债务人-债权人关系网络的演变

2022-6-10 05:06:07

添加和删除节点的债务人-债权人关系网络的演变：P2P借贷案例Lin Chen，Ping Li，Qiang Li（中国电子科技大学管理与经济学院，中国成都，611731）摘要：P2P借贷活动发展迅速，造成了庞大而复杂的债务人-债权人关系网络。本研究的目的是研究债务人-债权人关系形成的网络的潜在结构特征。根据P2P借贷的属性，本文将借贷关系网络建模为一个具有添加和删除节点的进化网络。研究发现，债务人-债权人关系网络是无规模网络。此外，通过实证研究计算了幂律指数。此外，本文还研究了除了节点数以外，还有哪些因素影响幂律指数。研究发现，利率和期限对幂律指数都有显著影响。利率与幂律指数呈负相关，期限与幂律指数呈正相关。我们的结果丰富了复杂网络的应用。关键词：P2P借贷；债务人-债权人关系网络；学位分布；幂律指数；优惠附件1简介P2P（点对点）贷款是一种社会贷款，贷款人和借款人可以在没有银行等机构中介的帮助下开展业务。这一概念并不新鲜，但基本上是一个非金融机构的个人向另一个人贷款。潜在借款人在P2P借贷平台的网站上列出一份贷款申请，包括期限、利率和本金。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-10 05:06:10

个人贷款人在网站上列出的各种贷款中进行投资。然后，这种行为机制形成了一种新型的债权债务关系网络。债务人-债权人关系网络以没有金融机构的个人为基础。另一方面，这种行为机制使P2P借贷不同于传统的仅限于朋友或亲戚的社交，因为P2P借贷的大多数贷款人和借款人彼此不认识，P2P借贷活动超出了地理空间、文化和宗教的限制。近年来，P2P借贷活动发展迅速。例如，截至2017年9月30日，最大的P2P借贷平台借贷俱乐部自2007年开始运营以来，已经为312亿美元的贷款发放提供了便利。截至2011年、2012年、2013年、2014年和2015年12月31日，借贷俱乐部的唯一借款人数量分别比上年增加了104%、125%、151%、116%和96%。截至2011年、2012年、20132014年和2015年12月31日的年度内，借贷俱乐部的唯一贷款人数量分别增长了32%、37%、44%、28%和39%。这对于促进更有效地配置资本和改善经济具有重要意义。因为个人和小企业获得可负担信贷的能力对于刺激和维持健康、多样化和创新的经济至关重要，而传统银行的承销和服务固定成本较高，不适合满足个人和小企业对小额余额贷款的需求。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:13

在P2P贷款出现之前，大多数个人贷款人通常缺乏直接投资结构性产品的规模和渠道，无法以有意义的方式投资个人和小企业信贷，但P2P贷款活动改变了这种情况。最近，越来越多的论文利用网络理论研究了银行间市场和OTC市场的传染。Allen和Gale（2000年）以及Freixas、Parigi和Rochet（2000年）是第一批研究金融网络中传染的人。其他如Leitner（2005）、Mistrulli（2011）、Lenzu和Tedeschi（2012）、Paltalidis、Gounopoulos和Kizys（2015）、Glasserman和Young（2015）、Georg（2013）、Lux（2016）等【3-9】。虽然对银行间网络进行了深入分析，但对个别债务人-债权人关系网络的研究却少得多。究其原因，可能是过去个人借贷关系的网络规模仅限于朋友或亲戚，个人债务违约风险的影响与金融市场上商业银行的违约风险不同。P2P借贷的出现为F提供了基础，并使研究大规模的个人借贷关系网络成为可能。因为通过P2P借贷平台的网站，有成千上万的个人参与了贷款发放。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-10 05:06:16

