都紅雯，周文婷，胡文彬

(杭州電子科技大學(xué) 經(jīng)濟學(xué)院，浙江 杭州 310018)

一、 問題的提出

金融市場中的羊群行為是投資者在信息環(huán)境不確定情況下所采取的一種非理性行為，指投資者的決策行為容易受到其他投資者行為的影響，出現(xiàn)趨同現(xiàn)象。通常表現(xiàn)為，某個投資者根據(jù)現(xiàn)有信息集已經(jīng)決定投資，但這時觀察到其他投資者并沒有投資，于是放棄之前的投資決定，選擇不投資；或者這個投資者本來決定不投資的，但觀察到市場上其他投資者都選擇投資，于是也改變自己的決定選擇投資(Duan等，2009)[1]。

目前，對金融領(lǐng)域羊群行為的研究多集中在股票、證券等傳統(tǒng)金融市場，認為羊群行為的發(fā)生會加劇市場的風(fēng)險，導(dǎo)致市場價格波動過度，引發(fā)金融風(fēng)險(Kaminsky等，1999；蔡慶豐和宋友勇，2010；Ouarda等，2013)[2-4]。對此，Bikhchandani和Sharma(1990)[5]認為，在分析羊群行為的過程中應(yīng)注意區(qū)分“偽羊群行為”與羊群行為?！皞窝蛉盒袨椤笔侵覆煌耐顿Y者在面對相同的投資信息時，根據(jù)信息做出相同的決策判斷從而產(chǎn)生相同的投資行為。這種行為并不是一種有意的模仿，而是主動的自主選擇。但是在現(xiàn)實生活中，影響到投資者投資行為的因素太多，導(dǎo)致這兩種行為往往難以區(qū)分。如股票市場中，從經(jīng)濟的宏觀信息到行業(yè)層面的微觀信息，以及個股的歷史信息等，這些信息都會影響到投資者的最終決策。相比之下，P2P網(wǎng)貸市場中，投資者可獲得的信息主要是平臺上披露的借款者的個人信息以及借款標(biāo)的的相關(guān)信息，信息相對可控，這就為我們對羊群行為的分析提供了很好的實證樣本(廖理等，2015)[6]。

作為傳統(tǒng)信貸和互聯(lián)網(wǎng)相結(jié)合的一種新型模式，P2P網(wǎng)絡(luò)借貸市場為低收入者和個體經(jīng)營人群提供了良好的融資渠道和融資平臺。但由于投資者通過平臺能夠獲得的信息有限，不能完全辨別借款人的真實情況，因此容易發(fā)生羊群行為；而且，相比傳統(tǒng)金融市場，羊群行為在網(wǎng)絡(luò)環(huán)境中更容易發(fā)生，因為在互聯(lián)網(wǎng)平臺，人們能頻繁觀察到其他人的行為并進行模仿。

