借款人信息结构对投资人决策的影响

庄弘

借款人信息结构对投资人决策的影响

庄弘

本文借助某P2P网络借贷平台的数据，考察了由借款人所提供的事实信息以及定性信息对投资人决策的影响。结果表明，在纯信用无担保的网络借贷市场中，相比软信息，投资人更加依赖于硬信息；而且，在软信息中，投资人倚重借款人对诚信及信用的相关描述。因此，投资人可在一定程度上通过借款人提供的软信息，判别借款风险。

P2P网贷；硬信息；软信息；投资决策

一、引言

2013年被称为中国互联网金融元年，如同当年欧洲文艺复兴，互联网模式冲击并改变了传统的金融业态和格局。P2P（peer to peer）网络借贷平台在庞大的市场需求和相关政策支撑下，如过江之鲫，与日俱增。截至2016年5月底，全国P2P行业历史累计成交已突破两万亿，距去年10月份破万亿大关只用了短短7个月时间。

相比传统业态，P2P模式的相对优势及劣势并存。P2P不受时空限制，投资人与借款人能够在平台上直接对接，拓宽了金融服务的市场范围；与此同时，P2P只充当“牵线人”及信息披露，并不提供资金担保，极易出现逾期、提现困难等问题，进而引发一系列信任危机和风险管控危机（Greiner and Wang，2010）。

为此，本文将借助互联网金融P2P网贷平台的交易数据，考察借款人的信息披露对借款成功率以及借款金额的影响，进而判断不同性质的信息（信息结构）对投资人风险判断的影响。本文结构安排如下：第二部分为文献综述，梳理了不同性质的信息对投资人决策的影响；第三部分提出可供检验的实证假说；第四及五部分分别为数据来源及描述性统计、实证分析结果；最后是结论总结。

二、文献综述

在完全资本市场中，借贷双方掌握着对等且全面的信息，均衡收益率能够正确地测度风险（Sharp，1964）。然而，在现实生活中，借贷双方往往存在明显的信息不对称，于是，逆选择及道德风险使得信贷市场规模受到极大的限制。这在P2P网络借贷市场中尤为突出，从而触发信用危机（Klafft，2008），这反过来倒逼P2P市场上的借款人必须提供足够的有效信息，以供投资人在借款之前进行风险识别。

Stein（2002） 将这些信息分为两类—硬信息（hard information）和软信息（soft information）。前者是指可被直接验证的信息，如借款人提供的住房抵押、结婚状况、可观测的个人特征、个人收入、信用等级，借款契约等；后者则无法直接被其他市场参与者证实的信息，如借款人的内在品质、能力等。

在以往研究中，国内外学者均一致性地发现硬信息对借贷金额、利率、成功率具有显著的影响。借款人的信用等级、经济实力（借款/收入比、负债率）越高，借款成功率越高，相应的贷款利率及违约率越低（Herzenstein等，2008；Klafft 2008；Lin等，2012）。相反，借款人以往的拖欠、违约记录显著地抑制了个人的网络借贷能力，面临更高的借款利率及更高的借款失败概率（Kumar，2007；Freedman&Jin，2008；廖理等，2014）。借款合同本身，尤其是借款金额影响着投资人决策：金额越大，越难借到款，支付利率也越高（Puro，2010；Collier，2010）。 最后，基于非财务性的可观测个人属性（性别、年龄、种族），三级价格歧视广泛存在（Pope&Sydnor，2008、2011；Devin＆Justin，2011）。

至于软信息，主要是指借款人的自我叙述及照片。由于投资人所能获取的硬信息是不完全的，这种主观的、无法核实的定性信息起到了不可或缺的辅助作用(Michels 2012)。例如，叙述者陈诉履历，现状及未来展望，以及陈述的方式他们通过讲故事的方式，将能透射出他的个人品质及内在能力(Wong&King，2008)。在P2P借贷中，由于语言存在歧义性，借款人将会采用策略性的陈述内容及方式感染投资人，进而提高自己的借款成功率。例如，Larrimore（2011）指出，个人的陈述内容越多、借款用途描述得愈加具体详尽，借款成功率越大；更多地采用“自我认为”而不是“他们说”的陈述方式，更易获得贷款(Pennebaker&King,1999;Tan et.al,2007)。此外，照片越漂亮、看上去越值得信任的人越容易申请到贷款，而且违约率也越低（Klafft，2008；Duarte et al.,2012）。

三、数据来源及变量定义

本文数据来源于我国某P2P网贷平台，为2015年的截面数据，包含2168条记录。每条记录中既包含必须填写、且较易证实的硬信息；同时，包含选择性填写、属于自我描述性质的，难于证实的软信息。关于软信息的采取，本文秉着全面、客观、可分析的原则，从每条记录的文字表述中萃取6方面的特征。具体信息结构如下表：

表1 硬信息及软信息的结构及定义

根有提供给某一方面的信息，该信息元素的赋值为0；相反，则赋值为 1。本文按照 honesty、career、life、stabilization、credit、try 的顺序来记录，因此，当碰到一条记录显示：第一次体验网贷，累积信用。其软信息特征的编码将为000011。

