网贷平台资金借贷价格影响因素研究——基于Prosper平台数据的检验

方先明，李瑞文，李小琳(．南京大学经济学院，江苏南京0093; ．南京大学管理学院，江苏南京0093)

网贷平台资金借贷价格影响因素研究——基于Prosper平台数据的检验

方先明1，李瑞文1，李小琳2
(1．南京大学经济学院，江苏南京210093; 2．南京大学管理学院，江苏南京210093)

摘要:P2P平台通过筹资者申请借款、平台审核并发布借款信息、投资者投标完成资金的借贷，资金借贷价格是影响P2P平台稳健运行的核心要素。由于网贷平台的资金价格敏感地依赖于流动性溢价、信用价差、偿债能力、投资者情绪等，论文构建计量检验模型，并基于Prosper平台数据进行实证检验。结果发现:流动性、信用状况、偿债能力与投资者情绪等对平台资金借贷价格的影响与理论分析基本一致。然而，平台资金借贷价格对各影响因素的敏感性是不同的，其中能够对其产生较明显影响的有:期限变量、信用变量中的信用等级和过去6个月信用查询次数、偿债能力变量中的债务收入比和贷款金额、投资者情绪变量中的好友投资金额和是否加入“组”等。基于此，提出促进我国P2P平台健康发展的政策建议。

关键词:网贷平台;资金借贷价格;风险溢价;投资者行为

一、引言

互联网技术的发展，为金融创新提供了条件，并为不断涌现的金融创新在实践中的应用与推广奠定了坚实基础。其中，网络借贷就是资金借贷活动借助互联网平台而实现的一种去中介化的模式创新。作为网贷平台的主要形式，P2P平台通过直接撮合借贷双方，改变了传统商业银行作为资金融通中介的借贷模式，近年来发展迅速。2005年3月，英国Zopa的成立标志着P2P融资模式的形成，之后美国相继出现了Prosper和Lending Club等P2P平台公司。2007年6月，我国早期的网络借贷平台公司——上海拍拍贷金融信息服务有限公司设立。近年来，由于监管制度不规范、监管体系相对缺失，加之需求旺盛，P2P平台在我国呈现出野蛮生长的态势。据不完全统计，2012年，我国P2P平台还只有298家，通过P2P平台进行融资的规模大约228．60亿元;到2014年末，我国已有P2P平台1544家，通过P2P平台进行融资的规模达到2514．70亿元。相较于2012年，平台数目增加到5．18倍，融资额增长为11倍①数据来源: wind资讯。。P2P融资方式具有单笔融资金额小、方式灵活、交易成本低廉、融资时间短等特点，能够对以商业银行为中介的融资模式所覆盖不到的领域进行有效的补充，从而有效缓解社会经济发展进程中不同领域资金供求不平衡的结构性矛盾。然而，快速发展的P2P平台风险逐渐暴露，平台倒闭、跑路潮频频发生。虽然影响P2P平台风险的因素众多，然而从P2P平台运行机制来看，平台资金借贷价格是诱发P2P平台运行风险的核心因素。现阶段，由于监管当局对于P2P平台尚未建立起积极而有效的监管制度框架，其运行更多地依赖投融资双方的自律以及社会道德约束，由此导致基于平台的资金借贷价格与理论均衡价格存在偏离。这种偏离必然会引发违约风险，威胁平台运行的安全，甚至借助金融市场将风险传染至实体经济，危及经济体系的健康运行。根据现代微观金融资产定价理论，P2P平台资金借贷价格应由资金的无风险收益率、风险溢价、筹资者的偿债能力以及投资者的非理性扰动所决定。因此检验P2P平台资金借贷价格对影响因素变动的敏感性，对于促使资金实际借贷价格向理论均衡价格回归具有非常重要的现实意义。

本文其余部分的内容为:第二部分，相关文献评述。对研究P2P平台资金借贷价格的相关文献进行系统梳理与评析。第三部分，变量选取与检验模型构建。选取体现流动性溢价、信用价差、筹资者偿债能力以及投资者情绪的指标，构建P2P平台资金借贷价格对这些指标值变动敏感性的检验模型。第四部分，实证检验。根据Prosper平台数据对模型中的参数进行估计，进而对计量检验的结果进行分析。第五部分，研究的主要结论与建议。