現(xiàn)有的研究表明，借款人在提供性別、年齡、收入等硬信息基礎(chǔ)上，更多地提供社交網(wǎng)絡(luò)、借款用途以及個人描述等軟信息，會影響借款成本、借款成功率和違約率。如Lin等(2009)[7]認為借款人的社交網(wǎng)絡(luò)等軟信息能夠使最終獲得的借款利率更低、違約率也更低，且成功借款的可能性更高。Larrimore等(2011)[8]從Prosper網(wǎng)站上摘錄了2005-2008年的213510個數(shù)據(jù)進行文本分析，發(fā)現(xiàn)文本說明中每增加一個詞能夠增加0.017個百分點的借款成功率。Michels(2011)[9]認為投資者會試圖從借款者的描述信息中提煉出其他信息，幫助其做出最終的投資決策。Herzenstein等(2011)[10]也得出了類似的結(jié)論，他們使用Prosper網(wǎng)站上的數(shù)據(jù)，研究發(fā)現(xiàn)不可驗證的信息(借款人的描述說明)對借款成功率的影響甚至大于可驗證的客觀信息，那些被投資者認為是值得信賴的借款者更易獲得投資。李焰等(2014)[11]以手工收集的“拍拍貸”網(wǎng)貸平臺數(shù)據(jù)為樣本，從借款人品質(zhì)、能力和生活狀況三個角度對借款人的描述性信息進行分析，發(fā)現(xiàn)提供描述性信息的借款人更易獲得借款。王會娟和何琳(2015)[12]根據(jù)“人人貸”平臺數(shù)據(jù)進行實證分析，發(fā)現(xiàn)借款描述中展現(xiàn)的信息量越多，越能降低借貸雙方的信息不對稱，使借款者更易成功獲得借款，且滿標(biāo)時間越短，違約率越低。劉征馳等(2015)[13]、莊雷等(2015)[14]也認為軟信息能夠降低信息不對稱，使借款者更易籌資成功。彭紅楓等(2016)[15]根據(jù)Prosper網(wǎng)貸平臺數(shù)據(jù)進行實證研究，結(jié)果表明借款陳述能降低借款成本，但是不一定能增加借款成功率。王琴英等(2017)[16]發(fā)現(xiàn)，軟信息能夠降低借貸雙方的信息不對稱，預(yù)判違約行為發(fā)生的可能性。于軍(2017)[17]從語言信息含量和語言內(nèi)容兩個角度進行實證分析，結(jié)果顯示借款描述中包含的信息量越大，借款人越不易違約。

但上述這些軟信息能否緩解P2P網(wǎng)貸市場借貸雙方的信息不對稱、從而減少投資者的逆向選擇和羊群行為？本文借鑒Zhang和Liu(2012)[18]的實證方法，將歷史投標(biāo)記錄按等時間劃分，采用線性回歸模型，以“人人貸”為例，運用Python編寫網(wǎng)絡(luò)爬蟲程序，抓取其2011年8月15日至2014年8月20日期間的數(shù)據(jù)進行實證分析，并根據(jù)實證結(jié)果提出相應(yīng)建議以完善我國P2P網(wǎng)貸市場的發(fā)展。

二、 P2P網(wǎng)貸市場羊群行為形成的機理分析

國內(nèi)外學(xué)者通過構(gòu)建各種理論模型來分析羊群行為。Banerjee(1992)[19]于1992年最早提出了基于信息不對稱的序列性羊群行為模型(Sequential Herding)；同年，Bikhchandani等(1992)[20]也對基于信息不對稱的羊群行為模型加以闡述，發(fā)展成為經(jīng)典的羊群行為模型——BHW模型。此外，較經(jīng)典的羊群行為模型還包括Scharfstein和Stein(1990)[21]在1990年提出的基于聲譽的羊群行為模型(Reputation-based Herding)、Maug和Naik于1996年提出的基于報酬機制的羊群行為模型(Compensation-based Herding)。后兩類理論模型主要適用于委托代理關(guān)系中的羊群行為，與本文研究的主體——P2P網(wǎng)貸市場關(guān)系不大，故本文主要運用BHW模型，根據(jù)P2P網(wǎng)貸市場運作規(guī)律分析P2P網(wǎng)貸市場中羊群行為形成的理論機制。

在P2P網(wǎng)絡(luò)借貸中，假設(shè)市場上有兩類可投資的借款訂單v∈V={-1,1}，其中v=1表示是優(yōu)質(zhì)的借款訂單，在其他條件相同的情況下違約風(fēng)險相對較低；v=-1表示借款訂單是劣質(zhì)的借款訂單，相比之前違約風(fēng)險更高。由于信息不對稱，每個投資者在作出投資決策之前都可以獲得一定的私人信息，這些私人信息可能是投資者憑借自身的專業(yè)知識根據(jù)市場上的公共信息進行價值判斷所形成的私人信息，也可能是投資者從其他渠道所獲得的私人信息。投資者只能根據(jù)市場上總的信息S(包括公共信息以及投資者獲得的私人信息)做出判斷：s=1表示借款訂單的相關(guān)指標(biāo)傳遞出偏積極的信息；s=-1表示借款訂單的相關(guān)指標(biāo)傳遞出偏消極的信息。信息的精確度p是指信息判斷正確的概率，且p>1/2，(Prob(s=1/v=1)=Prob(s=-1/v=-1)=p)。

