借款人聲譽與風(fēng)險識別

李鑫

摘 ? 要：P2P網(wǎng)絡(luò)借貸和傳統(tǒng)借貸都存在著信息不對稱，借款人聲譽作為一種信號緩解了信息不對稱程度，提升了借貸效率。本文以借款人過往逾期次數(shù)與成功借款次數(shù)作為聲譽變量，實證研究了借款人聲譽對違約風(fēng)險的識別效應(yīng)，同時發(fā)現(xiàn)隨著借款人還款能力的增加，這種風(fēng)險識別效應(yīng)也在增強(qiáng)，因此投資人和P2P平臺可借助分析借款人聲譽指標(biāo)做出合理的投資和監(jiān)控決策，降低P2P網(wǎng)絡(luò)借貸風(fēng)險，使得P2P網(wǎng)絡(luò)借貸成為傳統(tǒng)借貸的有力補充。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸;借款人聲譽;違約風(fēng)險

中圖分類號：F830 ?文獻(xiàn)標(biāo)識碼：A ?文章編號：1674-2265（2019）06-0003-09

DOI：10.19647/j.cnki.37-1462/f.2019.06.001

一、問題提出

聲譽是個人或組織源于其過去行為的一組特性（Weigelt和Camerer，1988），是個人或組織的無形資產(chǎn)（Tadelis，2002）。明顯地，一個借款人如果有良好的聲譽，可以較便利地或者以較低的成本獲得借款，即聲譽的價格效應(yīng)。因此，聲譽對借貸市場具有十分重要的意義。借貸市場最典型的聲譽機(jī)制便是以關(guān)系型融資為代表的雙邊聲譽機(jī)制。國外很多學(xué)者發(fā)現(xiàn)關(guān)系型融資能夠增加金融機(jī)構(gòu)對企業(yè)的了解，有效降低信息不對稱程度（Agostino等，2012;Berger和Black，2011），國內(nèi)很多學(xué)者也得到了類似的結(jié)論（尹志超、錢龍和吳雨，2015;張曉玫和宋卓霖，2016）。對于企業(yè)而言，企業(yè)家聲譽直接影響著企業(yè)融資的可得性，企業(yè)家聲譽越高，其以低成本獲得融資的可能性越高（張敏和李延喜，2014），同時企業(yè)家聲譽的良好改善也有助于提升企業(yè)融資的可得性（蔣薇薇和王喜，2015）。但這種聲譽效應(yīng)和市場化程度之間存在替代關(guān)系，即企業(yè)所在地區(qū)市場化程度越高，聲譽對融資的影響就越弱，金融機(jī)構(gòu)轉(zhuǎn)而更加注重正式契約（葉康濤、張然和徐浩萍，2010）。對于個人而言也是如此。聲譽反映了借款人在借貸行為中的還款能力和還款意愿，向金融機(jī)構(gòu)傳遞了一種信號，因此金融機(jī)構(gòu)可以依據(jù)借款人聲譽做出放貸決策從而影響借款人的借貸結(jié)果，一定程度上緩解借貸雙方的信息不對稱（黃曉紅，2008、2009）。非正規(guī)金融由于信息渠道較少或有待完善，因此借貸參與方更多的是通過軟信息來做出決策，其中最看重的就是借款人聲譽（匡樺、李富有和張旭濤，2011），以農(nóng)戶為代表的借款人聲譽也同樣影響著借款人的行為，并且是影響效應(yīng)最強(qiáng)的因素（侯英和陳希敏，2014）。

隨著互聯(lián)網(wǎng)技術(shù)的突飛猛進(jìn)，以P2P網(wǎng)絡(luò)借貸為代表的互聯(lián)網(wǎng)金融憑借其高效、便利的優(yōu)勢迅速成為融資的重要渠道之一。P2P網(wǎng)絡(luò)借貸除了改善金融機(jī)構(gòu)的多樣化，很大程度上也彌補了資金供給的缺口，緩解了信貸配給程度（Freedman和Jin，2011;王馨，2015）。與此同時，互聯(lián)網(wǎng)金融以更低的成本提高經(jīng)濟(jì)資源的配置效率來促進(jìn)經(jīng)濟(jì)發(fā)展，將會產(chǎn)生巨大的社會效益（謝平、鄒傳偉和劉海二，2012）。P2P網(wǎng)絡(luò)借貸由于其互聯(lián)網(wǎng)的屬性在傳統(tǒng)的接觸性借貸基礎(chǔ)上實現(xiàn)了非接觸性借貸模式，而借助P2P平臺發(fā)布的借款人過去行為信息是投資人做出放貸決策的重要依據(jù)之一，因此借款人聲譽在P2P網(wǎng)絡(luò)借貸中將會發(fā)揮更大的作用?，F(xiàn)有研究主要就P2P平臺聲譽和借款人聲譽對融資可得性與便利性方面進(jìn)行了初步的探討。P2P網(wǎng)絡(luò)借貸的參與人包括投資人、借款人和P2P平臺。投資人作為資金供給者基本不涉及聲譽問題，那么他在選擇平臺實施投資行為時會著重考慮該平臺的聲譽問題，例如：平臺提供的信息質(zhì)量，平臺已有用戶反饋等。P2P平臺的聲譽作為信號，從博弈的視角可以有效地向投資人傳遞其平臺內(nèi)在信息的質(zhì)量，弱化信息不對稱的影響從而提升借貸效率（黃曉紅、樊艷甜和呂睿，2017），有效抑制平臺的信用風(fēng)險（高覺民和趙沁樂，2017）。同時，投資人在選擇是否放貸時也會考慮借款人聲譽、收入、借款用途等因素，其中影響投資人做出放貸決策第一位的因素便是借款人聲譽（吳慶田、盧香和潘彬，2016），因此借款人聲譽最直接的影響便是融資可得性和便利性。融資可得性可以通過中標(biāo)概率等指標(biāo)體現(xiàn)，融資便利性則可以通過融資利率等指標(biāo)體現(xiàn)，由于借款人聲譽受到其所在行業(yè)的影響，那么網(wǎng)絡(luò)借貸對借款人所處行業(yè)便會有一定的傾向性（莊雷和趙成國，2017），同樣以借款目的構(gòu)成的借款人聲譽也影響著融資可得性（Cinca、Nieto和Palacios，2015）。聲譽不同的借款人，其借款成本有顯著差異，即借款成本的聲譽激勵機(jī)制顯著（錢炳，2015），但作為軟信息的聲譽，其與硬信息存在替代效應(yīng)，也存在著聲譽不同的借款人其借款成本并沒有顯著差異的現(xiàn)象（王博、張曉玫和盧露，2017）。

