網(wǎng)貸平臺資金借貸價格影響因素研究——基于Prosper平臺數(shù)據(jù)的檢驗

方先明，李瑞文，李小琳(．南京大學經(jīng)濟學院，江蘇南京0093; ．南京大學管理學院，江蘇南京0093)

網(wǎng)貸平臺資金借貸價格影響因素研究——基于Prosper平臺數(shù)據(jù)的檢驗

方先明1，李瑞文1，李小琳2
(1．南京大學經(jīng)濟學院，江蘇南京210093; 2．南京大學管理學院，江蘇南京210093)

摘要:P2P平臺通過籌資者申請借款、平臺審核并發(fā)布借款信息、投資者投標完成資金的借貸，資金借貸價格是影響P2P平臺穩(wěn)健運行的核心要素。由于網(wǎng)貸平臺的資金價格敏感地依賴于流動性溢價、信用價差、償債能力、投資者情緒等，論文構建計量檢驗模型，并基于Prosper平臺數(shù)據(jù)進行實證檢驗。結果發(fā)現(xiàn):流動性、信用狀況、償債能力與投資者情緒等對平臺資金借貸價格的影響與理論分析基本一致。然而，平臺資金借貸價格對各影響因素的敏感性是不同的，其中能夠對其產生較明顯影響的有:期限變量、信用變量中的信用等級和過去6個月信用查詢次數(shù)、償債能力變量中的債務收入比和貸款金額、投資者情緒變量中的好友投資金額和是否加入“組”等?；诖耍岢龃龠M我國P2P平臺健康發(fā)展的政策建議。

關鍵詞:網(wǎng)貸平臺;資金借貸價格;風險溢價;投資者行為

一、引言

互聯(lián)網(wǎng)技術的發(fā)展，為金融創(chuàng)新提供了條件，并為不斷涌現(xiàn)的金融創(chuàng)新在實踐中的應用與推廣奠定了堅實基礎。其中，網(wǎng)絡借貸就是資金借貸活動借助互聯(lián)網(wǎng)平臺而實現(xiàn)的一種去中介化的模式創(chuàng)新。作為網(wǎng)貸平臺的主要形式，P2P平臺通過直接撮合借貸雙方，改變了傳統(tǒng)商業(yè)銀行作為資金融通中介的借貸模式，近年來發(fā)展迅速。2005年3月，英國Zopa的成立標志著P2P融資模式的形成，之后美國相繼出現(xiàn)了Prosper和Lending Club等P2P平臺公司。2007年6月，我國早期的網(wǎng)絡借貸平臺公司——上海拍拍貸金融信息服務有限公司設立。近年來，由于監(jiān)管制度不規(guī)范、監(jiān)管體系相對缺失，加之需求旺盛，P2P平臺在我國呈現(xiàn)出野蠻生長的態(tài)勢。據(jù)不完全統(tǒng)計，2012年，我國P2P平臺還只有298家，通過P2P平臺進行融資的規(guī)模大約228．60億元;到2014年末，我國已有P2P平臺1544家，通過P2P平臺進行融資的規(guī)模達到2514．70億元。相較于2012年，平臺數(shù)目增加到5．18倍，融資額增長為11倍①數(shù)據(jù)來源: wind資訊。。P2P融資方式具有單筆融資金額小、方式靈活、交易成本低廉、融資時間短等特點，能夠對以商業(yè)銀行為中介的融資模式所覆蓋不到的領域進行有效的補充，從而有效緩解社會經(jīng)濟發(fā)展進程中不同領域資金供求不平衡的結構性矛盾。然而，快速發(fā)展的P2P平臺風險逐漸暴露，平臺倒閉、跑路潮頻頻發(fā)生。雖然影響P2P平臺風險的因素眾多，然而從P2P平臺運行機制來看，平臺資金借貸價格是誘發(fā)P2P平臺運行風險的核心因素?，F(xiàn)階段，由于監(jiān)管當局對于P2P平臺尚未建立起積極而有效的監(jiān)管制度框架，其運行更多地依賴投融資雙方的自律以及社會道德約束，由此導致基于平臺的資金借貸價格與理論均衡價格存在偏離。這種偏離必然會引發(fā)違約風險，威脅平臺運行的安全，甚至借助金融市場將風險傳染至實體經(jīng)濟，危及經(jīng)濟體系的健康運行。根據(jù)現(xiàn)代微觀金融資產定價理論，P2P平臺資金借貸價格應由資金的無風險收益率、風險溢價、籌資者的償債能力以及投資者的非理性擾動所決定。因此檢驗P2P平臺資金借貸價格對影響因素變動的敏感性，對于促使資金實際借貸價格向理論均衡價格回歸具有非常重要的現(xiàn)實意義。

本文其余部分的內容為:第二部分，相關文獻評述。對研究P2P平臺資金借貸價格的相關文獻進行系統(tǒng)梳理與評析。第三部分，變量選取與檢驗模型構建。選取體現(xiàn)流動性溢價、信用價差、籌資者償債能力以及投資者情緒的指標，構建P2P平臺資金借貸價格對這些指標值變動敏感性的檢驗模型。第四部分，實證檢驗。根據(jù)Prosper平臺數(shù)據(jù)對模型中的參數(shù)進行估計，進而對計量檢驗的結果進行分析。第五部分，研究的主要結論與建議。

