P2P 网络信贷信用风险影响因素研究——基于借款人的信息特征

李昕玮

（南京审计大学 经济学院，南京211815）

一、引言

随着“互联网+”概念的提出，互联网金融（ITFIN）迎来了“春天”。其中P2P 网络信贷平台随着互联网的发展，以及金融体系的逐步放宽更是迎来了爆炸式的增长。P2P 网络信贷行业的出现，不仅顺应了信息时代的潮流，而且也对中国经济高质量的发展，特别是中小企业和互联网金融行业起着举足轻重的作用。但这一新兴的金融模式也带来了许多亟待解决的问题，比如根据P2P 网贷之家最新数据，P2P 网贷平台截止2020 年2 月共有6611 个平台，但其中问题平台和停业与转型平台就高达6 272。P2P 网络信贷模式不仅面临着与传统信贷同样的市场风险、政策风险等系统性风险，而且还面临着比传统金融信贷更高的平台信誉风险、借款人违约风险等非系统性风险，所以研究P2P 网络信贷信用风险的影响因素是具有现实意义的。可以通过分析这些因素分析借款者的违约行为，从而建立较为完善的个人征信机制来规避信用风险，这不仅为投资者营造了一个阳光、安全的投资平台，也为P2P 网络信贷行业创造了更好的环境，对未来中国互联网金融的发展具有重要意义，从而更利于提高P2P 网络信贷模式对中国经济高质量增长的贡献程度。

二、文献述评

P2P 网贷平台早期出现于英国，Collier and Hampshire（2010）发现借款人的信用等级、信用特征可有效地降低道德风险和逆向选择。Lin（2010）研究发现，拥有丰富的社会网络资源的人更容易获得较低的贷款利率，贷款违约率较低。Freedman, etc.（2008）的研究发现，当贷款人与借款人在现实生活中存在类似于校友和同事的关系时，贷款拖欠率会降低。Klafft（2009）认为，信用评级对贷款利率的影响最大，其影响大于借款人的债务与收入比率。其他信息（如银行帐户信息、资产状况等）与贷款利率几乎毫无关系。从而可以看出，P2P 网络信贷在国外的研究主要集中在对借款人的信用等级，以及借款人的社交信息对违约风险影响的研究方面。

而国内研究P2P 网络信贷起步相对较晚，早期，主要在于比较网络信贷平台的运作模式，孙之涵（2010）对网络信贷平台的运作模式进行了相关的研究概括。同时我国网贷市场不够完善，在具体的交易过程中，还存在很大的风险，陈辉（2015）根据目前网贷市场风险较大这一特点，对网贷风险的分类情况，以及如何评估网贷风险和如何降低网贷风险做出了阐述。网络信贷市场存在明显的信息不对称的现象，针对这一问题，胡海青（2015）研究了在这一状况下，P2P 交易过程中投资者的行为。研究发现，投资者在进行网贷交易时，投资人在做出投标这一行为时，除了与借款利率有关外，还会关注借款人成功借款这方面的信息，同时也会注重已经获得的投标人数的信息。邹珂莹（2015）在对借款人的信息能够影响出借者的出借行为进行研究时发现，借款利率对投资者行为能够产生正向影响，借款期限产生的是负向影响。从上述文献可知，国内对P2P 网络信贷的研究主要集中在平台运作模式、制度建设、风险研究等方面。虽然国内学者对P2P网络信贷的信用风险也进行了不同程度地分析，但其主要集中于对监管制度方面的研究，而从实证角度较少。

三、理论基础

（一）信息不对称理论

指处在市场交易中的双方，一般卖方比买方掌握更多信息的不公平现象，这种理论不仅强调了信息的重要性，而且反映了市场体系的缺陷，解释了完全的市场体系并不是完全有效率的原因，也解释了道德风险和逆行选择风险产生的原因。所以该理论对于研究P2P 网贷信用风险是必不可少的。

（二）道德风险理论

用来解释从事经济活动的人，为了最大限度地扩大自身效用的时候做出损害他人利益的现象。这也正是P2P 网贷面临信用风险的基础理论，其产生这种现象一方面是因为信息不对称，另一方面是因为交易费用高于其自身承受而导致合约不完全。

四、P2P 网络信贷信用风险影响因素的实证研究

（一）数据的来源及处理

此次实证研究的数据共656 条，分别来自人人贷、你我贷、拍拍贷、有利网这四个P2P 网贷平台的散标借款人信息。选取此平台的原因主要有以下几方面，其运营模式较为典型；平台本身运营状况良好；其提供的借款者信息较为全面；数据较易获取。故现用火车头和八爪鱼软件在四个平台上对13 个字段进行抓取，这13 个字段分别是借款金额、借款期限、年利率、信用等级、年龄、性别、学历、婚姻状况、购房情况、购车状况、投标人数、正常还清次数、逾期还清次数。由于现基于借款人的信息特征研究信用风险的影响因素，所以用正常还清率来间接表示信用风险，正常还清率越高，信用风险即违约风险就越低。其中，正常还清率=正常还清次数/(正常还清次数+违约次数+1）。

