趙旭 周菁 趙子健

摘要：盡管P2P網(wǎng)絡(luò)借貸的成長有利于我國經(jīng)濟(jì)社會的發(fā)展，但受限于征信體系不完善、法律缺失以及監(jiān)管空白，目前我國P2P平臺的借款成功率較低。文章從投資人的決策心理出發(fā)，對P2P平臺借款成功率的影響因素進(jìn)行了基于logistic回歸模型的實(shí)證分析，結(jié)果發(fā)現(xiàn)P2P平臺借款成功率與借款利率呈顯著負(fù)相關(guān)，與借款人信用等級呈顯著正相關(guān)，并受到借款金額、借款人年齡、學(xué)歷、婚姻狀況以及收入水平的影響。

關(guān)鍵詞：P2P平臺；借款成功率；借款利率；信用等級

一、 引言

本文試圖通過驗(yàn)證借款利率和借款人信用等級對借款成功率的影響，解釋為何我國P2P平臺借款成功率較低，同時提出相應(yīng)政策建議，從而提高我國P2P平臺借款成功率，發(fā)揮P2P對于經(jīng)濟(jì)社會的實(shí)際作用。

二、 文獻(xiàn)綜述

縱觀國外已有研究，可以根據(jù)研究對象分為兩類。一類基于硬信息（Hard Information），即與借款人自身或借貸項(xiàng)目特征直接相關(guān)的信息，這些信息往往可以從借貸頁面直接獲??；另一類基于軟信息（Soft Information），指的是難以精確量化的、非標(biāo)準(zhǔn)化的信息。

硬信息方面，Klafft（2008）發(fā)現(xiàn)信用評級越高的人借款成功率越高，如信用評級為AA的借款人成功率高達(dá)54%，而信用評級為HR的借款人成功率僅為5.5%。Herzenstein等（2008）分析了Prosper平臺上5 370個貸款項(xiàng)目，發(fā)現(xiàn)如種族、性別等變量對拍賣機(jī)制下的平臺借款成功率影響較小，投資人更關(guān)注借款人的財務(wù)能力以及在申請過程中的努力程度。Puro等（2010）研究發(fā)現(xiàn)初始利率水平越高，借款人貸款申請的通過率越高，但貸款金額、債務(wù)收入比、已有違約次數(shù)越高，貸款申請通過率便越低。Pope和Sydnor（2011）指出P2P網(wǎng)貸市場中存在明顯的種族歧視，相同信用水平下，黑人的借款成功率低于白人。盡管黑人支付的借款利率較高，但投資人仍愿意降低自己的投資回報，而將資金出借給相同信用水平的白人，原因是他們認(rèn)為黑人的違約風(fēng)險更高。

軟信息方面， Herzenstein等（2011）研究了借款人描述性語言對投資人貸款決策的影響，結(jié)果表明非認(rèn)證的信息較認(rèn)證的客觀信息對投資人貸款決策的影響程度更大，隨著描述性語言中涵蓋的借款人特征數(shù)量增加，借款申請越容易獲得通過。但這種情況下，投資人很容易遭受貸款損失，因?yàn)檫@些借款人極少會償還借款。Ravina（2012）采用2007年3月12日～2007年4月16日之間Prosper平臺上約12 000個貸款項(xiàng)目數(shù)據(jù)，實(shí)證發(fā)現(xiàn)美貌程度高于平均水平的借款人獲得貸款的可能性會提高1.41%；而給定貸款項(xiàng)目，外貌較好的借款人能享受0.81%的利率優(yōu)惠。此外，借款人與投資人之間的相似性也會影響貸款決策。

近年來，隨著P2P平臺的迅速發(fā)展，國內(nèi)學(xué)者也開始對其借款成功率進(jìn)行研究。陳冬宇等（2013）研究了P2P借貸市場中社會資本對交易信任和出借者出借意愿的影響，結(jié)果發(fā)現(xiàn)借款者的社會資本對出借者的意愿影響顯著。隨著信息不對稱的程度提高，社會資本對交易信任的影響增大，由此P2P平臺應(yīng)采取鼓勵借款者提供更多個人信息，并通過多種社交渠道幫助借款者建立有效的社會資本。宋文和韓麗川（2013）發(fā)現(xiàn)男性借款通過率低于女性，僅為女性的60%；年齡越大借款成功率越高；第三方信任程度與投資者的出借意愿正相關(guān)。溫小霓和武小娟（2014）采用logistic回歸模型對拍拍貸借款數(shù)據(jù)進(jìn)行了研究，發(fā)現(xiàn)借款利率、借款人歷史失敗次數(shù)與借款成功率負(fù)相關(guān)，而借款金額、借款人歷史成功次數(shù)、信用積分、審核項(xiàng)目數(shù)與借款成功率正相關(guān)，指出P2P網(wǎng)絡(luò)借貸應(yīng)充分利用大數(shù)據(jù)優(yōu)勢開展有效的信用評估和風(fēng)險評估。

