用评级为级借款人贷款成功，同样起始利率对于信用评级为借款人就可能太低了。
因此，在同时间，完整数据集相关性要比检查单信用评级更低。
起始利率，即“贷款价格”对市场利率和风险溢价是非常敏感。
所以我们运用了两年半数据，在此期间联邦利率在和.之间浮动。
此外，最近信贷危机使得风险溢价大幅增加，相关性会更高。
如果数据时间较短，市场将将与所有贷款项目相同，相关性也将更高。
全部数据相关性分析使得我们可以比较不同变量显著性。
正如我们所看到，贷款信息变量与决策变量有普遍较高相关性。
而这是很合乎逻辑，因为信用评级较低借款人无论利率多高都难以获得贷款。
贷款规模与起始利率之间相关性要比融资选项与贷款时间之间验证据显示，在些情况下，具有较低起拍价最终会导致更高最终价格。
他们建议，以降低进入壁垒和减少投标人所承担义务。
沉没搜索和监控成本使投标人在心理上很难远离拍卖。
相反地，研究表明，起拍价与最终价格之间是正相关关系。
这意味着，进入个较高起拍价，最终价格也将较高。
研究人员认为，较高起拍价是卖方给投标人暗示，表明该项目值得这样价格。
与此同时，投标人之间竞争通常是比较弱。
在只有个买家极端情况下，最终价格将等于起拍价。
因此，较高起拍价将带来更高最终价格。
和同意降低进入壁垒理论，但是他们认为这只会影响拍卖成功率。
他们关于拍卖研究发现有可能存在秘密约定价格，并证明更高起拍价导致较低成功率，但具有较高成交价。
研究发现起拍价和最终价格呈正相关。
研究为我们研究提供了个很好框架。
.借款人有两个目标第，成功获取贷款第二，利率尽可能低。
但是该决策是困难，因为想要获得贷款就需要较高利率。
.是个多单元拍卖，贷款般会由多个投标人提供资金。
在多单位拍卖，借款人可以选择项目数和起拍价。
除了开始出售即贷款额价格。
这样使得战略决策价值简化为起拍价。
绝大多数前人研究都基于多单元拍卖。
然而，项目数被视为最佳规模问题研究，也见。
在.，个借款人仅可以创建不超过两个贷款项目，这进步强调了项目数应该作为决策变量。
借款人战略决策过程本章节从引入研究所用数据开始，包括从借款人角度介绍.网站运营。
另外，确定影响贷款最重要决策和变量。
这些变量将形成核心部分。
网站例子如图所示，借款人寻求美元贷款，以扩大小企业。
距离结束还有个小时时候，贷款就已经全部筹集了。
该项目起始利率为.，但现已降到。
借款人信用评级为，同时他被认证拥有房产，同时他借款与收入比率为。
贷款清单包括个简短描述，如借款人解释贷款用途。
另外还可能有来自借款人家人与朋友照片与背书。
.研究数据研究数据样本是.网站从年月至年月个贷款清单，包括已经结束贷款项目，之中个项目.获得了贷款。
样本数据首先导入，然后进行进步分析。
根据贷款报告，每个注册借款人可以获得大量数据信息。
所有信息列于附录中，其中最重要因素有贷款规模起始利率信用评级债务收入比率期限经费选项从属关系起始日和截止日。
另外还有些统计信息可参考。
信用相关信息来自系统。
.网站贷条款限制为三年期完全分期等额偿还和无抵押贷款。
借款人可以自由选择美元至美元贷款，网站平均贷款金额为美元中位数元。
贷款起始利率可以在和之间任意设置，网站平均起始利率为中位数。
起始利率与借款人信用等级密切相关，其信用评级均由系统计算所有贷款信息来提供最好为，最差为。
债务收入比率是借款人贷款总额与收入总额比值，范围是至。
但是其中收入总额是自己上报，所有有可能是不准确。
借款人贷款拍卖时间有四个选择天天天和天，其中天是最常出现。
借款人可以在获得贷款后自主结束拍卖，这就意味着，借款人需要尽快获得贷款以获得起始贷款利率，否则拍卖时间将持续到截止日。
.确定变量在本节中，我们将找出对贷款成功率最具影响变量。
因此我们将贷款成功状态设置为虚拟变量贷款状态有“过期”“撤回”和即“取消”。
借款人撤回贷款申请原因难以获得，但是撤回数量高。
因此，我们不能排除撤回贷款申请。
由观察得出，绝大多数贷款申请撤回是因为没有感兴趣投标者，因为仅有撤回贷款是获得了资助。
显然，有些人宁愿撤回并重新提交贷款申请，也不愿申请到期。