（二）变量定义及理论模型的选取

1.变量定义。见表1 所示。

2.理论模型的选取。现基于借款人的信息特征，对信用风险影响因素进行分析，所以主要考察的是借款人的信息与反映信用风险的正常还清率之间的相关性，因此选用spss 软件对656 条数据进行回归来分析其相关程度。现拟采用多元线性回归的方法进行回归，其中被解释变量为正常还清率，解释变量为借款金额，借款期限、年利率、信用等级、年龄、性别、学历、婚姻状况、购房情况、购车状况、投标人数，拟回归模型如下。

表1 变量定义表

（三）理论假设

第一，借款金额与违约风险成正比，借款金额越大，借款人偿还本金和利息的压力就越大，其按时偿还的可能性越低，则其违约风险越大。

第二，借款利率与违约风险成正比，借款利率越高，则其利息压力越大，其违约风险越大。

第三，借款期限与违约风险成正比，借款期限越长，其面临的未来不确定性越高，且期限长累积的利息金额越多，其违约风险越大。

第四，信用等级与违约风险成反比，信用等级越高，则其信用水平越高，守信度越大，违约风险越低。

第五，年龄与违约风险。据国外学者研究，借款者的违约风险与年龄呈双峰曲线关系，即初步步入社会的借款人和36 岁左右的借款人违约风险高于其他群体。

第六，性别与违约风险。据研究表明，男性本身具有冒险主义，因此男性的违约率要大于女性。

第七，学历状况与违约风险成反比。根据美国的某网站数据显示，高学历可以带来高收入，从而面临的还款压力会变小，从而违约风险降低。

第八，婚姻状况与违约风险。已婚人士要比未婚人士的违约风险低，因为已婚人士有两个人共同承担还款压力。

第九，购房情况、购车状况与违约风险。房产和车产都属于财产情况，财产拥有的越多，其还款途径越广泛，则违约风险越低。

第十，投标人数和违约风险之间的关系还没有理论研究，现无法做出理论假设。

（四）模型回归

根据统计理论，从表2 的初步回归结果中可知，原模型中拟合较好的变量只有年利率和住房。认为出现上述拟合结果的原因可能由于自变量之间本身具有较强的相关性所致，所以现用对自变量进行相关性分析。根据相关性的指标及数据结果得出，项目期限与项目金额高度正相关，其r 为0.7614。与年利率高度正相关，其r 值为0.8382，所以有理由认为其之间具有一定的共线性。因此，对项目期限、项目金额、项目利率与正常还清率进行双变量相关性分析，从而得到项目期限与正常还清率相关性最低，所以对此变量进行剔除。其他变量筛选方法同上，最终剔除的变量有项目期限、购车状况。由于P2P 网贷信用等级的评分是由此研究的其他自变量根据信用评级体系得到的，其与过多自变量有关，所以剔除信用等级。经过多次回归迭代，最终回归模型为：R=β+α1BP+α3BR+α7D+α9H+α11BN+ε，回归结果如表2 所示。

表2 模型回归结果

从最终回归结果可知项目金额、年利率、学历、房产情况与违约风险的关系与理论假设相符，而且得出投资人与违约风险成负相关。

（五）描述性统计分析

虽然对一些变量进行了剔除，但其并不完全代表其与违约风险无关，现分别对逾期中的性别、年龄、项目期限、购车情况、婚姻状况、信用等级进行描述性统计，来看其对违约风险的影响。根据统计分析可得，逾期中的年龄分布主要为刚步入社会的占30%，36 岁左右的青年占46%，中老年人群占24%，这与初步的理论假设基本吻合。逾期中的性别分布主要为男性与女性比例对等，这与理论假设有所出入。逾期中的借款期限分布，主要集中在项目期限为3 个月和项目期限为12 个月，其与理论假设有些出入。逾期中的购车情况分布主要为未购车人数达到了65%，所以这与理论假设基本一致。逾期中的婚姻状况分布主要为未婚集中了50%，而离异和已婚各占25%，这与理论假设基本符合。逾期中的信用等级分布主要为信用等级最高的占的最多，其次是信用等级最多的人，这与理论假设有出入。

（六）研究结论

1.多元线性回归模型的结论。经过上述最终的回归模型结果，可得出如下结论。正常还清率与借款金额、年利率、房产情况成反比，这与理论假设相符。正常还清率与学历成正比，即学历越高违约风险越小，这与理论假设相符。且进一步发现，正常还清率与投标人数成反比，即投标人数越多违约风险越大，现认为出现这种现象的原因是借款人的“拆东墙补西墙”心理。借款人由于投标人数较多，从而更容易存在一种侥幸心理，容易出现道德风险，用一部分投标人的钱来还另一部分投标人的钱，从而导致的违约风险就会变高。所以借款金额、年利率、房产情况、学历、投标人数这五个因素在P2P 网贷信用风险管理中是不可或缺的借款人信息特征。

