買(mǎi)方市場(chǎng)還是賣(mài)方市場(chǎng)：P2P借貸雙方議價(jià)能力測(cè)度和比較

宋平凡 吳華清 祁 毓

一、引言與文獻(xiàn)回顧

長(zhǎng)期以來(lái)我國(guó)正規(guī)金融體系存在的 “信貸配給”和金融歧視現(xiàn)象 （林毅夫和孫希芳，2005［1］；田霖，2011［2］）催生了非正規(guī)金融市場(chǎng)的發(fā)展，P2P（Peerto-peer）網(wǎng)絡(luò)借貸便是重要形式之一。P2P網(wǎng)貸，指借款人和投資者在第三方網(wǎng)絡(luò)平臺(tái)的撮合下達(dá)成借貸協(xié)議的模式，其 “金融脫媒”的特點(diǎn)使得其較銀行傳統(tǒng)借貸模式流程更為簡(jiǎn)約，進(jìn)入門(mén)檻也較低。一些P2P平臺(tái)采取了利率競(jìng)標(biāo)的方式撮合資金借貸，借款人有一定自由決定借貸利率的空間，大大提高了借款成功的可能性。P2P網(wǎng)貸業(yè)務(wù)在我國(guó)的發(fā)展勢(shì)頭十分迅猛。據(jù)網(wǎng)貸之家的數(shù)據(jù)顯示，截至2016年7月累計(jì)的P2P平臺(tái)數(shù)量已經(jīng)達(dá)到了4160個(gè)，僅2016年上半年P(guān)2P平臺(tái)的累計(jì)成交金額就達(dá)8422.85億元。隨著P2P網(wǎng)貸業(yè)務(wù)的迅速發(fā)展，有關(guān)P2P網(wǎng)貸的研究也逐漸成為熱點(diǎn)?，F(xiàn)有關(guān)于P2P網(wǎng)貸業(yè)務(wù)的研究主要集中于影響借款人借款成功以及借款成本大小的因素 （李?lèi)偫椎龋?2013［3］；； Emekter et al.［4］）， 如外貌（Ravina et al.， 2012［5］； Duarte et al.， 2012［6］）、 教育水平 （廖理等， 2015［7］）， 性別 （Barasinska and Schafer， 2014［8］）、 地域 （廖理等， 2014［9］； 蔣彧和周安琪，2016［10］）以及近年來(lái)越來(lái)越多學(xué)者關(guān)注的借款人文字陳述信息 （Herzenstein et al.， 2011［11］； 李焰等，2014［12］； 王 會(huì) 娟 和 何 琳， 2015［13］； 彭 紅 楓 等，2016［14］； Dorfleitner et al.， 2016［15］）。 此外最新的研究集中于對(duì)P2P平臺(tái)中的投資者行為特征，如風(fēng)險(xiǎn)厭惡程度 （Paravisini et al.， 2016［16］）、 羊群效應(yīng) （廖理等， 2015［17］） 和學(xué)習(xí)行為 （Zhang ＆ Liu， 2012［18］；王正位等， 2016［19］）。

但更值得思考的問(wèn)題是，P2P網(wǎng)貸是否實(shí)現(xiàn)了金融公平？本文試圖回答這樣一個(gè)問(wèn)題：在通過(guò)P2P平臺(tái)撮合的借貸活動(dòng)中，投資者和借款人在最終利率的決定中哪一方更強(qiáng)勢(shì)？目前，我國(guó)正大力推行“普惠金融”的發(fā)展戰(zhàn)略，國(guó)務(wù)院 《推進(jìn)普惠金融發(fā)展規(guī)劃 （2016—2020）》中明確提出， “不斷提高金融服務(wù)的覆蓋率、可得性和滿(mǎn)意度，使最廣大人民群眾公平分享金融改革發(fā)展的成果”，這表明 “普惠金融”的發(fā)展目標(biāo)不僅需要完成讓更多人參與金融活動(dòng)的 “可得性目標(biāo)”，也要完成金融服務(wù)的 “公平性目標(biāo)”。包括P2P在內(nèi)的互聯(lián)網(wǎng)金融被寄厚望于成為普惠金融的中堅(jiān)力量。P2P網(wǎng)貸以網(wǎng)絡(luò)技術(shù)為依托，提高了金融交易的效率，降低了金融服務(wù)的成本，通過(guò)互聯(lián)網(wǎng)平臺(tái)作為信息中介，使處于不同地點(diǎn)的融資者和投資者可以擺脫空間限制實(shí)現(xiàn)交易；在利率競(jìng)標(biāo)模式下，借款人將自己的借款需求以及個(gè)人信息在網(wǎng)上公開(kāi)，投資者在權(quán)衡收益和風(fēng)險(xiǎn)后選擇是否借款，故P2P網(wǎng)貸對(duì)借貸雙方幾乎均不存在準(zhǔn)入門(mén)檻，從而P2P網(wǎng)貸極大促進(jìn)了金融服務(wù)可得性。但金融參與機(jī)會(huì)的增大并不必然意味著公平性，金融活動(dòng)參與者極有可能因支付不合理的對(duì)價(jià)遭受損失。只有實(shí)現(xiàn)了金融公平性目標(biāo)，P2P網(wǎng)貸乃至互聯(lián)網(wǎng)金融，才是真正意義上的普惠金融。

