互聯網金融風險監管政策有效性研究

張皓嘉　孫小惠　張培麗

摘 要：互聯網金融發展迅速，但監管體系仍不成熟并在探索之中，科學評估當前我國互聯網金融監管政策有效性，對于防范互聯網金融風險尤為重要。基于2017年我國互聯網金融平臺的面板數據，采用隨機效應模型研究互聯網金融監管政策對互聯網金融風險的影響，進而對監管政策的有效性進行評估。研究發現，針對平臺實現銀行存管和分散借款的監管政策可以有效降低互聯網金融風險；針對第三方擔保、風險備付金與借款限額的監管政策沒有達到預期效果；對平臺資金流動性的管控有助于防范互聯網金融風險。未來我國互聯網金融監管的政策框架有必要從將互聯網金融平臺納入征信體系、分類設置借款限額、加強平臺信息披露執行監督檢查和制定資金流動性管控標準等方面加以完善。

關 鍵 詞：互聯網金融；P2P網貸；風險監管；政策有效性；隨機效應模型

中圖分類號：F830 文獻標識碼：A 文章編號：2096-2517（2018）05-0042-09

DOI：10.16620/j.cnki.jrjy.2018.05.005

Research on the Effectiveness of Internet Financial Risk Regulatory Policies

——An Empirical Analysis Based on P2P Internet Lending

Zhang Haojia1， Sun Xiaohui2， Zhang Peili3

（Business School， Beijing Normal University， Beijing 100875， China； 2. School of International Education， Shandong University of Finance and Economics， Jinan 250014， China； 3. Institute of Chinas Economic Reform and Development， Renmin University of China， Beijing 100872， China）

Abstract： The internet finance has undergone rapid development， whereas its regulatory system is underdeveloped and needs more exploration. Scientific assessment of the effectiveness of China's current internet financial regulatory policies is particularly important for preventing internet finance risks. Based on China's panel data of internet finance platform in 2017， the paper discussed the impact of internet financial regulatory policies on internet financial risks by using a random effects model， assessed the effectiveness of the policies. The research showed that bank custody and decentralized loan supervision policies can effectively reduce internet financial risks， regulatory policies for third-party guarantees， risk provisions， and borrowing limits did not work as expected. Also， controlling the liquidity of the platform also helps prevent internet financial risks. In the future， the policy framework for China's internet financial regulation should include the internet financial platform into the credit information system， classify and set borrowing limits， strengthen the supervision of platform information disclosure， and formulate standards for liquidity management and control.

Key words： internet finance；P2P internet loan； risk regulation；policy effectiveness； random effects model

一、引言

“兩個一百年”奮斗目標要求我國經濟持續穩定增長， 而不發生系統性金融風險是我國能否實現經濟持續穩定增長的關鍵，為此，黨的十九大報告與2017年中央經濟工作會議強調指出，要健全金融監管體系，促進多層次資本市場健康發展，增強金融服務實體經濟能力， 守住不發生系統性金融風險的底線。 之所以反復強調守住金融風險底線，主要有兩個方面的原因：一是在經濟轉型過程中金融制度不完善和貨幣政策實施累積了大量金融風險； 二是信息通訊技術和互聯網技術快速發展帶來的互聯網金融創新和繁榮， 催生了更大范圍、更新形式和更深影響的金融風險。針對第一個方面的金融風險， 國內外理論和實踐都給予了高度關注， 金融監管和金融制度完善的方向基本明確。 而作為新生事物且易發生風險的互聯網金融監管卻仍在探索之中， 尤其是在沒有成熟經驗可以借鑒的情況下， 防范互聯網金融風險就成為守住金融風險底線的重要內容。

近幾年，我國互聯網金融發展迅速，與美國等發達國家相比，我國互聯網金融發展速度更快，行業規模更大， 尤其是互聯網支付等已經走在世界前列。互聯網金融具有資金配置效率高、金融服務成本低和普惠性等優勢， 很好地彌補了傳統金融的不足，提高了金融市場競爭程度。但是，互聯網金融的自身特點和監管缺失等原因也使其風險日益呈現，并表現出特殊性。第一，借助于互聯網、大數據等新興技術， 互聯網金融業務擴展和增長速度呈幾何級數增長， 信息不對稱引發的各類風險呈指數增長， 風險累積速度加快。第二， 互聯網金融平臺種類繁多，業務機制設計復雜，風險具有很強的隱蔽性。第三，互聯網金融參與主體多樣、跨區域、跨行業特征明顯，加劇了風險的傳染性。 這就意味著傳統金融監管體系無法適應互聯網金融監管的需求， 亟需構建和完善互聯網金融監管體系， 這就要求加快互聯網風險監管理論研究和實踐經驗總結。

