高收入者參與P2P網(wǎng)絡(luò)借貸的動(dòng)機(jī)：基于信息不對稱的視角

張笑 胡金焱

內(nèi)容提要：借助“人人貸”的交易數(shù)據(jù)，研究收入對借款人違約風(fēng)險(xiǎn)以及投資者行為的影響，探究高收入者在網(wǎng)貸市場中借貸的原因。結(jié)果顯示，高收入者的違約概率反而更高，進(jìn)一步研究發(fā)現(xiàn)，并非是借款人提供了虛假的收入信息，而是借款人隱瞞了征信信息，說明高收入者中高風(fēng)險(xiǎn)（信用較差）的借款人可能無法從正規(guī)金融機(jī)構(gòu)獲得貸款，因而選擇在利率更高的網(wǎng)絡(luò)借貸平臺(tái)借貸。同時(shí)，高收入借款人的借貸利率更低、借款成功率更高。通過研究借款人的收入在借貸市場中的作用，可為P2P平臺(tái)防范信用風(fēng)險(xiǎn)、建立合理的信用認(rèn)證機(jī)制提供理論支持。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸;高收入;違約風(fēng)險(xiǎn);信息不對稱

中圖分類號：F832.4? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：1003-7543（2019）07-0086-10

近年來，P2P網(wǎng)絡(luò)借貸行業(yè)迅速發(fā)展，給人們帶來更多投資機(jī)會(huì)的同時(shí)，也出現(xiàn)了一些問題。對于投資者來說，借款人的違約風(fēng)險(xiǎn)是必須考慮的因素。借款人一旦違約，不僅會(huì)給投資者造成損失，而且會(huì)降低P2P平臺(tái)的信用，若是違約人數(shù)過多，甚至?xí)?dǎo)致平臺(tái)發(fā)生危機(jī)，產(chǎn)生連鎖反應(yīng)。因此，對借款人違約風(fēng)險(xiǎn)的影響因素以及投資者行為進(jìn)行研究，具有非常重要的意義。

收入是借款信息中最重要的內(nèi)容之一，收入的高低代表著借款人未來現(xiàn)金流的多少，僅從這一角度來看，借款人的收入越高，其未來的現(xiàn)金流越高，還款能力也就越強(qiáng)，違約風(fēng)險(xiǎn)應(yīng)該越低。相對低收入者來說，高收入者更容易從銀行等正規(guī)金融機(jī)構(gòu)獲得貸款，且銀行的貸款利率低于P2P平臺(tái)的利率，高收入者選擇網(wǎng)絡(luò)借貸可能是由于負(fù)債較高或者信用較差，無法從銀行獲得貸款。同時(shí)，由于借貸雙方存在信息不對稱的問題，借款人為了能獲得貸款可能會(huì)隱瞞對自己不利的信息，甚至提供虛假信息，借款人的收入則無法很好地衡量其財(cái)務(wù)狀況，使得投資者投向風(fēng)險(xiǎn)較高的借款人。P2P平臺(tái)中借款人的收入越高，其違約風(fēng)險(xiǎn)是否越高？投資者又是怎樣根據(jù)借款人收入信息進(jìn)行投資決策的呢？目前鮮有文獻(xiàn)回答這些問題。

一、相關(guān)文獻(xiàn)綜述

P2P網(wǎng)絡(luò)借貸作為新興融資模式，逐漸成為學(xué)術(shù)界研究的焦點(diǎn)，其中蘊(yùn)含的風(fēng)險(xiǎn)問題則是學(xué)術(shù)界和業(yè)界關(guān)注的核心內(nèi)容。目前，國內(nèi)外學(xué)者已經(jīng)對P2P網(wǎng)絡(luò)借貸平臺(tái)中借款人違約風(fēng)險(xiǎn)的影響因素和借貸行為進(jìn)行了深入研究。

（一）借款人違約風(fēng)險(xiǎn)的影響因素

從借款人的資產(chǎn)和負(fù)債來看，Lin et al. 認(rèn)為，借款人的收入越高，其還款能力越強(qiáng)，違約概率就越低[1]。Greiner & Wang研究發(fā)現(xiàn)，擁有房產(chǎn)的借款人往往擁有穩(wěn)定的收入，違約概率較低[2]。何平平等認(rèn)為，擁有車產(chǎn)和房貸的借款人違約風(fēng)險(xiǎn)更低[3]。從借款信息的角度來看，已有學(xué)者對借款金額、借貸利率和借款期限等因素作了研究。Baklouti研究發(fā)現(xiàn)，借款金額越大，借款人還貸的壓力就越大，違約概率就越高[4]。肖曼君等發(fā)現(xiàn)，借貸利率越高、借款期限越長，借款人違約風(fēng)險(xiǎn)就越大[5]。從借款人特征的角度來看，學(xué)者們的研究集中在性別、年齡、婚姻狀況和受教育程度上。Dinh & Kleimeier認(rèn)為，與男性相比，女性更會(huì)注意規(guī)避風(fēng)險(xiǎn)，因此女性違約的概率更小[6]。廖理、吉霖、張偉強(qiáng)利用“人人貸”的數(shù)據(jù)研究發(fā)現(xiàn)，受教育水平越高，借款人違約的概率越低[7]。顧慧瑩和姚錚發(fā)現(xiàn)已婚、外地戶籍和有歷史違約記錄的借款人違約概率相對較大[8]。