二、相关研究评述

尽管P2P网络借贷平台出现时间并不长，但由于其能满足不同层次经济主体的融资需求，特别是能缓解中小微企业以及个人的短期融资需求约束，因此发展迅猛。鉴于平台资金借贷价格对于平台健康发展的重要性，国内外学者对其资金借贷价格及其影响因素进行了深入研究。国外学者研究认为，风险溢价是影响借贷平台资金价格高低的主要因素，其中风险溢价涵盖筹资者的信用状况、偿债能力等;同时，他们也已经注意到投资者行为、性别等对于平台资金借贷价格的影响。如，Freedman and Jin［1］运用Prosper平台的数据，分别以借款是否筹资成功、借款利率、借款是否违约为因变量进行了三组回归分析并进行了比较。结果发现发布照片会显著降低利率并提高筹资成功的概率，但照片的发布并不会导致还款履约的概率提高。借款人加入群组会提高筹资成功的概率并降低约0．4%的利率水平，但是会更倾向于违约。如果某一借款得到了朋友的推荐并且朋友也参与了投资则会在很大程度上提高筹资的成功率，并且会减少0．7%的融资成本，违约率也会显著降低。Berger and Gleisner［2］基于Prosper平台2005年至2007年的数据检验了借贷金额、债务收入比率以及借款人是否拥有住房对P2P平台资金借贷价格的影响，并认为资金借贷价格会体现风险溢价。因为，他们在研究中发现，借贷利率与借款金额、债务收入比率等变量之间存在正向关系。借款金额越大、债务收入比越高，面对较高的流动性风险与违约风险，投资者都会要求更高的风险溢价。而是否拥有住房与平台资金借贷价格相互关系的研究也在一定程度上佐证了他们的研究结论，由于拥有住房的借款人财务状况较为稳定，风险较小，因此资金借贷价格相对较低。在此基础上，他们对群组变量与平台资金借贷价格之间的关系进行了回归分析，结果发现加入群组会显著降低资金借贷价格，群组等级越高则资金借贷价格越低;群组大小和资金借贷价格负相关，如果群组领导人投标则资金借贷价格会显著下降。Collier and Hampshire［3］运用信号理论研究了P2P平台的资金借贷价格，在其研究过程中把信号分为群组的结构性信号、个人信号和群组的行为信号，结构性信号包括群组的规模、等级、加入条件，个人信号则是指其它信息表明的筹资者信用水平，行为信号包括群组的认可、群组成员参与交易以及群组的学习效应。通过检验发现高质量的结构性信号和高质量的行为信号都会降低借贷资金的价格，行为信号和资金借贷价格之间的关系会随着筹资者个人信用水平的提高而减弱。Michels［4］依据Prosper平台2007年2月至2008年10月的数据，统计分析每个借款标的借款目的、收入、收入来源、教育状况、债务数目、其它债务利率、对较低信用的解释、消费明细、是否有照片等九个变量，形成了自愿披露变量。结果发现，披露信息越多则平台资金借贷价格越低，每多披露一项内容则资金借贷价格约降低1．27%。Duarte［5］等人则主要研究了借款人照片所传达的信息对平台资金借贷价格等的影响。他们研究认为，如果照片显示出更高的信任度、更大的偿付意愿以及借款人较好的财富状况，则会对平台资金借贷价格产生负向影响，即看起来更值得信任的借款人资金借贷价格更低。Lin［6］等人根据Prosper平台数据研究发现，信用卡的运用对平台资金借贷价格的影响存在阈值效应，表现为先反向后正向;债务收入比对借贷价格有正向影响;若借款用途为商业借款则会显著提高借款利率。在社交关系方面，如果没有经平台认证的朋友数越多则资金借贷价格越高，能够出借资金的朋友越多则会显著降低资金借贷价格。他们的研究甚至发现，较差的信用等级会存在4．9%的借贷价格溢价。Maier［7］运用Prosper平台数据细化了对群组的研究，他把群组分为加入时需要认证和不需要认证两类，通过分析发现加入时需要认证的群组成员会享受较低的资金借贷价格，而加入时无认证要求的群组成员并不会享受到资金借贷价格的优惠。此外，Chen［8］等人运用拍拍贷的数据发现性别对利率也存在影响，通过研究认为女性的借款利率要高于男性借款利率。由此可见，在P2P平台公布的借款人信息，不管是“硬信息”还是“软信息”都在一定程度上反映出借款标的风险状况，而风险状况又是资金借贷价格的决定因素。大部分投资者都是风险规避者，倾向于选择风险和收益相匹配的借款标，甚至选择投资风险较小的借款标。因此，平台资金借贷价格是对借贷风险大小的一种体现。