伴隨著互聯網金融風險開始顯現， 我國互聯網金融監管進行了多元化的探索和嘗試， 相繼出臺了大量風險監管和治理整頓的措施和政策。主要包括：一是明確監管范圍和要求。比如，國務院發布的《互聯網金融風險專項整治工作實施方案的通知》，要求嚴格準入管理，強化資金檢測，對P2P網絡借貸和股權眾籌業務、 通過互聯網開展資產管理及跨界從事金融業務、 第三方支付業務分別提出具體監管要求。 二是對互聯網金融活動做出限制。比如2016年8月24日銀監會發布的《網貸機構業務活動管理暫行辦法》，對網貸平臺借款余額上限和網絡借貸信息中介機構從事活動進行了限制。 三是對互聯網金融平臺登記備案。2017年是我國互聯網金融監管和規范發展元年， 銀監會先后發布互聯網金融業務指引和專項整改通知， 要求各網貸平臺進行銀行存管備案登記， 并部署了互聯網金融平臺整改驗收期限。

當前互聯網金融風險監管舉措多是“堵漏”式的和規范發展的事后監管， 這些監管政策效果究竟如何， 是否起到了應有的防范互聯網金融風險的作用，有待于實證的檢驗，以為構建和完善互聯網金融風險監管體系指明方向。

二、文獻綜述

能否防范風險是互聯網金融監管政策有效性的本質。互聯網金融的風險與傳統金融有所不同，傳統金融中，由于有國家和政府信用做背書，存款人基本不需要擔心資金安全， 金融風險主要來自于金融機構對借貸人的信用信息掌握不足和借貸人償款能力變化；而互聯網金融中，互聯網金融企業通過網絡信息技術獲取的數據和信息資源，使其可以用更低成本、更高效率了解用戶真實狀況，降低了金融企業風險， 但同時又由于用戶的分散化難以真正獲取借貸人的信用狀況， 增大了金融企業風險。同樣，對用戶來說，由于各平臺技術的復雜化和模式的多元化， 用戶難以了解互聯網金融企業運作模式、資金使用以及信用狀況，其面臨的風險相應增加[1]。互聯網金融的風險更為復雜化、常態化和隱蔽化。

鑒于互聯網金融風險的特殊性， 學者們從不同角度對互聯網金融風險度量和監管進行了深入研究。（1）在以往金融風險評估的基礎上用不同方法對構建互聯網金融風險度量和評估體系進行了嘗試。比如，林新丹（2015）以P2P網貸借款中典型借款平臺為研究對象， 結合借款平臺信用風險特征， 構建Z'-P模型對P2P借款平臺風險進行了度量[2]。王立勇等（2016）運用CRITIC-灰色關聯模型構建了互聯網金融風險評價體系， 并利用VaR方法測算了互聯網金融風險[3]。李彩鳳（2017）運用層次分析法構建互聯網金融風險評價體系， 構建互聯網金融結構方程實證分析了各種風險因素的影響[4]。（2）借鑒國際經驗探討了互聯網金融監管的思路和模式。 一是應該根據一國特有的經濟、金融運行狀況，制定順應互聯網金融發展趨勢的監管政策措施， 引導促進互聯網金融健康發展與創新[5]。二是縮短推出有效監管措施的時間。張萍等（2015）認為，互聯網金融平臺與監管機構的策略錯配是誘發潛在市場風險的原因，根據互聯網金融產品及其變化的特點，準確判斷互聯網金融及其衍生品的風險邊界， 盡快推出有效監管措施非常必要[6]。三是提高或規范行業進入門檻。比如，巴曙松等（2018）通過對P2P平臺生存規律與政策進行模擬研究指出，提高互聯網金融行業門檻， 強制客戶資金第三方托管可以有效防范風險[7]。四是完善信息披露和共享。劉凱悅（2016）認為采用規范統一行業準入標準的同時，要完善信息披露制度[8]。鐘肖英（2016）針對互聯網金融借貸市場存在的道德風險與逆向選擇問題，提出了完善市場信息共享的政策建議[9]。五是明確監管主體和監管模式。廖理等（2014）以Lending Club業務模式為例考察了美國P2P網貸市場的監管體系， 借鑒美國做法對國內P2P監管提出了盡快明確主要監管部門， 以及建立和完善個人信用體系的建議[10]。余中東（2015）總結了我國互聯網金融地方監管實踐經驗， 主張對互聯網金融產業采用差異化的分業監管模式。六是借鑒國外特色監管措施[11]。比如，紀海龍（2016）分析了德國P2P網貸法律規制經驗認為， 采用多人小額投資豁免原理對平臺融資進行監管， 是平衡投資者保護和提高金融便捷度的重要途徑[12]。