目前已有部分文獻(xiàn)以銀行貸款為對(duì)象，研究銀行與借款人之間的議價(jià)能力大小。如陶江等 （2014）［20］研究了上市公司和銀行在信貸活動(dòng)中的議價(jià)能力大小，霍源源等 （2015）［21］研究了銀行抵押擔(dān)保貸款中的小微企業(yè)與銀行對(duì)利率決策主導(dǎo)權(quán)力相對(duì)大小。在P2P網(wǎng)貸研究方面，也有學(xué)者對(duì)借貸雙方的主導(dǎo)地位提出觀點(diǎn)，周耿和范從來(lái) （2016）［22］認(rèn)為我國(guó) P2P市場(chǎng)中投資方的主導(dǎo)權(quán)力更大，但其未考慮剝離出市場(chǎng)公允利率的影響因素，同時(shí)在微觀層面還缺乏更深入的實(shí)證分析。

和前人研究相比，本文的邊際貢獻(xiàn)主要有三點(diǎn)，首先從研究方法上看，以 “硬信息”和 “軟信息”在利率定價(jià)中的不同作用為出發(fā)點(diǎn)建立了異質(zhì)性的雙邊隨機(jī)邊界 （Two-tier Stochastic Frontier Analysis）模型，測(cè)度了借款人和投資者在公允利率之外的剩余，依此來(lái)判斷二者對(duì)利率主導(dǎo)權(quán)力相對(duì)大小，并分析了軟信息對(duì)借款人議價(jià)能力影響的邊際效應(yīng)以及投資者凈剩余依不同維度屬性的分布情況，P2P網(wǎng)貸豐富的大數(shù)據(jù)使本文的分析過(guò)程更系統(tǒng)科學(xué)，結(jié)論更可靠；其次，相較管制利率下的銀行信貸，利率競(jìng)拍模式下的P2P借貸雙方在名義上地位更平等，在此前提下討論金融公平性問(wèn)題將更有現(xiàn)實(shí)意義，也使本文研究成為對(duì)P2P網(wǎng)貸業(yè)務(wù)普惠程度的一項(xiàng)檢驗(yàn)，對(duì)我國(guó)金融業(yè)發(fā)展及利率市場(chǎng)化改革都具有參考價(jià)值。文章接下來(lái)的部分做如下安排：第二部分對(duì)雙邊隨機(jī)邊界模型和原理進(jìn)行闡釋?zhuān)坏谌糠质潜疚牡臄?shù)據(jù)說(shuō)明和研究設(shè)計(jì)思路；第四部分是實(shí)證結(jié)果和分析；第五部分是本文的結(jié)論和啟示。

二、雙邊隨機(jī)邊界模型原理

本文采用 Kumbhakar and Parmeter （2009）［23］的雙邊隨機(jī)邊界模型來(lái)分析P2P平臺(tái)借貸過(guò)程中借款人和投資人所獲得的利益不平等問(wèn)題，該方法近年來(lái)在議價(jià)問(wèn)題和上市公司的投資行為 （盧洪友等，2011［24］； 劉長(zhǎng)庚等， 2014［25］， 張宗益等， 2012［26］）等方面得到了一定應(yīng)用和推廣。參照Kumbhakar and Parmeter （2009）［23］和霍源源等 （2015）［21］， 可將P2P平臺(tái)的最終利率轉(zhuǎn)化為經(jīng)典的雙邊隨機(jī)邊界模型的形式：

其中線性部分μ（xi）＝xi＇δ，xi表示決定公允利率的信息向量；δ為待估參數(shù)；ξi代表在公允利率基礎(chǔ)上借貸雙方討價(jià)還價(jià)實(shí)力的相對(duì)大小和隨機(jī)誤差的綜合干預(yù)結(jié)果。vi為隨機(jī)干擾項(xiàng)，wi和ui分別代表了投資人和借款人的剩余價(jià)值。通過(guò)使用極大似然估計(jì)方法可以對(duì)模型中的各個(gè)參數(shù)實(shí)現(xiàn)估計(jì)，最終計(jì)算出凈剩余E（wi-ui）的大小，并進(jìn)一步估計(jì)出投資者和借款人在P2P借貸市場(chǎng)中究竟哪一方占據(jù)話語(yǔ)權(quán)。由于模型中設(shè)定干擾項(xiàng)wi和ui為單邊分布，為簡(jiǎn)化起見(jiàn)，假設(shè)二者均服從指數(shù)分布，即ui～i.i.d.Exp（σu，σ2u） ，wi～i.i.d.Exp（σw，σ2w） ， 而隨機(jī)干擾項(xiàng)服從正態(tài)分布， 即vi～i.i.d.N（0，σ2v） 。 假設(shè)vi、ui和wi之間彼此獨(dú)立，且均獨(dú)立于信息向量xi。通過(guò)正確推導(dǎo)出復(fù)合干擾項(xiàng)ξi的概率密度函數(shù)，可得對(duì)數(shù)似然函數(shù)為

其中，θ＝［β，σv，σu，σw］＇。 通過(guò)對(duì)數(shù)似然函數(shù)的最大化即可求得參數(shù)的估計(jì)值。

由于本文關(guān)注的重點(diǎn)在投資人和借款人通過(guò)掌握的信息程度所獲得的剩余，可進(jìn)一步得到ui和wi的條件期望：

其中

則凈剩余為

需注意的是，參數(shù)σu僅出現(xiàn)在ai和ci中，而參數(shù)σw僅出現(xiàn)在bi和di中，所以參數(shù)可識(shí)別，因此在后續(xù)檢驗(yàn)中無(wú)需事先假定投資人和借款人掌握信息程度的相對(duì)大小，而完全根據(jù)估計(jì)結(jié)果來(lái)決定①限于篇幅所限本文表達(dá)式的推導(dǎo)過(guò)程有所簡(jiǎn)略，更為完整的過(guò)程請(qǐng)參見(jiàn)Kumbhakar and Parmeter（2009）［23］和盧洪友等 （2011）［24］。。