除私人所提供的信息外，本文还包括网贷平台所提供的个人信用评价（bgrade）①借款人的借入信用等级：1为F级，2为E级，3为D级，4为C级，5为B级，6为A级，7为AA级，8为AAA级。。最后，每条记录所对应的事后结果体现了投资人的决策，这包括是否满标（Full）②当单笔借款标筹集齐所有借款，且借款人不少于二人即为满标。、借款人的实际还款期限(Month)两个变量。

四、实证分析

首先给出各变量的描述性统计，见表2。所有的软信息元素均为（0,1）二元变量，SQ表示在一条记录中，所有的软信息取值之和，表示软信息的容量③SQ（特征的合计数）：对于6个软信息特征，将0-1序列累加。；年龄、性别、个人信用等级均为分类变量；其余剩余变量均为连续性变量或者整型变量。

表2 变量的描述性统计

由上表可知，满标率大约为68%，借款金额均值为4230元，借款期限均值都在6个月左右，借款人的信用等级均值处于B级左右，年龄均值处于33岁左右，性别大多为男性，借款人提供的软信息特征总和平均为1。

接下来，本文将在控制了硬信息的基础上，主要检验软信息容量（用SQ表示）及结构（6种软信息元素）对投资人决策的影响。其中，软信息容量对投资人决策结果见表3。

表3 软信息数量对投资人决策的影响

无论OLS还是Logit回归均表明：软信息容量（SQ）显著地提高了满标（full）的概率，即借款人提供的软信息特征数量越多，借款标的越容易满标。其次，借款人提供认证的个数（idnumber）与满标（full）也呈显著正相关关系，即认证个数越多，借款的成功率越高。再者，投资人似乎并不关心借款人之前的借款成功率，相对来说更关心借款人的失败率。最后，借款利率及信用等级也显著地影响着满标概率。

软信息结构对于满的影响参见表4。

表4 借款人软信息内容对是否满标的影响

对于表4的结果，硬信息与之前的分析结果一样，然而借款人主观提供的软信息令人意外。除了借款人表示诚信的特征和刷信用的特征与是否满标呈现出显著正相关之外，其余五个特征都不显著。借款人还是相信一个人表示自己具有诚信能够按时还款这样的信息，是因为很多人说自己的信用等级是优质用户，信用良好，与之前的信用等级（bgrade）变量吻合。

但是在资本市场化的今天，显然，通过表4结果发现，投资人是聪明的。从事业（career）变量来说，如果事业相对成功，是不用来P2P网贷平台上借款的，其事业受阻风险就会较大，所以借款人并不太愿意借款给对方。从生活（life）变量来说，对投资人的决策影响不确定，投资人对于借款人讲贷款用于生活方面的信息看法不一。从稳定（stabilization）变量来说，正常情况下，我们认为工作稳定的人还款更有保障，且一般老师、政府部门、企业主管和工薪阶层等是工作稳定的代表，然而这些人群并不太会在P2P网贷平台上进行小额贷款，因为他们的工资完全有能力保证他们的小额贷款的消费，或者他们完全可以向更有保障的商业银行贷款，但此时他们没有选择银行而选择新兴的P2P网贷平台，只能说明银行已经不愿意借款给他们了，也就是说他们的信用是有问题的。所以表示自己是工作稳定的特征是不成立的，我们可以认为投资人足够聪明，可以判断借款人的信息，不受借款人叙述的影响。至于刷信用（credit）和尝试（try）与是否满标一个呈显著正相关，一个不显著，即刷信用的人借得到钱，而尝试的人借不到钱。投资人认为，刷信用的人就和信用卡养卡的人一样，他们此时是很在乎自己的信用的，是为了使自己的账户信用等级越高，而不是借钱消费，还款是有保证的，所以可以相信他们是会还款的。而投资人不能确定第一次尝试P2P网络借贷的人是怎样的心理，所以不确定他们是否会还款。

五、结论

通过实证分析研究，我们发现，从借款人角度而言，除了必须提供需要由P2P纯信用网络借贷平台审核的性别、年龄、借款成功次数、借款失败次数、身份认证等硬信息之外，借款人只有尽量多提供软信息才能提高借款成功率，但是计量分析表明投资人是聪明的，如果借款人不真实地提供大量软信息，也未必借得更多额度，只有提供能够对借款有正向影响的信息，才能吸引更多的投资人来投标。所以，从投资人角度而言，信用等级越高，投资人越容易借款给对方，年龄越长，投资人越容易信任对方。投资人对性别有一定的歧视，更愿意借款给男性。然而对于借款人主动提供的定性信息，投资人足够聪明有一定的鉴别能力，普遍信任表明自己有诚信的借款人，但并不太确定是否要投资将贷款用于事业和生活的借款人，也不太相信表明自己有稳定的经济来源的借款人。但投资人认为第一次尝试的借款人是不可信的，可以相信刷信用的借款人。所以借款人提供诚信、刷信用能对自己的贷款形成正向影响，而事业、生活、稳定和尝试的影响不确定。

