P2P违约预测（3）

国内文献综述

国内学者已经通过多个角度阐述了P2P贷款信用风险问题，研究角度主要是基于平台自身运作模式和国内监管机制方面。姚凤阁和隋昕（2016）抓取拍拍贷公司的相关历史借贷数据、将平台借款者的信用评级、融资利率、融资总额及期限等作为相关变量建立神经网络，剖析了上述各变量对贷款人不守约带来的风险影响。陈冬宇（2014）从借款人角度，以申请借款者自愿披露信息的意愿、披露信息的实际质量、借款人的实际资本、借款人历史表现、借款平台内部审核体系等为观察因素，在社会认知理论的基础上构建了一个交易新人的理论模型。宋丽平、张利坤和徐玮（2015）抓取P2P平台Prosper的历史交易数据建立Logistic回归模型，实证表明借款人的财务状况、信用状况及历史还款记录对违约风险有较大影响。张琦（2014）基于P2P网贷的运营机制，利用AHP层次和熵权分析法优化借款人身份、收入水平、工作职务、历史违约记录、资产情况、还款意愿等指标，建立了评价借款人不守约可能的风险评分模型。

国外文献综述

对于P2P贷款信用风险产生原因，国外学者也通过多个角度进行阐述。S.Herrero Lopez（2015）认为由于缺乏对融资人家庭情况和社会关系的考虑，独立单纯的对融资人进行信用评价会造成对融资人信用评估失偏进而带来风险。Freedom和Jin(2008)研究指出，在同一级别中，信用分较高和较低的借款人在之后的还款行为中存在差异，显然信用得分低的借款人表现更差。Yum（2012）对韩国的P2P平台Popfunding进行研究发现，对于借款人来说其过去借款经历越多或者说其过去成功的借款经历越多，他的订单成功的可能性越大。Puro.L和Teich.J（2010）认为，信用评级、负债偿还比例及历史违约记录很大程度上影响了当下借款成功概率。Lin.M和N.Prabhala（2009）指出，在借款人提交的全部信息中，根据能否被验证可以分为硬信息和软信息，分别表示可以被客观证实和不能被有效证实的信息。Michal（2012）抓取Prosper的历史数据进行随机抽样，对申请借款人的自愿认证的不被认证的信息进行研究，指出借款人披露的信息越多（即使未被认证），其成功借款的概率越大。接着其论述造成这一现象的两方面的原因，一是大多数人可能并未意识到信息披露越多越可能成功借款。二是更多人宁愿不披露更多信息也不愿意提交虚假信息。
综合国内外研究表明，影响P2P贷款个人违约风险的因素主要有相关法律约束、征信体系的建立、平台自我审核标准、个人信用质量、个人经济状况、相关家庭影响、信息披露质量、信息不对称程度等。而在此基础上，以往研究大都基于以上因素通过爬虫抓取对象平台的相关数据，建立诸如神经网络等模型对借款人违约风险进行评估与预测。