由于互聯網金融監管起步較晚， 大部分監管措施推出的時間較短等原因， 已有研究主要就互聯網金融風險的特征屬性， 以及互聯網金融監管的思路和模式進行了卓有成效的研究與探討。隨著這幾年互聯網金融監管政策體系基本確立和不斷完善，互聯網金融監管政策開始發揮作用，這就有必要對當前互聯網金融監管政策的有效性進行評估和考察， 目前也已經具備了對互聯網金融監管政策有效性進行量化考察的初步條件。為此，本文以P2P網貸為例， 采用隨機效應模型對我國現有金融監管政策對互聯網金融風險的有效性進行實證檢驗。

三、研究設計

（一）模型構建

在研究互聯網金融監管政策有效性時， 單純采用截面數據或時間序列數據， 都存在一定的片面性， 面板數據相對而言能夠充分結合截面數據和時間序列數據的優勢，展示更多個體動態行為信息，多角度反映互聯網金融監管的效果。當前互聯網金融監管政策除了持牌和禁止等整治和監管措施外， 最主要的還是規范發展和合規管理等方面的內容，從這個角度來看，互聯網金融風險監管與傳統金融風險監管具有一定的相似性，為此，借鑒Claessens等（2014）[13]、Cerutti等（2015）[14]、梁琪等（2015）[15]和邵漢華（2017）[16]對銀行業審慎監管政策有效性的研究，本文將利用面板數據模型檢驗互聯網金融監管政策對互聯網金融風險的影響。

Riskit=∑k λk Regk，it+∑jηj Controlj，it+eit （1）

Riskit=∑k λk Regk，it+∑jηj Controlj，it+ui+eit （2）

其中，Regk，it是一組用來反映我國互聯網金融監管的指標，包括借款限額、銀行存管、融資集中度等；Controlj，it是一組控制變量，主要包括注冊資本、成交量等微觀指標以及經濟增長等宏觀指標，相關變量的具體定義見表1。Riskit是互聯網金融風險變量，本文選取Z-Score[17-18]代表互聯網金融整體經營風險， 并結合互聯網金融平臺特點進行調整，Z=■，其中ROA表示資產回報率，CAR表示資本資產比率，σ（ROA）表示資產回報率的標準差，Z值越大表示平臺倒閉風險越小。 由于解釋變量中存在不隨時間而變的虛擬變量， 本文使用混合OLS與隨機效應分別對模型進行回歸。此外，為了檢驗是否存在未觀察到的個體效應，并對兩種回歸方法的結果進行判斷，本文采用Breusch等（1980）提供的LM檢驗[19]來檢驗是否存在個體效應。

（二）樣本選擇與數據描述

2016年開始， 隨著互聯網金融行業的監管制度收緊， 互聯網金融平臺經營逐步走向規范化。2017年， 可以看作互聯網金融行業規范發展年，一系列規范和監管互聯網金融發展的政策措施相繼出臺。為探究這些監管政策效果，本文選取2017年P2P網貸平臺的數據作為研究樣本，數據來源于網貸之家與網貸天眼。 我們刪除了數據不完整的樣本后得到36家平臺①12個月共432個觀測值的平衡面板數據， 樣本平臺數量占成立時間一年以上且在平臺官網可查詢信息批露情況平臺數量的比重超過10%，且樣本涵蓋各種平臺背景、投資期限、平臺收益與業務類型，基本可以反映出P2P網貸行業的整體情況。 主要變量的描述性統計見表2。

四、實證分析

表3是模型1（混合OLS）與模型2（隨機效應）的估計結果。Breusch等（1980）用LM檢驗[19]來檢驗個體效應，其將原假設設定為：“H0：σ■■=0”；而備擇假設設定為“H1：σ■■≠0”，如果拒絕H0，說明原模型中可能有一個反映個體特性的隨機擾動項ui，因此應該使用隨機效應模型。本文采用該檢驗方法，求得LM統計量為1909.39，在5%顯著水平上拒絕原假設，因此應該使用隨機效應模型②，下文分析以表3中隨機效應模型的估計結果（4）—（6）列為主。

