Kişiden kişiye kredi olarak da adlandırılan P2P kredi platformlarında bireysel yatırımcılar, tüketicilerin kredi taleplerini doğrudan finanse edebilir. Bazı erken dönem platformlarda faiz oranı bir banka veya algoritma tarafından önceden belirlenmiyor; yatırımcıların daha düşük faiz teklifleriyle rekabet ettiği ters açık artırma sonucunda oluşuyordu. Bu yapı, profesyonel olmayan yatırımcıların kredi riskini hangi bilgilere dayanarak değerlendirdiğini gözlemlemek için ender bir araştırma ortamı sunmaktadır.

Reto Rey ve Andreas Dietrich tarafından hazırlanan çalışma, 2008–2014 arasında İsviçre’nin önde gelen bir P2P kredi platformunda finanse edilmiş 665 tüketici kredisini incelemektedir. Araştırmacılar kredi tutarı, vade, borç–gelir oranı, gelir, yaş, vatandaşlık, ev sahipliği, medeni durum, 16 yaşından küçük çocukların varlığı ve makroekonomik koşullar gibi değişkenlerin yatırımcılar tarafından belirlenen faiz oranıyla ilişkisini analiz etmiştir.

Ortalama karşılaştırmada kadınlarla erkekler arasında güvenilir bir faiz farkı bulunmamıştır. Ancak cinsiyet; medeni durum ve hanede çocuk bulunmasıyla birlikte incelendiğinde önemli bir örüntü ortaya çıkmıştır. Evli olmayan ve 16 yaşından küçük en az bir çocuğu bulunan kadınlar, aynı aile durumundaki erkeklere göre ortalama yaklaşık 124 baz puan, yani 1,24 yüzde puan daha yüksek faiz ödemiştir.

Çalışmanın “olgunlaşmış piyasa dönemi” olarak tanımladığı 2013–2014 alt örnekleminde bu fark yaklaşık 221 baz puana yükselmektedir. Buna karşılık çocuğu olmayan evli veya evli olmayan borçlularda ve tam örneklemde çocuklu evli borçlularda kadınlarla erkekler arasında istatistiksel olarak güvenilir bir fiyat farkı bulunmamıştır.

Bu sonuç “kadınlar genel olarak daha yüksek faiz ödüyor” anlamına gelmemektedir. Fark yalnızca belirli bir hane yapısında görünür hâle gelmektedir. Çalışmanın temel katkısı da cinsiyetin tek başına ele alınmasının, evli olmayan annelerin karşılaştığı fiyatlama farkını gizleyebileceğini göstermesidir.

Ancak merkezî bulgu küçük bir alt gruba dayanmaktadır. Tam örneklemde 16 yaşından küçük çocuğu bulunan evli olmayan yalnızca 19 kadın ve 14 erkek borçlu vardır. Dolayısıyla sonuç ekonomik olarak büyük ve çeşitli sağlamlık modellerinde yön bakımından tutarlı olsa da tahminin kesinliği ve başka piyasalara genellenebilirliği konusunda güçlü ihtiyat gerekmektedir.

Araştırma, yatırımcıların kredi riskini bütünüyle gelişigüzel değerlendirmediğini de göstermektedir. Daha uzun vadeli ve daha büyük krediler, yüksek borç–gelir oranı, daha yoğun kredi talebi, yüksek işsizlik ve yüksek risksiz faiz oranı daha yüksek kredi faizleriyle ilişkilidir. Tam model, krediler arasındaki faiz farklarının yaklaşık %76,5’ini açıklamaktadır.

Bununla birlikte çalışma, evli olmayan annelere uygulanan ek faizin gerçek temerrüt riskini doğru biçimde yansıtıp yansıtmadığını belirleyememektedir. Araştırmacılar, farkın yatırımcıların gelir dalgalanması, tek gelirli hane yapısı veya çocuk bakım yükümlülükleri hakkındaki risk algılarından doğabileceğini belirtmektedir. Veriler, bu algının doğru bir istatistiksel risk değerlendirmesi mi, aşırı genelleme mi veya ayrımcı bir tercih mi olduğunu birbirinden ayırmaya yeterli değildir.

Bilimsel uyarı: Çalışma hakem değerlendirmesinden geçmemiş bir preprinttir. Yalnızca finanse edilmiş kredileri incelemekte; reddedilen ya da yeterli yatırımcı bulamayan başvuruları ve kredilerin daha sonraki gerçek temerrüt sonuçlarını analiz etmemektedir. Sonuçlar günümüzdeki algoritmik P2P kredi piyasalarına doğrudan genellenmemelidir.

Araştırmanın temel sorusu

Geleneksel bir bankada tüketici kredisine uygulanacak faiz, kurumun kredi skorlama sistemi, risk politikası ve çalışan değerlendirmeleriyle belirlenir. İncelenen P2P platformunda ise faiz oranı, krediyi kendi paralarıyla finanse eden bireysel yatırımcıların açık artırma tekliflerinden oluşmaktadır.

Bu nedenle araştırmanın merkezindeki soru yalnızca kredi riskinin nasıl ölçüldüğü değildir. Daha geniş soru şudur:

Eksik bilgi altında karar veren profesyonel olmayan yatırımcılar kredi riskini sistematik biçimde fiyatlayabiliyor mu ve borçlunun cinsiyeti ile aile yapısı bu fiyatlamayı etkiliyor mu?

Araştırmacılar analizi iki aşamalı bir düşünceyle kurmuştur:

1. Faiz oranlarındaki farklılıkların ne kadarı gözlenebilir kredi, borçlu ve makroekonomik risk göstergeleriyle açıklanabilir?
2. Standart risk göstergeleri kontrol edildikten sonra cinsiyet, medeni durum ve çocukların varlığıyla bağlantılı sistematik fiyat farkları kalıyor mu?

Kişiden kişiye kredi piyasası nedir?

P2P kredi platformları borç almak isteyen tüketicilerle sermayesini faiz karşılığında kullandırmak isteyen yatırımcıları dijital ortamda buluşturur. Platform başvuruları toplar, asgari uygunluk kontrollerini yapar ve yatırımcılara standartlaştırılmış bilgiler sunar.

Bu modelde geleneksel banka tamamen ortadan kalkmasa bile klasik mevduat toplama ve banka bilançosundan kredi verme işlevinin önemli bir bölümü yerini doğrudan yatırımcı finansmanına bırakmaktadır.