二、相關研究評述

盡管P2P網(wǎng)絡借貸平臺出現(xiàn)時間并不長，但由于其能滿足不同層次經(jīng)濟主體的融資需求，特別是能緩解中小微企業(yè)以及個人的短期融資需求約束，因此發(fā)展迅猛。鑒于平臺資金借貸價格對于平臺健康發(fā)展的重要性，國內外學者對其資金借貸價格及其影響因素進行了深入研究。國外學者研究認為，風險溢價是影響借貸平臺資金價格高低的主要因素，其中風險溢價涵蓋籌資者的信用狀況、償債能力等;同時，他們也已經(jīng)注意到投資者行為、性別等對于平臺資金借貸價格的影響。如，F(xiàn)reedman and Jin［1］運用Prosper平臺的數(shù)據(jù)，分別以借款是否籌資成功、借款利率、借款是否違約為因變量進行了三組回歸分析并進行了比較。結果發(fā)現(xiàn)發(fā)布照片會顯著降低利率并提高籌資成功的概率，但照片的發(fā)布并不會導致還款履約的概率提高。借款人加入群組會提高籌資成功的概率并降低約0．4%的利率水平，但是會更傾向于違約。如果某一借款得到了朋友的推薦并且朋友也參與了投資則會在很大程度上提高籌資的成功率，并且會減少0．7%的融資成本，違約率也會顯著降低。Berger and Gleisner［2］基于Prosper平臺2005年至2007年的數(shù)據(jù)檢驗了借貸金額、債務收入比率以及借款人是否擁有住房對P2P平臺資金借貸價格的影響，并認為資金借貸價格會體現(xiàn)風險溢價。因為，他們在研究中發(fā)現(xiàn)，借貸利率與借款金額、債務收入比率等變量之間存在正向關系。借款金額越大、債務收入比越高，面對較高的流動性風險與違約風險，投資者都會要求更高的風險溢價。而是否擁有住房與平臺資金借貸價格相互關系的研究也在一定程度上佐證了他們的研究結論，由于擁有住房的借款人財務狀況較為穩(wěn)定，風險較小，因此資金借貸價格相對較低。在此基礎上，他們對群組變量與平臺資金借貸價格之間的關系進行了回歸分析，結果發(fā)現(xiàn)加入群組會顯著降低資金借貸價格，群組等級越高則資金借貸價格越低;群組大小和資金借貸價格負相關，如果群組領導人投標則資金借貸價格會顯著下降。Collier and Hampshire［3］運用信號理論研究了P2P平臺的資金借貸價格，在其研究過程中把信號分為群組的結構性信號、個人信號和群組的行為信號，結構性信號包括群組的規(guī)模、等級、加入條件，個人信號則是指其它信息表明的籌資者信用水平，行為信號包括群組的認可、群組成員參與交易以及群組的學習效應。通過檢驗發(fā)現(xiàn)高質量的結構性信號和高質量的行為信號都會降低借貸資金的價格，行為信號和資金借貸價格之間的關系會隨著籌資者個人信用水平的提高而減弱。Michels［4］依據(jù)Prosper平臺2007年2月至2008年10月的數(shù)據(jù)，統(tǒng)計分析每個借款標的借款目的、收入、收入來源、教育狀況、債務數(shù)目、其它債務利率、對較低信用的解釋、消費明細、是否有照片等九個變量，形成了自愿披露變量。結果發(fā)現(xiàn)，披露信息越多則平臺資金借貸價格越低，每多披露一項內容則資金借貸價格約降低1．27%。Duarte［5］等人則主要研究了借款人照片所傳達的信息對平臺資金借貸價格等的影響。他們研究認為，如果照片顯示出更高的信任度、更大的償付意愿以及借款人較好的財富狀況，則會對平臺資金借貸價格產生負向影響，即看起來更值得信任的借款人資金借貸價格更低。Lin［6］等人根據(jù)Prosper平臺數(shù)據(jù)研究發(fā)現(xiàn)，信用卡的運用對平臺資金借貸價格的影響存在閾值效應，表現(xiàn)為先反向后正向;債務收入比對借貸價格有正向影響;若借款用途為商業(yè)借款則會顯著提高借款利率。在社交關系方面，如果沒有經(jīng)平臺認證的朋友數(shù)越多則資金借貸價格越高，能夠出借資金的朋友越多則會顯著降低資金借貸價格。他們的研究甚至發(fā)現(xiàn)，較差的信用等級會存在4．9%的借貸價格溢價。Maier［7］運用Prosper平臺數(shù)據(jù)細化了對群組的研究，他把群組分為加入時需要認證和不需要認證兩類，通過分析發(fā)現(xiàn)加入時需要認證的群組成員會享受較低的資金借貸價格，而加入時無認證要求的群組成員并不會享受到資金借貸價格的優(yōu)惠。此外，Chen［8］等人運用拍拍貸的數(shù)據(jù)發(fā)現(xiàn)性別對利率也存在影響，通過研究認為女性的借款利率要高于男性借款利率。由此可見，在P2P平臺公布的借款人信息，不管是“硬信息”還是“軟信息”都在一定程度上反映出借款標的風險狀況，而風險狀況又是資金借貸價格的決定因素。大部分投資者都是風險規(guī)避者，傾向于選擇風險和收益相匹配的借款標，甚至選擇投資風險較小的借款標。因此，平臺資金借貸價格是對借貸風險大小的一種體現(xiàn)。