虛擬變量銀行存管系數在（4）—（6）列中為正，并在1%置信水平下顯著，說明平臺實現銀行存管有助于降低風險。事實上，資金挪用問題在互聯網金融平臺發展過程中一直是主要問題， 平臺通過自融、投空標等手段挪用投資者資金，往往導致平臺無法兌付投資者收益及本金， 從而引發卷款跑路的事件。銀行存管意味著由銀行管理資金，平臺管理交易， 金融平臺的用戶資金和平臺資金將由銀行進行分賬管理， 其交易和結算都在銀行系統內部進行，使資金和交易分離，從而平臺無法直接接觸資金，無法直接挪用客戶資金，因此能夠有效地降低互聯網金融交易的風險。

變量融資集中度系數在（4）—（6）列中為負，并在1%置信水平下顯著，說明平臺借款分散有助于降低風險。借款越分散，平臺越不易遭受區域性或行業性風險影響，且當單個借款人發生違約時，平臺的風險損失較小。 當前平臺上的借款方部分是企業，其借款金額較大，期限較長，這意味著借款可能長時間集中于同一行業， 那么一旦遇到行業周期下滑及政策限制的影響， 平臺容易遭受集中風險。因此，通過監管政策避免平臺資金集中于少數借款人手中有助于降低互聯網金融平臺出現過大風險損失的可能性。

變量借款限額雖然在（2）—（3）列中在1%置信水平下顯著，但在模型（5）—（6）中卻并不顯著，說明針對平臺借款限額的政策對互聯網金融風險的影響不明顯。互聯網金融在解決小額資金借貸，尤其是小微企業貸款難問題方面起到了重要作用，目前多數平臺借款方借款大多在20萬元以上。同時由于仍未完成網貸平臺備案登記以及缺少全國性網貸平臺信息共享系統，無法得知借款人借款是否超過限額并進行限制， 因此對于該項政策的效果現在難以進行評估， 其對于互聯網金融風險的影響并不明顯。

變量第三方擔保與風險備付金在（3）與（6）列中均不顯著，說明第三方擔保、風險備付金與其他平臺保障方式相比對于互聯網金融風險的影響并沒有明顯不同。 第三方參與者一般是保險公司或者擔保公司， 保險公司針對互聯網金融平臺的履約保證保險實際上是一種信用保證保險，根據《信用保證保險業務監管暫行辦法》，保險公司自留責任余額最多不超過500萬元， 第三方擔保公司大多資本實力薄弱， 而互聯網金融平臺貸款業務相對風險較高，數目一般較大，保險公司與第三方擔保公司很難進行大額賠付， 因此對于第三方擔保的推廣政策很難達到降低互聯網金融風險的預期效果。 互聯網金融平臺的風險備用金多數只是從投資者的投資資金中提取一小部分或者平臺自身拿出一部分資金，很難完全覆蓋壞賬，并且平臺也可以隨時取走這筆錢，因此，風險備付金對于降低互聯網金融風險很難起到作用。 雖然當前出臺的禁止轄內機構繼續提取、 新增風險備付金的監管政策對互聯網金融風險防范作用不大， 但有可能會由此避免平臺借此進行宣傳， 減少投資者的信息不對稱，從而降低互聯網金融風險。

在控制變量中，流動性指數在（1）-（6）列中均在1%置信水平下顯著，從其符號來看，流動性指數越大，Z指數越小，這意味著較長的借款期限會加劇平臺倒閉的風險。從這一點來看，資金的流動性越強，對于管控互聯網金融風險越有利。流動性風險是傳統金融中最典型、最有破壞力的風險，是指金融機構無法及時或以合理成本獲得充足的資金以支付到期債務的風險。 在互聯網金融發展初期，雖然流動性風險還未充分顯現，卻由于互聯網金融的特殊性而加劇和放大，如果發生網絡“擠兌”，其危害和影響甚至更為廣泛和深遠[20]。避免過長的借款期限可以在一定程度上降低不合理匹配的影響，因此，對于資金的流動性管控有助于降低互聯網金融風險。

五、穩健性檢驗

前文隨機效應模型采用FGLS進行回歸，為進行對照，對于隨機效應模型采用MLE再次進行回歸。 同時按照自助法抽取子樣本應用隨機效應模型進行FGLS回歸。結果如表4所示。