綜上所述，國內(nèi)外已有文獻(xiàn)往往是基于P2P平臺公布的借款人基本信息進(jìn)行實(shí)證分析，很少從投資人的角度去考慮其投資意愿對借款成功率的影響。本文由此考慮了投資人的決策心理，指出借款利率和借款人信用等級是影響投資人投資意愿的關(guān)鍵因素，同時構(gòu)建以此為解釋變量的回歸模型，測度其對P2P平臺借款成功率的影響程度。同時需要說明的是，本文選取了國內(nèi)代表性P2P平臺——人人貸的25 437個借貸項(xiàng)目數(shù)據(jù)，通過擴(kuò)大數(shù)據(jù)規(guī)模提升了研究的可靠性。

三、 模型說明與數(shù)據(jù)統(tǒng)計

1. 研究假設(shè)。人人貸平臺的利率設(shè)定方式不同于國外的競價機(jī)制，是由平臺給定借款人一個利率設(shè)定范圍，然后借款人在此范圍內(nèi)自行設(shè)定具體利率。這種由借款人自行決定利率的機(jī)制具有一定的市場化成分，原因在于借款人自行設(shè)定利率時需要考慮利率對于投資人的吸引力，進(jìn)而需要分析借貸市場中的供需關(guān)系。由此擬定的利率水平通常也應(yīng)包括借款人未來可能出現(xiàn)的違約風(fēng)險，即可能存在借款利率越高、違約可能性越大的情況。投資人了解到這樣的利率決定機(jī)制之后，由于自身的理性，通常會規(guī)避過高的風(fēng)險，因此本文提出假設(shè)H1：

H1：借款成功率與借款利率呈負(fù)相關(guān)關(guān)系。

借款人在人人貸平臺上進(jìn)行借款申請時，需要提交個人基礎(chǔ)信息，并進(jìn)行多項(xiàng)安全認(rèn)證。此后，人人貸平臺會審核借款人提交的信息，同時給予相應(yīng)的評分，加總得到該借款人的信用分?jǐn)?shù)，并匹配相應(yīng)的信用等級，包括AA、A、B、C、D、E、HR七個級別，代表的信用狀況依次遞減。信用等級衡量的是借款人未來的違約風(fēng)險，故本文提出假設(shè)H2：

H2：借款成功率與借款人信用等級呈正相關(guān)關(guān)系。

2. 實(shí)證模型。本文采用計量回歸模型對P2P平臺借款成功率的影響因素進(jìn)行分析，設(shè)定因變量為funded，在借款成功時賦值funded=1，借款失敗時賦值funded=0。考慮到該變量為二元變量，本文由此選擇了logistic回歸模型用于預(yù)測該離散型因變量與其他解釋變量之間的關(guān)系。本文構(gòu)建logistic回歸模型如公式（1）：

ln（■）=？茁0+？茁1IR+？茁2Credit+？茁3X+？著（1）

ln（■）=？茁0+？茁1IR+？茁2Credit+？茁3X+？著（1）

其中：

P（funded=1）——借款成功事件發(fā)生的概率；

P（funded=0）——借款失敗事件發(fā)生的概率；

IR——借款利率；

Credit——借款人信用等級（HR、E、D、C、B、A、AA對應(yīng)賦值分別為0、1、2、3、4、5、6，信用等級越高代表借款人違約風(fēng)險越低）；

X——控制變量。根據(jù)Klafft（2008）、Puro等（2010）、溫小霓和武小娟（2014）的研究，本文選取借款人年齡、學(xué)歷（按學(xué)歷從低到高依次賦值，高中或以下=0，大專=1，本科=2，研究生或以上=3）、婚姻狀況（已婚=1，未婚、喪偶、離異=0）、收入水平（人人貸平臺上統(tǒng)計的收入共有7類，分別為1 000元以下、1 000元～2 000元、2 000元～5 000元、5 000元～10 000元、10 000元～20 000元、20 000元～50 000元、50 000元以上，對應(yīng)賦值為income=0、1、2、3、4、5、6）及借款金額作為控制變量加入模型。