市場上投資者的行為決策可以被觀測，每個投資者可以根據(jù)其他投資者的行為用貝葉斯法則更新其決策依據(jù)。若第一個投資者得到積極的信息(s=1)后決定投資，得到消極的信息(s=-1)后決定不投資。第二個投資者可以根據(jù)第一個投資者的行為決策推斷出其掌握的信息。

假設(shè)第一個投資者不投資，說明他掌握的信息是消極的，此時如果第二個投資者得到的信息也是消極的，根據(jù)貝葉斯法則，此時他判斷該借款訂單為優(yōu)質(zhì)訂單的概率為(1-p2)/[p2+(1-p)2]<1/2，決定不投資；如果第二個投資者得到的信息是積極的，此時他判斷該借款訂單為優(yōu)質(zhì)訂單的概率為1/2，由于風(fēng)險中性，他以1/2的概率投資，1/2的概率不投資。

假設(shè)第一個投資者投資，說明他掌握的信息是積極的，此時如果第二個投資者得到的信息也是積極的，根據(jù)貝葉斯法則，此時他判斷該借款訂單為優(yōu)質(zhì)訂單的概率為p2/[p2+(1-p)2]>1/2，決定投資；如果第二個投資者得到的信息是消極的，此時他判斷該借款訂單為優(yōu)質(zhì)訂單的概率為1/2，由于風(fēng)險中性，他以1/2的概率投資，1/2的概率不投資。

第三個投資者可能面臨的情況有兩種。一種情況是，如果前兩個投資者都選擇投資(或不投資)，根據(jù)貝葉斯法則，無論第三個投資者得到的信息如何，他判斷該借款訂單為優(yōu)質(zhì)訂單的概率都大于1/2、選擇投資(或小于1/2、選擇不投資)。此時，第三個投資者的決策行為沒有給后續(xù)投資者提供任何信息，第四個投資者面臨的情況和第三個投資者一致。以此類推，后面所有的投資者都會選擇和第三個投資者一致的投資決策，投資者的羊群行為產(chǎn)生。

另一種情況是，如果前兩個投資者的行為決策相反，一個選擇投資而一個不投資，兩者信息相互抵消。于是第三個投資者面臨的情況和第一個投資者相似，第三個投資者會依據(jù)自己的信息做出決策。依次類推，當(dāng)決定投資的人數(shù)比決定不投資的人數(shù)多時，后續(xù)的投資者都會選擇投資，即投資的羊群行為由此產(chǎn)生。

三、 軟信息對P2P網(wǎng)貸市場羊群行為影響的研究設(shè)計

國內(nèi)外P2P平臺交易機制不同，軟信息所包含的內(nèi)容也不盡相同。在國外學(xué)者的研究中，軟信息主要是指P2P網(wǎng)貸平臺中的社會資本(即借款人所在組群、社交網(wǎng)絡(luò)中的朋友數(shù)量等)以及借款人提供的描述信息。但國內(nèi)P2P平臺目前尚未開啟社交板塊，因此所反映的軟信息主要是借款人在借款陳述中提供的描述性信息，如借款用途、借款人的個人性格特征等。簽于此，本文擬以“人人貸”平臺為例，著重分析借款人提供的借款陳述等軟信息能否緩解市場中的信息不對稱，從而減弱羊群行為。

(一) 研究模型選擇

對羊群行為的檢驗?zāi)Ｐ秃芏啵赑2P網(wǎng)貸市場的特殊性，目前學(xué)者們主要采用Logistic回歸模型、需求加總的市場份額模型、線性回歸模型三種。