進(jìn)一步地， 本文借鑒Lian和Chung （2008）［27］以及李春紅等 （2014）［28］的做法構(gòu)建異質(zhì)性的雙邊隨機(jī)邊界模型，之所以考慮異質(zhì)性的雙邊隨機(jī)邊界模型，是由于現(xiàn)有文獻(xiàn)普遍將P2P平臺(tái)中借款人的信息分為兩類(lèi)，一類(lèi)被稱(chēng)為 “硬信息”，如信用等級(jí)、年齡、收入和學(xué)歷等，是能夠被客觀證實(shí)的內(nèi)容 （廖理等，2014［9］），因此更適合作為影響公允利率的決定因素反映市場(chǎng)的一致預(yù)期；而另一類(lèi)被稱(chēng)為 “軟信息”，最典型的如借款人的借款文字性描述所包含信息，其不能被直接證實(shí)，更適合作為影響借貸雙方議價(jià)能力的異質(zhì)性因素。于是平臺(tái)借貸的公允利率部分由借款標(biāo)的信息 （如借款期限和借款數(shù)額等）和借款人可驗(yàn)證的硬信息決定，而借款人進(jìn)一步地通過(guò)控制軟信息的披露與投資者進(jìn)行博弈從而爭(zhēng)取利率的決定權(quán)。本文以借款人借款描述的字?jǐn)?shù) （length_text）來(lái)代表借款人軟信息，鑒于現(xiàn)有文獻(xiàn)發(fā)現(xiàn)借款人描述的文字長(zhǎng)度對(duì)借款利率存在非線性影響 （彭紅楓等，2016［14］），我們進(jìn)一步地考慮了length_text的二次方項(xiàng)。軟信息有可能同時(shí)影響到借款人的議價(jià)剩余u和投資者的議價(jià)剩余w，也有可能僅影響其中之一， 即表達(dá)式E（u）＝σu＝exp（αu+βu·和E（w）＝σw＝exp（αw+βw·length_text+γw·length_text2） 有可能僅成立一個(gè)，也有可能同時(shí)成立，需根據(jù)實(shí)證結(jié)果進(jìn)行取舍。進(jìn)一步地，由于length_text近似連續(xù)變量，故可在此基礎(chǔ)上考察字?jǐn)?shù)變化給借貸雙方利率決定權(quán)帶來(lái)的邊際效應(yīng)。

表1 文中變量含義解釋

三、數(shù)據(jù)說(shuō)明和研究設(shè)計(jì)

（一）數(shù)據(jù)說(shuō)明

本文數(shù)據(jù)來(lái)源為人人貸網(wǎng)站，該網(wǎng)站運(yùn)營(yíng)時(shí)間較久，業(yè)務(wù)規(guī)模大，具有一定代表性，且信息披露完全，能夠滿(mǎn)足本文研究需要。該網(wǎng)站P2P網(wǎng)貸的部分散標(biāo)業(yè)務(wù)為利率競(jìng)拍模式，在利率競(jìng)拍模式下，借款人在借款時(shí)會(huì)提交兩部分信息，一是與借款標(biāo)的相關(guān)的信息，包括希望借款數(shù)額、還款期限、借款利率等，二是自己的個(gè)人信息，如學(xué)歷、年齡、收入水平等。這兩部分信息在經(jīng)過(guò)平臺(tái)審核認(rèn)證、評(píng)級(jí)之后發(fā)布，投資人參考平臺(tái)發(fā)布的借款人的相關(guān)信息決定是否接受借款請(qǐng)求。如果投資人接受借款人的借款利率，則參與投標(biāo)，在規(guī)定時(shí)間內(nèi)，借款人獲得了所需的借款數(shù)額，則借款成功，自動(dòng)進(jìn)入還款階段；若在規(guī)定時(shí)間內(nèi)借款人的標(biāo)的未有足夠的投資人參與競(jìng)標(biāo)，則借款失敗 （流標(biāo)），可見(jiàn)利率競(jìng)拍模式下的P2P借貸活動(dòng)，其借貸利率具有很明顯的市場(chǎng)化特點(diǎn)①?lài)?yán)格來(lái)說(shuō)，競(jìng)拍模式下的P2P借貸活動(dòng)是半市場(chǎng)化的，因?yàn)槠浣栀J利率會(huì)被設(shè)定在一定范圍內(nèi)，但在這個(gè)范圍內(nèi)，借款人和投資人是可以對(duì)利率進(jìn)行自由選擇的.。本文所搜集樣本時(shí)間跨度為2015年5月—2016年2月，標(biāo)的類(lèi)型為信用認(rèn)證標(biāo)的。由于只有借款成功的散標(biāo)才可觀察到成交利率，故刪去流標(biāo)的借款記錄，再除去缺失變量的觀測(cè)樣本，最后有效樣本數(shù)為85771條。表1給出了觀測(cè)樣本所涉及變量及其含義，表2則描述了本文所涉及部分變量的統(tǒng)計(jì)特征。

表2 部分變量統(tǒng)計(jì)特征的描述

表3列出了樣本隨借款時(shí)間和借款人居住地分布情況?？梢钥吹剑瑯颖颈壤琶叭氖〖?jí)行政區(qū)域分別是廣東 （10.50%）、福建 （9.90%）和山東（7.14%），排名倒數(shù)前三位的分別是西藏 （0.01%）、青海 （0.02%）和內(nèi)蒙古 （0.12%）?？傮w而言，東部省份的樣本數(shù)量較多，西部省份的樣本數(shù)量較少，這也反映了P2P網(wǎng)貸市場(chǎng)規(guī)模存在一定區(qū)域差異。表4顯示，樣本隨時(shí)間分布存在一定差異，其中樣本數(shù)量最多的月份是2015年8月 （14.96%），但樣本數(shù)目并未隨時(shí)間推移呈現(xiàn)一定遞增或遞減趨勢(shì)?？傮w而言，本文所選取樣本的時(shí)空分布較為合理。