P2P kredi piyasalarında iki temel faiz belirleme yöntemi vardır:

• Sabit veya platform tarafından belirlenen fiyat: Platformun risk modeli her borçlu için faiz oranı belirler.
• Ters açık artırma: Bireysel yatırımcılar krediyi finanse edebilmek için talep ettikleri faiz oranını teklif eder; daha düşük faiz teklifleri öncelik kazanır.

Günümüzde büyük platformların çoğu zaman kazanmak, süreci basitleştirmek ve risk fiyatlamasını standartlaştırmak amacıyla platform tarafından belirlenen faizlere yöneldiği belirtilmektedir. Bu nedenle incelenen tarihsel veri, insan yatırımcıların algoritmik öneri olmadan fiyat oluşturduğu ve artık büyük ölçüde ortadan kalkmış bir piyasa düzenini göstermektedir.

Ters açık artırma nasıl çalışıyordu?

Borçlu platforma kredi tutarını, vadeyi ve kabul edebileceği en yüksek faiz oranını belirterek başvurmuştur. Platform, gelir istikrarı, borç yükü ve kredi geçmişiyle ilgili asgari koşulları sağlayan başvuruları yatırımcılara açmıştır.

Açık artırma sırasında yatırımcılar:

• Yatırmak istedikleri tutarı,
• Bu tutar karşılığında kabul edecekleri en düşük faiz oranını

bildiren bağlayıcı teklifler sunmuştur.

Teklifler faiz oranına göre sıralanmış ve talep edilen kredi tutarı tamamen finanse edilene kadar en düşük faizli teklifler kabul edilmiştir. Aynı kredi birden çok yatırımcı tarafından ve farklı faiz oranlarından finanse edilebildiği için çalışmadaki sonuç değişkeni, kabul edilen tekliflerin yatırım tutarıyla ağırlıklandırılmış ortalama faizidir.

İncelenen dönemde İsviçre düzenlemesi bir krediye katılabilecek yatırımcı sayısını en fazla 20 ile sınırlandırmıştır. Örneğin 20.000 İsviçre frangı tutarındaki bir kredide yatırımcı başına ortalama taahhüt en az yaklaşık 1.000 frank olmak zorundadır. Kredi tutarı büyüdükçe yatırımcıların tek bir borçlu üzerinde yoğunlaşan kayıp riski artabilir. Araştırmacılar, büyük kredi tutarlarına uygulanan ek faizi bu “yetersiz çeşitlendirme primi” ile ilişkilendirmektedir.

Eksik bilgi neden önemli?

Borçlular kendi gelir istikrarları, gelecekteki harcamaları ve geri ödeme niyetleri hakkında yatırımcılardan daha fazla bilgiye sahiptir. Finans literatüründe bu durum bilgi asimetrisi olarak adlandırılır.

Bankalar bu sorunu kredi geçmişi, teminat, gelir doğrulaması, iç risk modelleri ve uzun süreli müşteri ilişkileriyle azaltabilir. P2P piyasasındaki bireysel yatırımcıların ise çoğu zaman daha sınırlı bilgiye, daha az uzmanlığa ve borçluyla doğrudan görüşme imkânı olmadan karar vermesi gerekir.

Bu koşullarda yatırımcılar iki tür davranış gösterebilir:

• Gelir, borç yükü ve vade gibi kredi riskiyle bağlantılı bilgileri sistematik biçimde kullanabilir.
• Eksik bilgiyi tamamlamak için demografik özelliklere, toplumsal rollere veya sezgisel kurallara aşırı ağırlık verebilir.

Çalışma bu iki olasılığın aynı anda gerçekleşebileceğini göstermektedir: genel fiyatlama büyük ölçüde risk göstergeleriyle uyumludur, fakat belirli hane türlerinde demografik olarak yoğunlaşan fiyat farkları da ortaya çıkmaktadır.

Cinsiyet neden tek başına yeterli değil?

Bir veri setinde bütün kadınların ortalama faiz oranı bütün erkeklerle karşılaştırıldığında farklı hane durumları aynı kategori içinde birleşir. Evli kadınlar, evli olmayan kadınlar, çocuklu ve çocuksuz kadınlar aynı ortalamanın parçası olur.

Bu toplulaştırma, belirli alt gruplardaki zıt yönlü etkilerin birbirini silmesine neden olabilir. Örneğin evlilik çocuklu kadınlar için yatırımcıların algıladığı ekonomik güvenceyi artırırken, çocuklu ve evli olmayan kadınlar için tek gelir, bakım yükü veya gelir oynaklığı algısı faiz primini yükseltebilir.

Araştırmacılar bu nedenle yalnızca “kadın” değişkenini modele eklemekle yetinmemiş; aşağıdaki üç özelliğin ortak etkisini tahmin etmiştir:

• Cinsiyet,
• Evli olup olmama,
• Hanede 16 yaşından küçük çocuk bulunup bulunmaması.

Modelde ana etkilerin yanı sıra ikili etkileşimler ve tam üçlü etkileşim kullanılmıştır:

\[ Female_i \times Married_i \times Children_i \]

Bu kesişimsel yaklaşım, kadın olmanın faiz üzerindeki ilişkisinin aile yapısına göre değişmesine izin vermektedir.

Fiyat farkı hangi mekanizmalardan doğabilir?

Çalışma, gözlenen farkın kaynağını doğrudan belirleyememektedir. Ancak üç açıklama çerçevesi sunmaktadır.

Gerçek veya algılanan kredi riski

Yatırımcılar, evli olmayan ve çocuklu bir borçlunun tek gelirle daha fazla düzenli gider karşıladığını, çocuk bakımından kaynaklanan çalışma kısıtları yaşayabileceğini veya gelir kaybına karşı daha sınırlı hane içi sigortaya sahip olduğunu düşünebilir.

Bu algılar gerçek geri ödeme olasılığıyla doğru orantılıysa fiyat farkı risk temelli olabilir. Ancak çalışma temerrüt sonuçlarını kullanmadığı için bu olasılığı doğrulayamamaktadır.

İstatistiksel ayrımcılık

Yatırımcılar bireysel borçlunun gözlenemeyen riskini değerlendirirken ait olduğu toplumsal grubun varsayılan özelliklerini vekil olarak kullanabilir. Bu davranış açık bir düşmanlık içermese bile aynı finansal özelliklere sahip bireylerin grup üyeliği nedeniyle farklı fiyatlanmasına yol açabilir.