總體來看， 銀行存管與融資集中度的系數仍然顯著，且符號與前文FGLS進行回歸的隨機效應模型相同，具有穩健性，說明平臺實現銀行存管或者分散借款確實有助于降低互聯網金融風險。第三方擔保、 風險備付金與借款限額的系數不僅不顯著，而且在不同樣本中符號也有所不同，說明第三方擔保、 風險備付金與借款限額對于互聯網金融風險的影響并不明顯，與前文結論類似。

六、結論與政策建議

互聯網金融的快速發展伴隨著大量的行業亂象[21]，為肅清行業違規現象，規范行業發展，在借鑒傳統金融監管經驗的基礎上， 結合互聯網金融自身的特點與發展實際， 我國在互聯網風險監管和治理整頓方面進行了積極有效的探索[22]。本文基于2017年我國36家互聯網金融平臺的微觀數據， 結合當前互聯網金融監管政策確定的監管指標， 采用隨機效應模型評估了互聯網風險監管政策的有效性。結果顯示，平臺實現銀行監管以及分散借款能夠有效降低互聯網金融風險；平臺借款限額、第三方擔保、 風險備付金等保障手段對于互聯網金融風險沒有明顯影響； 資金流動性對于互聯網金融風險有著明顯的作用， 但目前還未有明確的與資金流動性相關的監管政策。

根據我國互聯網金融風險監管政策有效性的實證檢驗結果， 未來我國互聯網金融風險監管的政策框架有必要從以下方面予以完善：

第一，將互聯網金融平臺納入征信體系，進一步完善社會征信體系建設。當前，互聯網金融行業間存在明顯的“信息孤島”現象，各平臺各自采集用戶信息， 其他機構無法查詢和使用平臺信息，P2P平臺也難以從央行或相關機構查詢到借款人的相關信用信息， 信息不對稱給互聯網金融帶來極大風險。隨著互聯網金融的快速發展，平臺數量和網貸規模迅速攀升， 征信體系的不完善加劇了平臺的壞賬和違約風險。 順應互聯網金融平臺資金存管業務應指定資金存管機構的新規， 借機打破互聯網的信息孤島， 將其逐步納入統一的信用體系建設，有效防范互聯網金融風險。2018年3月百行征信有限公司成立， 旨在實現對互聯網金融平臺個人借貸數據的共享， 完善金融系統征信體系，防范系統性金融風險。

第二，細化借款限額設置，實行分類監管。關于網絡信貸平臺借款限額的規定， 一定程度上遏制了P2P平臺的野蠻生長， 但同時也由于借款限額的規定缺乏制度彈性， 沒有兼顧到不同類別的借款主體，“一刀切”的借款限額遠遠小于很多中小企業的借款需求， 限制了互聯網金融作為傳統金融的有益補充， 尤其是限制了其在緩解中小微企業融資難和融資貴問題方面的積極作用， 難以真正發揮互聯網金融對實體經濟的促進作用。為此， 有必要對經營個人借貸業務的平臺和經營企業借貸業務的平臺區別管理，進行分類監管。一是在進一步嚴格相關監管措施、 提高經營企業借貸業務平臺準入條件和運營要求的基礎上， 較大程度地提高企業借貸額度。 二是綜合考慮不同區域經濟發展水平和借款人風險承受能力， 設置體現區域差異的借款額度。 三是加快推進全國性網貸平臺信息共享系統建設， 及時收集平臺借款人借款金額等相關信息，有效實施借款限額監管。

第三， 加強互聯網金融平臺信息披露制度執行監督檢查，防范平臺道德風險。為規范網貸平臺發展， 2017年以來我國互聯網金融協會向會員單位陸續發布多項網貸信息披露相關標準， 對于從業機構信息、平臺運營信息，以及項目信息等提出了強制性披露要求， 互聯網金融平臺信息披露制度基本確立。 為確保網貸平臺信息披露制度能夠真正得到貫徹執行， 互聯網金融協會有必要加快開展平臺信息披露執行情況檢查， 建立平臺信息披露監督檢查和獎懲機制， 構建起完善的網貸平臺信息披露制度， 提高互聯網金融企業的信息披露水平和透明度，保障各參與主體合法權益，減少平臺道德風險[23]。