（二）借款人成功借款的影響因素

Larrimore et al. 研究發(fā)現(xiàn)，借款描述中存在死亡、信仰、成就等詞匯，會(huì)顯著降低借款成功率[9]。李悅雷等研究發(fā)現(xiàn)，網(wǎng)絡(luò)借貸中借款基本屬性、借款人基本信息、借款人的社會(huì)資本對借貸成功率都有顯著的影響，同時(shí)網(wǎng)絡(luò)借貸中存在著“羊群行為”，且這種“羊群行為”對借款成功率有著重要的影響[10]。Pope & Sydnor通過將借款人的年齡進(jìn)行分組，研究發(fā)現(xiàn)借款人年齡為35～60歲的借款成功率最高[11]。李焰等認(rèn)為借款人借貸時(shí)如果提供較為詳細(xì)的描述，則其借款成功率將會(huì)增加[12]。王會(huì)娟、廖理研究了網(wǎng)絡(luò)借貸平臺(tái)的信用認(rèn)證機(jī)制如何影響借貸行為，結(jié)果發(fā)現(xiàn)借款人信用越高，越容易獲得借款，并且借款成本越低[13]。胡金焱、李建文利用“人人貸”的數(shù)據(jù)研究發(fā)現(xiàn)，投資人更青睞從業(yè)經(jīng)歷豐富和本科學(xué)歷的創(chuàng)業(yè)者[14]。田秀娟、張智穎發(fā)現(xiàn)網(wǎng)絡(luò)借貸中存在職業(yè)身份信貸歧視，工薪階層借款人的借款成功率更高[15]。

上述文獻(xiàn)具有重要意義，對后續(xù)研究有一定的借鑒價(jià)值，但是現(xiàn)有文獻(xiàn)也存在一些不足之處：一是鮮有文獻(xiàn)對高收入者為何在網(wǎng)絡(luò)借貸平臺(tái)中借貸給出合理解釋，而借款人的收入又是P2P平臺(tái)進(jìn)行信用評級以及投資者投資決策所需要考慮的重要信息。二是本文研究借款人收入對違約率的影響，發(fā)現(xiàn)高收入的借款人違約風(fēng)險(xiǎn)更高，說明網(wǎng)絡(luò)借貸市場中可能存在著逆向選擇問題，現(xiàn)有文獻(xiàn)對此亦探討不足。

二、理論分析和研究假設(shè)的提出

逆向選擇是由信息不對稱導(dǎo)致的，在借貸市場中借貸雙方存在嚴(yán)重的信息不對稱，借款人掌握大部分信息，處于有利地位，而投資者無法全部獲知借款人的有效信息，處于不利地位。在正規(guī)金融市場中，商業(yè)銀行通過讓借款人提供抵押品和擔(dān)保品來解決逆向選擇問題。在民間借貸市場中，出借人通過人緣、地緣等因素可以獲知借款人的有效信息，也能解決信息不對稱問題。但在網(wǎng)絡(luò)借貸市場中，一方面借款人不需要提供擔(dān)保品和抵押品，屬于純信用借貸，另一方面借貸雙方互不相識，只是在線上通過互聯(lián)網(wǎng)完成交易。因此，高風(fēng)險(xiǎn)的借款人為了獲得貸款，可能會(huì)故意隱瞞對自己不利的信息，或是提供虛假信息，網(wǎng)絡(luò)借貸中可能存在逆向選擇問題。

為解決借貸雙方信息不對稱的問題，網(wǎng)貸平臺(tái)要求借款人提供很多信息，收入是衡量借款人還款能力的重要指標(biāo)之一。本文之所以研究收入對違約風(fēng)險(xiǎn)的影響主要是有這樣一個(gè)疑問：為什么高收入者會(huì)在網(wǎng)絡(luò)借貸市場中借貸？本文認(rèn)為可能有三種原因：第一，從正規(guī)金融機(jī)構(gòu)借貸可能審批時(shí)間較長、手續(xù)較復(fù)雜，網(wǎng)絡(luò)借貸便捷、快速可能是吸引高收入者在網(wǎng)絡(luò)借貸平臺(tái)借貸的原因;第二，借款人為了獲得貸款提供了虛假的收入信息;第三，高收入者信用較差，無法從銀行獲得貸款，不得不在利率更高的網(wǎng)絡(luò)借貸平臺(tái)借貸，同時(shí)可能隱瞞了對自己的不利信息。若為后兩種原因，則說明網(wǎng)絡(luò)借貸中可能存在逆向選擇問題?；谏鲜龇治?，本文從兩方面考慮收入在借貸市場中的作用。