綜上所述，現(xiàn)有文獻(xiàn)針對P2P網(wǎng)絡(luò)借貸中借款人聲譽的研究主要集中在融資可得性和融資成本方面。然而，借款人聲譽不僅影響融資可得性和成本，也會影響其后續(xù)的違約風(fēng)險（Brown和Zehnder，2007;Sakai等，2010）。因此，本文將采用國內(nèi)排名前十的某P2P平臺數(shù)據(jù)實證研究借款人聲譽對于違約風(fēng)險的識別作用。如果這一識別作用成立，那么P2P借貸平臺和投資人即可在一定程度上通過借款人聲譽的相應(yīng)指標(biāo)來識別借款人的違約風(fēng)險并做出相應(yīng)決策。同時借款人聲譽是如何影響違約風(fēng)險的也是本文研究的內(nèi)容，通過研究借款人聲譽作用于違約風(fēng)險的機(jī)制可以有效甄別重點風(fēng)險監(jiān)管訂單或借款人，進(jìn)而有區(qū)別地實施風(fēng)險管控，最終形成良好的P2P網(wǎng)絡(luò)借貸氛圍。

二、理論分析與研究假設(shè)

（一）理論分析

P2P網(wǎng)絡(luò)借貸作為傳統(tǒng)金融市場的延伸，信息不對稱程度同樣較高。投資人從個人效用最大化的角度出發(fā)，除了獲取資本利得，最重要的便是按時收回借貸本金，為了保證這一點，投資人會選取一系列指標(biāo)來保證自己放貸的安全性，借款人聲譽作為一種信號可以向投資人傳遞此類信息。一般情形下，投資人會挑選聲譽好的借款人予以放貸。投資人的決策方程為：

上式中投資人效用為財富的凹函數(shù)，而財富是在初始財富w0基礎(chǔ)上的積累，收入y和資本利得可以增加財富，資本利得為利率r與本金a之積，消費c減少財富，除此之外還受到是否能收回本金的影響。status為訂單的狀態(tài)，借款人若違約，即沒有歸還本金，取值為1，否則取值為0。訂單狀態(tài)受到借款人還款能力和還款意愿的影響。借款人的還款能力可以通過收入、資產(chǎn)等指標(biāo)體現(xiàn)，還款意愿有主動還款意愿和被動還款意愿之分，其中被動還款意愿受違約成本影響，主動還款意愿則受到其借貸聲譽的影響，借貸聲譽好則還款意愿強(qiáng)，反之亦然。借款人過往借貸行為是分析其借貸聲譽的最客觀的指標(biāo)，因此將借款人過往逾期次數(shù)和成功借款次數(shù)作為衡量借款人聲譽的代理變量。于是，我們有：

投資人為了實現(xiàn)效用最大化，傾向選擇信用風(fēng)險小的訂單，所以關(guān)鍵是投資人是否可以通過借款人聲譽來有效識別其違約風(fēng)險，這將是本文研究的重點。如果借款人聲譽可以識別違約風(fēng)險，那么借款人聲譽則向投資人傳遞了重要信號，緩解了P2P網(wǎng)絡(luò)借貸的信息不對稱程度。

（二）研究假設(shè)