相较于国外P2P平台的发展，国内的P2P平台出现较晚，但发展较快，且形式多样。目前，国内关于P2P平台的研究多集中于平台架构、运行规则、风险控制等，只有少部分文献对影响平台资金借贷价格的因素给予了关注。与国外研究更注重风险补偿并不完全一致，国内的研究认为，除必要的风险补偿之外，流动性溢价、投资者行为等也会对平台资金借贷价格产生影响。如，谢平，邹传伟［9］在研究互联网金融时，通过模型求解得出了“充分交易可能性集合”，认为在信息完全对称、交易成本极低的情况下，只要融资者的期望收益率超过储蓄者的机会成本，两者就有发生交易的可能。李悦雷［10］等通过对拍拍贷数据的分析，发现借款标基本属性、借款人基本信息和借款人的社会资本对借款成功率有显著影响;借款金额对资金借贷价格没有显著影响，借款期限对资金借贷价格有反向影响，借款信用越高则资金借贷价格越低。同时，他们的研究还发现，在P2P交易过程中投资者存在明显的羊群行为。王会娟和廖理［11］则以信息不对称为视角，根据“人人贷”平台运行资料，分析了借款成功率、借款成本与信用评级之间的关系。他们研究发现，借款人信用高低是影响P2P平台稳健运行的关键，借款人的信用评级越高，交易越容易成功，且借款成本越低，尽管这种认证工作是由P2P平台完成的。进一步的研究还发现，如果能将线上认证和线下认证结合起来，则更能提高认证结果的可信度，于是更加显化信用等级与贷款成本之间的反向关系。陈冬宇［12］的研究结果与此相似。然而，廖理［13］等根据“人人贷”平台借贷数据进行的实证检验结果则表明，网贷平台的资金借贷价格并不是违约风险的完全映射，其他指标，如竞标参与人数、竞标成功所需时间等等与资金借贷价格、订单是否成功募集之间也存在关联，即资金借贷价格会体现投资者对于风险的识别能力，以及由此所形成的投资者行动策略。

国内外的研究表明，影响P2P平台资金借贷价格的因素最主要的是借贷项目的风险水平，具体表现为融资目的、借款人信用、借款人信息(含偿债能力)等。国内也有部分文献虽然提及投资者行为会对平台资金借贷价格产生影响，但常常将这些因素分离开来研究，不能明确在多种因素共同作用下所形成的平台资金借贷价格对于某一因素变动的敏感性，从而在一定程度上降低了研究结果的可靠性。为此，本文将P2P平台资金借贷价格、流动性溢价、信用价差、偿债能力与投资者情绪纳入统一的分析框架，构建计量检验模型，基于Prosper平台的数据检验P2P平台资金借贷利率对各影响因素的敏感性。由此，得到有益的借鉴与启示，以促使我国P2P平台资金借贷价格向合理的水平回归。

三、变量的选取与检验模型构建

(一)变量的选取

现代微观金融理论认为，金融资产的价格应该由无风险收益率、风险溢价及随机扰动所构成，其中风险溢价又由流动性溢价、信用价差和偿债能力所构成。而行为金融理论则认为，在现实的金融市场中，投资者情绪及由其所引致的投资者行为对于金融资产的价格具有至关重要的影响。因此，在研究过程中综合考虑流动性溢价、信用价差、偿债能力以及投资者情绪对于P2P平台资金借贷价格的影响。由于美国Prosper平台数据结构较为完备，基于此确定研究变量如下:

1．被解释变量

P2P平台资金借贷价格:用借款标利率(Borrower Rate)作为P2P平台资金借贷价格的代理变量。Borrower Rate不包含任何其它费用，是筹资者付给投资人的报酬，也是融资最直接和最主要的成本。平台运行过程中，对于每一满标的借款标而言，Borrower Rate体现了资金供求双方在综合考虑各种因素情况下所认可的资金使用成本，因此可以用Borrower Rate作为P2P平台资金借贷价格。

2．解释变量

(1)与流动性溢价相关的解释变量。期限(Term) :筹资者通过网贷平台进行借款时所承诺的最终偿还期限。考虑到资金的时间价值，投资期限越长的借款标，则收回投资成本的时期越长，即该项资产的变现能力越差。因此，借款标的期限体现着该资产的流动性，较长期限的借款理应存在流动性溢价以弥补其较差的变现能力。

(2)与信用价差相关的解释变量。信用等级(Credit) :借款信息发布时借款人的信用等级。该指标共包含7个级别，其数值及含义如下: 1－HR，2－E，3－D，4－C，5－B，6－A，7–AA，根据数值从小到大，信用级别逐渐提高。信用等级是对筹资者既往社会活动所体现出信用水平的综合评定，能够表征其目前的总体信用状况。

过去12个月的公开记录(Public Records Last 12 Months) :信用资料提交时借款人过去12个月的公开记录次数。过去12个月内记录越多，表明筹资者在这一时期内存在不良行为而被记录的次数越多。因此，其所发布借款标本息按时回流的不确定性增大，投资者需要更大的风险溢价作为补偿。