相較于國外P2P平臺的發(fā)展，國內的P2P平臺出現(xiàn)較晚，但發(fā)展較快，且形式多樣。目前，國內關于P2P平臺的研究多集中于平臺架構、運行規(guī)則、風險控制等，只有少部分文獻對影響平臺資金借貸價格的因素給予了關注。與國外研究更注重風險補償并不完全一致，國內的研究認為，除必要的風險補償之外，流動性溢價、投資者行為等也會對平臺資金借貸價格產生影響。如，謝平，鄒傳偉［9］在研究互聯(lián)網(wǎng)金融時，通過模型求解得出了“充分交易可能性集合”，認為在信息完全對稱、交易成本極低的情況下，只要融資者的期望收益率超過儲蓄者的機會成本，兩者就有發(fā)生交易的可能。李悅雷［10］等通過對拍拍貸數(shù)據(jù)的分析，發(fā)現(xiàn)借款標基本屬性、借款人基本信息和借款人的社會資本對借款成功率有顯著影響;借款金額對資金借貸價格沒有顯著影響，借款期限對資金借貸價格有反向影響，借款信用越高則資金借貸價格越低。同時，他們的研究還發(fā)現(xiàn)，在P2P交易過程中投資者存在明顯的羊群行為。王會娟和廖理［11］則以信息不對稱為視角，根據(jù)“人人貸”平臺運行資料，分析了借款成功率、借款成本與信用評級之間的關系。他們研究發(fā)現(xiàn)，借款人信用高低是影響P2P平臺穩(wěn)健運行的關鍵，借款人的信用評級越高，交易越容易成功，且借款成本越低，盡管這種認證工作是由P2P平臺完成的。進一步的研究還發(fā)現(xiàn)，如果能將線上認證和線下認證結合起來，則更能提高認證結果的可信度，于是更加顯化信用等級與貸款成本之間的反向關系。陳冬宇［12］的研究結果與此相似。然而，廖理［13］等根據(jù)“人人貸”平臺借貸數(shù)據(jù)進行的實證檢驗結果則表明，網(wǎng)貸平臺的資金借貸價格并不是違約風險的完全映射，其他指標，如競標參與人數(shù)、競標成功所需時間等等與資金借貸價格、訂單是否成功募集之間也存在關聯(lián)，即資金借貸價格會體現(xiàn)投資者對于風險的識別能力，以及由此所形成的投資者行動策略。

國內外的研究表明，影響P2P平臺資金借貸價格的因素最主要的是借貸項目的風險水平，具體表現(xiàn)為融資目的、借款人信用、借款人信息(含償債能力)等。國內也有部分文獻雖然提及投資者行為會對平臺資金借貸價格產生影響，但常常將這些因素分離開來研究，不能明確在多種因素共同作用下所形成的平臺資金借貸價格對于某一因素變動的敏感性，從而在一定程度上降低了研究結果的可靠性。為此，本文將P2P平臺資金借貸價格、流動性溢價、信用價差、償債能力與投資者情緒納入統(tǒng)一的分析框架，構建計量檢驗模型，基于Prosper平臺的數(shù)據(jù)檢驗P2P平臺資金借貸利率對各影響因素的敏感性。由此，得到有益的借鑒與啟示，以促使我國P2P平臺資金借貸價格向合理的水平回歸。

三、變量的選取與檢驗模型構建

(一)變量的選取

現(xiàn)代微觀金融理論認為，金融資產的價格應該由無風險收益率、風險溢價及隨機擾動所構成，其中風險溢價又由流動性溢價、信用價差和償債能力所構成。而行為金融理論則認為，在現(xiàn)實的金融市場中，投資者情緒及由其所引致的投資者行為對于金融資產的價格具有至關重要的影響。因此，在研究過程中綜合考慮流動性溢價、信用價差、償債能力以及投資者情緒對于P2P平臺資金借貸價格的影響。由于美國Prosper平臺數(shù)據(jù)結構較為完備，基于此確定研究變量如下:

1．被解釋變量

P2P平臺資金借貸價格:用借款標利率(Borrower Rate)作為P2P平臺資金借貸價格的代理變量。Borrower Rate不包含任何其它費用，是籌資者付給投資人的報酬，也是融資最直接和最主要的成本。平臺運行過程中，對于每一滿標的借款標而言，Borrower Rate體現(xiàn)了資金供求雙方在綜合考慮各種因素情況下所認可的資金使用成本，因此可以用Borrower Rate作為P2P平臺資金借貸價格。

2．解釋變量

(1)與流動性溢價相關的解釋變量。期限(Term) :籌資者通過網(wǎng)貸平臺進行借款時所承諾的最終償還期限?？紤]到資金的時間價值，投資期限越長的借款標，則收回投資成本的時期越長，即該項資產的變現(xiàn)能力越差。因此，借款標的期限體現(xiàn)著該資產的流動性，較長期限的借款理應存在流動性溢價以彌補其較差的變現(xiàn)能力。

(2)與信用價差相關的解釋變量。信用等級(Credit) :借款信息發(fā)布時借款人的信用等級。該指標共包含7個級別，其數(shù)值及含義如下: 1－HR，2－E，3－D，4－C，5－B，6－A，7–AA，根據(jù)數(shù)值從小到大，信用級別逐漸提高。信用等級是對籌資者既往社會活動所體現(xiàn)出信用水平的綜合評定，能夠表征其目前的總體信用狀況。