3. 數(shù)據(jù)描述性統(tǒng)計。本文通過爬蟲技術(shù)獲取了人人貸平臺編號200 000-230 000的借貸項(xiàng)目樣本，刪除了其中的數(shù)據(jù)缺失樣本，最終獲得有效樣本25 437個。通過描述性統(tǒng)計（見表1），發(fā)現(xiàn)：（1）成功項(xiàng)目個數(shù)為8 763個，失敗項(xiàng)目個數(shù)為16 674個，借款成功率為34.45%。（2）借款利率最低為8%，最高為24%，平均借款利率為12.56%。相對而言，投資人偏好借款利率較低的借貸項(xiàng)目。（3）借款人信用等級平均值為1.531，反映了人人貸的借款人整體信用水平偏低，大多數(shù)借款人的信用等級為HR或E。（4）借款人最小21歲，最大63歲，平均年齡約33歲，說明目前需要融資的主要群體為中青年人。（5）借款人學(xué)歷水平平均為0.896，反映人人貸的借款群體普遍學(xué)歷不高。（6）借款人婚姻狀況平均為0.572，說明已婚人士居多。（7）借款人收入均值為3.117，反映多數(shù)人收入在10 000元以下。

四、 實(shí)證結(jié)果與分析

本文利用STATA13.0這一統(tǒng)計軟件對相關(guān)截面數(shù)據(jù)進(jìn)行回歸分析，回歸結(jié)果見表2。

模型一、三、五中借款利率變量前面的系數(shù)在1%的顯著性水平下為負(fù)值，表示借款利率越高，借款成功率越低，與本文的假設(shè)H1相符，同時體現(xiàn)了結(jié)果的穩(wěn)定性。由此，可以認(rèn)定，在市場化利率能反映出借款人違約風(fēng)險的情況下，人人貸平臺上的投資人面對“安全”和“收益”兩難選擇時，愿意放棄較高收益來確保投資的安全性。這背后的邏輯是，在借款人投資項(xiàng)目收益回報既定的前提下，高的借款利率壓低了未來投資項(xiàng)目盈利的利潤率，導(dǎo)致預(yù)期高收益的項(xiàng)目才會去P2P平臺上籌款，但這些項(xiàng)目同時伴隨著高風(fēng)險。所以P2P平臺高借款利率只能吸引來高收益同時高風(fēng)險的項(xiàng)目，優(yōu)質(zhì)的借款人會離開P2P網(wǎng)貸市場，最終形成P2P網(wǎng)貸市場上的逆向選擇。同時，需要注意的是，模型一的擬合度R2為4.83%；加入其他控制變量后，模型三的擬合度R2增至19.56%；進(jìn)一步加入信用等級變量后，模型五的擬合度R2達(dá)到了79.10%，這反映了借款利率對借款成功率的解釋力度較為有限。

模型二、四、五中借款人信用等級變量前的系數(shù)在1%的顯著性水平下為正值，表示借款人信用等級越高，借款成功率越高，與本文的假設(shè)H2相符，同時體現(xiàn)了結(jié)果的穩(wěn)定性。投資人在選擇借貸項(xiàng)目時，偏好信用狀況較好的借款人，以便降低違約風(fēng)險，確保資金順利收回。模型二的擬合度R2為74.52%，遠(yuǎn)高于模型一，說明借款人信用等級較借款利率對借款成功率的解釋力度要強(qiáng)，也意味著投資人在進(jìn)行貸款決策時，更關(guān)注借款人的信用等級，即借款人信用等級是影響P2P借款成功與否的關(guān)鍵因素。

借款金額與借款成功率在1%的顯著性水平下呈現(xiàn)負(fù)相關(guān)，且結(jié)果具有穩(wěn)定性，反映在其他條件不變的前提下，借款人的借款金額越高，借款成功率越低。背后原因很簡單，借款金額越大，借款人的償還壓力也越大，違約概率相應(yīng)提高，導(dǎo)致投資人惜貸，表現(xiàn)為借款成功率下降。

年齡、學(xué)歷、婚姻以及收入水平與借款成功率均在1%的顯著性水平下呈現(xiàn)正相關(guān)，且結(jié)果具有穩(wěn)定性，這反映年齡越大、學(xué)歷越高、已婚以及收入較高的借款人更容易獲得借款。收入對于還款能力的重要性顯而易見，借款人收入越高，違約風(fēng)險越低，投資人自然愿意投資。通常而言，年齡大或者學(xué)歷高的人，自身的財富積累以及資源渠道都較多，還款較有保障。而婚姻代表著一個人的穩(wěn)定性，也是還款能力的一種體現(xiàn)。

五、 研究結(jié)論與政策建議

P2P作為當(dāng)今融資新方式，不僅能夠拓寬個人投資渠道、實(shí)現(xiàn)普惠金融，而且也有利于大量項(xiàng)目得到融資，進(jìn)而推動社會經(jīng)濟(jì)發(fā)展。但幾年運(yùn)行下來，P2P平臺借款成功率普遍較低，未能發(fā)揮實(shí)際功能。本文從投資人的決策心理出發(fā)，對影響借款成功率的因素進(jìn)行了實(shí)證研究，結(jié)果發(fā)現(xiàn)：