过去6个月信用查询次数(Inquires Last 6 Months) :信用资料提交时借款人过去6个月被信用查询的次数。查询次数的多少代表过去6个月内筹资者信息被机构查阅的次数，能反映筹资者信用活动的频繁程度。被调查次数越多，表明投资者越频繁利用信用活动进行资金周转，此时通过P2P平台发布借款标进行融资，在一定程度上违约的可能性会增强，相应地投资者需要的风险补偿也应增加。

当前违约账户数目(Current Delinquencies) :信用资料提交时借款人现有违约的账户数目。通常情况下，一个借款者可以拥有多个信用账户，若其发布借款标时违约账户数目越多，则在一定程度上表明其资金周转越困难，信用状况越差。由此可见，当前违约账户数目从资金周转是否顺畅的角度衡量了借款者的信用状况。

违约数额(Amount Delinquent) :信用资料提交时借款人账户违约美元金额。该指标从绝对金额上体现着筹资者资金周转的困难程度。违约金额越大，表明借款者资金缺口越大，周转越困难，对资金的需求越旺盛，此时发布借款标，其违约的可能性也越高。

过去7年违约次数(Delinquencies Last 7 Years) :信用资料提交时借款人过去7年违约次数。该指标在一个相对较长的时期内统计了借款者的累计违约次数。违约次数越多，或者表明借款者的资金链较为脆弱，常常断裂;或者表明借款者信用观念淡薄，遵守约定的意识不强。因此，该指标在一定程度上能够体现借款标发布者的信用状况。

发布借款标时信用分数变化(Score Change At Time Of Listing) :信用资料提交时借款人信用分数的变化。这是一个体现相对变化的量，即该变化和借款人的上次借款相关，没有历史借款则该值为0，如果筹资者信用变好则该值为正。理论上，筹资者的信用改善应该会降低其资金借贷成本。

(3)与筹资者偿债能力相关的变量。债务收入比(Debt－to－Income Ratio) :信用资料提交时借款人的债务收入比。该指标值为空时表示不可获得，指标值的上界为10．01(任何债务收入比大于1000%都用1001%表示)。债务收入比越高说明筹资者财务状况越差，还款能力相应较低，当其通过P2P平台发布借款标时，投资者应要求有更高的回报。

贷款金额(Loan Amount) :该次筹资时借款标的总金额。虽然不同的借款标所筹措资金量不同，但通常投资者还是会认为，筹资者借款金额越大，则还款时其所面临的偿债压力越大。于是，对于投资者而言，其投向该借款标本息安全回流的不确定性增加，为补偿可能发生的损失，会要求获得更高的投资回报率。

Prosper借入本金(Prosper Principal Borrowed) :筹资者发布借款标时在Prosper借入的本金。该指标从历史累计借贷额的角度考察了借款者所面临的偿债压力，如果没有历史借款则该指标值为0。显然，累计借入本金越多则其还款压力越大，但该指标值越大也可能说明该借款人对平台有较高的使用黏性。

信用卡使用(Bankcard Utilization) :信用资料提交时借款人信用卡使用额度和信用卡总透支额度的百分比。信用卡具有延迟还款的功能，人们常常利用此功能透支消费以节约消费成本。于是，借款标发布者的信用卡使用额度和总透支额度的百分比就在一定程度上体现了其债务状况。该指标值越大，说明筹资者信用卡还款的压力越大，相应的偿债能力较低。

月收入(Stated Monthly Income) :借款标被创建时借款人的月收入。稳定的收入是偿债的可靠来源，当筹资者发布借款标时，其月收入越高，则偿债能力越强，投资者对于该借款标本息按时回流越有信心。相应地，对投资者而言可能愿意用偏低的回报率换取投资的安全。即，筹资者较高的月收入可以降低平台资金借贷成本。

近6个月的交易次数(Trades Opened Last 6 Months) :信用资料提交时借款人近6个月的交易次数。该指标从过去半年内筹资者相关交易的累计次数来反映其偿债能力。累计交易的次数越多，虽然说明筹资者不断在尝试开发项目，但更主要地反映出投资者资金需求旺盛，偿债能力不足。因此，对于该借款标投资者会要求更高的投资回报率。

Prosper未偿本金(Prosper Principal Outstanding) :借款人发布借款标时在Prosper借入本金的未偿还金额。该指标从未偿还本金的角度反映了筹资者的偿债能力，若没有历史借款则该值为0。显然，未偿还的金额越多，则筹资者面临的偿债压力越大，债务违约的可能性也越大。此时再次发布借款标，投资者必然会要求以较高的资金借贷价格补偿所面临的风险。