P2P網(wǎng)絡(luò)借貸與傳統(tǒng)借貸市場一樣存在信息不對稱。投資人處于信息劣勢，借款人處于信息優(yōu)勢。借款人為了獲得資金支持，公開歷史信用信息可以降低資金成本，同時也降低了信息不對稱程度（Diamond，1991）。然而借款人的聲譽作為歷史信用信息的一部分，其建立是一個長期的過程，需要借款人堅持不懈的維護(hù)，因此一定程度上聲譽也是借款人的一種資產(chǎn)（Tadelis S.，1999）。借款人過往的借貸行為形成了當(dāng)前的借貸聲譽，聲譽和借款人將來的借貸表現(xiàn)又息息相關(guān)（Stickel S E.，2012），那么通過借款人過往的借貸行為可以識別借款人將來的違約風(fēng)險。如果借款人逾期次數(shù)越多，即聲譽越差，那么其違約風(fēng)險越大。相反，如果借款人成功借款次數(shù)越多，即聲譽越好，那么其違約風(fēng)險越小，原因在于借款人良好的聲譽得到投資人的認(rèn)可其訂單才會成功獲得資金支持。因此，我們提出如下假設(shè)：

假設(shè)1：借款人逾期次數(shù)越多，其借款訂單違約風(fēng)險越大。

假設(shè)2：借款人成功借款次數(shù)越多，其借款訂單違約風(fēng)險越小。

建立和維護(hù)良好的聲譽是一個長期的、緩慢的過程，但是聲譽的消耗卻是在短時間內(nèi)完成的，這與我們對聲譽的認(rèn)知是一致的，原因在于借款人一旦出現(xiàn)逾期情況，即使是因為遺忘、經(jīng)營不善等非主觀因素，投資者對于借款人聲譽的認(rèn)可也將大幅度下降，那么借款人維護(hù)其良好聲譽的動力銳減，將導(dǎo)致其后續(xù)違約風(fēng)險大幅增加。然而當(dāng)借款人習(xí)慣性違約，即違約次數(shù)多到一定程度時，聲譽對于借款人便是可有可無，那么其違約風(fēng)險將維持在一個較高水平，并不會隨著違約次數(shù)的增加而發(fā)生大幅度增加。因此，我們提出如下假設(shè)：

假設(shè)3：借款人聲譽對違約風(fēng)險存在倒U形非線性識別效應(yīng)。

借款人最終是否違約取決于還款能力和還款意愿兩個方面，借貸聲譽好則還款意愿強(qiáng)。那么借款人不同的還款能力，其借貸聲譽與違約風(fēng)險的關(guān)系便很值得關(guān)注。通常借款人資產(chǎn)越雄厚，還款能力越強(qiáng)，那么借款人聲譽差是因為其主觀故意所導(dǎo)致的可能性增加，即更大程度地排除了由于還款能力不足所導(dǎo)致的違約情況，那么聲譽對違約風(fēng)險識別效應(yīng)也增加。因此，我們有如下假設(shè)：

假設(shè)4：不同還款能力的借款人，其聲譽對違約風(fēng)險的識別效應(yīng)不同。

三、數(shù)據(jù)及變量描述

（一）數(shù)據(jù)來源

本文選取了國內(nèi)P2P綜合排名前十的某平臺2015年5月——2016年6月期間的借款標(biāo)的作為研究對象，共46500條數(shù)據(jù)樣本，其中，申請借款成功的數(shù)據(jù)樣本為17389條，剔除訂單滿標(biāo)時間為0的數(shù)據(jù)122條，由于借款成功的標(biāo)的才存在違約風(fēng)險，因此有效數(shù)據(jù)樣本為17267條。

本文所用數(shù)據(jù)分為如下三類：（1）借款人個人特征，包括：借款人年齡、性別、婚姻狀態(tài)、學(xué)歷、資產(chǎn)狀況和用戶名;（2）借款訂單信息，包括：借款金額、借款期限、借款利率、投標(biāo)人氣以及訂單狀態(tài);（3）借款人信用信息，包括：成功借款次數(shù)、逾期次數(shù)、信用報告、工作認(rèn)證、收入認(rèn)證和實地認(rèn)證。

（二）變量描述

1. 被解釋變量。本文的被解釋變量為借款訂單狀態(tài)（Status）。由于訂單成功后才有違約的可能，因此本文選取借款已成功的數(shù)據(jù)樣本。那么，借款成功訂單的狀態(tài)共有壞賬（Bad_debt）、逾期（Over_due）和還款進(jìn)行中（In_progress）以及訂單結(jié)束（Closed）四種狀態(tài)。本文把借款訂單處于壞賬和逾期兩種狀態(tài)定義為違約訂單，status 值為1，否則為0。

2. 解釋變量。現(xiàn)有文獻(xiàn)中，錢炳（2015）借助信用評分來區(qū)分借款人聲譽的高低。本文認(rèn)為信用評分是P2P網(wǎng)絡(luò)借貸平臺基于某信用評分系統(tǒng)就借款人的信用予以打分，因此其不僅受到借款人聲譽的影響，信用評分系統(tǒng)是否完善也會影響借款人信用分?jǐn)?shù)的高低。王博、張曉玫和盧露（2017）選取歷史借貸成功率和歷史如約還清借款比率來衡量借款人聲譽。類似的，基于數(shù)據(jù)庫信息，本文擬采用代表聲譽的借款人過往借款成功次數(shù)和逾期次數(shù)作為解釋變量。借款成功次數(shù)是借款人以往通過該平臺成功獲得資金支持的次數(shù)，是投資者和借款人長期博弈的結(jié)果，反映了投資者對借款人聲譽的認(rèn)可程度;逾期次數(shù)是借款人過往通過該平臺成功獲得資金支持后，沒有按時歸還本金的次數(shù)。

