选取Lending Club 2007年1月至2016年3月的交易数据,运用Multinomial Lasso-logistic模型得到影响平台违约的关键因素并预测了违约概率.结果表明,出借人实际借款的总额、借款利率等因素对违约有显著的影响,此外与以往研究不同的是,发现...选取Lending Club 2007年1月至2016年3月的交易数据,运用Multinomial Lasso-logistic模型得到影响平台违约的关键因素并预测了违约概率.结果表明,出借人实际借款的总额、借款利率等因素对违约有显著的影响,此外与以往研究不同的是,发现由借款人提供的借款描述和借款标题等文本信息与违约之间显著负相关,说明当借款人提供更多的文本信息,将表现出相对较低的违约率.研究结论补充了现有文献的不足,对P2P平台的监管和投资者的决策提供了借鉴意义.展开更多
文摘选取Lending Club 2007年1月至2016年3月的交易数据,运用Multinomial Lasso-logistic模型得到影响平台违约的关键因素并预测了违约概率.结果表明,出借人实际借款的总额、借款利率等因素对违约有显著的影响,此外与以往研究不同的是,发现由借款人提供的借款描述和借款标题等文本信息与违约之间显著负相关,说明当借款人提供更多的文本信息,将表现出相对较低的违约率.研究结论补充了现有文献的不足,对P2P平台的监管和投资者的决策提供了借鉴意义.
