Making Sweden´s consumer credit market sustainable
Diarienummer | |
Koordinator | Kungliga Tekniska Högskolan - Sustainable Finance Lab |
Bidrag från Vinnova | 5 000 000 kronor |
Projektets löptid | mars 2022 - december 2025 |
Status | Pågående |
Utlysning | Forskning om finansmarknader |
Ansökningsomgång | Forskning om finansmarknader 2022-2024 |
Syfte och mål
Detta projekt kommer att studera marknadsmisslyckanden på konsumentkreditmarknaden och föreslå åtgärder. Vi kommer att studera beteenden som leder till att låntagare tar på sig för mycket skulder, eller väljer kreditprodukter som är mycket dyra, eller andra beslut som verkar motverka låntagarens intresse. Vi kommer att studera utbudssidan på konsumentkreditmarknaden för att se om och hur till exempel produktdesign och marknadsföring spelar in i dåliga låntagarbeslut. Vi kommer att bedöma omfattningen av de sociala och ekonomiska kostnaderna.
Förväntade effekter och resultat
Detta projekt kommer att identifiera de beteenden som får låntagare att ta på sig för mycket skulder, eller att välja kreditprodukter som är mycket dyra, eller andra resultat som verkar motverka låntagarens intresse. Projektet kommer också att ta med empiriska metoder för beteendefinansiering för att studera kreditmarknadsutfall i Sverige. Projektet kommer också att undersöka läget för den svenska konsumentkreditmarknaden som ekosystem för att stödja en analys av de samhällsekonomiska kostnaderna och potentiella fördelar med reformer som kan stärka marknadens hållbarhet.
Planerat upplägg och genomförande
Forskningen som genomförs med detta projekt kommer huvudsakligen att vara empirisk. Detta innebär att en betydande insats kommer att krävas för att samla in och/eller få tillgång till de data som behövs för forskningen. Vi kommer att hämta data från fältdata från våra partners och statliga myndigheter, av vilka många har utvecklat datatjänster för forskning, och data som erhållits från kontrollerade experiment och enkäter och intervjuer data. Vår huvudsakliga ansträngning kommer att vara att studera data med hjälp av maskininlärning och ekonometriska metoder.