過去12個月的公開記錄(Public Records Last 12 Months) :信用資料提交時借款人過去12個月的公開記錄次數(shù)。過去12個月內記錄越多，表明籌資者在這一時期內存在不良行為而被記錄的次數(shù)越多。因此，其所發(fā)布借款標本息按時回流的不確定性增大，投資者需要更大的風險溢價作為補償。

過去6個月信用查詢次數(shù)(Inquires Last 6 Months) :信用資料提交時借款人過去6個月被信用查詢的次數(shù)。查詢次數(shù)的多少代表過去6個月內籌資者信息被機構查閱的次數(shù)，能反映籌資者信用活動的頻繁程度。被調查次數(shù)越多，表明投資者越頻繁利用信用活動進行資金周轉，此時通過P2P平臺發(fā)布借款標進行融資，在一定程度上違約的可能性會增強，相應地投資者需要的風險補償也應增加。

當前違約賬戶數(shù)目(Current Delinquencies) :信用資料提交時借款人現(xiàn)有違約的賬戶數(shù)目。通常情況下，一個借款者可以擁有多個信用賬戶，若其發(fā)布借款標時違約賬戶數(shù)目越多，則在一定程度上表明其資金周轉越困難，信用狀況越差。由此可見，當前違約賬戶數(shù)目從資金周轉是否順暢的角度衡量了借款者的信用狀況。

違約數(shù)額(Amount Delinquent) :信用資料提交時借款人賬戶違約美元金額。該指標從絕對金額上體現(xiàn)著籌資者資金周轉的困難程度。違約金額越大，表明借款者資金缺口越大，周轉越困難，對資金的需求越旺盛，此時發(fā)布借款標，其違約的可能性也越高。

過去7年違約次數(shù)(Delinquencies Last 7 Years) :信用資料提交時借款人過去7年違約次數(shù)。該指標在一個相對較長的時期內統(tǒng)計了借款者的累計違約次數(shù)。違約次數(shù)越多，或者表明借款者的資金鏈較為脆弱，常常斷裂;或者表明借款者信用觀念淡薄，遵守約定的意識不強。因此，該指標在一定程度上能夠體現(xiàn)借款標發(fā)布者的信用狀況。

發(fā)布借款標時信用分數(shù)變化(Score Change At Time Of Listing) :信用資料提交時借款人信用分數(shù)的變化。這是一個體現(xiàn)相對變化的量，即該變化和借款人的上次借款相關，沒有歷史借款則該值為0，如果籌資者信用變好則該值為正。理論上，籌資者的信用改善應該會降低其資金借貸成本。

(3)與籌資者償債能力相關的變量。債務收入比(Debt－to－Income Ratio) :信用資料提交時借款人的債務收入比。該指標值為空時表示不可獲得，指標值的上界為10．01(任何債務收入比大于1000%都用1001%表示)。債務收入比越高說明籌資者財務狀況越差，還款能力相應較低，當其通過P2P平臺發(fā)布借款標時，投資者應要求有更高的回報。

貸款金額(Loan Amount) :該次籌資時借款標的總金額。雖然不同的借款標所籌措資金量不同，但通常投資者還是會認為，籌資者借款金額越大，則還款時其所面臨的償債壓力越大。于是，對于投資者而言，其投向該借款標本息安全回流的不確定性增加，為補償可能發(fā)生的損失，會要求獲得更高的投資回報率。

Prosper借入本金(Prosper Principal Borrowed) :籌資者發(fā)布借款標時在Prosper借入的本金。該指標從歷史累計借貸額的角度考察了借款者所面臨的償債壓力，如果沒有歷史借款則該指標值為0。顯然，累計借入本金越多則其還款壓力越大，但該指標值越大也可能說明該借款人對平臺有較高的使用黏性。

信用卡使用(Bankcard Utilization) :信用資料提交時借款人信用卡使用額度和信用卡總透支額度的百分比。信用卡具有延遲還款的功能，人們常常利用此功能透支消費以節(jié)約消費成本。于是，借款標發(fā)布者的信用卡使用額度和總透支額度的百分比就在一定程度上體現(xiàn)了其債務狀況。該指標值越大，說明籌資者信用卡還款的壓力越大，相應的償債能力較低。

月收入(Stated Monthly Income) :借款標被創(chuàng)建時借款人的月收入。穩(wěn)定的收入是償債的可靠來源，當籌資者發(fā)布借款標時，其月收入越高，則償債能力越強，投資者對于該借款標本息按時回流越有信心。相應地，對投資者而言可能愿意用偏低的回報率換取投資的安全。即，籌資者較高的月收入可以降低平臺資金借貸成本。

近6個月的交易次數(shù)(Trades Opened Last 6 Months) :信用資料提交時借款人近6個月的交易次數(shù)。該指標從過去半年內籌資者相關交易的累計次數(shù)來反映其償債能力。累計交易的次數(shù)越多，雖然說明籌資者不斷在嘗試開發(fā)項目，但更主要地反映出投資者資金需求旺盛，償債能力不足。因此，對于該借款標投資者會要求更高的投資回報率。

Prosper未償本金(Prosper Principal Outstanding) :借款人發(fā)布借款標時在Prosper借入本金的未償還金額。該指標從未償還本金的角度反映了籌資者的償債能力，若沒有歷史借款則該值為0。顯然，未償還的金額越多，則籌資者面臨的償債壓力越大，債務違約的可能性也越大。此時再次發(fā)布借款標，投資者必然會要求以較高的資金借貸價格補償所面臨的風險。