(4)与投资者情绪相关的解释变量。推荐(Recommendations) :借款人发布借款标时受到的推荐次数。受到推荐次数越多的借款，说明投资者对其的信任程度越高，或者其历史借款表现得到了较多投资者的认可。因此，投资者更愿意将资金投向被推荐次数多的借款标，以更大的可能性保障投资本息的安全回流，于是被推荐次数越多的借款标，越有可能享受较低的资金价格。

好友投资人数(Investment From Friends Count) :好友投资该借款标的人数。由于信息不对称的客观存在，普通投资者对于借款标的投资总是持谨慎与怀疑态度。而好友之间信息不对称的程度则会由于长期的交往而削弱，当投资于借款标的好友越多时，羊群效应开始显现，普通投资者常常会跟进。从而使得资金借贷成本下降。

好友投资金额(Investment From Friends Amount) :好友投资该借款标的具体金额。普通投资者总是相信，好友通常能获得比自身更全面的信息，可以降低信息不对称程度。当好友投资金额较大时，说明借款标发布者的好友对该项目持积极与肯定的态度，于是作为普通投资者会效仿好友的行为，以抓住获利机会。于是，借款标就会以更低的借贷价格出现。

投资者人数(Investors) :投资于该笔借款标的投资者总人数。事实上，平台资金借贷价格与投资者人数之间的关系对于不同的借款标而言是不一样的。如果投资者认为该项借款标风险小、收益高，则可能出现较多的投资者同时投资的情形，也可能出现较少的投资者单人投资较大的金额使其满标的情形。

是否加入“组”(Currently In Group)，借款标被创建时借款人是否加入了组的虚拟变量。群组意味着社交关系，组内成员也会存在一定的监督，有些组会对组员的加入设置一定的条件。因此，加入群组会使投资者更加信任筹资者，从而很可能会影响投资者的行为。在此情形下，即使投资回报稍低，投资者也会选择投资该项借款标。

(5)其它变量。借款信息是否在2009年之后发布(isListinglatter2009)。加入此变量是因为在2008 年11月，Prosper被SEC要求暂停运营。2009年7月，Prosper重新运营，相应的机制有所改变，为了消除可能存在的影响，研究过程中加入了isListinglatter2009虚拟变量。2009年7月之前的借款标取值为0，2009 年7月之后的借款标取值为1。

(二)检验模型

为检验P2P平台资金借贷价格对于影响因素的敏感性，根据所选取的变量分别建立平台资金借贷价格对于流动性变量、信用变量、偿债能力变量、投资者情绪变量以及所有解释变量的敏感性检验模型如下:

式(1)至式(5)中，c为截距项。Term为借款标期限，其取值大小体现了平台借贷资金流动性水平;α衡量了平台资金借贷价格对借款标期限长短的敏感性。C = (C1，C2，C3，…)T为列向量，由影响平台资金借贷价格的信用风险因素所构成;β= (β1，β2，β3，…)为行向量，衡量了平台资金借贷价格对信用风险因素的敏感性。Q = (Q1，Q2，Q3，…)T为列向量，由影响平台资金借贷价格的筹资者偿债能力因素所构成;δ= (δ1，δ2，δ3，…)为行向量，衡量了平台资金借贷价格对筹资者偿债能力因素的敏感性。B = (B1，B2，B3，…)T为列向量，由影响平台资金借贷价格的投资者行为因素所构成;γ= (γ1，γ2，γ3，…)为行向量，衡量了平台资金借贷价格对投资者行为因素的敏感性。isListinglatter2009为虚拟变量，其取值体现了借款标的制度环境;η衡量了平台资金价格对制度性因素的敏感性。ε为随机扰动项。

四、P2P平台资金借贷价格对于影响因素敏感性检验

(一)数据来源与描述性统计

研究过程中所使用的数据来源于Prosper平台，样本时期为2005年11月15日至2013年9月18日，共计85314条成立的借款标数据。样本数据的描述性统计见表1。

表1　样本数据的描述性统计

表1显示，借款利率的均值为0．2015，最大值为0．4975，最小值为0．0001，标准差为0．0778。这表明，在通过Prosper平台进行的筹资活动中，由于多种因素的影响，不同借款标的资金借贷成本存在较大差异，最大成本为平均成本的2．47倍，且平台资金借贷成本存在一定程度的波动。借款平均期限为39．8个月，最小值为12月，最大值为60月，这说明Prosper平台上筹资者大部分需要的是期限大于等于一年且小于5年的中长期借款。平均借款金额为7311．86美元，最大值为35000美元，所以借款以小额借款居多。由此可知，Prosper平台主要是为信用水平相对较差、难以通过传统融资渠道获取贷款的筹资者提供中长期小额借款服务的信息平台，同时也拓展了小额、零散资金的投资渠道。

