level+β8residence

Y=α+β0X0+β2principal+β3interest+β4age+

β5gender+β6marry+β7level+β8residence

第一模型用来研究某种特定的语言内容对违约者和履约者的区别效应，即语言内容与借款人违约风险之间的关系；第二个模型用于探索描述性信息的信息量与违约风险的关系。

五、实证结果

检验结果见表4～5。表4是自变量为语言特征时的检验结果，表5列示了信息量的检验结果，其中（1）列未引入控制变量，（2）列是引入控制变量之后的结果。

（一）语言内容与违约行为

从表4可以看出，“收入”、“承诺”、“诚信”、“家庭”这四个变量的检验结果是显著的，即这四种语言特征对借款人的违约行为有区别效应。很显然，“收入”、“承诺”、“家庭”这三种语言特征的人更不容易违约，“诚信”这种特征更多得被违约借款人提及。

提及收入的人更不容易发生违约行为，如何解释这种现象呢？本文提出一种可能的解释，前文已提到，借款人是否如期还款受到“还款意愿”和“还款能力”的影响。从借款人的还款能力上说，较高的收入在一定程度上代表了较高的还款能力。而根据借款人描述，提及收入的借款人的收入状况多为“收入稳定”、“有自建房一套”、“月收入丰厚，每月XXXX元”，可见愿意提及自己收入的人一般收入都有保障。也就是说，描述性信息中包含收入信息的借款人的还款能力一般较强，故而他们相比于没有提及收入的借款人违约率更低。

做出承诺的借款人更倾向于如期还款。对于这一结果可以从“承诺发生前”和“承诺发生后”两方面进行解释。一方面，承诺发生前，还款能力强的人更有可能做出承诺，而还款能力相对较弱的人可能会更加犹豫。即做出承诺的借款人的还款能力可能更强。另一方面，承诺发生后，产生了一种 “承诺心理”⑥。心理学实验证明，公开的承诺使承诺者更好地规范自己的行为⑦。借款人的描述性信息在P2P平台是公开的，任何一个登录该平台的人都可以看到，这就使借款人自我陈述中的“承诺”成为了一种“公开承诺”，在这种公开承诺的约束下，借款人更倾向于履约。

在描述性信息中提及自己家庭情况的借款人更不容易违约。在描述性信息的提取过程中不难发现，描述家庭信息的借款人一般都是有妻子、丈夫、子女的，这些人的“违约成本”可能会比较高。考虑到自己的违约会给家人带来的额外负担，有家室的人相比于单身状态的更倾向于如期还款。

在前文定义中，“诚信”指“借款人描述自己是诚实、诚信的；介绍自己的借贷记录来表明自己的诚信”，自我陈述中包含此类信息的借款人更容易违约。对于这一现象，本文目前还无法给出有说服力的解释，作者在此仅提供一种猜想。在得到这一结论后，我们对八个变量做了自相关检验，检验结果表明“诚信”与“收入”、“诚信”与“承诺”呈负相关，也就是说，提及了“收入”、“承诺”这两种信息的借款人往往不对“诚信”做陈述。本文猜想，明确自己有还款能力并做出承诺的人可能不再需要过多标榜自己的“诚信”，而在还款能力上有欠缺的人可能更倾向于借助“美化”自己的人格来吸引投资者，因而在回归关系上表现为提供“诚信”信息的借款人更容易违约。

综上所述，自我陈述中描述了自己的收入情况、介绍了自己的家庭情况、并对如期还款做出承诺的借款人违约风险更低，而没有提及上述信息、但却一直标榜自己诚信、有良好的借贷记录的人则更容易违约。

（二）描述性信息的信息量与违约率

从表5可以看出，借款人描述性信息的信息量越多，越倾向于如期还款。前文提到，Dholakia（2011）的研究结论是“描述性信息的信息含量越大，借款人违约率越高”，这与本文研究假设是一致的。但是，本文得出的实证结果却与研究假设不相符，且与Dholakia（2011）研究结论相悖⑧。