Tercih temelli ayrımcılık veya önyargı

Yatırımcıların belirli bir gruba karşı riskten bağımsız olumsuz tercihi de daha yüksek faiz taleplerine neden olabilir. Ancak veri seti yatırımcıların motivasyonlarını veya aynı risk düzeyindeki gerçek temerrüt sonuçlarını göstermediği için tercih temelli ve istatistiksel ayrımcılığı birbirinden ayırmak mümkün değildir.

Veri seti

Veriler, Nisan 2008 ile Aralık 2014 arasında İsviçre’de faaliyet gösteren büyük bir P2P kredi platformundan elde edilmiştir. Platformun bu dönemde İsviçre P2P piyasasındaki payı yıllara göre yaklaşık %60 ile %99 arasında değişmiştir.

Örneklem, platform üzerinden başarıyla finanse edilmiş 665 bireysel tüketici kredisinden oluşmaktadır. Kredi kayıtları anonimleştirilmiş ve kişisel olarak tanımlanabilir bilgiler araştırmacılara verilmemiştir.

Veri setindeki kredi ve borçlu bilgileri kamuya açık değildir. Bu gizlilik, araştırmacılara ayrıntılı işlem bilgileri sağlasa da bağımsız araştırmacıların analizi aynı ham veriyle yeniden üretmesini sınırlandırmaktadır.

Makroekonomik veriler:

• İsviçre işsizlik oranı,
• Üç yıllık İsviçre devlet tahvili getirisi,
• Swiss Market Index’in üç aylık performansı

üzerinden oluşturulmuştur.

Örneklemin genel özellikleri

Piyasanın erken ve olgunlaşmış dönemi

Araştırmacılar örneklemi iki döneme ayırmıştır:

• 2008–2012: platformun erken dönemi, 352 kredi,
• 2013–2014: çalışmada olgunlaşmış dönem olarak tanımlanan dönem, 313 kredi.

Şekil 1’deki faiz dağılımları, iki dönem arasında açık artırma rekabetinin değiştiğini göstermektedir. İlk dönemde gerçekleşen faizler, borçluların kabul etmeye hazır oldukları azami faize yakın kümelenmiştir. Bu görünüm yatırımcı sayısının ve teklif rekabetinin daha sınırlı olduğuna işaret etmektedir.

İkinci dönemde borçluların önemli bir bölümü %12 veya daha yüksek azami faiz bildirmiş olmasına rağmen, kredilerin büyük çoğunluğu %10’un altında sonuçlanmıştır. Daha fazla yatırımcı ve daha yoğun rekabet, borçlunun ödeme isteğinin altındaki faizlerin keşfedilmesini sağlamıştır.

Azami faiz kısıtının ne kadar bağlayıcı olduğu yıllar içinde ayrıca incelenmiştir. 2008’de bütün krediler borçlunun azami kabul edilebilir faizinin 25 baz puan içinde sonuçlanırken bu oran 2014’te %19’a düşmüştür. Bu değişim, platform olgunlaştıkça gerçekleşen fiyatın borçlunun başlangıç tavanından daha fazla uzaklaşıp yatırımcı rekabetiyle oluştuğunu göstermektedir.

P2P faizleri geleneksel tüketici kredileriyle nasıl karşılaştırıldı?

Çalışmada İsviçre’nin önde gelen tüketici kredisi sağlayıcısının 2014 yılı ağırlıklı ortalama kişisel kredi faizinin %11,33 olduğu aktarılmaktadır. Aynı dönemde P2P platformunun 2013–2014 ortalaması %8,45’tir.

Aradaki fark:

\[ 11{,}33\%-8{,}45\%=2{,}88\% \]

yani yaklaşık 288 baz puandır. Bu karşılaştırma P2P kredilerinin her borçlu için geleneksel krediden daha ucuz olduğunu kanıtlamaz. Borçlu profilleri, onay koşulları ve ürün özellikleri aynı olmayabilir. Yalnızca incelenen örneklemin dönemsel ortalamasını göstermektedir.

Temel ekonometrik model

Araştırmacıların başlangıç modeli şöyledir:

\[ Rate_{it} = \alpha+ \beta_1 Loan_i+ \gamma_1 Borrower_i+ \delta_1 Macro_t+ \varepsilon_i \]

Burada:

• \(Rate_{it}\), \(t\) tarihinde açık artırması tamamlanan \(i\) kredisinin ortalama faiz oranıdır.
• \(Loan_i\), vade, kredi tutarı ve son 90 gündeki açık artırma sayısı gibi kredi özelliklerini içerir.
• \(Borrower_i\), borç–gelir oranı, vatandaşlık, ev sahipliği, yaş, gelir, medeni durum, cinsiyet ve çocuk bilgilerini içerir.
• \(Macro_t\), işsizlik oranı, devlet tahvili getirisi ve borsa performansı gibi makroekonomik koşulları içerir.
• \(\varepsilon_i\), modelin açıklayamadığı faiz farklılıklarını temsil eder.

Tahminler sağlam standart hatalar kullanan olağan en küçük kareler yöntemiyle yapılmıştır.

Dört aşamalı model geliştirme

Azami faiz değişkeninin eklenmesi modelin açıklama gücünü önemli ölçüde artırmıştır. Bunun nedeni, borçlunun bildirdiği tavanın erken dönemde gerçekleşen faizi doğrudan sınırlaması ve aynı zamanda borçlunun finansal sıkışıklığı veya kendi risk algısı hakkında yatırımcıların göremediği bilgiler taşıyabilmesidir.

Ana model faiz farklılıklarının yaklaşık %76,5’ini açıklamaktadır. Bu yüksek oran, yatırımcı fiyatlamasının önemli bir bölümünün gözlenebilir bilgilerle sistematik biçimde bağlantılı olduğunu göstermektedir. Ancak yüksek açıklama gücü bütün katsayıların nedensel olduğunu veya fiyatlamanın adil olduğunu kanıtlamaz.

Kredi tutarı neden faizi yükseltiyor?

Ana modelde kredi tutarının katsayısı, her 1.000 CHF için yaklaşık 0,031 yüzde puandır. Dolayısıyla 10.000 CHF daha büyük bir kredi:

\[ 0{,}031\times10=0{,}31 \]

yüzde puan, yani yaklaşık 31 baz puan daha yüksek faizle ilişkilidir.

