苏州市职业大学商学院 周雷 颜芳
新常态下互联网金融支持小微企业融资研究*
——基于信息不对称视角
苏州市职业大学商学院 周雷 颜芳
新常态下互联网金融正成为我国小微企业解决融资难题的新选择。本文以理论模型为基础,通过收集筛选某著名P2P平台的58766条小微借贷信息,运用Logistic回归和逐步回归进行大数据实证检验,结果表明:借款金额、利率、期限等“硬”信息对小微融资的影响明显弱于实名认证、信用表现等“软”信息。互联网金融的信息处理机制有助于提高小微融资可获得性和降低融资成本,要进一步发挥互联网金融作用,需完善信息共享机制,强化信息风险防控。
互联网金融 小微企业 信息不对称
“十三五”时期,我国经济发展步入新常态,面临增速换档节点,随着经济下行压力加大,融资难、融资贵正成为制约小微企业发展的一大瓶颈。一些银行引进国外理念和微贷技术,切实为部分小微企业提供了信贷支持,但小微企业融资问题并没有得到根本解决。互联网金融凭借大数据技术,打破传统金融服务模式,使小微企业融资问题正出现有解的可能。2015年12月31日,国务院在《推进普惠金融发展规划(2016~2020年)》中明确提出:小微企业是我国普惠金融重点服务对象,要发挥互联网促进普惠金融发展的有益作用,发挥网络借贷平台融资便捷、对象广泛的特点,引导其缓解小微企业融资难问题。在新常态下,研究如何使新兴的互联网金融更好地支持小微企业发展,推动大众创业、万众创新正成为当前理论界和实务界关注的一个热点课题。
近年来,随着P2P网贷的实践发展,国内外已出现一批研究互联网金融对小微企业融资影响的文献。其中国外研究源于对英国Zopa平台和美国Prosper平台的小微贷运作情况的数据分析。如A.C.B.Ortega和F.Bell(2008)以Zopa为研究对象,发现小微企业主的个人信息越详细越能增加其信用,也能提高借款成功率。Lin等(2009)对Prosper平台的信贷交易数据分析后得出,小微企业主社会资本的关系嵌入维度可有效降低交易中的信息不对称,提高借款成功率、降低利率并减少贷款拖欠时间。国内相关研究主要是通过对互联网金融运作模式的分析,指出其在小微企业融资中的优势与不足。如周雷(2009)从P2P与Web2.0相结合的角度,分析了国内最早的P2P平台“拍拍贷”运行机制的特点与不足。谢平等(2012)从支付方式、信息处理、资源配置三个方面研究互联网金融模式及其对小微企业融资的影响。黄海龙(2013)以阿里巴巴、京东、亚马逊等电商平台为研究对象,提出电商金融需要大数据、电商平台、资金提供方、资金需求方四个要素综合参与,其中大数据是运行的基础。也有部分学者研究如何让互联网金融更有效地服务小微企业融资,如黄鹏等(2013)结合AHP层次分析法和模糊综合评价决策的思想,建立了一套反映互联网技术特性的小微企业综合信用评价模型。李朝辉(2015)通过P2P网贷与小微企业融资的理论关系推导出小微企业是P2P网贷市场的积极参与者,P2P网贷的发展便利小微企业融资。
综上,可发现大数据是互联网金融的核心优势,互联网金融能通过大数据挖掘揭示小微企业的独特信息,拓宽小微企业融资渠道,提高融资效率。然而,已有研究大多局限于理论推导或案例分析,缺乏从理论与实证相结合的角度对互联网金融支持小微企业融资的信息处理机制的完整探讨。本文基于信息不对称视角,试图构建一个理论与实证相结合的框架,在分析小微企业融资难原因的基础上,建立互联网金融模式下信息处理理论模型,然后利用大数据计量分析技术,抓取国内某著名P2P网贷平台的海量交易数据,实证研究互联网金融模式下信息对小微企业融资的影响,验证互联网金融通过减轻信息不对称提高小微企业融资可获得性与降低融资成本的实现机制。
(一)非对称信息下小微企业融资难的根本原因信息是金融的核心,在互联网金融时代,信息将成为独立的生产要素,在金融资源生产与配置中发挥作用,其中最核心的是资金供需双方的信息,特别是资金需求方的信息,而小微企业信息不完整、难获得就会形成信息不对称的小微信贷市场。在这种市场中,利率本身可以通过筛选潜在借款人的逆向选择效应和影响借款人行为的逆向激励效应来影响小微企业贷款的可获得性和风险程度。下面通过构建一个模型来具体分析非对称信息信贷市场对小微企业融资的制约。