(4)與投資者情緒相關的解釋變量。推薦(Recommendations) :借款人發(fā)布借款標時受到的推薦次數(shù)。受到推薦次數(shù)越多的借款，說明投資者對其的信任程度越高，或者其歷史借款表現(xiàn)得到了較多投資者的認可。因此，投資者更愿意將資金投向被推薦次數(shù)多的借款標，以更大的可能性保障投資本息的安全回流，于是被推薦次數(shù)越多的借款標，越有可能享受較低的資金價格。

好友投資人數(shù)(Investment From Friends Count) :好友投資該借款標的人數(shù)。由于信息不對稱的客觀存在，普通投資者對于借款標的投資總是持謹慎與懷疑態(tài)度。而好友之間信息不對稱的程度則會由于長期的交往而削弱，當投資于借款標的好友越多時，羊群效應開始顯現(xiàn)，普通投資者常常會跟進。從而使得資金借貸成本下降。

好友投資金額(Investment From Friends Amount) :好友投資該借款標的具體金額。普通投資者總是相信，好友通常能獲得比自身更全面的信息，可以降低信息不對稱程度。當好友投資金額較大時，說明借款標發(fā)布者的好友對該項目持積極與肯定的態(tài)度，于是作為普通投資者會效仿好友的行為，以抓住獲利機會。于是，借款標就會以更低的借貸價格出現(xiàn)。

投資者人數(shù)(Investors) :投資于該筆借款標的投資者總人數(shù)。事實上，平臺資金借貸價格與投資者人數(shù)之間的關系對于不同的借款標而言是不一樣的。如果投資者認為該項借款標風險小、收益高，則可能出現(xiàn)較多的投資者同時投資的情形，也可能出現(xiàn)較少的投資者單人投資較大的金額使其滿標的情形。

是否加入“組”(Currently In Group)，借款標被創(chuàng)建時借款人是否加入了組的虛擬變量。群組意味著社交關系，組內成員也會存在一定的監(jiān)督，有些組會對組員的加入設置一定的條件。因此，加入群組會使投資者更加信任籌資者，從而很可能會影響投資者的行為。在此情形下，即使投資回報稍低，投資者也會選擇投資該項借款標。

(5)其它變量。借款信息是否在2009年之后發(fā)布(isListinglatter2009)。加入此變量是因為在2008 年11月，Prosper被SEC要求暫停運營。2009年7月，Prosper重新運營，相應的機制有所改變，為了消除可能存在的影響，研究過程中加入了isListinglatter2009虛擬變量。2009年7月之前的借款標取值為0，2009 年7月之后的借款標取值為1。

(二)檢驗模型

為檢驗P2P平臺資金借貸價格對于影響因素的敏感性，根據(jù)所選取的變量分別建立平臺資金借貸價格對于流動性變量、信用變量、償債能力變量、投資者情緒變量以及所有解釋變量的敏感性檢驗模型如下:

式(1)至式(5)中，c為截距項。Term為借款標期限，其取值大小體現(xiàn)了平臺借貸資金流動性水平;α衡量了平臺資金借貸價格對借款標期限長短的敏感性。C = (C1，C2，C3，…)T為列向量，由影響平臺資金借貸價格的信用風險因素所構成;β= (β1，β2，β3，…)為行向量，衡量了平臺資金借貸價格對信用風險因素的敏感性。Q = (Q1，Q2，Q3，…)T為列向量，由影響平臺資金借貸價格的籌資者償債能力因素所構成;δ= (δ1，δ2，δ3，…)為行向量，衡量了平臺資金借貸價格對籌資者償債能力因素的敏感性。B = (B1，B2，B3，…)T為列向量，由影響平臺資金借貸價格的投資者行為因素所構成;γ= (γ1，γ2，γ3，…)為行向量，衡量了平臺資金借貸價格對投資者行為因素的敏感性。isListinglatter2009為虛擬變量，其取值體現(xiàn)了借款標的制度環(huán)境;η衡量了平臺資金價格對制度性因素的敏感性。ε為隨機擾動項。

四、P2P平臺資金借貸價格對于影響因素敏感性檢驗

(一)數(shù)據(jù)來源與描述性統(tǒng)計

研究過程中所使用的數(shù)據(jù)來源于Prosper平臺，樣本時期為2005年11月15日至2013年9月18日，共計85314條成立的借款標數(shù)據(jù)。樣本數(shù)據(jù)的描述性統(tǒng)計見表1。

表1　樣本數(shù)據(jù)的描述性統(tǒng)計

表1顯示，借款利率的均值為0．2015，最大值為0．4975，最小值為0．0001，標準差為0．0778。這表明，在通過Prosper平臺進行的籌資活動中，由于多種因素的影響，不同借款標的資金借貸成本存在較大差異，最大成本為平均成本的2．47倍，且平臺資金借貸成本存在一定程度的波動。借款平均期限為39．8個月，最小值為12月，最大值為60月，這說明Prosper平臺上籌資者大部分需要的是期限大于等于一年且小于5年的中長期借款。平均借款金額為7311．86美元，最大值為35000美元，所以借款以小額借款居多。由此可知，Prosper平臺主要是為信用水平相對較差、難以通過傳統(tǒng)融資渠道獲取貸款的籌資者提供中長期小額借款服務的信息平臺，同時也拓展了小額、零散資金的投資渠道。