2.描述统计的结论。经过对剔除的变量进行逾期中的描述性统计，可得如下结论。年龄段的分布对信用风险有一定的影响，刚步入社会的青年和36岁左右的青年其违约风险更高，这是由于处于这两个阶段的青年拥有更强的“冒险心理”和经济压力，这与理论假设基本一致。婚姻状况对信用风险也有一定的影响，未婚者拥有的信用风险更高。这与理论假设一致。车辆拥有情况对信用风险有一定的影响，没有车辆的更易发生违约，这些与理论假设基本相符。所以年龄、车产情况、婚姻状况这三个因素在P2P 网贷信用风险管理中是比较重要的借款人信息特征。而性别对信用风险基本无影响，故对性别进一步分析，发现在网贷平台上借款人中男性是女性的两倍，所以在进行逾期中的性别分布描述时，分别采取了各性别违约人数在各性别所占的比例为统计目标，发现其违约风险男性比女性略高，但这种差距并不明显，所以性别这一特征对网贷信用风险管理来说并不是重要的信息特征。项目期限对信用风险有一定影响，逾期次数主要集中于项目期限为3 个月和12 个月，且3 个月项目期限逾期次数最多，现对项目期限进一步分析发现，在统计数据中，3 个月的利率大约在7%-8%之间，而一般短期借款金额不超过10 000 元，但借款人需偿还的利息在本金中的比例过大，再加上期限短，所以借款人面临的还款压力上升，从而导致违约风险上升。对于项目期限12 个月来说也是同样的道理，现数据中借款期限为12 个月的借款金额一般不超过5 万，但其年利率却在10%左右，所还利息在本金中比重较大且时间相对较长，不确定因素的增加和较大的还款压力使得借款人违约风险提升。所以，由于数据的局限性无法准确验证项目期限与违约风险之间存在着正相关的关系。但其可以表明项目期限对信用风险有一定的影响程度，所以项目期限对P2P 网贷信用风险管理来说是相对重要的信息特征。同时发现，信用等级对信用风险有一定影响。现对逾期中的信用等级分布进行分析，发现逾期中信用等级占比最高的不是最次的等级，而是最高的等级，造成这种现象的原因有两点，现所采用的数据将近80%的人群处于AAA 等级，而其他等级较少。现行大部分P2P 网贷平台的信用等级，主要还是根据借款人信息的完整性和正常还清率来界定，只要借款人没有过分或严重违约，其一般都不会降低信用等级。所以，信用等级在P2P 网贷信用风险管理中还是具有一定的作用。

五、网络信贷安全保障措施

由于当今互联网技术的发展以及传统信贷行业的高准入门槛和较保守的投资收益，使得P2P 网贷行业具有广泛的发展市场，P2P 网贷行业的发展不仅解决了“两多两难”的问题，而且盘活了资本市场上的闲散资金，其在一定程度上提高了资本市场的效率，并且其通过资金渠道渗透于各行各业，在一定程度上提高了社会服务的高附加值，促进了经济高质量增长。但P2P 面临的各种风险特别是信用风险对P2P 网贷行业的发展产生了阻碍，因此，现主要从平台征信和政府等监管机构对P2P 网贷信用风险管理给予建议措施。

从完善借款人信息特征方面，通过上述的理论和实证分析，可知借款人的借款金额、借款利率、借款期限、年龄、学历、是否已婚、是否有车有房、信用等级、投标人数都对P2P 网贷信用风险管理有着比较重要的影响，而且像美国的Prosper，其借款人信息中不仅包含了信息特征数据，而且还加入了朋友或邻居对借款人的评价，这样的社会资本信息大大降低了违约风险。同时，现行的国内大中小P2P 网贷平台中，借款人的信息包含并不完全，平台信息要求的不一致，为违约风险高的借款人提供了机会。因此，建议P2P 网贷平台可与社交平台或购物平台进行合作，利用其平台上的个人信息来保证个人征信机制中信息的准确性和完整性，利用大数据来提高和完善借款人信息特征的质量，从而降低信用风险。且在个人信息的收集中，也要注意软性信息像雇用信息、人际信息的搜集。同时平台也可以利用“小组激励”机制来降低借款人的信用风险。

从完善信用评级体系角度，研究中发现信用等级高并不会降低其违约风险，主要原因是现行国内网贷平台的信用评级体系，不会依据其违约行为进行动态调整，只有拍拍贷在发生严重违约时会公布黑名单，但这基本无济于事。所以，平台不仅要采用较为完善的信用评级体系进行真正地信用评级，而且要注意对借款人的信用等级进行实时地调整和更新。

从政府、金融机构和金融监管机构方面，需提高P2P 行业的准入门槛，重点提高P2P 网贷企业金融专业技术人员在工作员工中的比例，以及采用云征信与区块链相结合的模式，完善平台的征信系统，并需政府等权威机构制定统一的数据录入标准，进行全方位监督和管理。