3. 控制變量?，F(xiàn)有文獻(xiàn)表明借款人的個人特征、信用信息和訂單信息也會影響投資人和P2P借貸平臺對于借款人違約風(fēng)險的識別（Green和Jame，2013;于軍，2017;郭峰，2017），因此，本文引入個人特征信息（BI）、信用信息（CI）和訂單信息（OI）作為控制變量。

個人特征信息（BI），包括借款人年齡、性別、婚姻狀態(tài)、學(xué)歷、資產(chǎn)狀況和用戶名。借款人性別為虛擬變量，0為女性，1為男性;婚姻狀態(tài)有離異、喪偶、已婚和未婚，0為未婚，1為離異或喪偶或已婚;學(xué)歷狀態(tài)有高中及以下、大專、本科和研究生或以上，0為高中及以下，1為大專，2為本科，3為研究生或以上;資產(chǎn)狀況我們用有無房產(chǎn)和房貸來表示，0為無房產(chǎn)，1為有房產(chǎn);0為無房貸，1為有房貸;用戶名用無漢字和有漢字表示兩類，0為無漢字，1為有漢字。

信用信息（CI），包括信用報告、工作認(rèn)證、收入認(rèn)證和實地認(rèn)證。信用報告、工作認(rèn)證、收入認(rèn)證和實地認(rèn)證表明借款人是否提交相關(guān)認(rèn)證資料，0為沒有提交，1為有提交。由于借款人都必須進(jìn)行身份認(rèn)證，因此本文不予考慮。

訂單信息（OI），包括借款金額、借款期限、借款利率和投標(biāo)人氣。其中，投標(biāo)人氣指該訂單中參與投標(biāo)的投資人人數(shù)。詳細(xì)變量及其說明見表1。

在表1的基礎(chǔ)上，我們將申請借款成功的訂單按照訂單狀態(tài)，分為逾期（Over_due）、壞賬（Bad_debt）、還款進(jìn)行中（In_progress）和完結(jié)（Closed）四種，表2即是樣本期間借款成功訂單分布情況。

在借款成功訂單中，處于還款進(jìn)行中的訂單數(shù)量最多，達(dá)到15369單;其次是正常履約結(jié)束的訂單，為1764單;違約訂單為134單，其中包含逾期16單和壞賬118單。還款進(jìn)行中的訂單是目前還沒有出現(xiàn)違約現(xiàn)象，如期還款但還款還沒有結(jié)束的訂單，這其中的借款人將來有可能發(fā)生逾期、壞賬等違約風(fēng)險，也有可能如期履約到訂單結(jié)束，因此還款進(jìn)行中的訂單既包含將來有可能違約的訂單，也包含如期履約的訂單。那么我們將重點關(guān)注違約訂單和如期履約訂單聲譽指標(biāo)的差異。逾期和壞賬訂單歸為違約訂單，逾期訂單借款人的平均逾期次數(shù)為6.00次，壞賬訂單借款人平均逾期次數(shù)為7.69次，均高于如期履約到期訂單借款人平均逾期次數(shù)0.38次，這和本文逾期次數(shù)越多、違約風(fēng)險越大的預(yù)期是一致的。但是，逾期訂單借款人的平均成功借款次數(shù)為1.38次，壞賬訂單借款人的平均成功借款次數(shù)為1.63次，均高于如期履約到期訂單借款人平均成功借款次數(shù)1.24次，這與本文借款人成功借款次數(shù)越多、違約風(fēng)險越小的預(yù)期不符。

四、實證結(jié)果分析

（一）聲譽回歸結(jié)果分析

為了檢驗?zāi)Ｐ图捌浞€(wěn)健性，本文在模型（1）的基礎(chǔ)上逐漸控制借款人的個人特征信息（BI）、信用信息（CI）和訂單信息（OI）。回歸模型如下：

模型中α為截距項，β1為借款人過往逾期次數(shù)的系數(shù)，β1>0說明借款人逾期次數(shù)越多，其后續(xù)違約可能性越大，反之亦然;β2為借款人過往成功借款次數(shù)的系數(shù)，β2>0說明借款人成功借款次數(shù)越多，其后續(xù)違約可能性越大，相反如果β2<0則說明借款人成功借款次數(shù)與違約風(fēng)險存在負(fù)相關(guān)關(guān)系;γ，包含γ1和γ2為對應(yīng)控制變量的系數(shù)，γ>0說明訂單違約概率隨控制變量的增大而增加，反之亦然;ε為隨機(jī)項，腳注i表示研究對象的第i個借款訂單。回歸結(jié)果如表3所示。

