1.1研究背景

2007年，p2p网贷模式（一种通过借贷平台的内部信用评级和贷款利率定价，进行资金的匹配的互联网金融方式）首次被引入中国，由于其门槛低、方便快捷等优点不仅大大降低了微型企业和个体融资的难度，同时也为大量的投资者即资金供给者带来了可观的利息收入，因此p2p借贷平台在国内得到迅猛发展且数量成指数型增加。但总所众知，在任何情况下，投资的风险与收益总是成正相关的，随之而来就出现越来越多的“资金需求者”假借p2p借贷平台获得投资资金之名，非法吸收或诈骗公众存款。也就产生了“爆雷”现象。

“爆雷”是指一种p2p借贷平台由于逾期未付、经营不善等问题，未能按时偿还投资者本金及利息，从而导致平台倒闭、法人跑路、筹资者失联等一系列问题的现象。而这种爆雷现象其实早已不足为奇，根据网贷之家的数据，从2015年1月至2019年2月，问题平台数始终在逐年增加，从最初的累计422家问题平台增加至累计2697家问题平台。此外2014年更是被称作“爆雷年”，一方面部分投资者因此深受其害而纷纷远离p2p借贷平台，另一方面该平台高额回报的特征又使得p2p借贷平台数量的增长，导致平台资金供求的严重不平衡发展。而2018年6月又再次出现了“爆雷”，与2014年不同，此次“爆雷”具有短期密集的特征。

1.2研究目的

在2018年6月中旬后国内多家p2p平台接连爆雷的背景下，本文旨在研究决定这些p2p借贷平台发展活力的成交量的影响因素，从而分析平台存在的不足，继而对保持其可持续发展提出相应的监管建议。

1.3研究意义

在阅读了大量的参考文献后，发现研究P2P网贷平台的早期文献主要集中于研究影响其经营模式和借贷的因素方面；之后随着问题平台频出，监管缺失成为约束行业发展的制度障碍，借贷行业的发展、主体行为、风险防控及监管措施越来越成为研究的焦点，但仍存在过多关注微观主体和技术层面因素对网贷成交量的影响，很少有文献从行业层面以及在爆雷背景下来分析不同平台间成交量的影响因素的问题。

1.4国内外研究现状分析

P2p借贷平台最早诞生于英国，随后蔓延至欧美各国和日本，曾一度被称作“穷人的银行”，这是因为其对象为各大型银行和其他金融机构所长期忽视和放弃的微型企业和个体资金需求者。故相较国内学者，国外学者由于拥有更多的研究资源从而对P2P平台也有更丰富和深入的研究。其中国外文献主要围绕两个方面来研究，一是p2p借贷平台的现实意义，二是p2p借贷模式与信息不对称的关系。

现有与跟本文内容相关的国内外研究成果。在国内学者中，姜琪从地区和类型两个维度来分析p2p借贷平台的效率差异及成因，进而对 p2p借贷平台的成交量及影响因素进行实证检验，最后提出中国p2p网贷平台提高经营效率和成交量，实现有效竞争的政策^[1]。章宇平利用人人贷平台的借贷数据,分析借款人、投资人数及借款平均利率等因素的变动对每日成交量的影响程度，并就如何促进p2p网贷行业发展提出相应的建议^[2]。李昱东通过对p2p平台揭露的数据进行量化处理，构建面板回归经济模型来考察各经济变量对p2p借贷平台成交量的影响，从而试图建立风险监控模型以促进有效监管^[3]。左文基于特定时间段的样本平台的面板数据，运用OLS回归模型和分位数回归模型分析不同平台背景下各因素与p2p平台成交量的关系及其影响程度^[4]。魏丽萍、陈德棉、谢胜强从供需机制、借款利率以及网络口碑三个方面入手探讨P2P平台成交量的驱动要素以及变量间协同演变的路径机制^[5]。杨巧艳借鉴我国传统商业银行的个人信用风险评估指标体系并根据我国 P2P 行业的发展实际和“人人贷”平台本身所具有的特点，选取出二十五个具有代表性的个人信用风险指标，构建P2P 网贷平台新进借款人信用风险评估指标体系；使用同一样本数据在 MATLAB和 IBMSPSS 分别运用支持向量机方法、Logit 回归方法对改进前后的指标体系进行实证分析并对分类预测结果的精度进行比较分析^[6]。孙航在全面分析人人贷运作模式及信用风险问题的基础上，运用数据挖掘技术、因子分析法及logistic回归模型对平台公开的客户贷款信息进行量化研究，构建计量模型，最后针对p2p网贷信用风险的有效控制提出建议和措施^[7]。张丹丹采用因子分析得出信贷平台营运能力、资金流动性和平台营运风险以及资金集聚度4个因子对网络信贷平台风险评估有重要影响^[8]。巴巨磊、陈林、李平、李强通过对人人贷平台的网络拓扑结构及相关性质进行研究，从而发现较弱的群体结构特征和显著的异配性,且属于典型的无标度网络，最后对平台的管控提出建议^[9]。柳颖从外部监管环境、内部业务和违规行为以及投资途径与教育三个方面分析p2p平台频繁爆雷的原因，并对政府监管和行业自律发展提出建议^[10]。张卫国,卢媛媛,刘勇军通过使用双边权重误差测量方法和映射距离选择正负样本误差项的隶属度,构建了基于非均衡模糊近似支持向量机(DFPSVM)的P2P网贷借款人信用风险评估模型。然后提出了借款人信用评分及评级方法。最后借助人人贷平台借款人信用信息进行了实证分析^[11]。王学忠重点研究了如何监管p2p借贷平台的根本性问题^[12]。Zeping Tong、Xiaomin Chen从P2P网贷平台的实际管理情况出发，研究了无线网络环境下基于SPARK技术的网贷违约风险。引入决策树数据挖掘算法，构建净贷款违约风险预警模型，实现了对风险环节的有效控制^[13]。