（二）研究設(shè)計(jì)

為了選擇更合適的模型來(lái)研究，本文做了以下研究設(shè)計(jì)。首先使用OLS回歸，然后使用MLE方法對(duì)OLS回歸結(jié)果進(jìn)行重新估計(jì)，記作模型M0；模型M1是雙邊隨機(jī)邊界模型，在M0的基礎(chǔ)上放寬了lngima_u＝lnsigma_w＝0的約束條件；通過(guò)對(duì)M1和M0進(jìn)行對(duì)比，確定是否有必要使用雙邊隨機(jī)邊界模型；其次考慮在借貸雙方的議價(jià)剩余項(xiàng)中加入 “借款描述文本字?jǐn)?shù)”這一軟信息，建立考慮異質(zhì)性的雙邊隨機(jī)邊界模型。通過(guò)似然比檢驗(yàn)以及模型的實(shí)際合理性選擇出最優(yōu)模型，以此來(lái)分析投資人和借款人對(duì)利率的相對(duì)主導(dǎo)權(quán)力大小，軟信息對(duì)借貸雙方議價(jià)能力的邊際效應(yīng)，以及不同類(lèi)型的借款人所被剝奪的凈剩余大小的情況。

表3 按時(shí)間和空間維度樣本分布信息

四、實(shí)證結(jié)果和分析

（一）模型選擇

表4列出了各個(gè)模型實(shí)證結(jié)果。對(duì)M0和M1進(jìn)行似然比檢驗(yàn)，結(jié)果顯示M1優(yōu)于M0，表明選擇雙邊隨機(jī)邊界模型具有一定合理性；M2和M3是在議價(jià)剩余中加入軟信息因素的異質(zhì)性雙邊隨機(jī)邊界模型，在M2中，我們同時(shí)在借款人和投資者的議價(jià)剩余中加入軟信息因素，但是我們發(fā)現(xiàn)，軟信息因素僅在借款人議價(jià)剩余項(xiàng)中顯著，而在投資者議價(jià)剩余項(xiàng)中無(wú)論是Length_text的一次項(xiàng)還是二次項(xiàng)均不顯著，因此模型M3進(jìn)一步僅在借款人的議價(jià)剩余項(xiàng)中考慮軟信息的異質(zhì)性因素。使用兩兩配對(duì)進(jìn)行似然比檢驗(yàn)，LR統(tǒng)計(jì)量顯示最優(yōu)的模型為M3，模型M3的估計(jì)結(jié)果大多數(shù)系數(shù)是顯著的，同時(shí)公允利率部分的解釋變量符號(hào)也基本符合邏輯，具體表現(xiàn)在以下幾個(gè)方面：（1）在表示借款標(biāo)的信息方面的變量中，借款數(shù)額和借款期限的系數(shù)均為負(fù)且顯著，這表明隨著數(shù)額較大、期限較長(zhǎng)的借款利率相對(duì)較高； （2）在表示借款人的基本信息方面，信用等級(jí)的系數(shù)為正，代表利率信用水平越差，公允利率越高； （3）借款人的信用等級(jí)越低，其借款成本越高； （4）雖然年齡較大的借款人會(huì)面臨較高的公允利率，但借款人參加工作的時(shí)間越長(zhǎng)，面臨的公允利率越低。同樣地，借款人收入水平越高，越會(huì)降低借款人公允的借款成本。

以上是對(duì)P2P網(wǎng)貸的公允利率影響因素的分析，要進(jìn)一步對(duì)P2P網(wǎng)貸中借貸雙方議價(jià)能力進(jìn)行測(cè)度，則需根據(jù)方差分解進(jìn)一步對(duì)模型M3估計(jì)結(jié)果的殘差綜合項(xiàng)進(jìn)行深入分析。

表4 OLS VS雙邊隨機(jī)邊界模型的估計(jì)結(jié)果

續(xù)前表

（二）方差分解：借貸利率中議價(jià)能力測(cè)度

表5匯報(bào)了借貸雙方在談判中所各自能主導(dǎo)權(quán)力的大小。通過(guò)比較我們發(fā)現(xiàn)，投資人相對(duì)于借款人具有更強(qiáng)大的主導(dǎo)權(quán)力，lnrate無(wú)法解釋的殘差部分有88.43%由借貸雙方的相對(duì)議價(jià)能力來(lái)決定，而其中的99.83%由投資者的議價(jià)能力決定，借款人的議價(jià)能力能解釋的部分僅占0.17%，這說(shuō)明借款人在借貸活動(dòng)中雖然有一定議價(jià)能力，但是利率的最終形成更主要取決于投資者。我們進(jìn)一步對(duì)投資者和借款人的單邊效應(yīng)進(jìn)行估計(jì)來(lái)測(cè)算在利率的討價(jià)還價(jià)過(guò)程中雙方所能獲得的剩余和凈剩余。

表5 借貸雙方議價(jià)能力分析 （基于M3）

（三）投資者剩余和借款人剩余的估計(jì)

本文研究重點(diǎn)在于投資者和借款人在P2P平臺(tái)成功達(dá)成交易后雙方各自獲得的剩余，即E（w｜ξ）和E（u｜ξ），其含義是投資人和借款人在討價(jià)還價(jià)過(guò)程中各自剩余相對(duì)于公允的利率水平Lnrate＝δxi變動(dòng)的百分比。表6所展示的是針對(duì)全部樣本的展示，結(jié)果表明在P2P平臺(tái)網(wǎng)貸活動(dòng)中，平均而言投資人能通過(guò)其主導(dǎo)權(quán)力將利率提高14.33%左右，借款人能通過(guò)其主導(dǎo)的權(quán)力將利率降低1.43%左右，最終利率將比公允利率高出12.9%左右。