根據(jù)表3所示回歸結(jié)果，我們發(fā)現(xiàn)借款人逾期次數(shù)的系數(shù)都顯著為正，說明逾期次數(shù)越多則違約風(fēng)險越大，與前文統(tǒng)計描述相一致，即借款人逾期次數(shù)對違約風(fēng)險存在識別效應(yīng)，因此假設(shè)1成立。借款人成功借款次數(shù)的系數(shù)也都顯著，但為負(fù)值，意味著成功借款次數(shù)增加，違約風(fēng)險會相應(yīng)減少，那么借款人成功借款次數(shù)對違約風(fēng)險也存在識別效應(yīng)，因此假設(shè)2成立，但在前文統(tǒng)計描述中并未體現(xiàn)該屬性。由于逾期次數(shù)與成功借款次數(shù)都能有效識別違約風(fēng)險，即借款人聲譽存在識別違約風(fēng)險效應(yīng)。仔細(xì)觀察逾期次數(shù)和成功借款次數(shù)的系數(shù)發(fā)現(xiàn)，逾期次數(shù)的系數(shù)值大約維持在0.70—0.91的范圍內(nèi)，成功借款次數(shù)的系數(shù)值均在0.50以下，那么同時增加一次逾期記錄和增加一次成功借款記錄，借款人后續(xù)違約風(fēng)險還是在增加的，說明逾期記錄對違約風(fēng)險的影響要大于成功借款記錄對違約風(fēng)險的影響，這也印證了前文的觀點，即借貸經(jīng)濟(jì)行為具有一定的慣性，但這種慣性不是對稱的，也就是說良好聲譽對于短期投機(jī)行為的抑制作用小于較差聲譽借款人的行為慣性所帶來的影響。

以模型（8）為標(biāo)準(zhǔn)，借款人個人特征信息的系數(shù)都不顯著，尤其是借款人的年齡和學(xué)歷在所有回歸中系數(shù)都不顯著。一般地，我們認(rèn)為借款人年齡越大，由于財富的不斷積累，其違約風(fēng)險越小，同樣借款人學(xué)歷越高代表收入越高，那么其違約風(fēng)險也應(yīng)越小。同時，代表還款能力的房產(chǎn)和房貸系數(shù)也不顯著，說明隨著P2P網(wǎng)絡(luò)借貸市場的發(fā)展，其借款人大多是借貸長尾人群，其還款意愿已超越還款能力成為決定違約風(fēng)險的首要因素。

在信用信息中，信用認(rèn)證系數(shù)在模型（8）中顯著為正，這與我們的一般認(rèn)知借款人進(jìn)行信用認(rèn)證比不進(jìn)行信用認(rèn)證的違約風(fēng)險低的常識相違背，原因在于P2P網(wǎng)絡(luò)借貸的參與人群大多是在傳統(tǒng)借貸中信用并非良好的借款人，因此進(jìn)行了信用認(rèn)證反而傳遞了其信用不好的信號。代表還款能力的收入認(rèn)證與房產(chǎn)的系數(shù)同樣不顯著，同時是否進(jìn)行實地認(rèn)證對違約風(fēng)險也沒有影響。但是借款人工作認(rèn)證所有回歸的系數(shù)均顯著為負(fù)，說明進(jìn)行工作認(rèn)證意味著較小的違約風(fēng)險。信用報告、收入認(rèn)證和實地認(rèn)證都僅僅涉及借款人個人，而由于工作認(rèn)證需要借款人提交勞動合同或在職證明以及相應(yīng)銀行的流水，除了傳統(tǒng)金融機(jī)構(gòu)的背書客觀可信以外，提交的勞動合同或在職證明揭示了借款人所在的社會組織信息，因此借款人會因為社會壓力而避免違約行為的發(fā)生。

借款人訂單信息的系數(shù)均顯著。訂單金額和利率的系數(shù)為正，隨著訂單金額和成本的增加，其違約風(fēng)險也在增加。訂單期限的系數(shù)為負(fù)，即訂單期限越長，違約風(fēng)險越小，這與P2P網(wǎng)絡(luò)借貸金額較小有關(guān)，期限越長，那么其籌措還款的時間越充足。投標(biāo)人氣與違約風(fēng)險負(fù)相關(guān)，在投資人理性經(jīng)濟(jì)人假設(shè)的基礎(chǔ)上，標(biāo)單被認(rèn)可的人越多則說明其風(fēng)險越小。

（二）聲譽非線性回歸分析

由于借款人逾期次數(shù)和成功借款次數(shù)都能有效識別違約風(fēng)險，且系數(shù)相反，那么我們引入凈逾期次數(shù)作為聲譽變量來研究其與違約風(fēng)險的非線性關(guān)系，其中凈逾期次數(shù)為：

模型中β2為凈逾期次數(shù)平方項系數(shù)，β2顯著則說明凈逾期次數(shù)對訂單違約風(fēng)險的識別存在非線性效應(yīng)，否則不存在非線性效應(yīng)，其中若β2>0說明凈逾期次數(shù)對違約風(fēng)險存在U形非線性識別效應(yīng)，即隨著借款人凈逾期次數(shù)的增加，訂單違約風(fēng)險增加的速度逐漸增大;若β2<0說明凈逾期次數(shù)對違約風(fēng)險存在倒U形非線性識別效應(yīng)，即隨著借款人凈逾期次數(shù)的增加，訂單違約風(fēng)險增加的速度逐漸減小，其他系數(shù)與前文相同?；貧w結(jié)果如表4所示。