信用风险相关变量中，Creidt均值约为3．909，过去6个月筹资者被问询的次数均值为1．6274，目前违约次数的均值为0．7221，平均违约金额为1128．27，从标准差和数据范围来看，这些变量的波动程度较大。在样本数据中，没有借款历史记录的情况较多，在没有平台历史信用数据的情况下，社会信用变量的差异以及流动性变量、投资者情绪变量、偿债能力变量对于资金借贷价格的影响就更为关键。

偿债能力相关变量中，Debt－to－IncomeRatio均值为0．2815，标准差为0．6350，说明平均意义上负债和收入的比率在30%左右，而且样本数据标准差较大，显示出筹资者的偿债能力差异性较大。从StatedMonthlyIncome的范围和标准差大小也能得出相似的结论。这种差异性说明了Prosper平台借款人的信用状况差别较大，研究这些差异对资金借贷价格的影响就尤为重要。

投资者情绪相关变量中，单笔借款投资者人数均值约为97，说明投资者的风险相对分散。从Recommendations、InvestmentFromFriendsCount、InvestmentFromFriendsAmount的统计结果发现，受到推荐、得到好友投资的借款比例较小，这使得借款更具有区分性，这些变量对资金借贷价格更有可能存在较大的影响。CurrentlyInGroup的均值仅约为0．15，说明样本中筹资者加入群组的比例约占15%，这也使得加入群组的群体更具有区分度。

从isListinglatter2009变量的均值可以看出，在样本数据中2009年之后的借款稍多于2009年之前的借款。在检验模型中加入该虚拟变量可以分离出制度性因素导致的资金借贷价格差异。

(二)参数估计结果

根据样本数据对模型(1)至模型(5)中的参数进行估计，结果见表2。

由表2中的参数估计结果可知，从总体来看平台资金借贷价格与各影响因素之间的正负向关系与理论分析结果基本一致。其中，期限对资金借贷价格的影响是显著的，且为正向关系，即期限越长则借贷价格越高。由于期限较长的借款流动性较低，所以较高的资金借贷价格是对流动性的补偿。但从统计量R2的值(0．0016)来看，仅用期限对资金借贷价格进行回归的解释能力较弱，说明还存在其他因素影响资金借贷价格。

用信用相关变量对资金借贷价格进行回归分析，R2为0．7767，拟合效果较好。信用等级对资金借贷价格的影响显著且方向相反，信用等级每提高一级则资金借贷价格降低3．92%。说明信用的高低对资金借贷价格的影响在统计意义和经济意义上都是显著的。过去6个月信用查询次数、违约数额、过去7年违约次数值越大，则资金借贷价格越高，参数估计结果和理论分析相符，充分显示了信用价差对资金借贷价格影响的存在。过去6个月被信用查询的次数越多以及过去7年违约的次数越多会存在较大的信用风险。发布借款标时信用分数变化值越大则资金借贷价格越低，体现了较好的信用变化会降低网贷平台资金借贷价格。

偿债能力变量对资金借贷价格回归结果显示，较高的债务收入比会提高资金借贷价格，过去6个月交易次数越多，未偿还贷款越多则平台资金借贷价格都会相应提高。信用卡使用额度与总额度的比例越高则资金借贷价格越高，这是因为该比例越高则筹资者需要偿还的借款较多，可能会对网络借款的偿还造成一定压力。月收入和资金借贷价格是反向关系，说明收入水平越高即偿债能力越强则资金借贷价格越低。未偿本金越高资金借贷价格越高，这表明未偿本金越高，偿债压力越大，因此会导致资金借贷价格较高。近6个月交易次数的回归系数符号为正，过去6个月交易次数越多说明筹资者财务状况可能越差，因此资金借贷价格越高。然而，回归结果显示，在Prosper平台借款的本金越高则资金借贷价格越低，这表明投资者注重筹资者对平台的使用黏性，借款的本金越高可能说明该筹资者今后也会频繁使用本平台，因此会注重自己的信用维护，由此资金借贷价格会下降。值得关注的是，贷款金额与资金借贷价格之间呈现负向关系，这与理论分析的结论是不一致的。产生这一现象的原因在于，仅用偿债能力作为解释变量，可能对于资金借贷价格的变化解释不足。

投资者情绪变量对平台资金借贷价格的解释能力一般。从回归结果看，若某笔借款有好友投资，则好友投资次数越多、金额越大资金借贷价格相应越低，说明受到认可的借款会享受一定的价格优惠。若筹资者在群组中，则会得到投资者的信任，在一定程度上降低资金借贷价格。