表6 議價(jià)中投資人和借款人獲得的總剩余

圖1 投資人剩余分布 （%）

圖2 借款人剩余分布 （%）

圖3 凈剩余分布 （%）

圖1～圖3分別展示了投資人剩余、借款人剩余以及投資者獲得凈剩余的分布情況；比較圖1和圖2可以看出，投資人獲得剩余的能力雖然有差異，但總體而言均通過(guò)平臺(tái)討價(jià)還價(jià)獲得了較大的議價(jià)剩余，相比之下借款人能夠在P2P借貸活動(dòng)中獲得的剩余集中在極小的范圍內(nèi)，且借款人剩余均較小。圖3顯示，凈剩余的分布表明幾乎所有的投資人在P2P平臺(tái)的利率決定中都獲得了一定優(yōu)勢(shì)，這表明P2P平臺(tái)雖然讓廣大的借款人獲得了金融參與的機(jī)會(huì)，但P2P網(wǎng)貸活動(dòng)中的投資者和借款人雙方地位是不平等的，借款人在最終利率的議價(jià)能力上處于明顯的弱勢(shì)地位，從而P2P網(wǎng)貸是買(mǎi)方市場(chǎng)。這與周耿和范從來(lái) （2016）［22］的觀點(diǎn)是相似的。

（四）軟信息的邊際效應(yīng)

從表5中可以看出，我們?cè)诮杩钊俗h價(jià)剩余項(xiàng)中考慮軟信息因素lengt_text及其二次方項(xiàng)均顯著。我們需要進(jìn)一步計(jì)算length_text對(duì)于借款人議價(jià)能力的邊際效應(yīng)①length_text并非以線性形式進(jìn)入模型，因此表5中的借款人議剩余項(xiàng)中的系數(shù)無(wú)法直接反應(yīng)length_text的邊際效應(yīng)。。由于

因此d·E（u）／d·length_text＝σu·（βu+2·γu·length_text），圖4給出了length_text和其對(duì)E（u）的邊際效應(yīng)的關(guān)系。

從圖4中可以看出文本字?jǐn)?shù)對(duì)借款人議價(jià)能力影響并非呈現(xiàn)單調(diào)的態(tài)勢(shì)。當(dāng)借款人用較少的文字去描述的時(shí)候，此時(shí)描述字?jǐn)?shù)對(duì)E（u）的邊際效應(yīng)為正，表明借款人可以通過(guò)增加借款描述的字?jǐn)?shù)來(lái)擴(kuò)大自己的利率定價(jià)權(quán)；但當(dāng)借款描述達(dá)到一定字?jǐn)?shù)時(shí)，進(jìn)一步增加借款描述的字?jǐn)?shù)反而阻礙了借款人獲得利率定價(jià)權(quán)。這與一些關(guān)于文本長(zhǎng)度與借款利率的研究結(jié)論方向比較一致 （彭紅楓等［14］，2016），這也說(shuō)明了借款描述所能提供的增量信息是有邊界的，僅在一定范圍內(nèi)為借款人爭(zhēng)取到利率定價(jià)權(quán)。

圖4 文本字?jǐn)?shù)對(duì)借款人議價(jià)能力的邊際效應(yīng)

表7 按信用等級(jí)凈剩余分布 （%）

續(xù)前表

（五）凈剩余依不同維度的分布：借款人信用等級(jí)、借款人居住地和借款時(shí)間

表7～表9給出了借款人的信用等級(jí)、所處省份和借款月份對(duì)借貸活動(dòng)凈剩余的影響。通過(guò)表9我們可以發(fā)現(xiàn)，信用等級(jí)不同的借款人在借款活動(dòng)中被剝奪的剩余不同，總體上看凈剩余依信用等級(jí)的分布呈現(xiàn)兩個(gè)特點(diǎn)：其一，擁有AA等級(jí)信用的人被剝奪的凈剩余顯著少于其他信用等級(jí)的人群，其余各個(gè)信用等級(jí)的人群被占有的凈剩余差異不是特別大。其二，總體上看我們可以認(rèn)為借款人被剝奪凈剩余隨著信用等級(jí)變低而逐漸增加，但是也有例外，例如信用等級(jí)為HR的借款人平均被占有的凈剩余小于信用等級(jí)為E的群組。

表8 按地區(qū)凈剩余分布 （%）

通過(guò)表8我們可以發(fā)現(xiàn)，不同地區(qū)的借款人議價(jià)能力差別明顯，平均議價(jià)能力最強(qiáng)的是河北省，具體表現(xiàn)被投資人占有的凈剩余最少；議價(jià)能力最弱的為青海省，因此被投資者占有的凈剩余最多。但依東、中、西部進(jìn)行區(qū)域分別統(tǒng)計(jì)則發(fā)現(xiàn)三大區(qū)域的借款人被占有的凈剩余幾乎沒(méi)有差別?，F(xiàn)有文獻(xiàn)普遍認(rèn)為我國(guó)的金融體系存在著區(qū)域失衡和差異 （何運(yùn)信，2008［29］； 解 運(yùn) 亮 和 劉 磊， 2013［30］； 俞 穎 等，2017［31］），但表8的結(jié)果表明從福利的角度來(lái)看，P2P平臺(tái)的網(wǎng)貸業(yè)務(wù)的區(qū)域發(fā)展并不存在失衡，這說(shuō)明互聯(lián)網(wǎng)金融作為非正規(guī)金融的典型代表很可能對(duì)緩解我國(guó)金融發(fā)展區(qū)域扭曲的現(xiàn)狀起到緩解作用。

