|
on Microfinance |
| By: | Ao, Chon-Kit; Chatterjee, Somdeep |
| Abstract: | We estimate the impacts of mandated political reservation for minorities on household credit access and borrowing behavior. To identify causal effects, we exploit the exogenous state-time variation in the allocation of constituencies (electoral districts) to the two reserved minority groups in Indian states. Using a household level panel data with observations before and after the redistricting, we find that the effect is concentrated on the disadvantaged population groups. Political reservation for Scheduled Tribes (STs) increases household probability of getting a loan by 3.7 percentage points, while political reservation for Scheduled Castes (SCs) has no effect on the likelihood of getting a loan. However, conditional on having a loan, reservation for SCs does lead to fewer but larger loans. We also find considerable changes in household borrowing composition. |
| Keywords: | Affirmative action,Political reservation,Credit access,Borrowing composition |
| JEL: | D78 J15 J78 O12 |
| Date: | 2018 |
| URL: | http://d.repec.org/n?u=RePEc:zbw:glodps:227&r=mfd |
| By: | Tristan Le Cotty; Elodie Maitre d'Hotel; Raphael Soubeyran; Julie Subervie |
| Abstract: | In January 2013, we collected data from 653 farmers in Burkina Faso, whowere asked hypothetical questions about risk aversion and time discounting. Ten months later, these farmers were offered the opportunity to participate in an inventory credit system, also called warrantage, in which they receive a loan in exchange for storing a portion of their harvest as a physical guarantee in one of the newly-built warehouses of the program. We found that farmers who exhibit stronger hyperbolic preferences are significantly more likely to participate in the warrantage system than other, otherwise similar, farmers. We interpret this result as evidence that farmers use warrantage as a means to commit to saving a portion of their crop until the lean season, which may improve their capacity to ensure the food security of their household. |
| Keywords: | commitment savings, inventory credit, hyperbolic discounting |
| JEL: | D14 O12 |
| Date: | 2018–07 |
| URL: | http://d.repec.org/n?u=RePEc:lam:wpceem:18-12&r=mfd |
| By: | Victor Chernozhukov (Institute for Fiscal Studies and MIT); Mert Demirer (Institute for Fiscal Studies); Esther Duflo (Institute for Fiscal Studies); Ivan Fernandez-Val (Institute for Fiscal Studies and Boston University) |
| Abstract: | We propose strategies to estimate and make inference on key features of heterogeneous effects in randomized experiments. These key features include best linear predictors of the effects using machine learning proxies, average effects sorted by impact groups, and average characteristics of most and least impacted units. The approach is valid in high dimensional settings, where the effects are proxied by machine learning methods. We post-process these proxies into the estimates of the key features. Our approach is generic, it can be used in conjunction with penalized methods, deep and shallow neural networks, canonical and new random forests, boosted trees, and ensemble methods. Our approach is agnostic and does not make unrealistic or hard-to-check assumptions; we don’t require conditions for consistency of the ML methods. Estimation and inference relies on repeated data splitting to avoid overfitting and achieve validity. For inference, we take medians of p-values and medians of confidence intervals, resulting from many different data splits, and then adjust their nominal level to guarantee uniform validity. This variational inference method is shown to be uniformly valid and quantifies the uncertainty coming from both parameter estimation and data splitting. The inference method could be of substantial independent interest in many machine learning applications. An empirical application to the impact of micro-credit on economic development illustrates the use of the approach in randomized experiments. An additional application to the impact of the gender discrimination on wages illustrates the potential use of the approach in observational studies, where machine learning methods can be used to condition flexibly on very high-dimensional controls. |