.总共有个借款人，其中高达在，人有多个贷款项目，因为大多数人第个贷款申请并没有成功。
其中借款者至少完成了个成功贷款，这就进步强求了借款人战略决策辅助工具重要性。
本项研究中，信用评级转化为和之间数值。
资金选择设置为个虚拟变量使“贷款开放”为和“资金已获得”为。
同样方法应用于从属关系变量。
在表呈现了不同变量与“贷款状态”这虚拟变量之间相关性在“状态”虚拟变量呈现。
在测试中，些变量因为是小样本而被剔除，剩下些变量因为借款人在短期内无法改变或有类似而被剔除。
总来说，变量之间相关性相对较小。
其原因有第，我们使用了所有可用数据。
这使我们能够从大处着眼，但是例如起始利率对于信用评级是非常敏感。
比如起始利率将保证信用评级为级借款人贷款成功，同样起始利率对于信用评级为借款人就可能太低了。
因此，在同时间，完整数据集相关性要比检查单信用评级更低。
起始利率，即“贷款价格”对市场利率和风险溢价是非常敏感。
所以我们运用了两年半数据，在此期间联邦利率在和.之间浮动。
此外，最近信贷危机使得风险溢价大幅增加，相关性会更高。
如果数据时间较短，市场将将与所有贷款项目相同，相关性也将更高。
全部数据相关性分析使得我们可以比较不同变量显著性。
正如我们所看到，贷款信息变量与决策变量有普遍较高相关性。
而这是很合乎逻辑，因为信用评级较低借款人无论利率多高都难以获得贷款。
贷款规模与起始利率之间相关性要比融资选项与贷款时间之间.和.之间，且观测值数量均匀分布在各个信用评级。
因为这里仅使用了已完成贷款项目，所以观测值数量远远小于回归模型。
在表中，“最终利率”估算基于以下贷款项目参数起始利率美元贷款规模债务收入比率和当前违约率为。
我们可以看到，随着信用评级变差，最终利率迅速提高。
整个回归模型预测最终利率结果是合理。
纵观相关残差图，当些变量运用异方差检验时，存在不平等变动增加方差，尤其是普遍价值范围之外。
但是，因为我们没有计算预测区间点估计仍然是无偏，所以这似乎不太严重。
.查询方法和回归方法比较关于查询方法和回归方法之间简单交叉验证，我们绘制了图和图。
图中，基于以下贷款项目运行信用评级债务收入比率当前违约率以及贷款规模美元。
“起始利率”从上升到。
在般情况下，这两个方法给出了类似结果。
在合理起始利率至结果是非常相似。
对于较低起始利率低于，两种方法成功率估算都是不可靠，其实际上很可能接近于零。
对于更高起始利率高于，实际成功率大概在这两种方法估算结果之间。
如图所示，基于“起始利率”固定为，再次重复分析。
“贷款规模”从美元改为美元。
这次两种方法结果依然是非常相似，其中查询方法提供了成功率上限，而回归提供了成功率下限。
当观察值数量是非常小时，查询方法有定波动。
这仅仅是个横截面数据，然而，总来说，两种方法应该产生类似结果。
借款人决策建议网站已经被运用为个网站。
当借款人进入网站，可以看到在“借款信息”空白区域，如图。
然后他们点击“估算”，结果将呈现在下方屏幕。
首先，该工具显示借款人输入贷款项目参数和查询方法标准。
然后借款人可以看见灵敏度表和不同参数下估算最终利率和成功率变化。
在这个例子中，估计最终利率为.成功概率为.。
当起始利率增加，成功率增加到.，但最终利率也增加到了.。
随着贷款规模减小，借款人成功率可以提高到.，而且最终利率也降低到.。
在该表中，其它组合也被计算了，可以让借款人自行决定，作出最佳选择。
灵敏度表下面有更多详细结果。
首先，我们可以看到查询方法搜索标准。
其次是最终利率决定系数和观察值数量。
接着，该工具根据回归模型估算最终利率，如章节.所介绍。
在该情况下，估算值是.，明显低于起始利率。
在估算最后利率下方，该工具呈现了和观察值数量。
这些都提供了回归结果可靠性。
接下来分析是回归估算成功率大小。
在这种情况下，获得资金成功率是。
其次，回归检验即和在和观察值数量将附在回归结果后面。
最后分析是查询方法。
搜索标准在结果狂最开始显示。
在这种情况下，总共有个相似贷款项目，其中个获得了资助。
这暗示着成功率为，这与回归结果非常相似。
最后，这个相似项目将被列出，借款人可以手动查看这些项目信息。