表9 按借款時(shí)間凈剩余分布 （%）

表10 2015年6月—10月貨幣政策一覽 （根據(jù)中國(guó)人民銀行官網(wǎng)資料整理）

表9顯示了投資人凈剩余隨時(shí)間變化的狀況?？梢钥闯鐾顿Y人的凈剩余均值在若干月份存在一定幅度變動(dòng)，最大的一次變動(dòng)為由2015年10月份的12.87%變?yōu)?015年11月的10.86%。在大樣本情形下，投資人凈剩余依時(shí)間維度的差異很可能與宏觀經(jīng)濟(jì)因素相關(guān)，一個(gè)很重要的影響因素是貨幣政策的作用。貨幣政策不僅直接影響到借款的公允利率①如人人貸官方借貸利率范圍為10%～24%，但不超過(guò)同期銀行同類(lèi)貸款利率的4倍。，還通過(guò)影響貨幣供給決定供需雙方的議價(jià)能力，從而最終影響到投資方的議價(jià)剩余。由于P2P平臺(tái)的競(jìng)標(biāo)模式可認(rèn)為利率準(zhǔn)市場(chǎng)化，貨幣供給越充足，則借款人的議價(jià)能力越高，而投資者的議價(jià)能力越低，則投資者所能獲得的凈剩余越低。因此擴(kuò)張型貨幣政策可能降低投資人凈剩余。在所有貨幣政策中效果最顯著的應(yīng)當(dāng)是 “降準(zhǔn)”和 “降息”②基于正規(guī)金融市場(chǎng)執(zhí)行的貨幣政策要對(duì)非正規(guī)金融市場(chǎng)施加顯著影響，則政策本身需要一定強(qiáng)度，因此文章主要關(guān)注 “降準(zhǔn)”和 “降息”這兩種較為激進(jìn)的貨幣政策調(diào)控手段。。本文的數(shù)據(jù)樣本區(qū)間中，2015年11月之后央行便不再發(fā)布 “降準(zhǔn)”和“降息”類(lèi)的貨幣政策 （如表10），考慮到貨幣政策傳導(dǎo)到P2P市場(chǎng)的時(shí)滯性，我們將數(shù)據(jù)樣本區(qū)間劃分為兩個(gè)時(shí)期：時(shí)期Ⅰ （2015年5月—10月）和時(shí)期Ⅱ （2015年11月—2016年2月），在時(shí)期Ⅰ，央行進(jìn)行了一系列 “降準(zhǔn)”和 “降息”的貨幣政策，可以看作政策執(zhí)行期，而時(shí)期Ⅱ可以完整反映時(shí)期Ⅰ所有 “降準(zhǔn)”和 “降息”政策的效果，可視為政策生效期。在時(shí)期Ⅰ，投資人平均凈剩余為13.67%，而在時(shí)期Ⅱ?yàn)?1.62%，存在一定削弱，凈剩余的削弱可能是由于投資人剩余的減少，也有可能是由于借款人剩余的增加。更進(jìn)一步，對(duì)比圖5和圖6可以發(fā)現(xiàn)，兩種現(xiàn)象同時(shí)存在：與時(shí)期Ⅰ相比，時(shí)期Ⅱ的投資者剩余明顯減少了，同時(shí)借款人剩余也略微增加，最終導(dǎo)致投資者凈剩余明顯減少③感謝審稿人提醒，利率傳導(dǎo)機(jī)制是一個(gè)十分復(fù)雜的問(wèn)題，因此本文在此謹(jǐn)慎地給與現(xiàn)象上的相關(guān)性描述，深入的研究還將依賴(lài)于更嚴(yán)格的因果推斷方法。。這說(shuō)明正規(guī)金融市場(chǎng)的貨幣政策對(duì)非正規(guī)金融市場(chǎng)也具有影響力，擴(kuò)張型貨幣政策一定程度上也緩解了投資人和借款人之間地位不平等的狀況。這與周耿和范從來(lái) （2016）［22］認(rèn)為 “貨幣政策擴(kuò)大投資方的話語(yǔ)權(quán)”的觀點(diǎn)有差異。

