互联网金融信用风险管理的文献综述

何超 关伟

摘要：现代金融越来越信息化，现在的经济越来越发展成为了信息的集合体，互联网借贷平台自诞生以来，其去中介化的交易模式一直是经济学、金融学、信息学和社会学等学者们关注的重点。文章基于互联网金融市场的参与主体对研究成果进行分类和归纳整理，发现以往的研究主要集中于：借款人特征与信息识别对借款成功率及违约风险的影响；投资人的风险偏好和投资行为；以及网贷平台的定价策略、风险传导以及造成的监管困境等。文章还提出了未来的研究方向，包括互联网金融平台信息价值研究，国际国内互联网金融的对比研究，传统商业银行消费信贷与互联网金融对比分析等。

关键词：互联网金融；信息识别；投资行为；信用风险管理；监管

一、 引言

我国改革开放40年，金融行业的结构、功能、风险及监管模式也经历了发展和变革的40年，信息技术的不断发展促进了传统金融的互联网化，基于高科技因素的互联网金融开始进入人们的视野，不断满足人们日益增长的、多元化的金融服务需求。虽然互联网金融与传统商业银行借贷关系相似，都涉及投资人、借款人和金融中介，但是这三者在这两个市场中的关系有着本质的区别，银行作为金融中介完全隔离了投资人和借款人之间的债权债务关系，但是互联网借贷平台只是信息枢纽，原则上不承担任何投资风险（程华和杨威，2016），是对传统金融融资功能的补充和延伸，服务于主流金融服务半径难以达到的企业和个人。这种互联网金融模式具有违约风险、欺诈风险、政策风险和操作风险等风险，由此凸显出加強互联网金融信息披露的重要性和必要性。互联网金融试图通过大数据平台、金融科技解决过去的信用评级出现的种种制度和技术障碍，现有的数据平台可以利用已有的技术对信息进行挖掘、整合和优化，然后提供给平台的投融资客户，所以这些平台企业就成为了信息的中介，并具有一定的信息生产能力，信息对称是形成合理价格的先前条件。但是目前互联网金融市场存在严重的信息不对称性，主要是因为较多拥有暴利心态的人簇拥到了互联网金融的平台上，从而加深了该市场的风险水平，所以了解该平台的运营机制和该市场的风险来源和组成尤为重要。

本文整理了对互联网金融的相关研究，以互联网金融的参与主体为分类依据，包括借款人特征与信息识别对借款成功率及借款违约风险的影响；投资人的风险偏好和投资行为；以及互联网平台企业的定价策略、风险传导以及造成的监管困境等，以下分别阐述以上三者的相关研究综述。

二、 关于互联网借款人风险管理的研究

1. 借款人特征与信息识别对借款成功率的影响研究。网络借贷是互联网金融的主要模式之一，特别是在无抵押的信用贷款平台上，相比于传统的金融市场，互联网金融市场投融人之间的信息不对称程度更大，特别是道德属性的信息不对称（Stiglitz & Weiss，1981），因为借款人拥有的信息量远高于投资人和平台，所以借款人有可能隐瞒不利于自己获得低利率贷款的信息，所以对于该平台的借款人需要更加严格的信用评分模型进行信用风险管理（廖理和张伟强，2017）。在这个平台上，借款人若想通过网贷平台获得借款，除了披露一些能够体现贷款主体和项目信用水平的硬信息，也会自愿披露一些如家庭背景、兴趣爱好、社交等软信息。信息的整理与加工直接决定了借款人的信用等级，而信用等级对借款人能否借款成功至关重要（Klafft，2008），而平台也是根据聚类借款人的这些信息为出借人提供投资决策的依据（丁杰等，2018），所以借款人的特征和信息识别是影响借款人借款成功率的重要因素。

（1）借款信息描述与借款成功率。在网贷市场借款人会通过借款描述一栏介绍自己更多的个人信息化或者借款目的及用途，进一步说服投资人做出投资决策（王会娟和何琳，2015）。但有学者通过研究发现，借款信息描述对借款是否成功的影响并不一致（陈霄和叶德珠，2018；2017），作者发现提高借款描述的可读性能够显著减少信息噪音，并降低投资者的信息处理成本，从而提高借款的成功率；而且借款描述的标点增加降低了可读性，但是字数增加提高了可读性或者信息量，降低了信息不对称程度。并且，很多情况下，出借人并不能很好地识别借款人的描述的背后的风险，相反，当借款人使用欺骗性的语言时更容易获得借款，但是这类人的违约率更高（廖理和张伟强，2017）。同样也有学者发现借款描述的字数、表达方式、具体情况、与金钱相关的数词或单词都与借款成功率有关（Herzenstein et al.，2011；Larrimore & Jiang，2011）。