设小微信贷市场有多个项目,每个项目的收益均服从二项分布:项目成功时收益为R,概率为P;项目失败时收益为0,概率为1-P;设每个项目贷款量为1个单位,贷款利率为r;设P在[0,1]上的概率密度函数为f(P),概率分布函数为F(P),若出借人满足所有借款小微企业的需求,这些借款项目的最大成功概率为p*,则每单位贷款的期望收益为:
上式对r求偏导,得:
根据式(1),P(r)>0,表示提高利率的收入效应,即利率每提高一个单位,出借人的期望收益增加P(r)个单位;(1+r)∂P(r)/∂r<0,表示提高利率的替代效应,即逆向选择效应,利率每提高一个单位,投资项目的成功率下降∂P(r)/∂r,贷款预期收益下降(1+r)∂P(r)/∂r个单位。由此可知,当∂E(r)/∂r>0时,收入效应大于替代效应,表明提高利率会使贷款收益增加;当∂E(r)/∂r<0时,收入效应小于替代效应,表明提高利率会使贷款收益下降;当∂E(r)/∂r=0时,收入效应等于替代效应,此时贷款收益达到最大化,设这一点的利率为r*,对应的贷款量为L*,对资金供给方来说这就是最优配给额。因此,出借人不会一味地提高利率来吸收信息不对称造成的风险,有时宁愿在相对低的利率水平上拒绝部分借款需求,而不愿选择在高利率水平上满足所有借款需求。被拒绝的借款需求多来自小微企业,因为与大中型企业相比,小微企业投资项目的替代效应更明显,面临更严重的信息不对称问题。
综上,信息不对称导致的逆向选择和逆向激励是小微企业融资难的根本原因。在新常态下,我国经济增速放缓,传统信贷市场上的大、小企业和好、坏企业之间的区分更为显著。被“拒贷”的小微企业面临融资困境,希望寻求新的融资渠道,而这也催生了以P2P网贷为代表的互联网金融新模式的诞生和发展。
(二)互联网金融支持小微企业融资的信息处理机制互联网金融是信息时代移动网络数据处理技术与金融产业高度发展相结合的产物。它基于大数据平台而构建,与传统金融最大的区别在于信息处理机制不同,从而为破解小微融资困境提供了一条可行新路。下面利用信息经济学原理构建一个模型分析互联网金融通过降低信息不对称支持小微企业融资的具体机制。
假设互联网金融市场中有n个参与者,分为资金需求方小微企业和资金供给方投资者,如某个P2P网贷产品,利率r采用竞标的方式确定,若借款企业守约,则由企业到期偿付本息;若借款企业违约,则由网贷平台承诺向投资者赔付一定金额,用q表示赔付率,其中q为事先确定,而r由市场资金供求决定。设参与者的效用函数均为u(w)=-αexp(-αw),其中w表示其拥有的财富,α为绝对风险厌恶系数。用Y表示网贷标的小微企业基本面信息,如信用评级、借款金额、利率、期限及还款方式等。设标的企业违约概率服从Logistic模型:若Y+u>0,发生违约;若Y+u≤0,不发生违约。其中随机变量u的概率分布函数为F(u)=exp(u)/[1+exp(u)],因此,该标的小微企业违约概率为:
将Y中信息进一步分为两类:一类是“硬”信息,指可被量化、证实的、易被掌握的信息,如借款金额、利率、期限等,用X表示;另一类是“软”信息,指借款人在社交网络中的社会资本信息,如小微企业主的人品、风险偏好、朋友评价等私人信息,用Z表示,则Y=X+Z。对每个参与投资者来说,掌握的X是相同的,而Z是不同的。
以第i个投资者为例,其掌握“硬”信息X和“软”信息Zi,对标的企业基本面信息估计Yi=E[Y|X,Zi],且Yi=X+Zi,由此他对该标的企业的预期违约概率为:
用£i表示第i个参与者愿意供给或需求的资金,则其效用最大化约束条件为:
在考虑网贷平台赔付率的情况下,令均衡利率R=-ln(q/r-1),代入式(4),并根据式(3),得出:
当市场均衡时,资金供给与资金需求相等,即
根据式(5)、(6)解出贷款的均衡利率为:
均衡利率R反映了以P2P为代表的互联金融模式的信息处理机制,小微企业的“软”信息,通过Zi→Pi→£i→R渠道,反映在均衡利率中,从而在一定程度上实现了“软”信息的“硬化”和公开化,这对以“软”信息为主的小微企业融资非常关键。
再由Y=X+∑Zi,得出均衡利率R与标的企业基本面信息Y的关系:Y=X+n(R-X),从而得出:
由式(8)可得,根据硬信息X、均衡利率R,理论上能完全推断出基本面信息Y,从而根据式(2)能估算标的企业违约概率。因此,在互联网金融模式下,通过竞标得出的均衡利率R能完全反映市场参与者掌握的信息。这主要得益于互联网金融大量运用了大数据、云计算、区块链、移动支付等新技术,大幅节省了信息处理和共享成本,通过利用社交网络蕴含的关系数据进行信息筛选,有效降低了信息不对称。
此外,互联网金融还有一个重要特征就是信息的网络传播速度惊人,假设第i个参与者,将其所掌握的软信息Zi在一定时间内通过网络传播,在t时刻,参与者中知道Zi的比例为Vt,则在时长为dt的时间内,新增知情者比例为:
其中η表示社交网络联系紧密程度,η越大,信息传播越快。由式(9)可解出:
其中,V0表示初始时刻知情者比例,在t→∞时,Vt→1,即若时间足够长,几乎所有人都会知道Zi。根据式(7)、(10)得出均衡利率随时间变化的函数:Rt=X+ZiVt+1/n∑Zi,显然当t→∞,R→X+Zi+1/n∑Zi。这一过程反映了数据信息是一种在流动中增值的资产,信息通过互联网传播和共享,实现了“软”信息向“硬”信息,私人信息向共享信息的转化,从而进一步降低了互联网金融市场中投资者与小微企业之间的信息不对称。
通过对上述模型分析可知,小微企业融资问题的症结是信息不对称,而互联网金融能通过强大的信息处理机制有效提高信息透明度。下文通过对国内某P2P网贷平台(以下简称Y平台)的大数据计量分析,研究互联网金融模式下信息对小微企业融资可获得性和融资成本的影响。
(一)变量选取与数据来源根据研究目标网站的数据结构,结合理论模型,本文选取下列解释变量和被解释变量构建计量实证指标体系:
(1)解释变量。借款信息变量(Loan):包括借款金额LA、借款年利率LR和借款期限LT。担保变量(Guarantee):包括是否提现标GT、是否抵押标GD和是否净值标GA。其中,非提现标指借款人成功借款后不能直接提现,用款时需另行向P2P平台提出支付申请,风险较小,将“非提现标”赋值为1,“提现标”赋值为0;抵押标指借款人能提供抵押担保,将“抵押标”赋值为1,“非抵押标”赋值为0;净值标指借款人在Y平台上还有出借给他人待回收的款项,以自身在平台的资产净值为限,发布融资需求,相当于有债权质押担保,将“净值标”赋值为1,“非净值标”赋值为0。信用变量(Credit):包括认证分CR、借入信用分CI和借出信用分CC。其中,认证分指Y平台上实名认证得分,包括身份认证、视频认证、学历认证、手机认证等;借入信用分,包括网银操作、朋友评价等得分;借出信用分主要指借款人对外投标的累计积分。历史表现变量(Record):包括历史借款成功次数RS、历史流标次数RL。
(2)被解释变量。投标是否完成(Y1):该变量代表小微企业融资的可获得性,投标完成则表示能获得融资,赋值为1,投标未完成则表示融资失败,赋值为0。实际年利率(Y2):该变量是指投标完成后根据Y平台的撮合,借贷双方形成的一个撮合年利率,即小微企业的融资成本。
(3)样本数据来源。由于Y平台上每一笔借款信息均被一个单独的网页存储,对应着一个以7位数字借款编号结尾的URL,并且研究所需的数据均在网页固定位置,因此本文采用Xml Http Request方法,首先利用Excel中的VBA函数收集借款编号为1390000~1630000的大量借款数据和相应的借款人信息,总共读取240000组数据,然后根据借款人和借款用途筛选出个体工商户、小微企业主等小微企业借款记录,最后剔除数据不完整、数据异常的信息,最终获得了58766条有效样本信息。对上述“大数据”样本,笔者运用EViews计量软件,分别通过Logistic回归和逐步回归来检验信息对小微企业P2P融资可获得性和融资成本的影响。
(二)融资可获得性的Logistic回归分析融资可获得性是典型的二元被解释变量,对此类变量一般使用Logistic回归模型来处理。根据上文指标设计,令K=ln[P(Y1=1)/P(Y1=0)]作为被解释变量,构建Logistic回归模型:
其中:L、G、C、R分别代表借款信息变量、担保变量、信用变量、历史表现变量的相应矩阵,而B1、B2、B3、B4则分别代表对应系数向量,b0为常数项、e为残差项。
首先,经Wald联合显著性检验,解释变量全体与被解释变量K之间显著相关,所以该模型是整体有效的。接着,对每一个解释变量进行Logistic回归分析,结果如表1所示。
表1 融资可获得性的Logistic回归分析结果
从表1可知,所有变量均在1%的显著性水平下影响投标成功率,即融资可获得性与各解释变量均相关。其中,从具体系数B看,借款信息变量对投标成功的影响弱于其他三类变量,尤其是借款金额、借款利率、借款期限对投标成功的影响明显弱于是否提现标、是否抵押标、是否净值标、认证分等变量。笔者认为原因在于,互联网金融作为新型投融资方式,多数投资者在选择P2P指标时更注重安全性,倾向于投资有抵押担保、借款信用等级高、历史表现好的标,而不会仅由于借款利率高而放贷。但随着互联网金融的发展,特别是《网络借贷信息中介机构业务活动管理暂行办法》等监管法规的落地,在合法合规的前提下,借款利率也将会成为影响投标成功的关键因素。另外,借款成功次数对投标成功的影响为正、流标次数对投标成功的影响为负,说明互联网金融作为一种大众金融,存在“马太效应”,历史借款成功次数越多的小微企业越容易再获融资,而流标次数越多越不可能成功融资。
(三)融资成本的逐步回归分析小微企业的融资成本分析应以融资成功为前提,因此需从上述58766条小微借款信息中,筛选出5215条融资成功的交易信息,并将其分为两类:一是友情模式下的竞标结果,即朋友之间的借贷,共897条;二是普通模式下的竞标结果,共4318条。以代表融资成本的实际年利率Y2为被解释变量,分别对这两类数据进行逐步回归分析,结果见表2和表3。
表2 普通模式下逐步回归结果
表3 友情模式下逐步回归结果
从表2看,经十步逐步回归,借出信用分CC、是否提现标GT、是否净值标GA、是否抵押标GD、借入信用分CI、借款金额LA、流标次数RL、认证分CR共8个解释变量与实际年利率在1%的水平下显著相关,被引入了多元回归模型,并且,除流标次数与实际年利率正相关外,其余均为负相关。其中,认证分、借出信用分、借入信用分越高的小微企业融资成本越低;同时,非提现标、净值标、抵押标成交利率较低,这一结果与传统信贷市场基本一致。但借款金额与利率负相关则是由于Y平台的规定:信用等级越高的借款人可借款额度越大,因此有大额借款额度的用户一般信用等级较高,融资成本较低。此外表2还显示:借款成功次数RS、借款期限RT与实际年利率相关性不显著,未进入回归模型,这与传统借贷模式中贷款历史记录良好,利率越低;借款期限越长,利率越高的定价规律和期限结构不一致。
从表3看,只有三个代表信用分的解释变量在1%的水平下与实际年利率显著相关,被引入了逐步回归模型,说明在友情模式下,借款人的多数“硬”信息基本无效,不会对实际年利率产生显著影响,而实名认证、借入信用、借出信用等“软”信息则起着重要作用。那么,这种“软”信息会对小微企业的融资成本产生怎样的影响呢?笔者对两种模式下的利率数据进行描述性统计对比分析,结果见表4。
表4 两种模式下借款利率描述性统计特征
根据表4,在普通模式下的平均融资成本达15.38%,比友情模式高近3个百分点。由此可知:在友情模式下,“软”信息能在一定程度上降低对小微企业的利率定价,因为借款人在社交网络中的信用情况等信息能有效降低借贷双方的交易成本和信息不对称程度,从而降低小微企业融资成本。这就能解释为什么多数人宁愿低利率将钱借给亲友,也不愿意以高利率放贷给陌生人,因此,互联网金融可看作是民间融资的网络化。其实,企业的“软”信息在传统金融与互联网金融时代都存在,但互联网金融利用大数据、云计算、区块链等技术将存在于经济运行中的不同渠道的大量数据收集起来形成“数据工厂”并充分利用,同时通过网络迅速实现信息共享,能有效降低非对称信息导致的逆向选择和逆向激励问题,提高小微企业融资可获得性,同时降低其融资成本。