表2　参数估计结果

当用全部解释变量对借款标利率进行回归分析时，出现了一些与分类回归结果不同之处。具体表现为三个方面:第一个方面是在分类回归中参数估计结果不显著的变为显著。如，过去12个月的公开记录变量前的参数估计结果显著且符号为正，这说明信用水平越低或者历史信用表现越差则会存在更高的筹资成本。第二个方面是，在分类回归中参数估计结果显著的变为不显著。如，信用卡使用、月收入和Prosper未偿本金前的参数估计结果不再显著。第三个方面是，部分参数估计结果的正负号发生了改变。如，贷款金额前参数符号从负变为正，说明借款金额越大则筹资者偿债压力越大，因此资金借贷价格越高;投资者人数前参数从负变为正且在统计意义上显著，这说明，投资者人数对于平台资金借贷价格的影响并不能完全确定。表2最后一列的参数估计结果还显示，平台运行机制的改变确实会对资金借贷价格存在一定影响。

对参数估计结果进行标准化后可以发现，平台资金借贷价格对各影响因素的敏感性是不同的，其中能够对其产生较明显影响的有:期限变量、信用变量中的信用等级和过去6个月信用查询次数、偿债能力中的债务收入比和贷款金额、投资者情绪变量中的好友投资金额和是否加入“组”。至于违约金额、发布借款标时信用分数变化、近6个月的交易次数、Prosper未偿本金等变量前的参数估计结果，虽然在统计意义上显著，但从经济意义上来看，这些变量对于平台资金借贷价格的影响相对有限。

五、研究结论及启示

P2P平台作为筹资者发布借款信息、投资者投标的一种新型投融资模式，是互联网金融的重要组成部分。其通过筹资者申请借款、平台审核并发布借款信息、投资者投标完成资金的借贷。资金借贷价格是影响P2P平台稳健运行的核心变量，因为资金借贷价格一方面关系到借款能否被投资者接受，从而使筹资者尽快足额筹集到资金，另一方面只有合适的借贷价格才能使平台吸引更多的筹资者。本文认为网贷平台的资金价格由流动性溢价、信用价差、偿债能力、投资者情绪等因素决定。由此，构建计量检验模型，并基于Prosper平台数据进行实证检验。结果发现:流动性较差的借款相应的资金价格较高;信用较差的借款需要提高资金价格以弥补借出资金的风险;偿债能力较强的筹资者会享受较低的资金借贷价格;投资者对于借款标的、筹资者的信任与否也会影响资金借贷的价格。当前，我国的P2P平台发展迅速，全国性的平台，如人人贷、拍拍贷的成交金额不断扩大，地方性的平台如开鑫贷、温州贷的影响也逐步增强。与此同时，P2P平台的具体运行机制不断拓展。鉴于资金的借贷价格对于P2P平台高效、稳健运行的重要性，本文研究结论的启示在于:

关注平台资金借贷期限，提供必要的流动性溢价。我国P2P平台的借款期限更为灵活，不同平台也不尽相同。美国P2P借款以票据形式存在并可以在票据交易平台出售，我国P2P平台多采用站内转让即在平台内部投资者可以直接转让相关债权。这样，流动性问题一方面涉及到借款期限，另一方面也和其它借款信息相关，只有信息完备的借款在转让时受让方才能做出准确的判断，出让方才能更快的转让以获得资金。因此，流动性变量需要其它相关信息作为补充，而这些信息包括信用信息、投资者情绪信息和偿债能力信息。

加强信用信息披露，合理确定信用价差。我国的P2P平台多采用历史借款和还款信息，披露筹资者的历史借款次数和还款表现。Prosper除了披露筹资者在平台内部的信用信息之外，还会在借款列表中显示来自于社会信用体系的信息，比如公开记录次数、被信用调查的次数、历史交易的违约情况等等，这些变量对资金借贷价格的形成存在一定影响。而且，在综合了社会信用信息之后，平台做出的信用评级也更准确，而信用评级对于资金借贷价格的影响最大，投资者往往根据网贷平台的信用评级做出投资选择。在未接入中央银行征信系统且征信系统不完善的情况下，新注册借款人的信用评级会面临较大困难。因此，与Prosper平台相比，我国的P2P平台定价不仅显性上存在信用信息不足，在隐形评级上也存在信息的不充分。目前，各平台都在完善自己的信用数据库，但面对P2P平台注册用户不断增加的现状，仅靠平台自身信用数据显然是很难适应风险控制要求和公平定价需要的。社会信用信息的完善和合理使用对于小额贷款的定价将产生积极的推动作用，而且相应的机制建立有利于监督筹资者，在一定程度上规范筹资者的还款行为。