圖5 時(shí)期Ⅰ （從左往右）投資人剩余、借款人剩余和凈剩余 （%）

圖6 時(shí)期Ⅱ （從左往右）投資人剩余、借款人剩余和凈剩余 （%）

五、結(jié)論和啟示

本文通過(guò)使用異質(zhì)性的雙邊隨機(jī)邊界模型，結(jié)合人人貸的數(shù)據(jù)，分析了在P2P平臺(tái)借貸活動(dòng)中投資人和借款人所能獲得的相對(duì)利率定價(jià)權(quán)的大小。分析的結(jié)果發(fā)現(xiàn)，在P2P借貸活動(dòng)中，與借款人相比，投資人的價(jià)格決定優(yōu)勢(shì)是十分明顯的，從而P2P網(wǎng)貸是買(mǎi)方市場(chǎng)，這說(shuō)明P2P網(wǎng)貸業(yè)務(wù)雖然使得普通人參與金融活動(dòng)的機(jī)會(huì)增多，但在其活動(dòng)中仍然存在借款方和投資方地位不平等的現(xiàn)象，距離真正的普惠金融目標(biāo)仍有一定距離。經(jīng)過(guò)更深入的分析發(fā)現(xiàn)，借款人可以通過(guò)借款描述的文字長(zhǎng)度來(lái)影響自身的利率議價(jià)剩余，但這種影響是非線性的，文本字?jǐn)?shù)超過(guò)一定長(zhǎng)度之后反而削弱了借款人的利率定價(jià)權(quán)。在研究投資者所占凈剩余依不同維度分布后發(fā)現(xiàn)，信用等級(jí)高的借款人，在利率決定中面臨的劣勢(shì)較小，符合邏輯；不同地區(qū)的借款人價(jià)格決定能力不同，但東、中、西部三大區(qū)域的借款人之間的價(jià)格決定能力并不存在顯著差異，這表明大力發(fā)展P2P和互聯(lián)網(wǎng)金融業(yè)務(wù)可能對(duì)緩解金融的區(qū)域扭曲具有顯著作用；同時(shí)，擴(kuò)張型貨幣政策的出臺(tái)也緩解了借款人處于絕對(duì)弱勢(shì)的地位，這實(shí)際上反映了P2P平臺(tái)作為非正規(guī)金融市場(chǎng)與正規(guī)金融體系之間存在的聯(lián)系。本文的結(jié)論與周耿和范從來(lái) （2016）［22］的結(jié)論有一致之處也有差異，一致之處在于均認(rèn)為投資方處于強(qiáng)勢(shì)地位，差異的地方在于后者從利率大小的角度認(rèn)為擴(kuò)張型貨幣政策擴(kuò)大了投資方的議價(jià)優(yōu)勢(shì)，而本文通過(guò)使用雙邊隨機(jī)邊界的方法分析投資方凈剩余得到結(jié)論認(rèn)為擴(kuò)張型貨幣政策縮小了投資方的議價(jià)優(yōu)勢(shì)。

本文的研究能得到的啟示和政策建議如下：

1.網(wǎng)貸活動(dòng)的進(jìn)行要兼顧 “公平”的目標(biāo)。我國(guó)的P2P平臺(tái)近年來(lái)發(fā)展勢(shì)頭迅猛，對(duì)銀行業(yè)占主導(dǎo)地位的傳統(tǒng)金融業(yè)形成了較大沖擊，無(wú)形中加快了利率市場(chǎng)化的進(jìn)程，緩解了利率管制情形下的信貸配給和金融歧視現(xiàn)象，使弱勢(shì)群體獲得了更大的金融參與機(jī)會(huì)，但是在P2P網(wǎng)貸活動(dòng)中借款人的議價(jià)能力是弱小的，絕大多數(shù)借款人融資成本高出公平利率，議價(jià)公平性的缺失將制約P2P行業(yè)持續(xù)穩(wěn)健地發(fā)展，隨著互聯(lián)網(wǎng)金融的發(fā)展，網(wǎng)絡(luò)借貸的方式也逐漸被大眾所認(rèn)可接受，但能否使P2P行業(yè)真正以較低的成本服務(wù)于普通群體，將直接決定其能否成為 “普惠金融”的重要構(gòu)成部分。從目前來(lái)看，P2P網(wǎng)貸活動(dòng)離實(shí)現(xiàn) “普惠”的目標(biāo)尚有較大距離。因此，作為信息中介的P2P平臺(tái)，要更多地考慮到借款人的利益，在信息披露方式和指標(biāo)上加以改進(jìn)，使借款人能夠通過(guò)平臺(tái)發(fā)布自身信息來(lái)提升議價(jià)能力。

2.目前的P2P平臺(tái)真正的信息中介功能有待強(qiáng)化，更科學(xué)的信用評(píng)價(jià)方法有待提升。目前比較正規(guī)和有影響力的P2P平臺(tái)，在利率競(jìng)拍模式下，傾向于采取保守型的信用評(píng)價(jià)手段，因此借貸者的信貸評(píng)級(jí)極可能被低估，我們調(diào)查了多家極具影響力的P2P平臺(tái)，發(fā)現(xiàn)在利率競(jìng)拍模式下的P2P網(wǎng)貸活動(dòng)中，低信用者也極少發(fā)生逾期違約，因此現(xiàn)有的信用評(píng)級(jí)方法可能有待改進(jìn)，否則過(guò)于保守僵化的平臺(tái)信用評(píng)價(jià)方式將弱化P2P平臺(tái)的 “信息中介”角色，而無(wú)形中強(qiáng)化其 “信用中介”的定位。既然《網(wǎng)貸信息中介機(jī)構(gòu)業(yè)務(wù)活動(dòng)管理辦法》明確了網(wǎng)貸平臺(tái) “信息中介”定位，那么P2P平臺(tái)應(yīng)使用更科學(xué)公允的信息披露方式，避免過(guò)于保守的信用評(píng)價(jià)導(dǎo)致流標(biāo)或推高借款人的融資成本，從而減少P2P平臺(tái)借款人的福利損失，實(shí)現(xiàn)真正的金融普惠和金融公平。

［1］林毅夫，孫希芳.信息、非正規(guī)金融與中小企業(yè)融資 ［J］.經(jīng)濟(jì)研究，2005（7）：35-44.

［2］田霖.我國(guó)金融排斥的城鄉(xiāng)二元性研究 ［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2011（2）：36-45+141.

［3］李?lèi)偫?，郭?yáng)，張維.中國(guó) P2P小額貸款市場(chǎng)借貸成功率影響因素分析 ［J］.金融研究，2013（7）：126-138.

［4］ Emekter R， Tu Y， Jirasakuldech B， et al.Evaluating Credit Risk and Loan Performance in Online Peer-to-Peer（P2P） lending ［J］.Applied Economics，2015，47 （1）：54-70.

［5］ Ravina E.Love ＆ loans： The Effect of Beauty and Personal Characteristics in Credit Markets ［J］.Available at SSRN 1107307，2012.

［6］ 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.

