کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5088353 1478311 2016 53 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Description-text related soft information in peer-to-peer lending - Evidence from two leading European platforms
ترجمه فارسی عنوان
اطلاعات نرم افزاری مربوط به متن در مورد وام دهی همکار - شواهد از دو سیستم عامل پیشرو اروپا
ترجمه چکیده
ما در رابطه با عوامل نرم افزاری که از متون توصیفی به احتمال موفقیت بودجه و احتمال پیش بینی از وام های همکار به دو نفر برای دو سیستم عامل پیشرو اروپا بررسی می شود، بررسی می شود. ما دریافتیم که اشتباهات املایی، طول متن و ذکر احساسات مثبت از کلمات کلیدی، پیش بینی احتمال تأمین مالی در محدودیت های کمتر از هر دو سیستم عامل، که حتی برنامه های کاربردی را بدون امتیاز اعتبار می پذیرد، پیش بینی می کند. این پلت فرم همچنین مشخصات بهتر ریسک را نشان می دهد. به علت مشارکت در بودجه، عوامل مرتبط با متن تقریبا به طور پیش فرض احتمالهای پیش بینی شده در وام های همکار به هم برای هر دو سیستم عامل را پیش بینی می کنند.
موضوعات مرتبط
علوم انسانی و اجتماعی اقتصاد، اقتصادسنجی و امور مالی اقتصاد و اقتصادسنجی
چکیده انگلیسی
We examine the relation of soft factors that are derived from the description texts to the probability of successful funding and to the default probability in peer-to-peer lending for two leading European platforms. We find that spelling errors, text length and the mentioning of positive emotion evoking keywords predict the funding probability on the less restrictive of both platforms, which even accepts applications without credit scores. This platform also shows a better risk-return profile. Conditional on being funded, text-related factors hardly predict default probabilities in peer-to-peer lending for both platforms.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Banking & Finance - Volume 64, March 2016, Pages 169-187
نویسندگان
, , , , , , ,