为什么基于中国P2P的数据的研究结论与国外学者的研究结论相悖呢？笔者认为可能的原因有以下几点。第一，本文选取的样本与西方学者选取的样本存在中西方文化差异，中西方投资者、借款人对描述性信息的认识、理解、判断、运用上可能存在差异。第二，本文选取的语言内容与西方学者不同，如国外的研究中常常把“提及”作为一个语言特征，国内研究中很少设置这个变量。

为什么研究结论与研究假设不符呢？建立这一研究假设的逻辑基础是：自我陈述信息量较高的人信用级别越低⑤，信用级别越低的人违约风险越高⑨，上述结论在前人研究中均已被证实。在本文的回归结果中，作为控制变量的信用级别与违约行为的回归关系显著，信用级别越低的人越倾向于违约，那么除了信用级别之外，应该还有其他因素影响信息量和违约行为之间的关系。本文在此提供一种猜想。自我陈述的信息量可能反映了两种信息：第一，借款人为此次借款付出的努力大小；第二，借款人对此次借款的重视程度以及认真程度。在自我陈述中披露较多信息的借款人可能是更加重视和认真看待借款行为的人，而且他们愿意在完成一件事时付出更多的努力，这在一定程度上表明他们或许是更加可靠和优质的借款人，他们更不容易违约。

在控制信用评级后，描述性信息与违约的关系是显著的，描述性信息对违约行为有额外的解释力，也就是说平台提供的评级没有完全考虑投资者的软信息。既然P2P平台提供的信用评级对借款人违约风险的衡量并不完全，那么平台或许应该披露更多关于借款人的信息来帮助投资者更好地规避违约风险。我国相关监管部门也一直在设法加强关于借款者信息披露充分度。2016年3月10日，互联网金融信息披露标准研讨会对《互联网金融信息披露规范》（初稿）（以下简称《规范》）进行了讨论。文件规定了P2P信息披露的内容，涉及平均满标时间、累计违约率、平台项目逾期率、近三月逾期率、借款逾期金额、代偿金额、借贷逾期率、借贷坏账率、客户投诉情况、借款人经营状况等二十一项。这些规定敦促P2P平台加大对借款人信息的披露力度，有利于该行业的规范化发展。此外，笔者注意到《规范》中提出的二十一项披露内容中并没有涉及到描述性信息，而根据本文的研究发现，描述性信息是可以反映出一些违约风险的。基于此本文针对《规范》提出一点个人建议：将描述性信息也引入到二十一项P2P平台应披露信息中。

（三）稳健性检验

在基础回归之后，本文进行了稳健性检验。在基础回归的结果中不难发现，“性别”与“长居住地”检验结果并不显著，因此在稳定性检验中，我们剔除了这两个控制变量，新引入了“房产情况”、“信用卡额度”、“工作年限”这三种变量。数据处理方式与基础回归相同，结果见表6～8。表6中（1）列是未引入控制变量的检验结果，（2）列引入了新的控制变量，各解释变量的显著性不变，研究结论不变。

六、结 论

语言是一种重要的信息传递方式，在商业活动中有着十分重要的作用。在P2P平台上，描述性信息是唯一的语言类信息，也是借款人直接向投资人传递信息的仅有渠道，故而描述性信息在P2P借贷关系中有着不可替代的作用。国内国外的许多研究表明：借款人描述性信息的信息含量对借款成功率有显著影响；某些特定的描述性信息会提高或降低借款成功率。在前人研究的基础上，本文着眼于违约行为，从语言信息含量和语言内容两个维度探究描述性信息与违约行为的联系，随机选取了“翼龙贷”2015年12月的500条借款数据作为研究主体，得出了两点结论。第一，描述性信息的信息量越大，借款人越不容易违约。第二，自我陈述中做出“承诺”的借款人、谈及自己收入或财产的借款人以及介绍自己家庭的借款人更倾向于履约；表明自己诚信可靠并且用以前的借贷记录表现自己诚信的借款人更容易违约。本文的研究结论有助于探索我国借贷市场规律，并基于国内P2P平台的数据为国内关于P2P平台描述性信息的研究做出补充。