Logistic回歸模型以后續(xù)投標(biāo)概率為因變量，以當(dāng)前投標(biāo)人數(shù)為羊群行為的代理變量，檢驗當(dāng)前投標(biāo)人數(shù)與后續(xù)投標(biāo)概率之間的關(guān)系來判斷羊群行為是否存在(Herzenstein等，2011)[10]；需求加總的市場份額模型將某一時刻t平臺上所有正處于籌標(biāo)狀態(tài)的借款訂單作為一個市場，分析t-1時刻訂單的籌集進度或投標(biāo)人數(shù)對t時刻借款訂單的市場份額的影響來檢驗羊群行為(Lee等，2012[22]；廖理等，2015[6])；線性回歸模型將每一借款訂單中的投標(biāo)記錄按照時間排序劃分成若干份，以t-1期累計投標(biāo)人數(shù)作為自變量，Δt期新增的投標(biāo)人數(shù)為因變量，通過分析新增投標(biāo)人數(shù)是否會受到上一期累積投標(biāo)人數(shù)的影響來驗證羊群行為(Zhang和Liu，2012)[18]。

三種模型中，Logistic回歸模型需要對借款訂單進行后續(xù)跟蹤，由此其樣本只限處于借款申請狀態(tài)的訂單，能獲得的樣本數(shù)據(jù)量相對較少；需求加總的市場份額模型在模型構(gòu)建過程中存在一個假設(shè)前提，即P2P網(wǎng)貸市場中每個投資者在面對可投資的借款申請時最終只會選擇投資一個借款標(biāo)的，但從實際情況來看，大多數(shù)投資者在進行投資時并不會只選擇投資一個借款標(biāo)的，出于風(fēng)險分散考慮會投資于多個借款申請。相比之下，線性回歸模型則沒有太多的限制，新增投標(biāo)人數(shù)可以根據(jù)借款投標(biāo)記錄獲取。因此，出于數(shù)據(jù)獲取的可行性以及模型的準(zhǔn)確性考慮，本文選擇等時間段線性回歸模型對羊群行為的存在性進行實證分析，具體如式(1)：

ΔBid=C+β1Bid+β2Controls+ε

(1)

其中，ΔBid代表后續(xù)投標(biāo)者投標(biāo)行為，用Δt時間段中新增的投標(biāo)人數(shù)表示；Bid表示其他投資者的投資行為，用上一時刻累計的投標(biāo)人數(shù)表示；Controls代表P2P市場上可獲得的其他影響到后續(xù)投標(biāo)者投標(biāo)行為的因素。

自變量Bid和因變量ΔBid根據(jù)每個借款訂單中投標(biāo)記錄整理算出。根據(jù)投標(biāo)時間先后排序，取小時為t的觀測單位，計算每等份Δt內(nèi)新增的投標(biāo)人數(shù)、并記為ΔBid，將上一時間段累計投標(biāo)人數(shù)記作Bid，以小時面板數(shù)據(jù)為樣本進行研究。

如果變量Bid前的系數(shù)顯著為正，說明借款標(biāo)的當(dāng)前投標(biāo)人數(shù)會影響到后續(xù)投資者的行為決策，即在我國P2P網(wǎng)絡(luò)借貸市場中羊群效應(yīng)是存在的；反之，則說明羊群行為并不存在。

由于本文研究的重點在于P2P網(wǎng)貸市場中軟信息的增加對羊群行為是否具有減弱的調(diào)節(jié)作用，因此，本文的實證模型將在羊群行為的存在性模型的基礎(chǔ)上加以修改。通常，計算機字節(jié)信息與表達信息之間存在正向關(guān)系，在不考慮其他因素的情況下，人在語言表達方面與之有一定的相似性。Loughran和McDonald(2014)[23]的研究表明，文本長度能夠作為文件可讀性度量的有效指標(biāo)；廖理等(2015)[24]也認為，從信息傳遞的角度來看，文字描述中包含的字數(shù)越多，傳達給投資人的信息也可能更多，更多的信息能夠減少借貸雙方的信息不對稱程度?；诖耍疚募俣ㄔ诓粚ΨQ信息環(huán)境下，行為人符合該規(guī)律，用借款人在借款陳述中文本長度即文本字符數(shù)來表示軟信息的信息量大小，具體實證模型如式(2)所示：