例如，2017年全年，在中国P2P借贷平台之一纽约证券交易所上市的“亿人贷”通过其在线市场为649154名合格个人借款人提供了63.64亿美元的贷款，为592642名贷款人提供了帮助，总投资额为73.889亿美元1。换言之，这也意味着“一人台”在2017年约65万借款人和60万贷款人之间建立了庞大的债务人-债权人关系网络。因此，P2P借贷形成的债权人关系网络规模巨大，而且更加复杂。了解个人借贷关系网络的特点，有助于贷款平台控制风险，吸引更多信用评分高的借款人。因为P2Plending平台从借款人和贷款人的交易和服务费中产生收入。P2Plending展示了由参与者数量和通过借贷平台实现的投资所驱动的网络效应。如果许多借款人违约，贷款平台无法维持借款人和贷款人的信任，那么贷款平台的网络效应或借款人和贷款人的满意度就会下降。与此同时，当借款人和贷款人必须寻找新的贷款平台进行匹配融资时，成本将不断增加。简言之，稳定且不断增长的债务人-债权人关系网络不仅对贷款平台很重要，而且对借款人和贷款人都很重要。贷款平台不断努力吸引市场参与者，当有新的贷款发放时，意味着借贷关系网络正在增加。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:19

另一方面，如果借款人在到期时还清了本金和利息，借款人和贷款人之间的债务-债权人关系就会得到清理，这意味着从债务-债权人关系网络中删除了边缘或节点。简言之，债权人关系网络可以被视为动态的社会网络。在过去的几十年里，对现代复杂网络理论的研究和理解有了很大的发展。一些早期的研究主要集中在随机网络理论的基础上，并表明不同的网络通常具有一些共同的拓扑特性，如小世界效应（Watts和Strogatz，1998）[10]，优先连接和无标度特征（Barabbasi和Albert，1999）[11]。其他研究发现，手机网络（Blondel、Guillaume、Lambiotte和Lefebvre，2006）[12]、互联网（Yook、Jeong和Barabási，2002）[13]、生物互动（Ravasz、Somera和Mongruetc，2002）[14]、引文网络（Goldberg、Anthony和Evans，2015）[15]，科学合作Yierndai报告了2017年第四季度和全年的财务结果网络（Ding，2011，Wallace，Larivie\'re and Gingras，2012）[16-17]，电影演员网络（Herr，Ke，Hardy and B"orner，2007）[18]，项目合作网络（Liu，Han and Xu，2015）[19]和许多社交网络。社交网络的研究传统上受到考虑的网络规模小和数据收集过程中的困难的阻碍，数据通常是通过问卷调查或访谈收集的（Ramasco、Dorogovtsev和Pastor Satorras 2004）[20]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-6-10 05:06:22

在过去几年中，数据采集的计算机化和高计算能力的可用性使得研究债务人-债权人关系网络的复杂拓扑结构成为可能，而在社会网络的传统学科研究中，这一点在很大程度上被忽视。在本文中，我们将债务人-债权人关系网络建模为一个具有添加和删除节点的进化网络。我们的研究与Moore、Ghoshal和Newman（2006）[21]的工作相关，他们的研究提供了一个理论框架。本文从三个方面对文献作出了贡献。首先，我们提供了一个重要的社交网络案例，通过P2P借贷活动在真实网络中添加和删除节点。其次，我们基于复杂网络理论对债权债务关系网络进行了实证研究，发现债权债务关系网络是无标度网络，最后得到了幂律指数的范围。第三，我们研究了除了节点数之外，还有哪些因素影响幂律指数，我们发现利率和期限都显著影响幂律指数。本文的其余部分组织如下。第2节描述了如何通过P2P借贷活动形成借贷关系网络，并基于节点的添加和删除对借贷关系网络进行建模。第3节描述了数据，定义了样本，并简单总结了我们的研究。第4节是一个简短的结论。2借贷关系网络2.1 P2P借贷的借贷关系首先，让我们通过图1中的一个示例来定义P2P借贷的借贷关系网络。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:25