在回顾现有文献基础上,本文基于信息不对称视角,构建了理论与实证相结合的研究互联网金融支持小微企业融资的信息处理机制的完整框架,重点回答了互联网金融是如何降低小微企业融资中信息不对称这一核心问题。理论分析表明,信息不对称导致的逆向选择和逆向激励是小微企业融资难的根本原因。而以P2P网贷为代表的互联网金融运用大数据、云计算、区块链等新技术,使小微企业的“软”信息,通过Zi→Pi→£i→R渠道,反映在均衡利率中,同时通过网络传播迅速共享,实现了私人信息向共享信息的转化,从而降低了小微企业与投资者之间的信息不对称。以理论分析为基础,通过收集和筛选国内某著名P2P平台的58766条小微企业借款信息,以此为大数据样本,运用Logistic回归和逐步回归实证检验,结果验证了借款金额、利率、期限等“硬”信息对小微企业融资的影响要明显弱于实名认证、信用表现等“软”信息。互联网金融的信息处理和共享机制有助于充分利用借款者在社交网络中的“软”信息,减轻信息不对称程度,提高小微企业融资可获得性,同时降低其融资成本。另外,互联网金融还存在“马太效应”,历史借款成功次数越多的小微企业越容易再获融资,而流标次数越多越不可能成功融资。
在新常态下,我国互联网金融发展正经历从野蛮生长到逐步纳入监管框架的历程,而小微企业也逐渐接受以P2P平台为代表的各类互联网金融企业,将其作为拓宽融资渠道的重要突破。但由于我国互联网金融尚没有形成完善的信息共享机制和风险防控体系,其利用自身信息资源优势服务小微企业融资的覆盖面和精准度均有待提高。为此,提出以下对策建议:一是完善大数据信息共享机制。互联网金融大数据,特别是各类“软”信息能否实现广泛共享,直接关系到支持小微企业融资的效率和效果。多样化是大数据的核心,要扩充数据来源,丰富数据类型,建立包括电商数据、信用卡数据、社交网站数据、小额贷款数据、第三方支付数据和生活服务数据等来源的交叉验证机制,积极推进数据整合,在大数据基础上实现深层次数据挖掘,提高小微金融服务的针对性和满足度。要继续推进P2P平台接入央行信用信息数据库,通过信息共享与流通,提高整个网贷行业的征信水平和风控能力。二是强化信息安全风险防控。互联网金融在发挥节省信息处理和传播成本,降低信息不对称优势的同时,也伴随着较大的信息安全风险隐患。我国互联网金融信息风险防控能力较弱,黑客攻击、隐私信息泄漏、网络金融犯罪等问题时有发生,严重影响小微企业互联网融资的生态环境,制约互联网金融健康发展。因此,要提高互联网金融信息安全风险防范能力,加强对互联网金融终端设备和数据传输中的信息安全风险防范;促进互联网金融信息安全监管法规和技术标准的制定;探索区块链、可信计算、生物识别等新兴技术在互联网金融信息风险防范中的应用。
*本文系江苏省保险学会课题“互联网保险产品创新与有效监管研究”(项目编号:SBX2016-2-F-04)、苏州市职业大学科研基金“新常态下互联网金融支持小微企业发展研究”(项目编号:SVU2015QN13)、苏州市职业大学教改项目“基于任务驱动的高职互联网金融项目化建材建设研究与实践”(项目编号:SZDJG-16009)阶段性研究成果。
[1]李朝晖:《我国P2P网络借贷与小微企业融资关系的实证研究》,《现代经济探讨》2015年第2期。
[2]周雷:《小额信贷、农户融资与农村金融改革》,东南大学2009年学位论文。
[3]谢平、邹传伟:《互联网金融模式研究》,《金融研究》2012年第12期。
[4]黄海龙:《基于以电商平台为核心的互联网金融研究》,《上海金融》2013年第8期。
[5]黄鹏、刘艳:《基于模糊综合评判法的小微企业综合信用评价模型——面向互联网金融服务平台》,《西部金融》2013年第10期。
[6]A.C.B.OrtegaandF.Bell,OnlineSocialLending: Borrower–Generated Content[C].Americas Conference On Information Systems(AMCIS),2008.
[7]Lin,M.F.,Prabnala,N.R.,etal.Socialnetwork sassignaling mechanisms:Evidence from online peer-to-peer lending[R].Washington,DC:SmithSchoolofBusiness,University of Mayland,2009.
(编辑 成方)