Resumen

Los grandes datos financieros se obtienen mediante un rastreador web, y las habilidades de reconocimiento de los inversores para el riesgo y la ganancia en los mercados de préstamos en línea se investigan utilizando modelos heterocedásticos Probit. Las conclusiones se obtienen de la siguiente manera: Primero, la preferencia por el artículo se refleja directamente en el tiempo e indirectamente en el número de participantes para estar completo, y cuanto mayor sea la preferencia, menor será el tiempo y menos participantes habrá. Segundo, los inversores pueden discriminar el riesgo de incumplimiento no reflejado por la tasa de interés, y cuanto mayor sea el riesgo de incumplimiento, más largo será el tiempo y más participantes estarán completos. Tercero, los inversores pueden discriminar la tasa de retorno pura deducida del plazo de vencimiento y el riesgo crediticio, y cuanto mayor sea el retorno, menor será el tiempo y menos participantes estarán completos. Cuarto, los riesgos de incumplimiento se reflejan bien en las tasas de interés de la plataforma

• Materias:Espacios métricos Teoría descompuesta Ecuaciones integrales no lineales Ecuación integral Análisis de simetría
• Subjects:Metric spaces Decomposed theory Nonlinear integral equations Integral equation Symmetry analysis
• Palabras claves:Financiero; Big data; Inversores; Riesgo; Beneficio; Mercados de préstamos en línea
• Keywords:Financial; Big data; Investors; Risk; Profit; Online loan markets