信用風險相關變量中，Creidt均值約為3．909，過去6個月籌資者被問詢的次數(shù)均值為1．6274，目前違約次數(shù)的均值為0．7221，平均違約金額為1128．27，從標準差和數(shù)據(jù)范圍來看，這些變量的波動程度較大。在樣本數(shù)據(jù)中，沒有借款歷史記錄的情況較多，在沒有平臺歷史信用數(shù)據(jù)的情況下，社會信用變量的差異以及流動性變量、投資者情緒變量、償債能力變量對于資金借貸價格的影響就更為關鍵。

償債能力相關變量中，Debt－to－IncomeRatio均值為0．2815，標準差為0．6350，說明平均意義上負債和收入的比率在30%左右，而且樣本數(shù)據(jù)標準差較大，顯示出籌資者的償債能力差異性較大。從StatedMonthlyIncome的范圍和標準差大小也能得出相似的結論。這種差異性說明了Prosper平臺借款人的信用狀況差別較大，研究這些差異對資金借貸價格的影響就尤為重要。

投資者情緒相關變量中，單筆借款投資者人數(shù)均值約為97，說明投資者的風險相對分散。從Recommendations、InvestmentFromFriendsCount、InvestmentFromFriendsAmount的統(tǒng)計結果發(fā)現(xiàn)，受到推薦、得到好友投資的借款比例較小，這使得借款更具有區(qū)分性，這些變量對資金借貸價格更有可能存在較大的影響。CurrentlyInGroup的均值僅約為0．15，說明樣本中籌資者加入群組的比例約占15%，這也使得加入群組的群體更具有區(qū)分度。

從isListinglatter2009變量的均值可以看出，在樣本數(shù)據(jù)中2009年之后的借款稍多于2009年之前的借款。在檢驗模型中加入該虛擬變量可以分離出制度性因素導致的資金借貸價格差異。

(二)參數(shù)估計結果

根據(jù)樣本數(shù)據(jù)對模型(1)至模型(5)中的參數(shù)進行估計，結果見表2。

由表2中的參數(shù)估計結果可知，從總體來看平臺資金借貸價格與各影響因素之間的正負向關系與理論分析結果基本一致。其中，期限對資金借貸價格的影響是顯著的，且為正向關系，即期限越長則借貸價格越高。由于期限較長的借款流動性較低，所以較高的資金借貸價格是對流動性的補償。但從統(tǒng)計量R2的值(0．0016)來看，僅用期限對資金借貸價格進行回歸的解釋能力較弱，說明還存在其他因素影響資金借貸價格。

用信用相關變量對資金借貸價格進行回歸分析，R2為0．7767，擬合效果較好。信用等級對資金借貸價格的影響顯著且方向相反，信用等級每提高一級則資金借貸價格降低3．92%。說明信用的高低對資金借貸價格的影響在統(tǒng)計意義和經(jīng)濟意義上都是顯著的。過去6個月信用查詢次數(shù)、違約數(shù)額、過去7年違約次數(shù)值越大，則資金借貸價格越高，參數(shù)估計結果和理論分析相符，充分顯示了信用價差對資金借貸價格影響的存在。過去6個月被信用查詢的次數(shù)越多以及過去7年違約的次數(shù)越多會存在較大的信用風險。發(fā)布借款標時信用分數(shù)變化值越大則資金借貸價格越低，體現(xiàn)了較好的信用變化會降低網(wǎng)貸平臺資金借貸價格。

償債能力變量對資金借貸價格回歸結果顯示，較高的債務收入比會提高資金借貸價格，過去6個月交易次數(shù)越多，未償還貸款越多則平臺資金借貸價格都會相應提高。信用卡使用額度與總額度的比例越高則資金借貸價格越高，這是因為該比例越高則籌資者需要償還的借款較多，可能會對網(wǎng)絡借款的償還造成一定壓力。月收入和資金借貸價格是反向關系，說明收入水平越高即償債能力越強則資金借貸價格越低。未償本金越高資金借貸價格越高，這表明未償本金越高，償債壓力越大，因此會導致資金借貸價格較高。近6個月交易次數(shù)的回歸系數(shù)符號為正，過去6個月交易次數(shù)越多說明籌資者財務狀況可能越差，因此資金借貸價格越高。然而，回歸結果顯示，在Prosper平臺借款的本金越高則資金借貸價格越低，這表明投資者注重籌資者對平臺的使用黏性，借款的本金越高可能說明該籌資者今后也會頻繁使用本平臺，因此會注重自己的信用維護，由此資金借貸價格會下降。值得關注的是，貸款金額與資金借貸價格之間呈現(xiàn)負向關系，這與理論分析的結論是不一致的。產生這一現(xiàn)象的原因在于，僅用償債能力作為解釋變量，可能對于資金借貸價格的變化解釋不足。

投資者情緒變量對平臺資金借貸價格的解釋能力一般。從回歸結果看，若某筆借款有好友投資，則好友投資次數(shù)越多、金額越大資金借貸價格相應越低，說明受到認可的借款會享受一定的價格優(yōu)惠。若籌資者在群組中，則會得到投資者的信任，在一定程度上降低資金借貸價格。