完善偿债能力指标，降低信息不对称程度。偿债能力变量中，债务收入比、月收入、信用卡使用等变量都对平台资金价格存在影响。而在我国的P2P平台运营中，这些变量都是无法获得的。债务收入比和月收入水平是影响资金价格的关键变量，也是衡量筹资者偿债能力的最直接变量。在实际的信息披露中我国P2P平台多披露筹资者的收入范围，收入范围本身和实际收入会存在一定的信息差异，而且收入的概念很难厘定，在我国这种情况更为复杂。债务收入比信息在我国也很难获得和准确计量。这种情况下，投资者因为信息的缺乏无法全面了解筹资者，网贷平台资金价格也会因为变量的局限性而得不到合理确定。因此，和信用价差相关变量一样，偿债能力变量的缺失也在一定程度上制约了平台资金价格的确定。我国个人收入信息和债务收入比信息的合理收集和运用是促进P2P行业健康发展的关键因素。

重视投资者情绪，并加以理性引导。投资者情绪变量中，来自于朋友的投资次数和投资金额以及是否加入群组都会对资金借贷价格产生一定影响。社交变量对网贷平台资金价格的影响主要来源于小群体间信息更为透明而且具备一定的道德约束作用。在我国P2P平台中，筹资者和投资者往往借助于论坛了解相关信息，和借款列表对应较为困难，而且无法显性的表现筹资者的社交信息。如果在列表中体现筹资者的社交状况以及好友的投资情况将会为平台定价提供更加丰富的数据来源。而且在中国重视社交关系的文化背景下，这些变量的引入以及健康有效的管理将会使筹资者和投资者的信息对称程度进一步提高。

参考文献:

［1］Freedman S，Jin G Z．Do social networks solve information problems for peer－to－peer lending? evidence from prosper．com［R］．Net Institute Working Paper，2008，No．43．

［2］Berger S C，Gleisner F．Emergence of financial intermediaries in electronic markets: The case of online P2P Lending［J］．Business Research Journal，2009，2(1) : 39 －65．

［3］Collier B C，Hampshire R．Sending mixed signals: Multilevel reputation effects in peer－to－peer lending markets［R］．Proceedings of the 2010 ACM conference on Computer Supported Cooperative Work，2010: 197－206．

［4］Michels J．Do unverifiable disclosures matter? Evidence from peer－to－peer lending［J］．Accounting Review，2012，87(4) : 1385－1413．

［5］Duarte J，Siegel S，Young L．Trust and credit: The role of appearance in peer－to－peer lending［J］．Review of Financial Studies，2012，25(8) : 2455－2484．

［6］Lin M，Prabhala N R，Viswanathan S．Judging borrowers by the company they keep: friendship networks and information asymmetry in online peer－to－peer lending［J］．Management Science，2011，59(1) : 17－35．

［7］Michael M S．Lending to strangers: Does verification matter?［R］．2014 Canadian Academic Accounting Association (CAAA) Annual Conference，2014．

［8］Chen D，Li X，Lai F．Gender discrimination in online peer－to－peer credit lending: Evidence from lending platform in China［R］．PACIS 2014 Proceedings，2014．

［9］谢平，邹传伟．互联网金融模式研究［J］．金融研究，2012(12) : 11－22．

［10］李悦雷，郭阳，张维．中国P2P小额贷款市场借贷成功率影响因素分析［J］．金融研究，2013(7) : 126－138．

［11］王会娟，廖理．中国P2P网络借贷平台信用认证机制研究——来自“人人贷”的经验证据［J］．中国工业经济，2014(4) : 136－147．

［12］陈冬宇．基于社会认知理论的P2P网络放贷交易信任研究［J］．南开管理评论，2014，17(3) : 40－48．

［13］廖理，李梦然，王正位．聪明的投资者:非完全市场化利率与风险识别——来自P2P网络借贷的证据［J］．经济研究，2014(7) : 125－137．

责任编辑、校对:郭燕庆

作者简介:方先明(1969－)，江苏省高邮市人，管理学博士(理论经济学博士后)，南京大学金融与保险学系教授，博士研究生导师，研究方向:金融投资、金融数学;李瑞文(1990－)，山东省菏泽市人，南京大学金融学硕士研究生，研究方向:金融市场与投资;李小琳(1978－)，吉林省长春市人，南京大学营销与电子商务系，副教授，研究方向:计算机科学与大数据。

基金项目:本文是国家社会科学基金重大项目“互联网金融的发展、风险与监管研究”(项目编号: 14ZDA043)、国家社会科学基金项目“‘影子银行’交叉传染风险度量及控制机制研究”(项目编号: 14BGL031)及江苏2011计划“区域经济转型与管理变革协同创新中心”重大招标课题——防止发生区域性、系统性金融风险研究”(编号: 2015－11)的阶段性成果，并受到中国特色社会主义经济建设协同创新中心资助。

收稿日期:2015－09－24

文献标识码:A

文章编号:1002－2848－2016(01)－0048－10