（2）借款人特征与借款成功率。现有大量学者从行为金融学的角度，研究了网贷市场借款人特征对借款成功率的影响，包括借款人的年龄、性别、外貌、种族、受教育程度和社交等方面。

有研究表明在目前的网贷市场上存在年龄歧视，即年青年人和老年人不容易获得贷款，或者获得的贷款金额较少（Loureiro & Gonzalez，2015）。但是对于该平台是否存在性别歧视和种族歧视，并没有一致的研究结论。有学者认为在美国的互联网市场借贷平台，女性更容易获得低利率的贷款，但在中国的网贷市场则相反，虽然女性的违约率低，但是女性需要支付更高的贷款利率。同时有学者发现，虽然非洲裔美国人相比白人更不容易得到贷款，且借款利率高，但是他们的违约率也同样较高（Pope & Sydnor，2011）。

许多研究表明，网贷市场上借款人的外貌对借款人成功率起到了一定的作用（Loureiro & Gonzalez，2015）。比如有学者研究美丽的溢价，认为长相更漂亮的借款人更容易获得借款，如Ravina（2012）通过研究发现：漂亮的借款人借款成功率比不漂亮的借款人的借款成功率高1.59%，但是也有部分研究表明，漂亮的外貌并不一定能够给借款人带来好处，还有可能使其处于劣势，还有部分学者则研究了是否能够通过外貌预测借款的违约率和可信度。

除此之外，也有学者研究了借款人社交特征对借款成功率的影响，例如Berger和Gleisner（2012）通过研究得出借款人加入群有利于降低信息不对称，特别是对信用等级不高的借款人，可以通过群提高其借款成功率（Everett，2010）。还有学者认为拥有更多朋友的借款人能容易获得借款，而且借款利率相对较低，而且朋友质量越高，借款人将获得越高的信用等级，也越容易获得借款（Li，S.，Lin & Qiu，2015）。

2. 借款人违约风险研究。对互联网金融市场的借款人违约风险的研究主要集中于：研究网络借款人违约风险影响因素、借款人的违约风险评估以及如何防范借款人违约等。

对借款人违约率的影响因素研究中，有学者通过研究认为借款人的信用等级、偿付能力、财务状况等硬信息对借款违约率有显著的正向影响（Klafft，2008；陈霄和叶德珠，2016），还有学者认为“软信息”对借款违约了也会产生一定的影响，而且借款人有可能利用“软信息”进行“自我粉饰”，从而影响违约率（Berger & Gleisner，2014），有学者研究了种族信息对违约率的影响，得出虽然平台给黑人的贷款利率越高，但是他们的违约率也更高（Pope & Sydnor，2011）。还有学者研究得出借款人的社群网络会产生一种“质量信号”，对降低借款人违约率有显著的正向影响，即能够显著抑制违约率（Lin et al.，2013），廖理（2018）认为投资人具有学习效应，同时受教育程度较高的借款者的实际违约率较低。

阮素梅和何浩然（2017）研究了借款人违约风险评估和防范，认为决策树和支持向量机（SVM）算法能够较为准确地预测借款人的违约概率。涂艳和王翔宇（2018）则认为平台可以通过建立相关机器学习模型来正确评价借款人的信用，以实现对借款人违约风险的有效防范。

三、 关于互联网金融市场的投资人的研究

1. 投资人风险偏好对借贷平台企业选择的影响。网贷平台的运营风险不仅来源于贷方，同时也与投资者的风险偏好相关，程华和杨威（2016）构建了一个企业通过“纯平台模式”的网贷平台进行融资的模型，并引入了不同风险偏好程度的投资者，认为当融资刚开始进行时更多是风险偏好型投资者进行投资，只有当平台运营者经营的条件达到更高的水平，风险厌恶型的投资者才有可能进入，所以网贷平台的参与方需要做好投资者的风险偏好、风险承受能力的综合评估，对投资者整体的风险偏好信息有充分的了解。Liu和Xia（2017）也通过引入不同风险偏好的投资者建立借贷双方的演化博弈模型，以研究不同风险偏好的投资者人的投资行为，认为信息搜集成本能够显著降低市场的信息不对称，而且贷款人具有评估借款人的资金需求的能力。