假设时间为t=0，其中一位借款人在P2P借贷平台的网站上列出了他的贷款申请，例如贷款金额为3000美元，期限为3个月，利率为6%。我们用“借款人”表示该借款人。之后，四个贷款人（“Lenderi”，i=1、2、3、4）分别向“借款人”贷款1000美元、500美元、600美元和900美元。然后，“借款人”和“贷款人”（i=1、2、3、4）之间的债务-信贷关系网络就形成了。此外，假设时间为t=1，一个新借款人（“借款人”）在P2P借贷平台的网站上列出了他的贷款申请。新贷款人（“贷款人”）和高级贷款人（“贷款人”和“贷款人”）分别向“借款人”提供贷款。上述过程表明，借贷活动的债务人-债权人关系网络不断增长。另一方面，如图2所示。假设时间是一个月后的t=t，一笔“借款人”贷款到期，而“借款人”只有这笔贷款。当“借款人”按时还清本金和利率后，“借款人”与其他借出“借款人”资金的贷款人之间的债务人-债权人关系就得到了清理借款人也被从债权人关系网络中删除。与此同时，有一个新的借款人（“Borrowerk”）在P2P借贷平台的网站上列出了他的贷款申请，两个新的贷款人（Lenderian和Lenderj）和其他高级贷款人分别向“Borrowerk”放贷。简而言之，图2不仅显示了到期贷款导致的债务人-债权人关系的减少，还显示了新的债务人-债权人关系的增加。图1根据图1和图2中债务人-债权人关系网络的形成，债务人-债权人关系的示例。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:28

我们用节点表示借款人和贷款人，用边在图中表示债务人和债权人的关系。由于本文只关注借款人和贷款人之间的债务人-债权人关系，因此不需要区分债务人和债权人。因此，图1和图2中的债务人-债权人关系可以用图3中的无向网络表示。基于上述定义，本文的目的是探索债务-债权人关系网络的演变，以及因贷款到期而删除节点的情况，加上新增贷款，预计贷款额300美元600贷款人600贷款人1000美元3000利息：6%到期日：3个月贷款人500借款人600美元900贷款人贷款额：1500利息：5%到期日：1个月借款人贷款额：2000利息：6%到期日：3个月贷款人600美元300贷款人200美元300图。2 P2P贷款的一个例子是，贷款到期并增加了一笔新的贷款，贷款额为1000美元：3000美元利息：6%到期日：3个月贷款人500美元借款人600美元900贷款人贷款额300美元600贷款人600美元贷款人1000美元贷款额：3000美元利息：6%到期日：3个月贷款人500美元借款人600美元900贷款人贷款额：1500美元利息：5%到期日：1个月借款额=0t=1t=t，因为新的贷款发放。2.2发展中的债务人-债权人关系网络假设在时间t，债务人-债权人关系网络由n个顶点和中间节点组成。节点表示贷款人或借款人，边表示贷款人和借款人之间的债务人-债权人关系。节点i的Ki度意味着节点i与其他节点具有kidebtor Creditor关系。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:31

允许p表示在给定时间具有度数k的节点的分数。根据定义，存在规范化：∑p= 1.（1）和平均学位k债务人-债权人关系网络包括：k=∑kp(2)k代表贷款人和借款人之间债务人-债权人关系的平均数量。对于具有n个节点和m条边的债务人-债权人关系网络，k=.当贷款到期且借款人偿还本金和利息时，代表债务人-债权人关系的边缘将从债务人-债权人关系网络中删除。如果代表贷款人或借款人的阳极与其他节点没有债务人-债权人关系，则该节点将从债务人-债权人关系网络中删除。在任何时候，根据每笔贷款的期限，将到期的贷款数量是已知的，因此将从网络中删除的节点数量也是已知的。但是，将添加到网络中的新债务人-债权人关系的数量不得而知，也不知道将向债务人-债权人关系网络中添加多少代表贷款人或借款人的新节点。然后我们做出如下假设。在每个时间单位中，由于一些过期的贷款，会从债务-债权人关系网络中删除一个节点，而由于一些新的贷款发放，会将r节点添加到债务-债权人关系网络中。此外，将新节点添加到债务人-债权人关系的网络时，会向网络添加c边。例如，如果一个新节点是一个借款人，那么有c个贷款人可以借钱给他（她）。如果新节点是alender，他（她）将向c借款人提供贷款，以分散风险。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-10 05:06:34

