借款描述對P2P借貸行為的影響研究

王會娟，張 路

（1.清華大學 五道口金融學院，北京100083；2.北京工商大學 商學院，北京 100048）

借款描述對P2P借貸行為的影響研究

王會娟1，張 路2

（1.清華大學 五道口金融學院，北京100083；2.北京工商大學 商學院，北京 100048）

以人人貸平臺上的交易記錄為樣本，研究借款描述對P2P借貸行為的影響。結(jié)果發(fā)現(xiàn)，借款人對借款描述的字數(shù)越多，越不容易獲得借款，并且借款利率越高。這是因為，借款描述的字數(shù)雖多，但未能體現(xiàn)借款人的信用，無法增加出借人的信任和降低交易風險，因此，借款描述的字數(shù)越多，反而更不容易成功獲得借款且借款成本較高。如想提高借款成功率和降低借款成本，借款人更應注重借款描述的質(zhì)量而不是數(shù)量。

借款描述；P2P借貸；借款成功率；借款利率

影響P2P借貸行為的因素有很多，以往文獻主要從財務(wù)信息（Herzenstein et al.,2008[1];Iyer et al., 2010）、人口特征（Pope&Sydnor,2011[2]）、社會信息（Freedman&Jin,2008;Lin etal.,2009）等方面考察其對P2P借貸行為的影響。未有文獻研究借款描述對P2P借貸行為的影響，這為本文的研究留下了一定的空間。本文的研究不僅豐富了相關(guān)文獻，同時對借貸雙方的行為有一定的借鑒價值。

一、理論分析與研究假設(shè)

相比傳統(tǒng)金融借貸模式，P2P借貸模式更加公平、透明和高效。由于P2P借貸交易完全基于信用實現(xiàn)，因此信用風險成為這種借貸模式的主要風險。國外的信用制度相對健全，個人信用信息容易獲取，因此，國外大多數(shù)P2P借貸平臺都會要求借款人提供自己的財務(wù)情況（包括信用評級、每月的詳細收入支出、債務(wù)收入比等），并且以此作為判斷借款人信用的主要指標。Klafft（2008）基于美國最大的P2P網(wǎng)絡(luò)借貸平臺Prosper的數(shù)據(jù)，實證檢驗了借款人信用評級對借貸行為的影響。結(jié)果發(fā)現(xiàn)，信用評級對借貸行為的影響程度最大，信用評級越高，越容易獲得貸款，貸款利率越低，并且逾期還款率越低。信用不對稱理論認為，市場活動的參與者對于信息的掌握程度是不同的，信息掌握充足的一方較信息掌握不足的一方在市場活動中處于優(yōu)勢地位。信用評級能夠從一定程度上降低借貸雙方的信息不對稱，從而促進交易的完成。然而在我國，P2P借貸平臺無法納入央行的征信系統(tǒng)，出借人無法直接判斷借款人的信用狀況。P2P借貸平臺依托自身的信用審核部門對借款人信息加工整理做出信用評級，供出借人參考。出借人是否做出放貸的決策不僅參考平臺提供的借款人信用評級，還會參考借款人對借款的描述。當借款人信用評級較差時，借款描述對于出借人來說尤為重要，因為借款描述可能解釋了借款的用途和借款人過去的經(jīng)歷、現(xiàn)在的狀況和未來的希望，這在一定程度上減輕出借人對于借款人的不確定性，降低了交易風險。因此我們預測，借款人對借款描述越詳細，越能緩解借貸雙方的信息不對稱問題，進而提高借款成功率。此外，借款描述越詳細，越能增加出借人的信任，從而降低交易風險，減少借款成本。據(jù)此，我們提出假說：H:借款描述的越詳細，越容易獲得借款，且借款成本較低。

二、研究設(shè)計

（一）樣本來源及處理

本文采用2012年3月1日到2013年9月1日人人貸網(wǎng)站上發(fā)布的全部借款作為初始樣本，初始樣本為64831個觀測，我們對樣本做了如下處理：（1）剔除信息不全的5305個觀測；（2）剔除借款人的年齡小于22歲的2643個觀測；（3）剔除機構(gòu)擔保的3230個觀測；（4）剔除實地認證標13763個觀測，最終樣本觀測為39890個。