Geleneksel bankalarda daha büyük krediler işlem maliyetlerinin ölçek ekonomisi nedeniyle daha düşük faizle ilişkilendirilebilir. Bu P2P platformunda ise en fazla 20 yatırımcı sınırı, büyük kredilerde yatırımcı başına düşen tutarı yükseltmektedir. Bu nedenle yatırımcılar daha fazla yoğunlaşma riskine karşı ek getiri talep etmiş olabilir.

Vade etkisi

Ana modelde her ek ay yaklaşık 0,049 yüzde puanlık faiz artışıyla ilişkilidir. On iki aylık ek vade için:

\[ 0{,}049\times12=0{,}588 \]

yani yaklaşık 59 baz puanlık artış elde edilmektedir.

Daha uzun vade, borçlunun gelirinde veya ekonomik koşullarda olumsuz gelişme yaşanabilecek zaman aralığını uzatır. Sonuç, normal getiri eğrisi ve uzun vadeli risk primi beklentisiyle uyumludur.

Açık artırma yoğunluğu ve borçlular arası rekabet

Son 90 günde daha fazla kredi talebinin bulunması, yatırımcı sermayesi için daha yoğun borçlu rekabeti anlamına gelebilir. Açık artırma sayısının örneklem ortalaması olan yaklaşık 31’den 62’ye yükselmesi:

\[ 0{,}037\times31\approx1{,}15 \]

yüzde puan, yani yaklaşık 115 baz puan daha yüksek faizle ilişkilidir.

Bu bulgu, yatırımcıların karşısında daha fazla kredi seçeneği olduğunda borçlulardan daha yüksek getiri talep edebildiğini göstermektedir.

Borç–gelir oranı

Borç–gelir oranı, borçlunun bütün düzenli borç ödemelerinin aylık brüt gelire oranıdır. Oranın yaklaşık %12’den %24’e çıkması:

\[ 0{,}015\times12=0{,}18 \]

yüzde puan, yani yaklaşık 18–19 baz puanlık faiz artışıyla ilişkilidir.

Etki yön bakımından kredi riski beklentisiyle uyumludur: gelirin daha büyük bölümü mevcut ödemelere ayrıldığında beklenmeyen giderlere karşı finansal dayanıklılık azalabilir.

Vatandaşlık ve faiz farkı

İsviçre vatandaşı borçlular, yabancı ülke vatandaşlarına göre yaklaşık 0,488 yüzde puan, yani 49 baz puan daha düşük faiz ödemiştir.

Araştırmacılar bu farkın ilk bakışta eşitsiz muamele kaygısı yaratabileceğini, ancak İsviçre vatandaşları ile yabancı ikamet sahipleri arasındaki tarihsel işsizlik farklarının yatırımcılar tarafından risk göstergesi olarak kullanılmış olabileceğini belirtmektedir.

Çalışma gerçek temerrüt sonuçlarını karşılaştırmadığı için 49 baz puanlık farkın doğru hesaplanmış bir risk primi mi, vatandaşlığın gözlenemeyen risk için aşırı kullanılan bir vekili mi veya ayrımcı bir fiyatlama mı olduğunu belirleyememektedir.

Makroekonomik koşullar

Ana modelde:

• İşsizlik oranındaki 1 yüzde puanlık artış, kredi faizinde yaklaşık 1,294 yüzde puan veya 129 baz puan artışla,
• Üç yıllık devlet tahvili getirisindeki 1 yüzde puanlık artış, kredi faizinde yaklaşık 0,740 yüzde puan veya 74 baz puan artışla

ilişkilidir.

İşsizlik arttığında tüketicilerin gelir kaybı ve temerrüt olasılığı hakkındaki algı kötüleşebilir. Devlet tahvili getirisi yükseldiğinde ise yatırımcıların risksiz alternatiflerden sağlayabileceği getiri artar ve tüketici kredisi için talep ettikleri faiz de yükselebilir.

Swiss Market Index’in son üç aylık performansı başlangıç modelinde negatif ve anlamlıyken genişletilmiş modellerde anlamlılığını kaybetmiştir.

Ortalama cinsiyet farkı neden kayboluyor?

Başlangıç modelinde kadın değişkeni yaklaşık 34,7 baz puanlık ve zayıf anlamlı bir fark göstermektedir. Azami faiz, yıl etkileri, doğrusal olmayan gelir ve yaş ilişkileri ile aile yapısı etkileşimleri eklendiğinde katsayı 11,6 baz puana düşmekte ve istatistiksel anlamlılığını kaybetmektedir.

Bu değişim, kadınlarla erkekler arasındaki fiyat farkının bütün kadınlar için ortak olmadığını göstermektedir. Cinsiyet etkisi, borçlunun medeni durumu ve çocuklarının olup olmamasına bağlıdır.

Şekil 2: Aile durumuna göre kadın–erkek faiz farkı

Şekil 2’nin düşey ekseni, aynı medeni durum ve çocuk kategorisindeki kadınların erkeklere göre tahmini faiz farkını göstermektedir. Sıfır çizgisi cinsiyet farkının olmadığını; pozitif değerler kadınların, negatif değerler erkeklerin daha yüksek faiz ödediğini ifade eder.

Yalnızca evli olmayan ve çocuklu kadınlarda güven aralığı sıfırın tamamen üzerindedir. Tam örneklemde bu kadınlar aynı durumdaki erkeklere göre ortalama 124 baz puan daha yüksek faiz ödemektedir.

Ortalama kredi tutarı olan 12.170 CHF ve yaklaşık 32 aylık vadede 1,24 yüzde puanlık faiz farkının parasal maliyeti ödeme planına göre değişir. Çalışma bu farkın toplam faiz giderini hesaplamamaktadır; bu nedenle katsayı doğrudan belirli bir toplam frank tutarı olarak yorumlanmamalıdır.

Merkezî bulgunun dayandığı alt grup büyüklüğü

124 baz puanlık temel bulgu yalnızca 19 evli olmayan anne ile 14 evli olmayan babanın karşılaştırılmasını içeren alt gruptan gelmektedir. Regresyon bütün örneklemdeki kontrol değişkenlerinden yararlansa da etkili alt grup sayısının küçük olması önemlidir.

Küçük alt örneklem:

• Aykırı gözlemlerin tahmin üzerindeki etkisini artırabilir,
• Güven aralıklarını genişletebilir,
• Etkinin başka platformlarda aynı büyüklükte tekrarlanma olasılığı hakkında belirsizlik yaratabilir.