2. 投资人投资行为与市场情绪对借款成功率的影响。学界对投资人投资行为的研究多集中于投资人羊群行为的研究（zhang & Liu，P.，2012），认为羊群行为对网贷交易的成功与否有着显著的影响，网贷平台的多元化的投资模式将影响投资人的投资行为（Chen & Lin，2014；zhang & Liu，P.，2012）。有学者研究了网贷市场中的投资者是否具有理性意识对收益和风险进行权衡，胡金焱和宋唯实（2017）认为网贷市场的投资者不属于完全非理性投资者，从而保证了网贷的平台中介能够发挥信息中介的作用，并提升资金的匹配效率。还有学者认为网贷投资人具有群体智慧，随着羊群效应程度的增强，借款的违约率将下降（廖理，2018），但是投资人也不是完全理性经济人，他们的投资行为往往还会受到心理、生理和社会的影响（王腊梅，2017）。

对网贷市场投资者情绪的刻画则主要是通过新闻媒体的词条进行研究，北京大学互联网金融研究中心联合上海金融研究院和蚂蚁金服2016年编制的“北京大学互联网金融发展指数”，刻画了2014年以来我国互联网金融的快速发展趋势。王婧一和黄益平（2018）基于1 700万条新闻文本数据构建了金融科技情绪指数，发现对于正常的平台，媒体的关注度和净情绪的增长与平台的成交量显著正相关，而对于问题型平台，媒体的关注度对成交量与正常平台的影响没有显著的差别，但是净情绪对成交量的影响更為显著。

四、 关于互联网平台企业运营风险的研究

1. 平台借贷利率定价影响因素研究。有学者认为互联网金融借贷市场基本实现了通过市场化行为进行资源配置和差别化定价的发展阶段（廖理等，2014）。大多数学者对网贷利率的研究多集中于借款人微观特征对利率的影响因素上，包括收入（Burtch et al.，2014），认为收入越高的借款人在定价的过程中越有可能存在风险与价格的认知偏误；年龄及婚姻状况（陈霄和叶德珠，2016），认为随着年龄的增长，借款人可能存在认知老化和保守的趋势，从而无法准确判断自身的信用状况（Liu et al.，2015），并且已婚借款人更能充分认知自我，其定价更能反应真实风险（Lepore，1992）；性别（Barasinska & Schafer，2014），认为女性借款人在定价中的抑价幅度高于男性，且对借款定价波动影响不大（Barber & Odean，2001）；教育水平（陈霄和叶德珠，2016；廖理，2018），认为学历越高的借款人能掌握更多的资源，并能对借款进行准确的定价。还有学者研究网贷市场参与主体的行为如何影响利率，如有学者认为该市场参与主体并非能够在特定的条件下实现借贷成本的最优化，非理性行为如羊群行为和非理性歧视（Pope & Sydnor，2011）是决定网贷市场利率的重要因素（陈霄和叶德珠，2016）。

2. 对网贷平台风险管理研究。风险经营是金融的本质，所以风控是金融研究的永恒话题，学者对网贷市场风险的研究主要包括：（1）影响互联网金融市场违约率的因素及风险评估，如工资收支、性别、借款额度、网站浏览的数字足迹等（李杰，2018；阮素梅，2017）；（2）互联网金融对传统金融风险承担的影响（顾海峰，2018），学者认为，首先，互联网金融与银行风险承担之间存在边际递增的单门限效应，银行资本充足率越高，银行风险承担对互联网金融冲击的反应越灵敏，而且互联网金融对银行风险承担存在功能性差异。其次，互联网金融能够促成金融二次脱媒，提升金融风险管理的水平（Srivastava，2014）；（3）网贷市场的风险预警与防范（涂艳，2018；赵虹茜，2016）；（4）网络借贷市场的信用风险缓释于管控机制（牛丰和杨立，2016；杨立等，2018），学者通过理论研究拆解了信用风险产生的“理论黑箱”，对网贷风险缓释提出理论分析框架和支持。（5）互联网金融科技公司的破产与倒闭（李先玲，2016）等。