ΔBid=C+β1Bid+β2Length+β3Length*Bid+β4Controls+ε

(2)

其中，Length代表借款陳述中文本長度(文本字符數(shù))。為考察軟信息對羊群行為的調(diào)節(jié)作用，在模型中加入軟信息和羊群行為的代理變量的交叉變量，即Length*Bid，通過分析該交叉變量前的回歸系數(shù)來對軟信息的調(diào)節(jié)作用進行判斷。當(dāng)Length*Bid前的回歸系數(shù)為負且通過了顯著性檢驗，說明借款陳述的文本長度能夠?qū)κ袌鲋械难蛉盒袨槠鸬綔p弱調(diào)節(jié)作用，即軟信息的文本長度越長，包含的信息量越大，越能夠減弱市場的羊群行為。

(二) 數(shù)據(jù)來源及處理

“人人貸”平臺成立于2010年5月，是我國較早成立的P2P網(wǎng)絡(luò)借貸平臺之一，根據(jù)該平臺公布的數(shù)據(jù)，截至2016年底平臺累計成交額達243億元，全年共完成133687筆交易，撮合交易累計達2724萬人次，借款人分布在全國各地區(qū)372個城市，具有一定的代表性，因此本文的實證數(shù)據(jù)以“人人貸”為例。

考慮到平臺運行之初存在大量實驗標(biāo)，所以選取的時間不宜過早。由于最長借款期限是3年，考慮到實證數(shù)據(jù)涉及到借款者最終的還款表現(xiàn)，如果選取的時間過近則存在許多正處于還款狀態(tài)的借款訂單。因此，本文選擇該平臺2011年8月15日到2014年8月20日交易數(shù)據(jù)為研究樣本。通過運用Python編寫網(wǎng)絡(luò)爬蟲程序，抓取樣本期借款標(biāo)的的相關(guān)信息，刪除信息不完整的借款標(biāo)的，最終獲得14936個有效借款訂單，并根據(jù)投標(biāo)時間先后排序，取小時為t的觀測單位，采用面板數(shù)據(jù)進行實證分析。

根據(jù)其他學(xué)者，如吳佳哲(2015)[25]的研究和“人人貸”平臺的特點，從借款者的個人特征、標(biāo)的特征以及歷史借款記錄三個角度選擇以下控制變量放入模型中，具體變量定義賦值處理如表1所示。

(三) 數(shù)據(jù)的描述性統(tǒng)計

實證之前，先對所獲得的數(shù)據(jù)進行簡單的描述性統(tǒng)計分析，具體結(jié)果如表2所示。樣本中，每個時間段中平均新增投標(biāo)人數(shù)6人；借款陳述的文本長度最小為1個字符，最長為491個字符，每個借款申請的平均字符長度為143。通常，借款陳述的文本長度越長，包含的信息量越大，投資者能夠從中捕捉到的關(guān)于借款人的信息也越多，就越能根據(jù)所掌握的現(xiàn)有信息做出理性判斷，從而緩解市場上的羊群行為。

從借款的標(biāo)的特征來看，大多采取的是本金保障方式，平均借款金額為5.56萬元，期限1年左右，符合P2P網(wǎng)絡(luò)借貸市場中小額短期借貸的特點。樣本中平均借款利率為12.91%，說明P2P市場中的融資成本相對較高。

從借款者的信用特征來看，成功獲得借款者信用等級較高，平均借款等級在B級以上，平均有2次以上的借款申請經(jīng)歷，逾期還清次數(shù)和嚴重逾期還清次數(shù)都較低，平均都低于1次。