Bu nedenle çalışma, önemli bir kesişimsel fiyatlama örüntüsünü ortaya koymakta; ancak kesin ve evrensel bir 124 baz puan kuralı kurmamaktadır.

Erken ve olgunlaşmış dönemde cinsiyet farkı

Evli olmayan anneler için tahmin erken dönemde pozitif fakat istatistiksel olarak belirsizdir. 2013–2014 döneminde fark 221 baz puana çıkmakta ve güven aralığı tamamen sıfırın üzerinde bulunmaktadır.

Evli ve çocuklu kadınlar için dönemler arasında yön değişimi görülmektedir. Erken dönemde kadınların tahmini faizi erkeklerden 67 baz puan yüksekken daha sonraki dönemde 54 baz puan düşüktür. İkinci tahminin güven aralığı sıfırı çok az içerdiği için geleneksel %5 düzeyinde istatistiksel olarak anlamlı değildir.

Bu değişkenlik, evliliğin yatırımcıların çocuklu kadın ve erkekler hakkındaki risk algısını farklılaştırabileceğini düşündürmektedir. Araştırmacılar evliliğin kadınlar için gelir paylaşımı ve hane içi sigorta algısı yaratabileceğini; çocuklu evli erkeklerin ise birincil gelir sağlayıcı olarak görülmesi nedeniyle gelir kaybı riskinin hanenin ödeme kapasitesi açısından daha önemli algılanabileceğini tartışmaktadır.

Bu yorumlar veriyle doğrudan ölçülmüş psikolojik mekanizmalar değildir. Yatırımcıların gerçek gerekçeleri gözlenmemektedir.

Piyasa olgunlaştıkça yatırımcılar daha rasyonel mi oldu?

Dönem karşılaştırmalarında vade, borç–gelir oranı ve kredi talebi gibi geleneksel risk göstergelerinin katsayıları 2013–2014 döneminde büyümektedir. Bu durum yatırımcıların deneyim kazandıkça borçluya ve kredi sözleşmesine özgü finansal bilgilere daha sistematik ağırlık verdiği yorumuyla uyumludur.

Örneğin borç–gelir oranının katsayısı:

• 2008–2012 döneminde −0,008 ve anlamsız,
• 2013–2014 döneminde +0,042 ve güçlü biçimde anlamlıdır.

Vade katsayısı da 0,029’dan 0,075’e yükselmektedir.

Bununla birlikte aynı dönemde evli olmayan annelere uygulanan faiz farkının da büyümesi önemli bir gerilim yaratmaktadır. Piyasanın deneyim kazanması, bütün demografik fiyat farklılıklarını ortadan kaldırmamıştır. Yatırımcılar finansal bilgileri daha iyi kullanırken belirli hane yapılarına yönelik risk algılarını da daha keskin biçimde fiyatlamış olabilir.

Bu nedenle “piyasa olgunlaştı ve önyargılar kayboldu” biçiminde bir çıkarım çalışma tarafından desteklenmemektedir.

Varyans modeli neyi inceliyor?

Ortalama faiz modeli hangi özelliklerin daha yüksek veya düşük faizle ilişkili olduğunu gösterir. Araştırmacılar ayrıca hangi borçlu ve kredi özelliklerinin yatırımcılar arasında daha dağınık fiyatlamaya yol açtığını incelemiştir.

Varyans denklemi şöyledir:

\[ \log(\sigma_i^2) = \alpha+ \beta_2 Loan_i+ \gamma_2 Borrower_i+ \delta_2 Macro_t+ \epsilon_i \]

Burada \(\sigma_i^2\), ana faiz modelinden sonra kalan açıklanamayan faiz değişkenliğidir.

• Pozitif katsayı, ilgili özellikte fiyatların daha dağınık ve daha az öngörülebilir olduğunu,
• Negatif katsayı, fiyatlamanın daha tutarlı olduğunu gösterir.

Tam örneklemde ev sahipleri için kalan faiz değişkenliği kiracılardan daha düşüktür. Daha büyük ve daha uzun vadeli kredilerde de yatırımcı fiyatlaması görece daha tutarlı görünmektedir.

2013–2014 döneminde kredi tutarı, borç–gelir oranı, yaş, medeni durum, cinsiyet ve çocukların varlığı gibi daha fazla özellik kalan varyansla bağlantılı hâle gelmiştir. Araştırmacılar bunu yatırımcıların zaman içinde daha çok borçlu özelliğine göre farklılaşan, daha yapılandırılmış fiyatlama davranışı geliştirmesiyle ilişkilendirmektedir.

İçsellik sorunu

Borçlunun istediği kredi tutarı ve kabul ettiği azami faiz, gerçekleşen faizden tamamen bağımsız olmayabilir. Finansmana daha çok ihtiyaç duyan veya yatırımcı talebinin zayıf olacağını düşünen bir borçlu daha yüksek faiz tavanı belirleyebilir.

Bu durumda:

• Kredi tutarı,
• Azami kabul edilebilir faiz,
• Gerçekleşen faiz

aynı piyasa sürecinde birlikte belirlenebilir. Olağan en küçük kareler katsayıları bu eş zamanlılıktan etkilenebilir.

Araç değişken analizi

Araştırmacılar kredi tutarı ile azami faizi potansiyel olarak içsel kabul eden iki aşamalı en küçük kareler modelleri kurmuştur. Borçlunun yaşı, geliri ve bunların kareleri araç değişken olarak kullanılmıştır.

Araç değişken sonuçları, çocuklu borçlulardaki cinsiyet farkını azaltmamış; bazı modellerde daha da büyütmüştür. Tam örneklemde evli olmayan ve çocuklu kadın–erkek farkı yaklaşık 168 baz puana, 2013–2014 döneminde ise yaklaşık 304 baz puana ulaşmaktadır.

Ancak araç değişken sonuçları temel OLS tahminlerinden daha ihtiyatlı okunmalıdır:

• Tam örneklemde Durbin–Wu–Hausman testi içselliği reddetmemekle birlikte Hansen testi araçların geçerliliğini reddetmektedir.
• 2013–2014 döneminde aşırı tanımlama kısıtları reddedilmemiştir; ancak kredi tutarı ilk aşamasındaki F-istatistiği 5,58 ile sınırlı araç gücü kaygısı yaratmaktadır.

Bu nedenle 2SLS sonuçları ana nedensel kanıt değil, temel örüntünün eş zamanlılık kontrol edildiğinde ortadan kalkmadığını gösteren tamamlayıcı sağlamlık analizi olarak değerlendirilmelidir.