第四，制定資金流動性管控標準，建立健全互聯網金融流動性風險補救體制機制。一方面，互聯網金融由于其技術優勢， 有可能通過大數據等技術手段提高投資合理性，擴大投資多樣性，抑制流動性風險。另一方面，互聯網金融的虛擬性、復雜性和盲從性也會很大程度上加大流動性風險。 更為重要的是， 互聯網金融缺乏相應的流動性風險防范和應對的措施和制度安排， 一旦發生流動性風險，其嚴重性和危害程度都更大和更深遠[24]。這就有必要借鑒傳統金融已經形成的包含存款準備金、 風險資產撥備以及存款保險制度等在內的流動性風險應對機制和制度， 制定互聯網金融流動性管控標準， 建立健全符合互聯網金融特點的流動性風險補救體制機制，有效防范流動性風險。

參考文獻：

[1]王茹. 互聯網金融風險的五種類型[N/OL].（2016-07-07）. 中國經濟時報，http：//www. cet. com. cn/ycpd/sdyd/1789775. shtml.

[2]林新丹. 我國P2P網貸中借款企業信用風險度量研究[D]. 廣州：華南理工大學，2015.

[3]王立勇，石穎. 互聯網金融的風險機理與風險度量研究——以P2P網貸為例[J]. 東南大學學報（哲學社會科學版），2016，18（2）.

[4]李彩鳳. 基于結構方程模型的互聯網金融風險評價[D]. 哈爾濱：哈爾濱理工大學，2017.

[5]劉瀾飚，沈鑫，郭步超. 互聯網金融發展及其對傳統金融模式的影響探討[J]. 經濟學動態，2013（8）.

[6]張萍，黨懷清. 互聯網金融創新擴散中的策略錯配與監管機制[J]. 管理世界，2015（9）.

[7]巴曙松，侯鑫彧，張帥. 基于生存模型的P2P平臺生存規律與政策模擬研究[J]. 當代財經，2018（1）.

[8]劉凱悅. P2P網絡借貸平臺長效監管機制的建立[J]. 廣東經濟，2016（12）.

[9]鐘肖英. 互聯網消費金融中的逆向選擇和道德風險研究 ——基于信號傳遞和重復博弈的視角[J]. 金融理論與實踐，2016（12）.

[10]廖理，賀裴菲. 從LendingClub業務模式轉變看P2P監管[J]. 清華金融評論，2014（2）.

[11]余中東. 互聯網金融產業發展的地方監管研究[J]. 管理世界，2015（8）.

[12]紀海龍. P2P網絡借貸法律規制的德國經驗及其啟示[J]. 云南社會科學，2016（5）.

[13]CLAESSENS S，GHOSH S R，MIHET R. Macro-prudential Policies to Mitigate Financial System Vulnerabilities[J]. Journal of International Money & Finance，2014，39（155）.

[14]CERUTTI E，CLAESSENS S，LAEVEN L. The Use and Effectiveness of Macroprudential Policies： New Evidence[J]. Journal of Financial Stability，2015，15（61）.

[15]梁琪，李政，卜林. 中國宏觀審慎政策工具有效性研究[J]. 經濟科學，2015（2）.

[16]邵漢華. 審慎監管有效性的實證研究——基于銀行效率和風險的視角[J]. 財經論叢，2017（6）.

[17]BERGER A N，KLAPPER L F，Turkariss R. Bank Competition and Financial Stability[J]. Journal of Financial Services Research，2009，35（2）.

[18]張宗益，吳恒宇，吳俊. 商業銀行價格競爭與風險行為關系——基于貸款利率市場化的經驗研究[J]. 金融研究，2012（7）.

[19]BREUSCH T S，PAGAN A R.The LM Test and Its Application to Model Specification in Econometrics[J]. Review of Economic Studies，1980，47（1）.

[20]薛紫臣. 互聯網金融流動性風險的成因和防范[J]. 中國發展觀察，2016（12）.

[21]劉國剛.互聯網金融背景下我國個人征信行業發展實踐及展望[J].金融理論探索，2018（2）.

[22]朱清香，王莉.互聯網金融民營系P2P網貸平臺的風險預警[J].河北大學學報（哲學社會科學版），2016，41（4）.

[23]周愛民，彭俊華.信息不對稱、交易成本與互聯網融資平臺發展——以P2P網絡借貸為例[J].金融理論探索，2017（3）.

[24]朱寶.普惠金融體系下互聯網金融風險溢出效應研究[J].廣西財經學院學報，2017，30（1）.

（責任編輯、校對：李丹）