表2　參數(shù)估計結果

當用全部解釋變量對借款標利率進行回歸分析時，出現(xiàn)了一些與分類回歸結果不同之處。具體表現(xiàn)為三個方面:第一個方面是在分類回歸中參數(shù)估計結果不顯著的變?yōu)轱@著。如，過去12個月的公開記錄變量前的參數(shù)估計結果顯著且符號為正，這說明信用水平越低或者歷史信用表現(xiàn)越差則會存在更高的籌資成本。第二個方面是，在分類回歸中參數(shù)估計結果顯著的變?yōu)椴伙@著。如，信用卡使用、月收入和Prosper未償本金前的參數(shù)估計結果不再顯著。第三個方面是，部分參數(shù)估計結果的正負號發(fā)生了改變。如，貸款金額前參數(shù)符號從負變?yōu)檎f明借款金額越大則籌資者償債壓力越大，因此資金借貸價格越高;投資者人數(shù)前參數(shù)從負變?yōu)檎以诮y(tǒng)計意義上顯著，這說明，投資者人數(shù)對于平臺資金借貸價格的影響并不能完全確定。表2最后一列的參數(shù)估計結果還顯示，平臺運行機制的改變確實會對資金借貸價格存在一定影響。

對參數(shù)估計結果進行標準化后可以發(fā)現(xiàn)，平臺資金借貸價格對各影響因素的敏感性是不同的，其中能夠對其產生較明顯影響的有:期限變量、信用變量中的信用等級和過去6個月信用查詢次數(shù)、償債能力中的債務收入比和貸款金額、投資者情緒變量中的好友投資金額和是否加入“組”。至于違約金額、發(fā)布借款標時信用分數(shù)變化、近6個月的交易次數(shù)、Prosper未償本金等變量前的參數(shù)估計結果，雖然在統(tǒng)計意義上顯著，但從經(jīng)濟意義上來看，這些變量對于平臺資金借貸價格的影響相對有限。

五、研究結論及啟示

P2P平臺作為籌資者發(fā)布借款信息、投資者投標的一種新型投融資模式，是互聯(lián)網(wǎng)金融的重要組成部分。其通過籌資者申請借款、平臺審核并發(fā)布借款信息、投資者投標完成資金的借貸。資金借貸價格是影響P2P平臺穩(wěn)健運行的核心變量，因為資金借貸價格一方面關系到借款能否被投資者接受，從而使籌資者盡快足額籌集到資金，另一方面只有合適的借貸價格才能使平臺吸引更多的籌資者。本文認為網(wǎng)貸平臺的資金價格由流動性溢價、信用價差、償債能力、投資者情緒等因素決定。由此，構建計量檢驗模型，并基于Prosper平臺數(shù)據(jù)進行實證檢驗。結果發(fā)現(xiàn):流動性較差的借款相應的資金價格較高;信用較差的借款需要提高資金價格以彌補借出資金的風險;償債能力較強的籌資者會享受較低的資金借貸價格;投資者對于借款標的、籌資者的信任與否也會影響資金借貸的價格。當前，我國的P2P平臺發(fā)展迅速，全國性的平臺，如人人貸、拍拍貸的成交金額不斷擴大，地方性的平臺如開鑫貸、溫州貸的影響也逐步增強。與此同時，P2P平臺的具體運行機制不斷拓展。鑒于資金的借貸價格對于P2P平臺高效、穩(wěn)健運行的重要性，本文研究結論的啟示在于:

關注平臺資金借貸期限，提供必要的流動性溢價。我國P2P平臺的借款期限更為靈活，不同平臺也不盡相同。美國P2P借款以票據(jù)形式存在并可以在票據(jù)交易平臺出售，我國P2P平臺多采用站內轉讓即在平臺內部投資者可以直接轉讓相關債權。這樣，流動性問題一方面涉及到借款期限，另一方面也和其它借款信息相關，只有信息完備的借款在轉讓時受讓方才能做出準確的判斷，出讓方才能更快的轉讓以獲得資金。因此，流動性變量需要其它相關信息作為補充，而這些信息包括信用信息、投資者情緒信息和償債能力信息。

加強信用信息披露，合理確定信用價差。我國的P2P平臺多采用歷史借款和還款信息，披露籌資者的歷史借款次數(shù)和還款表現(xiàn)。Prosper除了披露籌資者在平臺內部的信用信息之外，還會在借款列表中顯示來自于社會信用體系的信息，比如公開記錄次數(shù)、被信用調查的次數(shù)、歷史交易的違約情況等等，這些變量對資金借貸價格的形成存在一定影響。而且，在綜合了社會信用信息之后，平臺做出的信用評級也更準確，而信用評級對于資金借貸價格的影響最大，投資者往往根據(jù)網(wǎng)貸平臺的信用評級做出投資選擇。在未接入中央銀行征信系統(tǒng)且征信系統(tǒng)不完善的情況下，新注冊借款人的信用評級會面臨較大困難。因此，與Prosper平臺相比，我國的P2P平臺定價不僅顯性上存在信用信息不足，在隱形評級上也存在信息的不充分。目前，各平臺都在完善自己的信用數(shù)據(jù)庫，但面對P2P平臺注冊用戶不斷增加的現(xiàn)狀，僅靠平臺自身信用數(shù)據(jù)顯然是很難適應風險控制要求和公平定價需要的。社會信用信息的完善和合理使用對于小額貸款的定價將產生積極的推動作用，而且相應的機制建立有利于監(jiān)督籌資者，在一定程度上規(guī)范籌資者的還款行為。