表2 變量的描述性統(tǒng)計

四、 軟信息對P2P網(wǎng)貸市場羊群行為影響的實證分析

(一) 面板回歸驗證

首先，對面板數(shù)據(jù)進行Hausman檢驗以確定采用固定效應(yīng)還是隨機效應(yīng)。以新增投標(biāo)人數(shù)ΔBid為因變量時，Hausman檢驗的統(tǒng)計值為204，對應(yīng)的p值為0.00，拒絕原假設(shè)，故選用固定效應(yīng)模型。實證結(jié)果如表3所示，在控制了其他變量的情況下，上一期累計投標(biāo)人數(shù)Bid前的回歸系數(shù)為0.0137，且通過顯著性檢驗，說明借款標(biāo)的當(dāng)前投標(biāo)人數(shù)會影響到后續(xù)投資者的行為決策，即在我國P2P網(wǎng)絡(luò)借貸市場中羊群效應(yīng)是存在的。借款陳述的文本長度(Length)前的回歸系數(shù)為0.0160，且通過顯著性檢驗，說明借款者在借款描述中的文本長度越長，越能夠幫助借款者獲得后續(xù)投標(biāo)。借款陳述的文本長度和羊群行為代理變量的交叉變量Length* Bid前的回歸系數(shù)為-0.0007，與預(yù)期相一致，但回歸結(jié)果并不顯著。通過逐一分析樣本數(shù)據(jù)發(fā)現(xiàn)，其原因在于借款保障方式中屬于本金保障機制的借款陳述基本上是以一種固定表達方式給出，所含信息多是借款人已披露過的一些硬信息的簡單重復(fù)，如“此次借款用于××，借款人在××公司，該公司位于××，主要從事××，每月有穩(wěn)定的流水。上述信息已經(jīng)××實地認證。同時，經(jīng)審核借款人所提供資料真實有效，符合人人貸的借款審核標(biāo)準(zhǔn)”等。該類信息內(nèi)容經(jīng)平臺審核后規(guī)范化處理，不屬于本文對軟信息的定義，包含這部分借款陳述的借款訂單在總樣本中占比近40%，會造成對實證結(jié)果的干擾，因此在實證中應(yīng)該刪除此類借款訂單。

表3 面板回歸結(jié)果1

將借款數(shù)據(jù)中屬于本金保障機制的借款訂單刪除后，剩下9522個有效借款訂單。按照本文的實證思路對樣本重新篩選后再采用面板回歸的方式進行驗證，結(jié)果如表4所示。在控制其他變量的情況下，Bid前的回歸系數(shù)通過了0.01水平下的顯著性檢驗且為正，說明市場中羊群行為的存在。借款陳述的文本長度(Length)前的回歸系數(shù)為0.0042，且通過顯著性檢驗，說明借款者在借款描述中的文本長度越長，越能夠幫助借款者獲得后續(xù)投標(biāo)。借款陳述的文本長度和羊群行為代理變量的交叉變量Length* Bid前的回歸系數(shù)為-0.1046，且通過了顯著性檢驗，說明借款陳述的文本長度能夠?qū)κ袌鲋械难蛉盒袨槠鸬綔p弱的調(diào)節(jié)作用，實證結(jié)果與本文假設(shè)一致，通過驗證。也就是說P2P網(wǎng)貸市場中借款陳述等軟信息能夠影響到市場上的羊群行為，借款陳述越長的借款訂單補充的信息量更多，從而有效地緩解了市場上借貸雙方的信息不對稱，并減弱了市場上的羊群行為。

從其他控制變量來看，借款人年齡、收入能夠幫助借款人獲得后續(xù)投標(biāo)，借款人年齡越大，向借款人傳遞出成熟穩(wěn)重的可靠信息，一般來說年齡較大的人群工作收入也相對比較穩(wěn)定。收入越大展示出更強的還款能力，更易獲得投資者的借款。借款期限顯著為負，說明借款期限越短的借款訂單越易獲得投資者的青睞，因為借款期限在一定程度上反映了出借人所面臨的風(fēng)險，當(dāng)借款期限越長時，借款人違約的風(fēng)險也越大，因此當(dāng)其他情況相同時，借款人更傾向于借款期限較短的訂單。從歷史借貸記錄來看，成功借款次數(shù)、正常還清次數(shù)的回歸系數(shù)顯著為正，這兩個指標(biāo)反映出借款人如約還款的信息，展現(xiàn)出借款人信用品質(zhì)，能夠幫助借款人獲得后續(xù)借款。嚴重逾期還清次數(shù)的回歸系數(shù)顯著為負，該數(shù)據(jù)反映出借款人的違約風(fēng)險，對借款人獲得后續(xù)借款產(chǎn)生消極影響。