（二）研究模型與變量定義

為了檢驗本文的假說，我們借鑒現(xiàn)有文獻（Mi-chels,2012[3]）的做法，構(gòu)建如下模型：

模型（1）中因變量Success為借款是否成功，當借款人借款成功時取1，當借款失敗時取0；MS為借款人對借款詳情的描述，我們用描述的字數(shù)取自然對數(shù)來衡量；CRDG為借款人信用評級，共有7個評級，當信用評級為AA時取1，A時取2，B時取3，C時取4，D時取5，E時取6，HR時取7；Rate為借款利率；Lterm為借款期限，按月衡量，最短的借款期限為1個月，最長的借款期限為36個月；Log_Money為借款人預期的借款金額，我們對其取自然對數(shù)；Sex為借款人性別，當借款人為男性時取1，女性時取0；Age為借款人年齡；Marry為借款人的婚姻狀況，當借款人已婚、離異或喪偶時取1，未婚時取0；Edu為借款人的學歷，當學歷為高中或以下時取1，?？迫?，本科取3，研究生或以上取4；Income為借款人的月收入狀況，當收入在1000元以下時取1，1000—2000元取2，2000—5000元時取3，5000—10000元時取4，10000—20000元時取5，20000—50000元時取6，50000元以上取7；Worktime為借款人的工作年限，工作1年（含）以下取1，1—3年（含）取2，3—5年（含）取3，5年以上取4；House為借款人是否擁有房產(chǎn)，擁有房產(chǎn)時取1，否則取0；Car為借款人是否已購車，已購車取1，否則取0；House_D表示借款人是否有房貸，有房貸時取1，否則取0；Car_D表示借款人是否有車貸，有車貸時取1，否則取0；PR_G為借款人之前在人人貸網(wǎng)站的還款記錄情況，借款人至少有一筆借款并還清的記錄時取1，否則取0。

三、實證結(jié)果分析

表1列示了主要變量的描述性統(tǒng)計結(jié)果。從表1可以看出，樣本中4%的觀測借款成功。

借款利率平均為16.3%，最低的借款利率為8%，最高的借款利率為24.4%①最高人民法院《關(guān)于人民法院審理借貸案件的若干意見》第6條規(guī)定：民間借貸的利率可以適當高于銀行利率，各地人民法院可以根據(jù)本區(qū)的實際情況具體掌握，但最高不得超過銀行同類貸款利率的4倍。。MS的平均值為4.201，這表明借款人對借款詳情描述的字數(shù)平均為77字。此外，樣本中對借款詳情描述字數(shù)最多的有513字，最少的為0。CRDG的均值為6.963，中位數(shù)為7，說明樣本中借款人信用等級都較低。另外，全部借款的借款期限平均為12.635個月，最短的為1個月，最長為24個月。Log_Money的均值為10.228，最小值為8.006，最大值為14.914，即借款金額最小值為3000元，最大值為300000元。全部借款人中男性占86%，平均年齡為29.68歲，已婚的占51.9%，并且大部分的學歷為大專或以下，月收入平均在5000—10000元或以下，工作年限在2年左右，表明大部分借款人為中低收入、工作時間較短、年輕的工薪階層。此外，44.8%的借款人有房產(chǎn)，26.3%的借款人有車，11.3%的借款人有房貸，4.9%的借款人有車貸。3.1%的借款人在人人貸至少有過一次成功借款并全部還清。

表1 主要變量的描述性統(tǒng)計

表2列示了借款描述對借貸行為影響的回歸結(jié)果。表2中的（1）顯示借款描述對借款成功率影響結(jié)果，結(jié)果發(fā)現(xiàn)MS的回歸系數(shù)為-0.0218，并在1%的水平上顯著。表明借款人對借款描述的字數(shù)越多，反而越不容易獲得借款，跟我們的預測相反。本文的解釋是，根據(jù)以往的研究，決策者收集信息的行為本質(zhì)上是一種減輕風險的策略性行為，并且，他們在信息不充足的情況下會傾向于風險厭惡（Cox& Rich，1964）。如前文所述，P2P借貸平臺雖然比傳統(tǒng)金融機構(gòu)更加透明和公平，但借貸雙方仍然存在信息不對稱。信用評級較低的借款人添加字數(shù)冗雜的借款描述，則更像是對于自己以往不令人滿意的狀況的掩飾，是借款描述低效率的體現(xiàn)，同時更暗示了一種高風險，所以貸款人不愿意向這樣的借款請求投標，這符合中國傳統(tǒng)文化中“言多必失”的文化心理。CRDG的回歸系數(shù)為-0.0324，并在1%的水平上顯著，表明信用評級越差，越不容易獲得借款。Rate的回歸系數(shù)在1%的水平上顯著為負，表明借款人的利率越高，越不容易借款成功，這主要是因為借款利率越高，表明借款風險越大，出借人則不愿意借給風險較大的借款人。Lterm的回歸系數(shù)在1%的水平上顯著為正，說明借款期限越長的，借款成功率越高。Log_Money的回歸系數(shù)為-0.0161，并在1%的水平上顯著為負，表明借款金額越大，越不容易獲得借款。另外回歸結(jié)果表明，借款人年齡越大、已婚、收入越高和工作時間越長的越容易獲得借款，而借款人性別對借款成功率無顯著影響。此外，有房產(chǎn)的人更不容易獲得借款，而在人人貸網(wǎng)站至少有一次還清記錄的借款人其借款成功率較高。