完善償債能力指標，降低信息不對稱程度。償債能力變量中，債務收入比、月收入、信用卡使用等變量都對平臺資金價格存在影響。而在我國的P2P平臺運營中，這些變量都是無法獲得的。債務收入比和月收入水平是影響資金價格的關鍵變量，也是衡量籌資者償債能力的最直接變量。在實際的信息披露中我國P2P平臺多披露籌資者的收入范圍，收入范圍本身和實際收入會存在一定的信息差異，而且收入的概念很難厘定，在我國這種情況更為復雜。債務收入比信息在我國也很難獲得和準確計量。這種情況下，投資者因為信息的缺乏無法全面了解籌資者，網(wǎng)貸平臺資金價格也會因為變量的局限性而得不到合理確定。因此，和信用價差相關變量一樣，償債能力變量的缺失也在一定程度上制約了平臺資金價格的確定。我國個人收入信息和債務收入比信息的合理收集和運用是促進P2P行業(yè)健康發(fā)展的關鍵因素。

重視投資者情緒，并加以理性引導。投資者情緒變量中，來自于朋友的投資次數(shù)和投資金額以及是否加入群組都會對資金借貸價格產生一定影響。社交變量對網(wǎng)貸平臺資金價格的影響主要來源于小群體間信息更為透明而且具備一定的道德約束作用。在我國P2P平臺中，籌資者和投資者往往借助于論壇了解相關信息，和借款列表對應較為困難，而且無法顯性的表現(xiàn)籌資者的社交信息。如果在列表中體現(xiàn)籌資者的社交狀況以及好友的投資情況將會為平臺定價提供更加豐富的數(shù)據(jù)來源。而且在中國重視社交關系的文化背景下，這些變量的引入以及健康有效的管理將會使籌資者和投資者的信息對稱程度進一步提高。

參考文獻:

［1］Freedman S，Jin G Z．Do social networks solve information problems for peer－to－peer lending? evidence from prosper．com［R］．Net Institute Working Paper，2008，No．43．

［2］Berger S C，Gleisner F．Emergence of financial intermediaries in electronic markets: The case of online P2P Lending［J］．Business Research Journal，2009，2(1) : 39 －65．

［3］Collier B C，Hampshire R．Sending mixed signals: Multilevel reputation effects in peer－to－peer lending markets［R］．Proceedings of the 2010 ACM conference on Computer Supported Cooperative Work，2010: 197－206．

［4］Michels J．Do unverifiable disclosures matter? Evidence from peer－to－peer lending［J］．Accounting Review，2012，87(4) : 1385－1413．

［5］Duarte J，Siegel S，Young L．Trust and credit: The role of appearance in peer－to－peer lending［J］．Review of Financial Studies，2012，25(8) : 2455－2484．

［6］Lin M，Prabhala N R，Viswanathan S．Judging borrowers by the company they keep: friendship networks and information asymmetry in online peer－to－peer lending［J］．Management Science，2011，59(1) : 17－35．

［7］Michael M S．Lending to strangers: Does verification matter?［R］．2014 Canadian Academic Accounting Association (CAAA) Annual Conference，2014．

［8］Chen D，Li X，Lai F．Gender discrimination in online peer－to－peer credit lending: Evidence from lending platform in China［R］．PACIS 2014 Proceedings，2014．

［9］謝平，鄒傳偉．互聯(lián)網(wǎng)金融模式研究［J］．金融研究，2012(12) : 11－22．

［10］李悅雷，郭陽，張維．中國P2P小額貸款市場借貸成功率影響因素分析［J］．金融研究，2013(7) : 126－138．

［11］王會娟，廖理．中國P2P網(wǎng)絡借貸平臺信用認證機制研究——來自“人人貸”的經(jīng)驗證據(jù)［J］．中國工業(yè)經(jīng)濟，2014(4) : 136－147．

［12］陳冬宇．基于社會認知理論的P2P網(wǎng)絡放貸交易信任研究［J］．南開管理評論，2014，17(3) : 40－48．

［13］廖理，李夢然，王正位．聰明的投資者:非完全市場化利率與風險識別——來自P2P網(wǎng)絡借貸的證據(jù)［J］．經(jīng)濟研究，2014(7) : 125－137．

責任編輯、校對:郭燕慶

作者簡介:方先明(1969－)，江蘇省高郵市人，管理學博士(理論經(jīng)濟學博士后)，南京大學金融與保險學系教授，博士研究生導師，研究方向:金融投資、金融數(shù)學;李瑞文(1990－)，山東省菏澤市人，南京大學金融學碩士研究生，研究方向:金融市場與投資;李小琳(1978－)，吉林省長春市人，南京大學營銷與電子商務系，副教授，研究方向:計算機科學與大數(shù)據(jù)。

基金項目:本文是國家社會科學基金重大項目“互聯(lián)網(wǎng)金融的發(fā)展、風險與監(jiān)管研究”(項目編號: 14ZDA043)、國家社會科學基金項目“‘影子銀行’交叉?zhèn)魅撅L險度量及控制機制研究”(項目編號: 14BGL031)及江蘇2011計劃“區(qū)域經(jīng)濟轉型與管理變革協(xié)同創(chuàng)新中心”重大招標課題——防止發(fā)生區(qū)域性、系統(tǒng)性金融風險研究”(編號: 2015－11)的階段性成果，并受到中國特色社會主義經(jīng)濟建設協(xié)同創(chuàng)新中心資助。

收稿日期:2015－09－24

文獻標識碼:A

文章編號:1002－2848－2016(01)－0048－10