结论本研究主要目是建立个决策支持工具，帮助在反向拍卖贷款环境中借款人。
该工具是基于回归模型和数据驱动查询方法。
该工具使借款人在定量作出评估和战略决策。
我们发现，有种可以在较低最终利率和成功获得贷款之间做出折中，正如以前文献建议。
为了获得较低最终利率，借款人必须选择个较低起始利率。
然而，这就减小借款人获得贷款成功率。
因此，借款人必须同时考虑这两个因素并作出权衡。
借款人决策建议通过估算成功率量化了这决策并估算了最终利率。
此外，借款人可以通过改变贷款规模，微调最终利率和贷款成功率。
通过设置个较小贷款规模，增大成功率，降低最终利率。
如果借款人不能够找到个满意起始利率，那就必须减少贷款金额。
帮助借款人从战略视角下看到贷款项目参数并提供有用定量信息以支持最终决策。
仅适用于类似.借贷网站。
然而，构建工具方法也可以用于在其他情况下。
首先，可以扩大到其他有充足数据网上拍卖。
拍卖不必是多单元，但成功率是相通，例如，使用秘密保留价格机制拍卖例如。
最终利率估算自然就可以更广泛运用。
对最终价格可靠估算对于任何拍卖机制下卖家都是有利。
数据可用性可能是运用过程中最大约束。
拍卖网站好处之是可以访问其原始资料，这些拍卖数据为提供辅助工具第三方网站提供了发展可能性。
.已经从中受益，他们理念将继续下去。
我们已经将提供给了.，他们正在考虑在网站上运用我们工具。
验证据显示，在些情况下，具有较低起拍价最终会导致更高最终价格。
他们建议，以降低进入壁垒和减少投标人所承担义务。
沉没搜索和监控成本使投标人在心理上很难远离拍卖。
相反地，研究表明，起拍价与最终价格之间是正相关关系。
这意味着，进入个较高起拍价，最终价格也将较高。
研究人员认为，较高起拍价是卖方给投标人暗示，表明该项目值得这样价格。
与此同时，投标人之间竞争通常是比较弱。
在只有个买家极端情况下，最终价格将等于起拍价。
因此，较高起拍价将带来更高最终价格。
和同意降低进入壁垒理论，但是他们认为这只会影响拍卖成功率。
他们关于拍卖研究发现有可能存在秘密约定价格，并证明更高起拍价导致较低成功率，但具有较高成交价。
研究发现起拍价和最终价格呈正相关。
研究为我们研究提供了个很好框架。
.借款人有两个目标第，成功获取贷款第二，中文字，单词，英文字符万译文原文出处，.借贷中借款人决策建议，.摘要在网上竞拍设立与竞标过程中，人们总是面临艰难战略决策。
在本项研究中，将介绍基于贷款拍卖网站.，帮助贷款人与借款人规范决策过程模型借款人决策建议模型。
在网上竞拍提供了中大量现实生活中竞价数据，使笔者能够以此为决策者建立新决策工具。
借款人决策建议模型将帮助借款人量化其战略选择，例如启动利率和贷款金额要求。
笔者将确定基于借款人，与贷款成功率最终利率相关变量。
引言.背景.是第个基于网上逆向拍卖借贷市场。
在这个市场上，人们提出申请贷款，称为清单，然后其他人就这些清单进行出价。
获胜投标者获得提供贷款资金机会，而利率由拍卖决定竞争越激烈，利率就越低。
换句话说，这种方式越过中介银行连接了需要资金人与愿意提供贷款人。
通常情况下，项贷款有多投标者贷款人，因为大多数贷款人提供给每笔贷款到美元。
贷款人通过提供小额资金给多个贷款项目方式来分散风险。
.于年月公开上线，至今已经促成超过.亿美元贷款。
在本项研究中，我们将关注借款人角色，即创建贷款清单人。
在网上竞拍过程中，借款人需要做出些重要战略决策，进而决定其是否能够获得提供贷款。
本项研究目就是为借款人决策提供决定性帮助。
在前人研究中，仅有少数讨论过竞拍过程中决策建议，例如但是他们研究角度与本文不同。
本项研究具有显著现实意义。
目前，借款人创建清单，参数主要是基于并不充分数据，例如平均利率。
在本项研究中，我们将引入分析借款人战略决策成功率和估计最终利率框架。
借款人决策建议将使借款人能够评价并量化其战略决策。
在.仅提供贷款启动率简略信息，而且没有贷款规模相关建议现状下，将带来显著实际改善。
本项研究不仅具有实际作用，也带来理论上突破，即本模型框架与方
（外文翻译）P2P借贷中的借款人决策建议（外文+译文）