上述假设基于P2P借贷的性质，我们的假设与Moore等人的假设不同。3债务人-债权人关系网络的演变（2006年），即在每个时间单位中添加一个节点，删除r个节点。在每个时间单位中，都有r-1节点添加到债务人-贷方关系和rc -k添加到债务人-债权人关系网络的边。在时间单位之后，添加到债务人-债权人关系网络的节点数为n*=(r- 1)t, 添加到债务人-债权人关系网络的新边缘数量为m*= (rc -k)t、新增节点的平均次数为k*:k*=**= 2()()= 2.（3）让k*=k, 然后获取k=（4）如果r = 1，添加的节点数等于删除的节点数，借贷关系网络的规模是恒定的，并且存在k= c.为了研究新借款人或贷款人如何选择其他贷款人或借款人进行投资或借款。允许π表示给定边连接到k度的任何节点的总概率，因为每条边必须连接到一个节点，这也立即意味着πis（Moore，2006）：∑πp= 1.（5）根据Moore et al.（2006）在时间t给出的方法，债务人-债权人关系网络中有n个节点。度数为k的节点数为np.这个数字的下一个时间单位是(n+r- 1)p. 该数量的变化受节点添加和删除的影响。如果阶数为k-1的节点连接到具有c边的添加节点，则阶数为k的节点数将增加cπp.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:37

如果阶数为k的节点连接到addednode，则阶数为k的节点数将减少cπp. 简言之，当在债务人-债权人关系网络中引入r个新节点时，节点数量随kis度的变化：rδ+ rcπp- rcπp（6）式（6）中，δ定义为：δ= 1.k = c0,k ≠ c（7）另一方面，如果从债务人-债权人关系网络中移除节点，则移除节点的度为k+1的邻居的度将更改为k，具有度的节点数将增加(k+ 1)p, 将移除的k度节点的邻域度改为k-1，k度节点数减少kp. 如果移除节点的次数为k，则具有k次的节点数将减少p. 简言之，节点数随k度的变化为(k+ 1)p- kp- p（8）最后，根据等式。（6）和（8），度为k的节点数的演化由以下速率方程控制：(n +r- 1)p= np+ rδ+ rcπp- rcπp+(k+ 1)p- kp- p（9）设置p= p, 式（9）等于：0=rδ+ rcπp- p（r+rcπ+ k） +（k+1）p（10）然后等式（10）的两侧乘以z:0 = rδz+ rcπpz- p（r+rcπ+ k）z+（k+1）pz（11）计算公式（11）的总和k(k = 0,1,2,···,∞):0 = rδ∑z+ rc∑πpz-∑p（r）+rcπ+ k)z+∑p(k+1)z（12）让我们表示p和πp如下所示：f（z）=∑πpz(13)g（z）=∑pz（14）替换公式。（13）和（14）转化为等式（12），然后得到：0=rZ+ 钢筋混凝土f(z)(z- 1)- rg（z）- (z -1)（15） “优先连接”机制意味着一个节点与其他节点的连接与其程度成比例（Barabási和Albert，1999）。这一机制与市场波动的马太效应是一致的。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:40

例如，一个新增加的贷款人可能更愿意向那些由于其良好的信用评级而成功从其他人那里借钱的借款人贷款，而一个新增加的贷款人可能从那些向许多借款人贷款的贷款人那里获得贷款。然后假设一条附加边连接到一个度为k的节点的概率与k成正比，然后设置π=Ak 带常数A。∑πp=∑Akp= A∑kp= 1.A =∑kp=kπ= Ak =kkf（z）=∑pz=∑kpz=∑kpz=（16）将公式（16）代入公式（15），然后得到：(1 - z)（钢筋混凝土- 1) + rg（z）-= rz（17）替换k=进入公式（17），然后得到：-()()g（z）=()()（18）如果r=1，这意味着债务人-债权人关系网络是一个规模不变的网络。我们没有讨论这个特别的问题，因为摩尔等人（2006）讨论过这个问题，它与实际的P2P借贷市场不一致。如果r≠ 1，式（18）为常微分方程，式（18）的通解为g(z)= Be∫()()+ e∫()()∫()(())e∫()()dz （19）整合因素之一是：∫()()dz =∫[-)]dz =ln||||（20）如果r>1，α=< 1，然后得到[α，z]中的特殊解：g(z)=×∫()()()dt （21）设置：u =α- t1.- αt = α - (1 - α)u并替换u 和t转换为等式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-10 05:06:43