由于数据选择和样本缺乏的问题，本文无法确定事业、生活和稳定三个因素是否真的对投资人产生正向或者反向的影响。此外，投资人有可能会受到借款人表述传递出的情绪的影响，比如如果都有创业的经历时，投资人可能会因为个人情感判断，而非处于理性，或者当听到为自己的父母治病需要一笔钱时，情绪比较丰富的投资人或许会出于善意自愿借钱给借款人等等，这也将是定性信息后续研究的重要内容。

[1]ME Greiner，H Wang.Building Consumer-to-Consumer Trust in E-Finance Marketplaces An Empirical Analysis[J].International Journal of Electronic Commerce，2010，15(2):105-136

[2]William F.Sharpe.Capital Asset Prices:A Theory of Market Equilibrium under Conditions of Risk[J].The Journal of Finance，Vol.19，No.3(Sep.,1964),，pp.425-442

[3]Michael Klafft.Peer to Peer lending:Auctioning Microcredits Over the Internet[J].Social Science Electronic Publishing，2008

[4]Stein，Jeremy C.，2002，Information production and capital allocation：Decentralized vs.hierarchical firms[J].Journal of Finance57,1891-1921.

[5]Michal Hartenstein，Scott Sonenshein，Utpal M Dholakia.Tell me a good story and I may lend you my money：The role of narratives in peer-to-peer lending decisions[J].Journal of Marketing Research，2011，48(47)：S138

[6]Freedman,S.,and G.Z.Jin.2008.“Do ocial Networks SolveIn formation Problems for Peer-to-Peer Lending?Evidence from Prosper.com”,Working Papers,College Park,MD:NET Institute.

[7]Lin M.,N.R.Prabhala and S.Visw anathan.2013.“Judging Borrowers by the Company They Keep:Social Networks and Adverse Selection in Online Peer-to-Peer Lending”,Management Science,59(1):17～35.

[8]Kumar，S.Bank of One:Empirical Analysis of Peer-to-Peer Financial Marketplaces[J].13th Americas Conference on Information Systems，Keystone，Colorado：Association for Information Systems，2007.

[9]L Larrimore，J Li，J Larrimore，D Markowitz，S Gorski.Peer to Peer Lending:The Relationship Between Language Features,Trustworthiness,and Persuasion Success[J].Journal of Applied Communication Research,2011,39(1):19-37

[10]D G Pope，JR Sydnor.What’sina Picture?Evidence of Discrimination from Prosper.com[J].Journal of Human Resources》,2011,46(1):53-92

[11]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——来自网络借贷的证据[J].经济研究，2014，（07）.

[12]廖理，李梦然，王正位，贺裴菲.观察中学习:P2P网络投资中信息传递与羊群行为[J].清华大学学报(哲学社会科学版)，2015，（01）.

[13]Michal，J.2012，”Do Unverifiable Disclosures Matter?Evidence from Peer-to-Peer Lending”，Accounting Review，Vol.87，1385-1413.

[14]J Duarte，S Siegel，L Young.Trustand Credit:The Role of Appearance in Peer-to-peer Lending[J].Review of Financial Studies,2012,25(8):2455-2484

[15]Wong，Nancy and Tracey King，2008，”The Cultural Construction of Risk Understanding through Illness Narratives”[J].Journal of Consumer Research，34（5），579-594.

[16]Tan,K.W.P.,D.Swee,C.Lim,B.H.Detenber and L.Alsagoff.2007.“The Impact of Language Variety and Expertise on Perceptions of Online Political Discussions”,Journal of Computer-Mediated Communication,13(1):76～99.

[17]李思明，肖忠意.社交朋友网络资本与P2P网贷行为选择研究[J].上海金融，2016,(04).

[18]李焰，高弋君，李珍妮，才子豪，王冰婷，杨宇轩.借款人描述性信息对投资人决策的影响——基于P2P网络借贷平台的分析[J].经济研究，2014，（01）.

[19]王永钦，米晋宏，袁志刚，周群力.担保网络如何影响信贷市场——来自中国的证据[J].金融研究，2014，（10）.

[20]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，（04）.

[21]王会娟，何琳.借款描述对P2P网络借贷行为影响的实证研究[J].金融经济学研究，2015,1(30):1.

[22]温小霓，武小娟.P2P网络借贷成功率影响因素分析——以拍拍贷为例 [J].金融论坛，2014，（03）.

[23]莫易娴.国内外P2P网络借贷发展研究[J].财会月刊，2014,(08).

[24]宋文，韩丽川.P2P网络借贷中投资者出借意愿影响因素分析[J].西南民族大学学报·自然科学版，2013，9（39）：5.

[25]戴云燕.P2P网络借贷行为效率影响因素研究——以人人贷为例[D].北京交通大学硕士学位论文，2015.

F832.5

A

1008-4428（2017）09-107-03

庄弘，女，江苏盐城人，现就读于上海海事大学经济管理学院国际贸易学研究生。