表2 借款描述對借貸行為的影響

表2中的（2）列示借款描述對借款利率影響的回歸結(jié)果。結(jié)果顯示，MS的回歸系數(shù)為0.0018，并在1%的水平上顯著，表明借款描述的字數(shù)越多，借款利率越高。正如前文所述，借款人對借款描述使用的字數(shù)越多，并不代表向出借人傳遞的借款人質(zhì)量越高，反而是一種低效率的表現(xiàn)，并沒有降低交易風險緩解借貸雙方的信息不對稱問題。因此，借款人對借款描述的內(nèi)容一定要反映借款人的信用，從而增加出借人的信任，降低交易風險，進而降低交易成本。另外控制變量的回歸結(jié)果表明，借款人信用等級越差，借款利率越高。借款期限越長的借款利率越高，而借款金額越大的借款利率越低。男性的借款利率低于女性的借款利率，年齡越大的借款人其借款利率越高。此外，教育程度越高、工作時間越長、有車和房貸的借款人其借款利率較低，而有車貸的借款人其借款利率較高。最后，借款人如在人人貸網(wǎng)站上至少有一次還清記錄，則借款利率較低。

四、結(jié)論

本文使用人人貸2012年3月1日到2013年9月1日期間的交易觀測作為研究樣本，考察了借款描述對P2P借貸行為的影響。首先，我們考察借款描述對借款成功率的影響，結(jié)果發(fā)現(xiàn)借款描述的字數(shù)越多，越不容易獲得借款。這主要是因為借款人對借款描述使用字數(shù)越多，表明描述的效率越低，未能體現(xiàn)自身的信用和降低雙方的信息不對稱，因此，借款描述的字數(shù)越多，反而越不容易獲得借款。其次，我們考察借款描述對借款利率的影響，結(jié)果發(fā)現(xiàn)，借款描述的字數(shù)越多，借款利率越高，再次證明了借款人對借款描述不只是重視數(shù)量，還要重視質(zhì)量，單純地描述一些沒有信息含量的內(nèi)容，反而會提高借款成本?；诖?，我們建議信用評級較差的借款人，應注重借款描述的質(zhì)量，充分反映借款人的品質(zhì)和信用，以此增加出借人的信任，降低交易風險，從而提高借款成功率并降低借款成本。

[1]Herzenstein M,R L Andrews,U M Dholakia and E Lyandres.The Democratization of Personal Consumer Loans?Determinants of Success in Online Peer-To-Peer Lending Communities[R].Working paper.2008.

[2]Pope D G and JR Sydnor.What’s in a Picture? Evidence of Discrimination from Prosper.com[J].JournalofHuman Resources,2011,46(1):53-92.

[3]Michels J.Do Unverifiable Disclosures Matter? Evidence from Peer-to-Peer Lending[J].The Accounting Review,2012,87(4):1385-1413..

（責任編輯：賈偉）

1003-4625（2014）08-0034-03

F832.39

A

2014-06-03

本研究得到國家自然科學基金重點項目（批準號71232003）、國家自然科學基金面上項目（批準號71273013）和中國博士后科學基金項目（批準號2014M550036）的資助。

王會娟（1982-），女，河北石家莊人，博士，博士后，研究方向：互聯(lián)網(wǎng)金融；張路（1988-），女，河南商丘人，博士，研究方向：承銷商聲譽。