（21），然后获取：g(z)=×∫(())(())(())()()-(1 - α)dug(z)=2.r1 + rz -α1.- z× (α-(1 -α)u)(1- α)(1 + u)uu1 + udug(z)=×∫(())()dug(z)=2.r1 + ra -z1.- z× (α- (1 - α)u)(1 - α)uu1 + udu设置：γ=3r-1.r-1然后获取：g(z)=×∫(())()du （22）Moore et al.（2006）讨论了等式（22）的精确解，并且度分布是指数γ的幂律：p~(γ - 1)k∫e()xdx =()()k（23）式（23）中，Γ(γ)=∫exdx 是Γ-作用在极限内r → ∞, 借贷关系网络是一种幂律行为p~k具有优先依恋。3 P2P借阅案例3.1数据人人贷的描述。com已经迅速成长为中国最大的P2P借贷市场之一。2018年2月，人人台。com提供了超过78亿美元的贷款。我们的数据集是从2010年10月到2014年12月在人人台网站上发布的列表样本，但不包括那些尚未获得资金的贷款发放。图4显示了截至2010年10月31日的债务-债权人关系网络。黄色节点代表贷款人，蓝色节点代表借款人，红色节点代表贷款发放的借款人是其他贷款的贷款人。节点中的编号是人人台参与者的唯一标识。通用域名格式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:47

因为我们关注的是债权人和债权人之间存在的关系，为了便于研究，我们忽略了谁是借款人或WWW的问题。仁仁泰。共同贷款人。截至2014年12月31日，债务-债权人关系网络中有151759个节点和3716699个边缘。图5中的数据显示了债务-债权人关系网络中的节点数，图6中的数据显示了债务-债权人关系网络中的边数。图7中的数据显示了添加的节点数和数据inFig。8显示添加的边数。图5～图8显示，自2013年以来，债权关系网指数呈现出明显的增长趋势，这是由于2013年以来P2P借贷市场在中国迅速扩张所致。假设是在给定时间内债务-债权人关系网络中具有k度的节点的实际分数。根据p~k, 背景k=, 然后ln= -γlnk （24）根据上述方程和每天的实际度分布数据，可以用OLS方法计算幂律度分布的指数γ（见图11）。图11中的数据显示，2013年，节点数量代表借款人或债权人迅速增加，但有明显的增长趋势。但2014年，幂律γ指数并没有迅速增加，节点数量却迅速增加。然后，图9中的数据显示幂律度分布的指数γ可能大约在1.84-1.93范围内。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:50

表1中的数据显示了幂律γ指数的简单汇总统计数据。图9和图10中的数据显示了由于到期贷款而删除的节点和边的数量。图11中的数据显示了整个网络的度数和每天添加节点的平均度数。结果表明，整个网络的平均度约为40。从表3可以看出，2013年整个网络的平均度小于2012年整个网络的平均度，因为2013年节点的增长率小于边缘的增长率，而2012年节点的增长率大于边缘的增长率（表2）。更多的新增节点并不对应更多的新增边，这意味着虽然P2P借贷市场中的参与者越来越多，但每个参与者的借贷活动可能会被打垮。图4:10月债务债权人关系网络图。5：债务人-债权人关系网络中的顶点数Fig。6：债务人-债权人关系中的边数fig。11：幂律度分布指数图。12：债务人-债权人关系网络的平均程度图。7： indebtorcreditor关系网络中的添加节点数图。8：债务人-债权人关系网络中增加的边缘数量图。9： indebtorcreditor关系网络中删除的节点数图。10： deletedgesindebtorcreditor关系稳定1幂律年最小最大平均St的指数。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-10 05:06:54