| Keywords: | Agnostic Inference, Machine Learning, Confidence Intervals, Causal Effects, Variational P-values and Confidence Intervals, Uniformly Valid Inference, Quantification of Uncertainty, Sample Splitting, Multiple Splitting, Assumption-Freeness |
| Date: | 2017–12–30 |
| URL: | http://d.repec.org/n?u=RePEc:ifs:cemmap:61/17&r=mfd |
| By: | Nathalie Duran (IAE - Institut d'Administration des Entreprises - UR - Université de la Réunion); Djamchid Assadi |
| Abstract: | Analyse comparative des discours gagnants et perdants du microcrédit : le cas des campagnes de crowdlending. « We will always need banking, but we don't need Banks anymore » Bill Gates Le crowdlending, traduit littéralement par « le prêt par la foule » est un système de prêts rémunérés qui vient diversifier les sources de financement pour les TPE/PME, mais également pour les plus grosses entreprises, telles que les groupes. Le crowdlending donne aux entreprises l'opportunité d'obtenir jusqu'à un million d'euros auprès d'une foule de particuliers (ou institutionnels) par le biais de plateformes sur internet, notamment pour certains besoins qui ne sont que très rarement couverts par les banques. Jusqu'en octobre 2014, contrairement aux grandes entreprises, les TPE et PME en France n'avaient que peu de solutions pour se financer. Un décret est alors venu mettre fin au monopole bancaire en France et a révolutionné le prêt rémunéré en permettant à chaque individu d'endosser un rôle initialement réservé aux banquiers. Le taux pour les emprunteurs est plus élevé (7,3% en moyenne pour 2017) mais la durée pour obtenir les fonds est extrêmement écourtée (une dizaine de jours en moyenne). Sa croissance, en France fut exponentielle entre 2013 et 2016. En 2016, il a permis de financer 651 projets (contre 395 en 2015) pour un montant de 83 M€, soit 2,6 fois plus qu'en 2015. Pour l'année 2017, les collectes viennent d'atteindre 100M€. Le crowdlending apporte soit un complément aux financements classiques (love money, banque, etc.), soit une réelle alternative. Cependant, malgré des débuts très prometteurs, son expansion tend à se modérer. En août 2017, le nombre de dossiers financés a connu sa plus faible progression depuis un an et demi. L'objectif est ici de comprendre pourquoi certaines campagnes de financement aboutissent, et pourquoi d'autres échouent. Comment les informations disponibles en ligne influencent-elles l'aboutissement d'une campagne de crowdlending ? Notre méthodologie est exploratoire et qualitative. Nous proposons d'analyser le discours des porteurs de projet afin de comprendre si certains messages se révèlent plus attractifs et convaincants pour le prêteur. Nous avons choisi de nous focaliser sur le cas de la plateforme Lendopolis pour cette recherche, car actuellement c'est la seule plateforme à communiquer de manière transparente sur l'ensemble des projets. De plus, elle ne permet pas l'autolend 1 , ce qui permet d'analyser le comportement réel des prêteurs. Nous commencerons cette communication par une synthèse de la littérature qui encadre le crowdlending puis nous exposons notre méthodologie de recherche. Nous apportons ensuite nos résultats exploratoires et concluons sur la question de recherche. 1 L'autolend est une « gestion automatisée des offres de prêts » en fonction des critères pré-remplis par les membres des plateformes (Unilend, Prêtup) |
| Date: | 2017–12–07 |
| URL: | http://d.repec.org/n?u=RePEc:hal:journl:hal-01655509&r=mfd |
| By: | Nathalie Duran (CEMOI - Centre d'Économie et de Management de l'Océan Indien - UR - Université de la Réunion) |