［7］廖理，吉霖，張偉強(qiáng).借貸市場(chǎng)能準(zhǔn)確識(shí)別學(xué)歷的價(jià)值嗎？——來(lái)自P2P平臺(tái)的經(jīng)驗(yàn)證據(jù) ［J］.金融研究，2015（3）：146-159.

［8］ Barasinska N， Sch?fer D.Is Crowdfunding Different？ Evidence on the Relation between Gender and Funding Success from a German Peer-to-Peer Lending Platform ［J］.German Economic Review，2014，15 （4）：436-452.

［9］廖理，李夢(mèng)然，王正位.中國(guó)互聯(lián)網(wǎng)金融的地域歧視研究 ［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014，31（5）：54-70.

［10］蔣彧，周安琪.P2P網(wǎng)絡(luò)借貸中存在地域歧視嗎？——來(lái)自 “人人貸”的經(jīng)驗(yàn)數(shù)據(jù) ［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（9）：29-39.

［11］ Herzenstein M，Sonenshein S，Dholakia U M.Tell me a Good Story and I May Lend You Money：The Role of Narratives in Peer-to-peer Lending Decisions ［J］.Journal of Marketing Research， 2011，48 （SPL）： S138-S149.

［12］李焰，高弋君，李珍妮，才子豪，王冰婷，楊宇軒.借款人描述性信息對(duì)投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺(tái)的分析 ［J］.經(jīng)濟(jì)研究，2014（S1）：143-155.

［13］王會(huì)娟，何琳.借款描述對(duì) P2P網(wǎng)絡(luò)借貸行為影響的實(shí)證研究 ［J］.金融經(jīng)濟(jì)學(xué)研究，2015（1）：008.

［14］彭紅楓，趙海燕，周洋.借款陳述會(huì)影響借款成本和借款成功率嗎？——基于網(wǎng)絡(luò)借貸陳述的文本分析 ［J］.金融研究，2016（4）：158-173.

［15］ Dorfleitner G，Priberny C，Schuster S，et al.Description-text Related Soft Information in Peer-to-peer Lending-evidence from Two Leading European platforms ［J］.Journal of Banking＆ Finance，2016 （64）：169-187.

［16］ Paravisini D， Rappoport V， Ravina E.Risk Aversion and Wealth： Evidence from Person-to-person Lending Portfolios ［J］.Management Science，2016，63 （2）： 279-297.

［17］廖理，李夢(mèng)然，王正位，等.觀察中學(xué)習(xí)：P2P網(wǎng)絡(luò)投資中信息傳遞與羊群行為 ［J］.清華大學(xué)學(xué)報(bào) （哲學(xué)社會(huì)科學(xué)版），2015（1）：156-165.

［18］ Zhang J， Liu P.Rational Herding in Microloan Markets ［J］.Management Science， 2012， 58 （5）： 892-912.

［19］王正位，向佳，廖理，等.互聯(lián)網(wǎng)金融環(huán)境下投資者學(xué)習(xí)行為的經(jīng)濟(jì)學(xué)分析 ［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016，33（3）：95-111.

［20］陶江，辛兵海，廉永輝.我國(guó)上市公司信貸議價(jià)能力測(cè)度——基于雙邊隨機(jī)邊界模型的分析 ［J］.投資研究，2014（8）：61-70.

［21］霍源源，馮宗憲，柳春.抵押擔(dān)保條件對(duì)小微企業(yè)貸款利率影響效應(yīng)分析——基于雙邊隨機(jī)前沿模型的實(shí)證研究 ［J］.金融研究，2015 （9）： 112-127

［22］周耿，范從來(lái).貨幣政策對(duì)P2P網(wǎng)貸市場(chǎng)利率的影響研究 ［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（6）：29-38.

［23］ Kumbhakar S C， Parmeter C F.The Effects of Match Uncertainty and Bargaining on Labor Market Outcomes：Evidence from Firm and Worker Specific Estimates ［J］.Journal of Productivity Analysis， 2009， 31 （1）： 1-14.

［24］盧洪友，連玉君，盧盛峰.中國(guó)醫(yī)療服務(wù)市場(chǎng)中的信息不對(duì)稱(chēng)程度測(cè)算 ［J］.經(jīng)濟(jì)研究，2011（4）：94-106.

［25］劉長(zhǎng)庚，許明，劉一蓓.員工獲得了 “公平”的勞動(dòng)所得嗎——基于中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)的測(cè)度與驗(yàn)證 ［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2014（11）： 128-140.

［26］張宗益，鄭志丹.融資約束與代理成本對(duì)上市公司非效率投資的影響——基于雙邊隨機(jī)邊界模型的實(shí)證度量 ［J］.管理工程學(xué)報(bào)，2012，26 （2）：119-126.

［27］ Lian Y， Chung C F.Are Chinese Listed Firms Over-Investing［R］.SSRN Working paper，2008.

［28］李春紅，王苑萍，鄭志丹.雙重委托代理對(duì)上市公司過(guò)度投資的影響路徑分析——基于異質(zhì)性雙邊隨機(jī)邊界模型 ［J］.中國(guó)管理科學(xué)，2014，22 （11）：131-139.

［29］何運(yùn)信.中國(guó)金融發(fā)展的區(qū)域差異與區(qū)域金融協(xié)調(diào)發(fā)展研究進(jìn)展與評(píng)論 ［J］.經(jīng)濟(jì)地理，2008，28（6）：968-972.

［30］解運(yùn)亮，劉磊.中國(guó)農(nóng)村金融發(fā)展的區(qū)域差異及其成因分析 ［J］.經(jīng)濟(jì)問(wèn)題探索，2013（6）：79-85.

［31］俞穎，蘇慧琨，李勇.區(qū)域金融差異演進(jìn)路徑與機(jī)理 ［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2017（4）：74-93.