表4 面板回歸結(jié)果2

(二) 穩(wěn)健性檢驗

出于實證的穩(wěn)健性考慮，本文用兩種方法對實證結(jié)果進行穩(wěn)健性檢驗：第一種方法是對軟信息代理變量即借款陳述的文本長度進行1%水平下的縮尾處理，以減小極端值的影響；第二種方法是將借款陳述的文本長度即字符數(shù)用借款陳述的中文字符數(shù)來代替，去掉借款陳述中的非中文單詞所占字符數(shù)。實證結(jié)果分別如表5、表6所示，其中表5是第一種穩(wěn)健性檢驗的實證結(jié)果，表6是第二種穩(wěn)健性檢驗的實證結(jié)果。

表5 穩(wěn)健性檢驗1

(續(xù)表5)

表6 穩(wěn)健性檢驗2

從表5和表6可以看出，上一期累計投標(biāo)人數(shù)(Bid)和借款陳述的文本長度(Length)前的回歸系數(shù)均通過了顯著性檢驗且為正。借款陳述的文本長度和羊群行為代理變量的交叉變量Length* Bid前的回歸系數(shù)分別為-0.2070和-0.2028，且均通過了顯著性檢驗，說明借款陳述的文本長度會對市場上的羊群行為起到減弱的調(diào)節(jié)作用。

以上兩種方法得出的結(jié)論表明，本文的實證分析具有穩(wěn)健性。

五、 研究結(jié)論與建議

綜上所述，在我國P2P網(wǎng)貸市場中存在羊群行為，但借款人提供的軟信息能夠在一定程度上減弱該羊群行為。借款人在借款陳述中提供的信息越豐富，P2P網(wǎng)貸市場上的信息不對稱程度隨之減弱，投資者將越傾向于依據(jù)自己的判斷做出投資決策，從而減弱了市場上的羊群行為。對此，本文提出如下建議：

第一，P2P網(wǎng)貸平臺在完善市場硬信息的同時，應(yīng)該進一步豐富軟信息的內(nèi)容，如借鑒國外Prosper等P2P平臺運行機制，構(gòu)建平臺社交網(wǎng)絡(luò)，以緩解市場上的信息不對稱，引導(dǎo)投資者合理做出投資決策，降低投資者的羊群行為。

第二，借款者在申請借款時，除提交借款人個人信息以及借款標(biāo)的等必要的硬信息外，還應(yīng)該提供更多展示借款人還款能力、信用狀況以及借款用途等軟信息，讓投資人更多了解，以緩解市場上借貸雙方的信息不對稱。

第三，投資者在篩選優(yōu)質(zhì)借款申請、進行投資決策時，可以適當(dāng)結(jié)合借款人的軟信息特征，從中挖掘出更多關(guān)于借款人相關(guān)狀況的信息，以此結(jié)合市場上的其他信息來做出更加合理、理性的投資決策。

相信通過借貸雙方以及網(wǎng)絡(luò)借貸平臺的共同努力，可以引導(dǎo)投資者做出更加理性的投資決策，從而緩解P2P網(wǎng)貸市場上羊群行為，促進網(wǎng)貸平臺健康良性發(fā)展。

[1]DUAN W,GU B,WHINSTON A B.Informational cascades and software adoption on the internet:an empirical investigation[J].Mis Quarterly,2009,33(1):23-48.

[2]KAMINSKY G,SCHMUKLER T.What triggers market jitters:a chronicle of the Asian crisis[J].Journal of International Money and Finance,1999,18(4):537-560.

[3]蔡慶豐,宋友勇.超常規(guī)發(fā)展的機構(gòu)投資者能穩(wěn)定市場嗎？——對我國基金業(yè)跨越式發(fā)展的反思[J].經(jīng)濟研究，2010(1):90-101.