Faiz tavanı sonuçları etkiliyor mu?

İncelenen dönemde tüketici kredileri için yasal azami faiz %15’tir. Özellikle 2009 ve 2010’da bazı kredilerin bu tavana yakın veya tavanda sonuçlanması, faiz değişkeninin üstten sansürlenmesine neden olabilir.

Araştırmacılar bu sorunu %15 tavanını dikkate alan Tobit modeliyle incelemiştir. Tobit sonuçlarının işareti ve göreli büyüklüğü ana OLS modeliyle yakından örtüşmektedir. 2013–2014 döneminde bütün faizler tavanın belirgin biçimde altında olduğu için Tobit ve OLS sonuçları neredeyse aynıdır.

Şekil 7’de evli olmayan ve çocuklu kadınların daha yüksek faiz farkı Tobit modelinde de korunmaktadır. Dolayısıyla temel bulgu yalnızca yasal faiz tavanındaki yığılmadan kaynaklanmamaktadır.

Borçlunun belirlediği azami faiz çıkarıldığında ne oluyor?

Azami kabul edilebilir faiz modelden çıkarıldığında ana katsayıların yönleri değişmemekte ve kesişimsel cinsiyet örüntüsü korunmaktadır. Bazı katsayıların mutlak büyüklüğü artmaktadır.

Bu kontrol önemlidir; çünkü azami faiz hem borçlunun ödeme isteğini hem de gözlenmeyen finansal sıkışıklığını yansıtabilir. Bununla birlikte azami faizin çıkarılması modelin düzeltilmiş açıklama gücünü 0,765’ten 0,633’e düşürmektedir.

Zaman kontrolleri

Yıl sabit etkilerine ek olarak yıl–çeyrek sabit etkileri kullanıldığında temel cinsiyet, evlilik ve çocuk etkileşimleri yön bakımından korunmuştur. Bu sonuç, bulguların yalnızca belirli bir yıl içindeki makroekonomik dalgalanmalardan kaynaklanmadığını desteklemektedir.

Ek Şekil 5’te gerçekleşen faizlerle modelin tahmin ettiği faizlerin zaman içindeki hareketi karşılaştırılmıştır. İki seri genel eğilimi birlikte izlemektedir. Ek Şekil 6’daki hata terimleri de zaman içinde belirgin ve sürekli bir yönlü sapma göstermemektedir.

Çapraz doğrulama

Araştırmacılar modelin 665 kredilik örnekleme aşırı uyum sağlayıp sağlamadığını beş katlı çapraz doğrulamayla test etmiştir. Her turda gözlemlerin %80’iyle model kurulmuş ve kalan %20 üzerinde tahmin performansı değerlendirilmiştir.

Ortalama eğitim hatası yaklaşık 1,53, örneklem dışı hata ise yaklaşık 1,73’tür. Ana katsayılar beş eğitim grubunda benzer büyüklük ve yönleri korumuştur. Azami faiz katsayısı bütün katlarda pozitif ve güçlü biçimde anlamlıdır.

Bu test modelin yalnızca belirli birkaç gözlemi ezberlemediğine ilişkin destek sağlar. Ancak çapraz doğrulama, katsayıların nedensel olduğunu veya küçük alt gruplardaki tahminlerin başka piyasalarda tekrarlanacağını kanıtlamaz.

Çalışmanın güçlü yönleri

• Algoritma tarafından değil bireysel yatırımcı teklifleriyle oluşan gerçek kredi faizleri incelenmiştir.
• İsviçre P2P piyasasının dönemsel olarak %60–%99’unu temsil eden büyük bir platformun ayrıntılı işlem verileri kullanılmıştır.
• Kredi, borçlu ve makroekonomik özellikler aynı modelde değerlendirilmiştir.
• Cinsiyet yalnızca ortalama karşılaştırmayla değil medeni durum ve çocuklarla tam üçlü etkileşim içinde incelenmiştir.
• Erken ve olgunlaşmış piyasa dönemleri ayrı ayrı analiz edilmiştir.
• Ortalama faiz kadar açıklanamayan faiz dağılımını inceleyen heteroskedastisite modeli kurulmuştur.
• İçsellik için araç değişken, faiz tavanı için Tobit ve daha ayrıntılı zaman etkileri kullanılmıştır.
• Azami faiz değişkeni çıkarılarak ana örüntünün tek bir kontrol değişkenine bağlı olmadığı gösterilmiştir.
• Beş katlı çapraz doğrulamayla örneklem dışı tahmin performansı sınanmıştır.
• Aile durumuna göre marjinal etkiler güven aralıklarıyla birlikte sunulmuştur.

Çalışmanın sınırlılıkları

• Çalışma hakem değerlendirmesinden geçmemiş bir preprinttir.
• Örneklem yalnızca 665 krediden oluşmaktadır.
• Temel 124 baz puanlık sonuç, yalnızca 19 evli olmayan çocuklu kadın ve 14 karşılaştırılabilir erkeğin bulunduğu küçük alt gruba dayanmaktadır.
• Yalnızca başarıyla finanse edilmiş krediler gözlenmektedir.
• Reddedilen veya yeterli teklif alamayan başvurular bulunmadığı için krediye erişim ve fonlanma olasılığı incelenememektedir.
• Fonlanma seçilimi cinsiyet ve aile durumuyla ilişkiliyse fiyat farkları olduğundan küçük veya farklı görünebilir.
• Gerçek temerrüt, gecikme veya yatırımcı kaybı sonuçları ana analizde değerlendirilmemektedir.
• Bu nedenle yüksek faizin gerçek kredi riskiyle orantılı olup olmadığı test edilememektedir.
• Yatırımcıların risk algısı, önyargısı ve teklif gerekçeleri doğrudan gözlenmemektedir.
• İstatistiksel ayrımcılık ile tercih temelli ayrımcılık birbirinden ayrılamamaktadır.
• Veriler tek bir İsviçre platformuna ve 2008–2014 dönemine aittir.
• İsviçre’nin gelir düzeyi, sosyal güvenlik sistemi, finansal okuryazarlığı ve aile yapısı başka ülkelerden farklıdır.
• Günümüzde büyük P2P platformları çoğunlukla algoritmik kredi skorlama ve platform tarafından belirlenen fiyat kullanmaktadır.
• Veriler gizli olduğu için bağımsız yeniden üretilebilirlik sınırlıdır.
• Borçlunun belirlediği azami faiz hem açıklayıcı bilgi hem piyasa sonucu üzerinde etkili olabilecek içsel bir değişkendir.
• Tam örneklem araç değişken analizinde Hansen testi araç geçerliliğini reddetmektedir.
• Daha sonraki alt örneklemde bazı ilk aşama F-istatistikleri zayıf araç kaygısını tamamen ortadan kaldırmamaktadır.
• Dönem alt örneklemleri yalnızca 352 ve 313 kredi içerdiği için üçlü etkileşim tahminleri daha da küçük hücrelere dayanır.