dev2010 0.0648 0.9296 0.7900 0.12492011 0.8935 1.3369 1.1730 0.10572012 1.3151 1.5144 1.3842 0.04782013 1.4994 1.8848 1.7503 0.10912014 1.8427 1.9269 1.8759 0.0219表2节点数和边数日期节点数增长率2010/12/31 151 1048----2011/12/31 3483 45348 2306%4327.10%2012/12/31 11850236115 340.22%520.67%2013/12/31 59330 1137474 500.68%481.75%2014/12/31 151759 3716699 255.79%326.75%表3网络年最小最大平均标准偏差平均程度2010年1.00 14.26 9.80 3.21762011 11.68 27.78 19.59 4.28012 24.76 44.65 37.94 6.326712013 32.33 39.83 35.07 2 10792014 38.34 49.04 43.67 3.09853.2影响因素幂律指数虽然有很多文献研究网络的幂律分布程度，但对影响幂律指数的因素关注甚少。参考式（24），已知γ与ln相关(n). 除此之外，我们认为贷款的性质对γ有一定的影响。例如，放款人优先提供利率较高或风险较低的贷款，因此，高回报或低风险的贷款发放将吸引更多放款人向他们贷款。换言之，高回报或低风险的贷款发放可能会导致债权人-债务人关系的更多优势。为了测试贷款的性质是否影响幂律指数，图11中的数据用γ表示是受抚养人。13：贷款的平均期限。14：贷款平均利率可变，平均利率表示为R和平均项表示为M分别为独立变量。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:06:57

图13中的数据为M, 图14中的数据为R. ln公司(n)是控制变量，并且n是每天的节点数。最后，模型是：γ= c+ αR+ βM+ φln(n)+ ε（25）最后，我们的样本数量为1353个，日期为2010年10月12日至2014年12月31日。由于P2P借贷平台的网络上有时没有新的贷款来源，这导致R和M在那些日子里等于0，所以我们不选择那些R和M等于0。表4给出了我们样本的汇总统计数据，表5给出了我们样本的皮尔逊相关性。表4 variablesvariableMean MedianMaximum MinimumStd的汇总统计。开发人员。γ1.491.421.930.060.32n28367.87 955738207.59R0.13550.13060.2340.090.018M15.359.6观察次数：1353表5变量皮尔逊相关系数γRnMγ1R-0.5357551.000000n0.767023-0.3864821.000000M0.832488-0.3193280.7815821.000000最后通过OLS方法估算公式（25），得到：γ*= 0.368-0.701R+ 0.0074M+ 0.124ln(n)(26)(-5.962)***(25.894)***(80.566)***式（25）中，系数R表明幂律指数与利率呈负相关。给定k度，系数R结果表明，利率越高，幂律指数越低k更大，k表示债务人具有K借贷关系的概率。换言之，贷款人优先选择发放贷款利率较高的借款人。的系数M结果表明，幂律指数与贷款期限呈正相关，即贷款期限越长，幂律指数越高k更小。换言之，贷款人优先选择提供较短贷款期限的借款人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-10 05:07:00