同樣為了檢驗?zāi)Ｐ图捌浞€(wěn)健性，采用逐漸加入控制變量的方法。隨著控制變量的加入，凈逾期次數(shù)的系數(shù)都顯著為正，與前文回歸結(jié)果一致，凈逾期次數(shù)平方項系數(shù)顯著為負(fù)，說明凈逾期次數(shù)與違約風(fēng)險存在非線性識別效應(yīng)，且該識別效應(yīng)為倒U形，即隨著凈逾期次數(shù)的增加，借款人違約風(fēng)險在增加，但增加的速度是遞減的，其McFadden R-squared值也均大于表3中對應(yīng)回歸的McFadden R-squared值，因此假設(shè)3成立。由于聲譽難于建立、易于損毀的特點，當(dāng)借款人由沒有逾期記錄至第一次逾期記錄產(chǎn)生，其影響是巨大的，一方面投資人認(rèn)為借款人聲譽變差，投資人的這一認(rèn)知使得借款人會自暴自棄，進(jìn)而違約風(fēng)險增加明顯，但是當(dāng)凈逾期次數(shù)達(dá)到足夠多的數(shù)量時，借款人無心改變現(xiàn)狀，則違約風(fēng)險維持在一個較高水平，并不會隨著凈逾期次數(shù)的增加而發(fā)生大幅度變化。

（三）不同還款能力的借款人聲譽回歸結(jié)果分析

由于借款人資產(chǎn)越多，則還款能力越強(qiáng)，同時，借款人收入越多，外在表現(xiàn)是傾向于進(jìn)行收入認(rèn)證，因此本文用房產(chǎn)（Estate）和收入認(rèn)證（C_income）啞變量作為還款能力的代理變量研究還款能力與聲譽風(fēng)險識別的關(guān)系，避免了連續(xù)變量的偽回歸?；貧w模型如下：

模型中β2為借款人凈逾期次數(shù)與房產(chǎn)或收入認(rèn)證的交互項系數(shù)，β2顯著則說明借款人還款能力不同，其聲譽對違約風(fēng)險的識別效應(yīng)不同，否則不存在交互效應(yīng)，其中若β2>0說明借款人還款能力越強(qiáng)，其聲譽對違約風(fēng)險的識別效應(yīng)越強(qiáng);若β2<0說明借款人還款能力越強(qiáng)，其聲譽對違約風(fēng)險的識別效應(yīng)越弱，其他系數(shù)與前文相同?；貧w結(jié)果如表5所示。

回歸結(jié)果中凈逾期次數(shù)與房產(chǎn)或收入認(rèn)證交互項的系數(shù)為正，說明借款人還款能力越強(qiáng)，其聲譽對違約風(fēng)險的識別效應(yīng)越大，因此，假設(shè)4成立。收入交互項系數(shù)略大于房產(chǎn)交互項系數(shù)且更加顯著，原因在于P2P網(wǎng)絡(luò)借貸大多提供的是小額借貸，且收入比房產(chǎn)的流動性更強(qiáng)，那么收入較高但聲譽較差的借款人，其主觀故意違約風(fēng)險在增加。

五、穩(wěn)健性分析

在穩(wěn)健性分析方面，由于逾期金額與凈逾期次數(shù)高度相關(guān)，我們采用借款人逾期金額替換凈逾期次數(shù)作為聲譽變量重新進(jìn)行回歸。表6為逾期金額的描述性統(tǒng)計。

因為借款人逾期金額有可能為0，有可能不為0，所以不采用對數(shù)形式?；貧w結(jié)果如表7所示。

本文結(jié)論依然成立，即借款人逾期金額系數(shù)和逾期次數(shù)、凈逾期次數(shù)系數(shù)一致，都顯著為正，且二次項系數(shù)也顯著為負(fù)，但由于逾期金額單位為元，而逾期一次有可能金額便上萬元，所以逾期金額的系數(shù)明顯小于逾期次數(shù)和凈逾期次數(shù)的系數(shù)。

六、結(jié)論

本文采用借款人過往逾期次數(shù)和成功借款次數(shù)作為聲譽變量，分析了借款人聲譽對違約風(fēng)險的識別效應(yīng)。本文研究結(jié)果表明良好的借貸聲譽可以起到抑制借款人短期投機(jī)行為的作用，違約風(fēng)險較小;如果借款人沒有良好的借貸聲譽，由于缺乏維持聲譽的動力，違約風(fēng)險較大。這意味著在投資人保護(hù)機(jī)制有待改善的情況下，借款人聲譽可以幫助投資人有效識別違約風(fēng)險，做出正確的投資決策，緩解信息不對稱程度。本文研究還發(fā)現(xiàn)借款人聲譽和違約風(fēng)險之間存在倒U形識別效應(yīng)，隨著借款人聲譽的下降，其違約風(fēng)險增加的速率在減小，這是由于聲譽難于建立、易于損毀的特性造成的。同時，不同還款能力的借款人其聲譽對違約風(fēng)險的識別作用不同。