| Abstract: | Micro-finance et crowdfunding : l'essor des nouvelles alternatives de financement pour les entreprises. « Avec Lendopolis votre argent ne dort pas sur un Livret A ou sur votre assurance vie. Il travaille pour des PME françaises ! Vous prêtez en direct aux entreprises françaises de votre choix et recevez jusqu'à 12% d'intérêts chaque mois ». L'année 2015 étant l'année de décollecte du livret A la plus haute depuis 20 ans, le groupe les Echos propose aux français une solution pour valoriser leurs économies grâce au prêt aux entreprises. Le gouvernement a mis fin au monopole bancaire sur les prêts rémunérés par le décret du 1 er octobre 2014 qui a instauré le statut d'Intermédiaire en Financement Participatif. Les particuliers peuvent désormais « donner un sens à leur épargne » et deviennent des micro-prêteurs. Ils peuvent confier jusqu'à 1000 € aux projets qui les attirent, tandis que les porteurs de projet peuvent lever jusqu'à un million d'euros sur les plateformes. Comment expliquer cet engouement pour les plateformes de financement participatif ? Sur les marchés financiers parfaits, les entreprises trouvent toujours un financement suffisant et approprié aux investissements de création de valeur. Par conséquent, les décisions de financement ne sont pas pertinentes. Les marchés financiers en réalité ne sont pas parfaits, et les imperfections du marché nécessitent des décisions de financement en matière de développement d'affaires et de création de valeur pour l'entreprise. Plusieurs recherches se sont intéressées aux décisions de financement et aux choix des sources de financement par les entreprises. Les entrepreneurs préfèrent les sources de financement qui ne conduisent pas à une perte de contrôle et celles aux coûts les plus faibles. Par conséquent, ils optent généralement pour des ressources financières personnelles ou d'autres ressources informelles plutôt que des financements externes. Les solutions alternatives de financement qu'offrent les plateformes de financement participatif semblent se substituer aux sources de financement informelles. Ces modèles d'affaire nouveaux ont suscité un intérêt en tant que moyen d'introduction dans le marché d'une plus grande liquidité. Par exemple, de son lancement le 12/11/2013 au 30/04/2016, la plateforme Unilend (pionner français et leader en crowdlending) a permis de financer 18 442 650 €, pour 241 projets. Au regard du crowdlending, il semblerait que les activités sur les plateformes de financement participatif intègrent davantage de processus sociaux et psychologiques que le traditionnel capital-risque. Les raisons des choix pour l'une ou l'autre des plateformes dépendent des objectifs des entrepreneurs, de ceux des supporteurs, ainsi que de l'environnement institutionnel. Des travaux récents soulignent, par ailleurs, que les perceptions des entrepreneurs quant aux possibilités d'accès au capital peuvent influencer les sources à partir desquelles ils recherchent des fonds. Les facteurs cognitifs sembleraient être des éléments clefs, ils peuvent notamment générer des émotions négatives comme le découragement : certains entrepreneurs se détournent des sources de financement traditionnelles car ils perçoivent des difficultés excessives quant à l'obtention de fonds auprès des institutions financières. Les plateformes de financement participatif rencontrent ainsi un franc succès mondial, elles ont permis de récolter 31.4 milliards en 2015 (dont 296.8 millions d'euros pour la France), ce qui correspond à une croissance de 2000 % en quatre ans, causée par une multiplication du nombre de contributeurs (de 1,3 millions à 2,3 millions pour les français par exemple). Cet article a pour objet de faire un état des lieux sur le financement participatif en France. Nous présentons tout d'abord ses diverses formes et les besoins qu'elles permettent de satisfaire, puis nous évoquerons les risques de fraude et les premières désillusions ainsi que les partenariats récemment conclus afin de limiter les risques de défaillance. |
| Date: | 2016–07–01 |
| URL: | http://d.repec.org/n?u=RePEc:hal:journl:hal-01802716&r=mfd |
| By: | Kraemer-Eis, Helmut; Botsari, Antonia; Gvetadze, Salome; Lang, Frank; Torfs, Wouter |
| Abstract: | This European Small Business Finance Outlook (ESBFO) provides an overview of the main markets relevant to EIF (equity, guarantees, securitisation, microfinance). It is an update of the December 2017 ESBFO edition. We start by discussing the general market environment, then look at the main aspects of equity finance and guarantees/SME Securitisation (SMESec). Finally, before we conclude, we briefly highlight some important aspects of microfinance and Fintech in Europe. |
| Date: | 2018 |
| URL: | http://d.repec.org/n?u=RePEc:zbw:eifwps:201850&r=mfd |