（1）借款利率越高，借款成功率越低。在市場化利率能反映出借款人違約風(fēng)險的情況下，投資人樂于放棄較高收益而確保投資的安全性。

（2）借款人信用等級是影響P2P借款成功與否的關(guān)鍵因素，信用等級越高，借款成功率越高。

（3）借款成功率與借款金額負(fù)相關(guān)，而與年齡、學(xué)歷、婚姻以及收入水平正相關(guān)，反映了投資人會依據(jù)借款信息和借款人的個人特征對借貸項(xiàng)目未來的還款情況予以判定，以確保投資安全。

基于如上研究結(jié)果，本文提出以下四項(xiàng)政策建議：

（1）控制借貸項(xiàng)目的收益率水平。P2P平臺應(yīng)加強(qiáng)對借貸項(xiàng)目的審核，正確識別項(xiàng)目背后潛藏的風(fēng)險，主動剔除高風(fēng)險項(xiàng)目，將整個平臺的收益率水平維持在合理范圍內(nèi)，以便吸引更多的投資人進(jìn)場。

（2）優(yōu)化信用評級制度。P2P平臺可實(shí)施動態(tài)的評級制度，比如累積多次未發(fā)生違約行為則提升信用等級等，以此賦予借款人更準(zhǔn)確的評級，提升平臺的資金配置效率。

（3）加強(qiáng)借款人信息披露與審查制度。借款人的個人特征披露有助于降低借貸雙方的信息不對稱程度，從而提升平臺的借款成功率。P2P平臺可進(jìn)一步增加信息披露種類，如借款人照片、網(wǎng)購交易信息、社交網(wǎng)絡(luò)信息等，以便全方位展現(xiàn)借款人的還款能力。

（4）加快P2P行業(yè)監(jiān)管法規(guī)的推進(jìn)。政府應(yīng)明確P2P平臺的信息中介角色，對P2P行業(yè)設(shè)定準(zhǔn)入門檻，同時要求P2P平臺建立嚴(yán)格的資金管理制度，完善第三方托管。

參考文獻(xiàn)：

[1] Klafft M.Online peer-to-peer lending：a len- ders' perspective[C].Proceedings of the International Conference on E-Learning， E-Business， Enterprise Information Systems， and E-Government， EEE，2008：371-375.

[2] Herzenstein M， Andrews R L， Dholakia U M， et al. The democratization of personal consumer loans？ Determinants of success in online peer-to-peer lending communities[R].Boston University School of Management Research Paper，2008.

[3] Puro L， Teich J E， Wallenius H， et al.Borrower decision aid for people-to-people lending[J].Decision Support Systems，2010，49（1）：52-60.

[4] Pope D G， Sydnor J R. What's in a Picture？ Evidence of Discrimination from Prosper.com[J].Journal of Human Resources，2011，46（1）：53-92.

[5] 溫小霓，武小娟.P2P網(wǎng)絡(luò)借貸成功率影響因素分析——以拍拍貸為例[J].金融論壇，2014，（3）：3-8.

[6] Ravina E.Love & Loans： The Effect of Beauty and Personal Characteristics in Credit Markets[R]，SSRN 1107307，2012.

[7] 陳冬宇，賴福軍，聶富強(qiáng).社會資本，交易信任和信息不對稱——個人對個人在線借貸市場的實(shí)驗(yàn)研究[J].北京航空航天大學(xué)學(xué)報（社會科學(xué)版），2013，26（4）：75-83.

[8] 宋文，韓麗川.P2P網(wǎng)絡(luò)借貸中投資者出借意愿影響因素分析[J].西南民族大學(xué)學(xué)報（自然科學(xué)版），2013，39（5）：795-799.

基金項(xiàng)目：國家社會科學(xué)基金重點(diǎn)項(xiàng)目“世界產(chǎn)業(yè)發(fā)展新趨勢與我國培育發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)跟蹤研究”（項(xiàng)目號：12AZD06）；國家社會科學(xué)基金重點(diǎn)項(xiàng)目“新產(chǎn)業(yè)革命背景下我國產(chǎn)業(yè)轉(zhuǎn)型的體制機(jī)制創(chuàng)新研究”（項(xiàng)目號：13AZD072）；上海交通大學(xué)博士后研究基金（項(xiàng)目號：14X100030025）。

作者簡介：趙旭（1963-），女，漢族，浙江省東陽市人，上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)楫a(chǎn)業(yè)經(jīng)濟(jì)學(xué)；趙子健（1984-），男，漢族，上海市人，上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院博士后，研究方向?yàn)楫a(chǎn)業(yè)經(jīng)濟(jì)政策；周菁（1991-），女，漢族，湖南省邵陽市人，上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院碩士生，研究方向?yàn)槠脚_經(jīng)濟(jì)學(xué)。

收稿日期：2016-03-17。