Çalışma ne söylüyor?

• İncelenen ters açık artırma piyasasında bireysel yatırımcılar vade, kredi tutarı, borç yükü ve makroekonomik koşullar gibi risk göstergelerine sistematik tepki vermiştir.
• Ortalama olarak bütün kadınlarla bütün erkekler arasında güvenilir bir faiz farkı bulunmamıştır.
• Cinsiyet farkı medeni durum ve çocukların varlığıyla birlikte ele alındığında görünür hâle gelmektedir.
• Evli olmayan ve 16 yaşından küçük çocuğu bulunan kadınlar aynı durumdaki erkeklerden yaklaşık 124 baz puan daha yüksek faiz ödemiştir.
• Bu fark 2013–2014 alt örnekleminde yaklaşık 221 baz puana yükselmiştir.
• Çocuğu olmayan borçlularda güvenilir bir kadın–erkek faiz farkı bulunmamıştır.
• Tam örneklemde evli ve çocuklu borçlularda da güvenilir bir cinsiyet farkı yoktur.
• Platform olgunlaştıkça gerçekleşen faizler borçlunun bildirdiği azami faizden daha fazla uzaklaşmış ve krediye özgü risk göstergeleri önem kazanmıştır.
• Bununla birlikte belirli aile yapısına ilişkin fiyat farkı piyasa olgunlaştığında ortadan kalkmamış, büyümüştür.
• Temel örüntü alternatif model ve sağlamlık kontrollerinde yön bakımından korunmuştur.

Çalışma ne söylemiyor?

• Bütün kadınlar erkeklerden daha yüksek kredi faizi öder.
• Annelik tek başına yüksek faize neden olur.
• Evli olmayan bütün anneler daha riskli borçludur.
• 124 veya 221 baz puanlık fark başka ülkelerde ve günümüz platformlarında aynen geçerlidir.
• Yatırımcıların bilinçli biçimde kadınlara karşı ayrımcılık yaptığı kanıtlanmıştır.
• Fiyat farkının gerçek temerrüt riskini doğru yansıttığı kanıtlanmıştır.
• İsviçre vatandaşı olmayanların daha yüksek gerçek kredi riski taşıdığı gösterilmiştir.
• P2P kredileri her durumda banka kredilerinden daha ucuzdur.
• Algoritmik fiyatlama insan yatırımcılardan otomatik olarak daha adildir.
• Daha fazla yatırımcı rekabeti bütün demografik fiyat farklarını ortadan kaldırır.
• Çalışma kredi başvurularının kabul edilme veya fonlanma ihtimalini açıklamaktadır.

Platform tasarımı açısından önemi

Dijital kredi platformları hangi bilgilerin yatırımcılara gösterileceğine karar verir. Gelir, borç yükü ve kredi geçmişi risk değerlendirmesi için gerekli olabilir. Buna karşılık medeni durum, çocuklar, isim veya cinsiyeti çağrıştıran bilgiler yatırımcıların gözlenemeyen risk hakkında grup temelli varsayımlar kurmasına da yol açabilir.

Çalışma, bilgi şeffaflığı ile eşit fiyatlama arasında basit olmayan bir denge bulunduğunu göstermektedir. Daha fazla bilgi yatırımcıların risk ayrımını geliştirebilir; fakat aynı bilgi toplumsal kalıpların kredi fiyatına taşınmasını da kolaylaştırabilir.

Platformlar açısından olası değerlendirme alanları şunlardır:

• Faiz farklarının cinsiyet, aile durumu ve diğer korunan özelliklere göre düzenli biçimde denetlenmesi,
• Yatırımcılara gösterilen demografik bilgilerin gerçek kredi riskine katkısının sınanması,
• Benzer risk profillerine sahip alt gruplarda fiyat eşitliğinin izlenmesi,
• Açık artırma arayüzlerinin sürü davranışı ve sezgisel önyargıları artırıp artırmadığının incelenmesi,
• Algoritmik öneriler kullanıldığında eğitim verilerindeki tarihsel fiyat farklılıklarının yeniden üretilmemesi.

Algoritmik kredi sistemleri sorunu çözer mi?

Algoritmik fiyatlama, her borçlu için aynı hesaplama kurallarını kullanarak bireysel yatırımcıların değişken davranışını azaltabilir. Ancak algoritma geçmişte insan yatırımcıların oluşturduğu verilerle eğitilirse tarihsel fiyat farklılıklarını öğrenebilir.

Ayrıca aile durumu doğrudan modele alınmasa bile posta kodu, meslek, gelir yapısı veya harcama davranışı benzer bilgileri dolaylı biçimde taşıyabilir. Bu nedenle insan kararı ile algoritmik karar arasındaki temel fark, birinin önyargılı diğerinin tamamen tarafsız olması değildir.

Her iki sistemde de şu soruların yanıtlanması gerekir:

• Kullanılan değişken gerçek temerrüt riskini ne ölçüde açıklıyor?
• Aynı risk düzeyindeki kişiler farklı fiyatlanıyor mu?
• Modelin hataları belirli gruplarda yoğunlaşıyor mu?
• Karar süreci denetlenebilir ve açıklanabilir mi?

Gelecek araştırmalar için sorular

• Evli olmayan annelere uygulanan faiz primi gerçek gecikme ve temerrüt oranlarıyla uyumlu mu?
• Aynı kredi riskine sahip borçlularda aile durumu hâlâ fiyat farkı yaratıyor mu?
• Yatırımcıya medeni durum ve çocuk bilgisi gösterilmediğinde teklifler değişiyor mu?
• Yatırımcı deneyimi kesişimsel fiyat farklılıklarını azaltıyor mu, yoksa belirli gruplar için güçlendiriyor mu?
• Açık artırma sırasındaki önceki teklifler sürü davranışı yoluyla demografik farkları büyütüyor mu?
• Fonlanmayan krediler de dahil edildiğinde kadınların ve farklı aile türlerinin krediye erişimi nasıl değişiyor?
• Algoritmik fiyatlamaya geçişten önce ve sonra aynı platformdaki farklar nasıl evriliyor?
• Sonuçlar farklı sosyal güvenlik sistemlerine ve aile normlarına sahip ülkelerde tekrarlanıyor mu?
• Kredi platformlarının adil fiyat denetimleri hangi değişken ve eşiklerle yapılmalıdır?