本文的局限性主要表现在两个方面。第一，实证检验中只选取了一个平台的数据，实证结果可能会因平台自身特点产生一定偏差。比如相较于其他P2P平台，“翼龙贷”借款人的构成比例中农村人口更多一些，如果农村借款人和城镇借款人做自我陈述时对描述性信息的语言内容有偏好，那么本文实证分析的说服力就会遭到一定程度的削弱。第二，由于学科界限方面的原因，笔者对某些实证结果的分析并不充分。比如关于“诚信”这个语言内容变量的实证结果本文尚无法给出充分解释。

[注 释]

① 数据来源――“网贷之家”。

② 硬信息是指能用准确的硬指标来表示的信息，是正式的、精准的、符合逻辑的、可追溯的。

③ 黄亚平.语言的认同性与文化心理.海洋大学学报，2008，6：78-81。

④ “翼龙贷”的独特之处在于其在全国众多城市设置的运营中心，这些运营中心会对借款用户进行贷前尽职调查，借款用户只可在设有“翼龙贷”运营中心的城市才可申请借贷。

⑤ 李焰：《借款人描述性信息对投资人决策的影响――基于P2P网络借贷平台的分析》，北京，《经济研究》2014年第1期，第143-第155页。

⑥ 承诺会对承诺发出者产生约束作用、提醒人们退却和逃避的危害，它激励人们尽力克服种种困难去兑现自己所说，以此来促使人们对自己做出的承诺负责。

⑦ Herzenstein， M. S.， Dholakia， U. M.，"Tell Me a Good Story and I May Lend You Money；The Role of Narratives in Peer-to-Peer Lending Decisions，"Journal of Marketing Research，Vol.48， 2011， p.138-149.。

⑧ 李焰：《借款人描述性信息对投资人决策的影响――基于P2P网络借贷平台的分析》，北京，《经济研究》2014年第1期，第143-第155。

⑨ 我国P2P网络借贷信用风险影响因素研究，基于排序选择模型的实证分析，肖曼君，欧缘媛，李颖，财经理论与实践，第36卷第193期，2015年1月。

[参考文献]

[1] Barasinska，N. Schafer，D..Does Gender Affect Funding Success at the Peer-to-Peer Credit Markets？ Evidence from the Largest German Lending Platform[Z] .Working Paper，2010.

[2] Duarte，J. .Siegel，S.Trust and Credit： The Role of Appearance in Peer-to-Peer Lending[J].Review of Financial Studies，2012，25（8） ：2455-2484.

[3] Herzenstein，Michal，Utpal M.，Dholakia，and Rick，L. Andrews.Strategic Herding Behavior in Peer-to-Peer Online Loan Auctions [J]. Journal of Interactive Marketing，2011，25（1）：27-36.

[4] Larrimore.L. ，JIANG Li.Peer to Peer lending： The relationship between language features，trustworthiness and persuasion success.[J]. Journal of Applied Communication Research，2011，.39（1）：19-37.

[5] Michels. J. Do Unverifiable Disclosures Matter？ Evidence from Peer-to-Peer Lending[J]. The Accounting Review，2012，87（4）：1385-1413.

[6] Michal Herzenstein.The Democratization of Personal Consumer Loans？ Determinants Of Success In Online Peer-To-Peer Lending Communities[J].Bulletin of the University of Delaware，2008，15（3）：274-277.

[7] 廖理.Z言可信吗？借贷市场上语言的作用――来自P2P平台的证据[J].清华大学学报，2015（4）：413-421.

[8] 王会娟.中国P2P网络借贷平台信用认证机制研究[J].中国工业经济，2014（4）：136-147.

[9] 曹亚廷.P2P网贷与征信系统关系研究[J].征信，2014（11）：15-18.