本文的研究具有一定的現(xiàn)實意義。除了聲譽對借款人違約風(fēng)險存在識別效應(yīng)，借款人是否進(jìn)行工作認(rèn)證以及訂單信息也同樣揭示著違約風(fēng)險。這說明P2P網(wǎng)絡(luò)借貸平臺的信息披露機(jī)制一定程度幫助投資人識別了訂單風(fēng)險，但同時我們也發(fā)現(xiàn)信息披露并非是全方位披露借款人相關(guān)信息，而是披露有效的信息。所謂有效信息就是能切實預(yù)警風(fēng)險的信息，例如工作認(rèn)證、逾期次數(shù)等。我們發(fā)現(xiàn)這些信息或是借款人客觀的行為歷史記錄，或是經(jīng)過有公信力的第三方背書的信息。因此，P2P網(wǎng)絡(luò)借貸平臺不僅應(yīng)著力改善自身的信息披露體系，建立一套行之有效的信息披露機(jī)制，還應(yīng)打破傳統(tǒng)信息思維，與更多有公信力的機(jī)構(gòu)建立信息互通互享模式，更大程度地保護(hù)投資人的合法權(quán)益不受侵害。

聲譽難于建立、易于損毀的特點也給予我們一些啟示。借款人與投資人、P2P平臺之間是多次博弈的過程，其初衷肯定是維護(hù)自身良好的信譽，但是百密而有一疏，現(xiàn)實中很多情況是借款人由于工作、生活等非主觀故意原因疏忽、忘記還款而留下?lián)p毀聲譽的記錄。因此，本文建議P2P網(wǎng)絡(luò)借貸平臺應(yīng)就借款人按時還款建立提醒功能，例如通過手機(jī)短信、手機(jī)App或人工等方式在臨近還款日前對借款人進(jìn)行還款提醒，有效避免非主觀故意違約行為的發(fā)生，從而有效降低平臺違約率。

與此同時，針對主觀故意違約的借款人應(yīng)建立一套讓借款人對于違約望而卻步的懲罰機(jī)制，尤其是還款能力強(qiáng)的借款人。本文的樣本是借款成功的訂單，在這些訂單中平均逾期次數(shù)為0.12次，且仍然存在著逾期次數(shù)高達(dá)22次的借款人，說明借款人違約成本較小。因此，應(yīng)建立相應(yīng)的懲罰機(jī)制，增加借款人違約成本，例如：提高違約借款人后續(xù)借貸成本等。由于聲譽對于違約風(fēng)險的倒U形識別效應(yīng)，也可規(guī)定達(dá)到一定逾期次數(shù)的借款人禁止借貸，量化懲罰界線，增強(qiáng)借款人被動還款意愿。與之相反，對于聲譽良好的借款人可以考慮建立有效的激勵機(jī)制。良好聲譽對于短期行為的抑制作用小于較差聲譽借款人的行為慣性所帶來的影響，兩者之間的差距需要有效的聲譽激勵機(jī)制來彌補。例如，對于良好聲譽借款人的訂單，P2P網(wǎng)絡(luò)借貸平臺應(yīng)優(yōu)先發(fā)布，給予借貸成本優(yōu)惠等，使得借款人有更大的動力維護(hù)自身良好的聲譽，營造優(yōu)質(zhì)的P2P網(wǎng)絡(luò)借貸環(huán)境。

參考文獻(xiàn)：

[1]Agostino，M.，F(xiàn). Gagliardi，and F. Trivieri. 2012.Bank Competition， Lending Relationships and Firm Default Risk：An Investigation of Italian SMEs，International Small Business Journal，30（ 8）.

[2]Berger A N， Black L K. 2011. Bank size，lending technologies，and small business finance[J].Journal of Banking & Finance，35（3）.

[3]Diamond D W，Verrecchia R E. 1991. Disclosure， Liquidity，and the Cost of Capital[J].Journal of Finance，46（4）.

[4]Green T C，Jame R. 2013. Company name fluency， investor recognition， and firm value☆[J].Journal of Financial Economics，109（3）.

[5]Martin Brown，Christian Zehnder. 2007. Credit Reporting，Relationship Banking，and Loan epayment[J].Journal of Money，Credit and Banking，39（8）.

[6]Sakai，K.，I.Uesugi， and T. Watanabe. 2010. Firm Age and the Evolution of Borrowing Costs：Evidence from Japanese Small Firms[J].Journal of Banking&Finance，34（8）.

[7]Seth Freedman，Ginger Zhe Jin. 2011. Learning by Doing with Asymmetric Information：Evidence from Prosper.Com[J].Nber Working Papers.

[8]Carlos Serrano-Cinca，Bego?a Gutiérrez-Nieto，Luz López-Palacios. 2015. Determinants of Default in P2P Lending[J].Plos One，10（10）.

[9]Stickel S E. 2012. Reputation and Performance Among Security Analysts[J].Journal of Finance，47（5）.

[10]Tadelis S. 1999. What's in a Name？ Reputation as a Tradeable Asset[J].American Economic Review，89（3）.

[11]Tadelis S. 2002. The Market for Reputations As an Incentive Mechanism[J].Journal of Political Economy，110（4）.