Çalışmanın Yöntemi ve Bulguları

Teknik araştırma özeti

Ana model katsayıları

*** p<0,01; ** p<0,05; * p<0,10.

Kesişimsel cinsiyet sonuçlarının özeti

Sağlamlık kontrolleri

Nedensellik değerlendirmesi

Çalışmanın ana sonuçları gözlemsel kredi verisine dayanmaktadır. Model çok sayıda finansal ve makroekonomik göstergeyi kontrol etmekte ve alternatif tahmin yöntemlerinde benzer örüntüler bulmaktadır. Buna rağmen evli olmayan annelerin faiz farkı kesin bir nedensel ayrımcılık tahmini olarak değerlendirilemez.

Nedensel yorumun önündeki başlıca engeller şunlardır:

• Yatırımcıların görebildiği fakat araştırmacı modeline girmeyen risk bilgileri bulunabilir.
• Yalnızca finanse edilen krediler gözlendiği için başvuru ve fonlanma seçilimi vardır.
• Gerçek geri ödeme ve temerrüt sonuçları kullanılmamaktadır.
• Merkezî sonuç küçük bir alt gruba dayanmaktadır.
• Araç değişken analizinin tanımlama testleri bütün örneklemlerde aynı derecede güçlü değildir.

Bu nedenle en güvenilir çıkarım şudur: İncelenen yatırımcı temelli kredi açık artırmasında standart finansal özellikler kontrol edildikten sonra evli olmayan ve çocuklu kadınlarla karşılaştırılabilir erkekler arasında büyük ve istatistiksel olarak anlamlı bir fiyat farkı gözlenmiştir. Bu farkın gerçek risk, grup temelli genelleme veya ayrımcı tercih bileşenlerine kesin dağılımı belirlenememektedir.

Kaynak ve Yöntem Notu

Çalışmanın tam özgün adı: Gender and Family Status in Peer-to-Peer Lending: Evidence from Loan Auctions

Yazarlar ve sıraları: Reto Rey; Andreas Dietrich

Eş katkı veya eş birinci yazarlık: PDF’de eş katkı ya da eş birinci yazarlık açıklaması bulunmamaktadır.

Sorumlu yazar: Reto Rey

Sorumlu yazar e-postası: reto.rey@hslu.ch

ORCID: Reto Rey — 0000-0002-6591-6349

Kurumsal bağlantı: Institute of Financial Services IFZ, Lucerne University of Applied Sciences and Arts, 6343 Rotkreuz, Switzerland

DOI:10.2139/ssrn.7041699

SSRN kayıt numarası: 7041699

Yayın platformu: SSRN

Dergi veya konferans: PDF’de hakemli dergi veya konferans yayını belirtilmemiştir.

Yayınevi: Ayrı bir akademik yayınevi belirtilmemiştir; çalışma SSRN preprinti olarak sunulmaktadır.

Yayın yılı: 2026

Sürüm tarihi: PDF’nin ilk kapak sayfasında 22 Nisan 2026 yazmaktadır. PDF içinde yinelenen ikinci özet sayfasında 21 Nisan 2026 tarihi yer almaktadır. Bu bir günlük iç tutarsızlık nedeniyle ana kapaktaki 22 Nisan 2026 tarihi esas alınmıştır.

Kaynak türü: Gözlemsel kredi verisine dayanan ekonometrik preprint araştırma makalesi

Hakemlik durumu: Çalışma hakem değerlendirmesinden geçmemiştir. PDF’nin bütün sayfalarında “Preprint not peer reviewed” uyarısı bulunmaktadır.

Resmî yayın bağlantısı:SSRN üzerindeki resmî çalışma kaydı

Finansman: Yazarlar kamu, ticari veya kâr amacı gütmeyen finansman kuruluşlarından bu araştırma için özel bir hibe alınmadığını bildirmiştir.

Teşekkür: Thorsten Hens, Stefan Zeisberger, Steven Ongena, Alfredo Martin-Oliver ve University of Zurich Research BBL Seminar in Banking and Finance katılımcılarına teşekkür edilmiştir.

Yapay zekâ kullanım beyanı: Yazarlar ana dil konuşuru olmadıkları için dil hatalarının düzeltilmesinde ChatGPT kullandıklarını; ardından metni gözden geçirip düzenlediklerini ve çalışmanın içeriğinden tam sorumluluk aldıklarını açıklamıştır.

Veri erişimi: Kredi düzeyindeki veriler gizli olup kamuya açılamamaktadır. Verilerin anonimleştirilmiş olduğu ve kişisel olarak tanımlanabilir bilgi içermediği belirtilmiştir.

Bu Türkçe makale yüklenen 46 sayfalık PDF’nin iki özet sürümü, ana metni, kurumsal açık artırma açıklaması, formülleri, değişken tanımları, literatür tablosu, tanımlayıcı istatistikleri, faiz dağılımı histogramları, ana regresyon tabloları, kesişimsel marjinal etki grafikleri, dönem analizleri, varyans denklemi, araç değişken sonuçları, Tobit analizi, gerçek–tahmin edilen faiz grafikleri ve çapraz doğrulama tablosu incelenerek hazırlanmıştır.

PDF dışında yeni bir finansal sonuç, gerçek temerrüt karşılaştırması, kesin ayrımcılık iddiası veya günümüz P2P piyasalarına ilişkin desteklenmeyen genelleme eklenmemiştir.

Çalışmanın temel sınırlılıkları; hakem değerlendirmesinden geçmemiş olması, yalnızca finanse edilmiş 665 krediye dayanması, merkezî sonucun çok küçük bir aile durumu alt grubundan gelmesi, gerçek temerrüt sonuçlarını içermemesi, gizli veriler nedeniyle yeniden üretilebilirliğin sınırlı olması ve tarihsel İsviçre açık artırma piyasasının günümüz algoritmik kredi platformlarını temsil etmemesidir.