3. 互联网金融造成的监管困境研究。有学者认为在目前互联网金融发展的相关法律法规和监管缺位且建设过程复杂的情况下，行业自律组织作为政府监管的有效补充，能够发挥自律管理的重要作用（谢平，2014）。有学者分析了创新与监管中的群体博弈局势的变化，提出在现有互联网金融监管缺位的情况下，如何进行金融创新路径的选择与监管的策略的选择（俞林，2015）。还有学者则认为需要强化功能型监管，采用不同的监管模式（郑联盛，2014），因为网络借贷科技公司存在两种运营策略——“自律”与“不自律”，因为两种策略的存在，导致了监管也存在“宽松监管”和“严格监管”两种策略，平台企业和监管机构选择不同的策略将达到不同的均衡，网贷市场多重均衡的存在，导致了该市场的不稳定性（程华和杨威，2016；刘伟和夏立秋，2018；2017）。可见，网络借贷市场的健康发展离不开金融监管机构的有效的、动态监管策略。

五、 结论与未来研究方向

网络借贷自诞生以来一直是经济学、金融学、信息学和社会学等学科领域关注的重点，大部分对网贷市场的研究主要集中于借款人的风险识别、出借人的投资行为及平台的风险传导等。虽然网贷市场的交易模式有利于提高交易的效率，理论上能够帮助降低借款人的借款成本，并提高出借人的投资收益，但是也因为长尾客户的特征而加深了金融市场的信息不对称程度。

基于此，本文提出以下几个网贷市场未来的研究方向：一是新信息价值研究方向，即互联网科技公司如何提升自己的信息生产能力，更清晰地界定自身的市场定位，以识别网贷参与者的信用风险等；二是不同国家的互联网金融与我国互联网金融发展模式的比较研究，不同国家的网络借贷发展模式都是基于本国的文化、法律制度和经济环境发展而来，特别是国外信用评价技术对我国网贷行业信用评价体系的建设具有重要的借鉴意义；三是我国传统商业银行业消费金融与网络借贷在信用评价、客户群体、成本收益、金融创新等方面的对比分析；四是对网络借贷的投资人风险偏好、投资行为对借款人成功率与违约风险的影响研究。

参考文献：

[1] 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.

[2] 廖理，张伟强.P2P网络借贷实证研究：一个文献综述[J].清华大学学报（哲学社会科学版），2017，（2）：186-196.

[3] 叶德珠，陈霄.标点与字数会影响网络借贷吗——来自人人贷的经验证据[J].财贸经济，2017，（5）：65-79.

[4] 廖理，向佳，王正位.P2P借贷投资者的群体智慧[J].中国管理科学，2018，26（10）：30-40.

[5] 顾海峰，杨立翔.互联网金融与银行风险承担：基于中国银行业的证据[J].世界经济，2018，（10）：75-100.

[6] 劉伟，夏立秋.网络借贷市场参与主体行为策略的演化博弈均衡分析——基于三方博弈的视角[J].中国管理科学，2018，（5）：169-177.

[7] Barber，B.M.，& Odean，T.Boys will be boys：Gender，overconfidence，and common stock investment.Quarterly Journal of Economics，2001，116（1）：261-292.

[8] Herzenstein，M.，Sonenshein，S.，& Dholakia，U. Tell me a good story and I may lend you money：The role of narratives in Peer-to-peer lending decisions.Journal of Marketing Research，2011，48（SPL），S138-S149.

[9] Liu，W.，& Xia，L.-Q.An Evolutionary Behavior Forecasting Model for Online Lenders and Borrowers in Peer-to-Peer Lending.Asia-Pacific Journal of Operational Research，2017，34（01）.doi：10.1142/s0217595917400085.

作者简介：关伟（1962-），男，满族，辽宁省沈阳市人，中国人民大学财政金融学院教授、博士生导师，研究方向为信用管理；何超（1990-），女，汉族，湖南省湘潭市人，中国人民大学财政金融学院博士生，研究方向为信用管理。

收稿日期：2019-01-16。