总之，这些结果符合2P贷款市场的风险特征，如较高的违约风险导致贷款人要求更高的回报，较高的不确定性导致贷款人选择短期投资。4结论本文研究了P2P借贷市场的借贷关系网络。根据贷款属性，例如必须存在债务人必须偿还本金和利息的日期，并且在债务人这样做之后，债务人-债权人关系将得到清理。此外，考虑到新的借贷协议不断产生新的债务人-债权人关系，债务人-债权人关系网络随着节点的添加和删除而发展。总之，这些实际的借贷活动为演化网络的理论模型提供了一个案例。考虑贷款属性，基于与Moore et al.（2006）不同的假设，Yet得出了相同的结论，即增加和删除节点的进化网络的度分布满足优先连接下的幂律分布。在我们的案例中，实证研究的结果在幂律分布上是一致的，并且度分布的幂律指数γ可能在1.84～1.93之间。另一方面，正如摩尔等人所说。（2006）发表了评论，尽管理论模型生成的幂律指数似乎与我们案例中的结果不一致。有充分的理由相信，如果出现净增长网络，那么债务人-债权人关系网络就是无标度网络。此外，我们还研究了除了节点数之外，还有哪些因素影响幂律指数。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-10 05:07:03

我们发现利率和期限对幂律分布的指数都有显著影响。利率与幂律指数呈负相关，期限与幂律指数呈正相关。这个结果很有意义，因为以前对网络的大多数研究都不关心什么因素会影响幂律指数。致谢本研究由国家自然科学基金资助（项目编号：71571030）。参考文献【1】F.Allen，D.Gale，《金融传染》。《政治经济学杂志》，第108期，第1-33页（2000年）。[2] X.Freixas、B.M.Parigi和J.-C.Roche，《系统风险、银行间关系和中央银行的流动性规定》。《货币、信贷和银行杂志》32611-638（2000年）。[3] Y.Leitner，《金融网络：传染、承诺和私营部门救助》。《金融杂志》602925-2953（2005）。[4] P.E.Mistrulli，《评估银行间市场的金融传染：最大熵与观察到的银行间借贷模式》。《银行与金融杂志》351114-1127（2011）。[5] S.Lenzu，G.Tedeschi，《不同银行间网络拓扑的系统性风险》。《物理与统计力学及其应用》3914331-4341（2012）。[6] N.Paltalidis、D.Gounopoulos、R.Kizys和Y.Koutelidakis，《欧洲金融网络系统风险和传染的传播渠道》。《银行与金融杂志》61（S1），S36–S52（2015）。[7] P.Glasserman，H.P.Young，金融网络中的传染可能性有多大？。《银行与金融杂志》第50期，第383-399页（2015年）。[8] C.P.Georg，《银行间网络结构对传染和共同冲击的影响》。《银行与金融杂志》372216-2228（2013）。[9] T。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-10 05:07:06

Lux，一个银行-企业信贷网络拓扑模型及其作为联系渠道的作用。《经济动力与控制杂志》66，36-53（2016）。[10] D.J.Watts，S.H.Strogatz，《小世界网络的集体动力学》。《自然》393440-442（1998）。[11] A.-L.Barabási，R.Albert，《随机网络中尺度的出现》。《科学》286509-512（1999）。[12] V.D.Blondel、J.L.Guillaume、R.Lambiotte和E.Lefebvre，《大型网络中社区的快速发展》。统计力学杂志：理论与实验2008（10），P10008（2008）。[13] S.H.Yook、H.Jeong和A.-L.Barabási，模拟互联网的大规模拓扑结构。《国家科学院学报》，13382-13386（2002）。[14] E.Ravasz、A.L.Somera、D.A.Mongru、Z.N.Oltvai和A.-L.Barabási，《代谢网络中模块化的层次组织》。《科学》2971551-1555（2002）。[15] S.R.Goldberg、H.Anthony和T.S.Evans，《引文网络建模》。科学计量学，577-1604（2015）。[16] 丁勇，科学合作与认可：合著与引文网络的网络分析。《信息计量学杂志》，187-203（2011）。[17] M.L.Wallace，V.Larivie\'re，Y.Gingras，引用的小世界？协作网络对引文实践的影响。PLoS One 7（3），e33339（2012）。[18] B.W.Herr、W.Ke、E.Hardy和K.B"orner，《电影和演员：绘制互联网电影数据库》。第11届信息可视化国际年会会议记录（2007年7月4日至6日，瑞士苏黎世），465-469（2007）。[19] L.Liu，C.F.Han和W.S.Xu，与中国国家质量奖项目合作网络的进化分析。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