[12]Weigelt K， Camerer C. 1988. Reputation and corporate strategy：A review of recent theory and applications[J]. Strategic Management Journal，9（5）.

[13]高覺民，趙沁樂.P2P網(wǎng)絡(luò)借貸平臺信用風(fēng)險——博弈視角下聲譽機(jī)制的混同均衡[J].南京財經(jīng)大學(xué)學(xué)報， 2017，（2）.

[14]郭峰.婚姻狀態(tài)與網(wǎng)絡(luò)借貸中的信用識別——來自“人人貸”平臺的經(jīng)驗證據(jù)[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2017，39（3）.

[15]侯英，陳希敏.聲譽、借貸可得性、經(jīng)濟(jì)及個體特征與農(nóng)戶借貸行為——基于結(jié)構(gòu)方程模型（SEM）的實證研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2014，（9）.

[16]黃曉紅.農(nóng)戶聲譽對農(nóng)村借貸市場中逆向選擇的約束研究[J].華東經(jīng)濟(jì)管理，2008，22（1）.

[17]黃曉紅.基于信號傳遞的農(nóng)戶聲譽對農(nóng)戶借貸結(jié)果影響的實證研究[J].經(jīng)濟(jì)經(jīng)緯，2009，（3）.

[18]黃曉紅，樊艷甜，呂睿.聲譽信號傳遞與P2P網(wǎng)絡(luò)借貸平臺逆向選擇約束研究[J].鄭州輕工業(yè)學(xué)院學(xué)報：社會科學(xué)版，2017，（3）.

[19]蔣薇薇，王喜.企業(yè)家聲譽會影響民營企業(yè)商業(yè)信用融資嗎[J].貴州財經(jīng)大學(xué)學(xué)報，2015，33（3）.

[20]匡樺，李富有，張旭濤.隱性約束、聲譽約束與農(nóng)戶借貸行為[J].經(jīng)濟(jì)科學(xué)，2011，（2）.

[21]錢炳.借款人聲譽對融資成本的影響研究——來自P2P網(wǎng)絡(luò)借貸平臺“拍拍貸”的經(jīng)驗證據(jù)[J].東北大學(xué)學(xué)報（社會科學(xué)版），2015，17（2）.

[22]王博， 張曉玫， 盧露. 網(wǎng)絡(luò)借貸是實現(xiàn)普惠金融的有效途徑嗎——來自“人人貸”的微觀借貸證據(jù)[J].中國工業(yè)經(jīng)濟(jì)，2017，（2）.

[23]王馨.互聯(lián)網(wǎng)金融助解“長尾”小微企業(yè)融資難問題研究[J].金融研究，2015，（9）.

[24]吳慶田，盧香，潘彬.P2P網(wǎng)貸出借人投資決策行為的影響因素及其監(jiān)管要點——基于借款人信息的視角[J].中南大學(xué)學(xué)報（社會科學(xué)版），2016，22（2）.

[25]謝平，鄒傳偉，劉海二.互聯(lián)網(wǎng)金融模式研究[J].新金融評論，2012，（12）.

[26]葉康濤，張然，徐浩萍.聲譽、制度環(huán)境與債務(wù)融資——基于中國民營上市公司的證據(jù)[J].金融研究，2010，（8）.

[27]尹志超，錢龍，吳雨.銀企關(guān)系、銀行業(yè)競爭與中小企業(yè)借貸成本[J].金融研究，2015，（1）.

[28]于軍.描述性信息與違約行為的關(guān)系研究——基于P2P平臺的分析[J].當(dāng)代經(jīng)濟(jì)管理，2017，39（5）.

[29]張敏，李延喜.企業(yè)家聲譽對債務(wù)融資影響研究[J].大連理工大學(xué)學(xué)報（社會科學(xué)版），2014，（1）.

[30]王晶晶，劉振艷，陸旸，盧穎.我國P2P網(wǎng)絡(luò)借貸問題平臺風(fēng)險影響因素框架構(gòu)建——基于利益相關(guān)者理論視角[J].財會月刊，2018，（1）.

[31]張曉玫，宋卓霖.保證擔(dān)保、抵押擔(dān)保與貸款風(fēng)險緩釋機(jī)制探究——來自非上市中小微企業(yè)的證據(jù)[J].金融研究，2016，（1）.

[32]莊雷，趙成國.間融延伸、行業(yè)聲譽與融資可得性——基于P2P網(wǎng)絡(luò)借貸[J].軟科學(xué)，2017，31（7）.

Abstract：Both P2P network and traditional lending have the same attribute of asymmetric information. The reputation of borrowers as a signal can ease the degree of information asymmetry to enhance the efficiency of borrowing. This paper uses borrowers' past number of overdue and successful loans as reputation variables to prove that the reputation of borrowers can identify the default risk，and this risk identification effect is enhanced with the increase of borrower's repayment ability. Therefore，investors and P2P platform can make reasonable investment and risk control decisions by analyzing the reputation index of borrowers，which reduces the risk of P2P network lending and makes P2P network lending as a supplement of traditional borrowing more powerful.

Key Words：P2P network lending，reputation of borrowers，default risk

（責(zé)任編輯 ? ?耿 ? 欣;校對 ? GX）