[4]OUARDA M,BOURI A,BERNARD O.Herding behavior under markets condition:empirical evidence on the European financial markets[J].Journal of Economics and Financial Issues,2013,3(1):214-228.

[5]BIKHCHANDANI S,SHARMA S.Herd behavior in financial markets[M].Oxford:Oxford University Press,1990:206-233.

[6]廖理,李夢然,王正位,等.觀察中學(xué)習(xí):P2P網(wǎng)絡(luò)投資中信息傳遞與羊群行為[J].清華大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2015(1):156-165.

[7]LIN M.Peer-to-Peer lending:an empirical study[EB/OL].(2009-07-31)[2017-03-20].http://aisel.aisnet.org/amcis2009_dc/17.

[8]LARRIMORE L,JIANG L,LARRIMORE J.Peer to Peer lending:the relationship between language features,trustworthiness,and persuasion success[J].Journal of Applied Communication Research,2011,39(1):19-37.

[9]MICHELS J.Do unverifiable disclosures matter? —Evidence from Peer-to-Peer lending[J].Social Science Electronic Publishing,2011,87(4):1385-1413.

[10]HERZENSTEIN M,SONENSHEIN S,DHOLAKIA U M.Tell me a good story and I may lend you money:the role of narratives in Peer-to-Peer lending decisions[J].Journal of Marketing Research,2011,48(SPL):138-149.

[11]李焰,高弋君,李珍妮,等.借款人描述性信息對投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺的分析[J].經(jīng)濟研究,2014(S1):143-155.

[12]王會娟,何琳.借款描述對P2P網(wǎng)絡(luò)借貸行為影響的實證研究[J].金融經(jīng)濟學(xué)研究,2015(1):77-85.

[13]劉征馳,賴明勇.虛擬抵押品、軟信息約束與P2P互聯(lián)網(wǎng)金融[J].中國軟科學(xué),2015(1):35-46.

[14]莊雷,周勤,伏玉林.P2P網(wǎng)絡(luò)借貸用途、投資偏向效應(yīng)與軟信息價值[J].國際商務(wù)(對外經(jīng)濟貿(mào)易大學(xué)學(xué)報),2015(6):77-85.

[15]彭紅楓,趙海燕,周洋.借款陳述會影響借款成本和借款成功率嗎?——基于網(wǎng)絡(luò)借貸陳述的文本分析[J].金融研究,2016(4):158-173.

[16]王琴英,由林青,王佳佳,等.互聯(lián)網(wǎng)金融背景下“軟信息”對于違約行為的影響——基于Logistic模型[J].金融理論與實踐,2017(3):60-65.

[17]于軍.描述性信息與違約行為的關(guān)系研究——基于P2P平臺的分析[J].當(dāng)代經(jīng)濟管理,2017(5):86-92.

[18]ZHANG J,LIU P.Rational herding in microloan markets[J].Social Science Electronic Publishing,2012,58(5):892-912.

[19]BANNERJEE A.A simple model of herd behavior[J].Quarterly Journal of Economics,1992,107(3):797-817.

[20]BIKHCHANDANI S,HIRSHLEIFER D,WELCH I.A theory of fads,fashion,custom,and cultural change as informational cascades[J].Social Science Electronic Publishing,1992,100(5):992-1026.

[21]SCHARFTEIN D,STEIN J.Herd behavior and investment[J].The American Economic Review,1990,80(3):465-479.

[22]LEE E,LEE B.Herding behavior in online P2P lending:an empirical investigation[J].Electronic Commerce Research & Applications,2012,11(5):495-503.

[23]LOUGHRAN T,MCDONALD B.Measuring readability in financial disclosures[J].The Journal of Finance,2014,69(4):1643-1671.

[24]廖理,吉霖,張偉強.語言可信嗎?借貸市場上語言的作用——來自P2P平臺的證據(jù)[J].清華大學(xué)學(xué)報(自然科學(xué)版),2015(4):413-421.

[25]吳佳哲.基于羊群效應(yīng)的P2P網(wǎng)絡(luò)借貸模式研究[J].國際金融研究,2015(11):88-96.