一方面，從銀行個(gè)人信貸的經(jīng)驗(yàn)來看，會(huì)對借款人的收入有硬性要求。這是因?yàn)?，借款人收入的高低代表著其未來現(xiàn)金流的多少，可以反映借款人的財(cái)務(wù)負(fù)擔(dān)能力，借款人的收入越高，其還款能力越強(qiáng)。若高收入的借款人僅僅是因?yàn)楸憬菘焖俣x擇網(wǎng)絡(luò)借貸（第一種原因），那么借款人的收入越高，其違約的風(fēng)險(xiǎn)就越低或者至少與低收入者無差異。

另一方面，本文認(rèn)為高收入者不應(yīng)該在P2P平臺(tái)上進(jìn)行信用借貸，有以下兩個(gè)理由：其一，對于P2P平臺(tái)來說，在對借款人上傳的資料進(jìn)行審核時(shí)，不可能完全獲知和辨別借款人的真實(shí)信息。風(fēng)險(xiǎn)較高的借款人為了能夠獲得貸款，極有可能釆取粉飾財(cái)務(wù)狀況、掩飾真實(shí)信息等手段（第二種原因），并通過提高利率進(jìn)一步增加成功借款的可能性，而低風(fēng)險(xiǎn)借款人則不愿承受較高的利率，最終離開P2P借貸市場。其次，對于低收入者來說，不管他是低風(fēng)險(xiǎn)借款人還是高風(fēng)險(xiǎn)借款人，都很難從銀行獲得貸款，只能在P2P平臺(tái)上進(jìn)行借貸。但對于高收入者來說，本有能力通過利率更低的銀行進(jìn)行貸款，卻選擇了利率較高的P2P平臺(tái)，這說明借款人可能存在某些問題，使得他無法從商業(yè)銀行獲得貸款，而這些信息未能在平臺(tái)上顯現(xiàn)。比如商業(yè)銀行能夠利用人民銀行的征信系統(tǒng)對借款人的信用狀況進(jìn)行調(diào)查，從而確定借款人的風(fēng)險(xiǎn)類型，對于信用較差的高風(fēng)險(xiǎn)借款人，商業(yè)銀行會(huì)拒絕發(fā)放貸款。盡管平臺(tái)鼓勵(lì)借款人提供人民銀行的征信報(bào)告，但借款人可以選擇不提供，使得這些信息無法完全被投資者掌握。因此，這種信息不對稱會(huì)導(dǎo)致高收入者中高風(fēng)險(xiǎn)類型的借款人在P2P平臺(tái)借貸，同時(shí)為了獲得貸款可能會(huì)隱瞞對自己不利的信息，即不提供征信報(bào)告（第三種原因），導(dǎo)致網(wǎng)絡(luò)借貸中存在逆向選擇問題。根據(jù)上述分析，我們認(rèn)為網(wǎng)絡(luò)借貸市場的利率較高，高收入者中高風(fēng)險(xiǎn)的借款人才會(huì)選擇在平臺(tái)上借貸，高風(fēng)險(xiǎn)的借款人將低風(fēng)險(xiǎn)的借款人逐漸擠出市場?；诖?，提出如下假設(shè)：

H1：高收入的借款人違約概率更高。

利率作為資金的價(jià)格，在一定程度上反映了借款人的信用風(fēng)險(xiǎn)水平，借款人的違約風(fēng)險(xiǎn)越高，出借人要求補(bǔ)償?shù)娘L(fēng)險(xiǎn)溢價(jià)就越高，利率水平就越高。在市場化利率下，當(dāng)利率達(dá)到均衡時(shí)可以反映借款人的所有風(fēng)險(xiǎn)。網(wǎng)絡(luò)借貸平臺(tái)的利率有兩種類型：一種是由借款人設(shè)定，另一種是由平臺(tái)自行設(shè)定?！叭巳速J”初期利率是由借款人設(shè)定，改版后利率由平臺(tái)設(shè)定。對于這種非完全市場利率機(jī)制，利率很可能無法完全反映借款人的違約風(fēng)險(xiǎn)，因?yàn)楦呤杖胝吒菀资艿酵顿Y者的青睞，因此高收入者只需較低的利率就能獲得借款?；谏鲜龇治觯岢鋈缦录僭O(shè)：

H2：高收入的借款人的借貸利率更低。

三、數(shù)據(jù)來源和變量描述

本文從P2P網(wǎng)絡(luò)借貸平臺(tái)“人人貸”（www.renrendai.com）網(wǎng)站上獲取了2010年10月16日至2016年10月24日交易的數(shù)據(jù)。平臺(tái)中的標(biāo)的包括了實(shí)地認(rèn)證、機(jī)構(gòu)擔(dān)保等形式，由于這些標(biāo)的相當(dāng)于為借款人提供了擔(dān)保，因而本文剔除了實(shí)地認(rèn)證標(biāo)、機(jī)構(gòu)擔(dān)保標(biāo)和智能理財(cái)標(biāo)，僅使用信用認(rèn)證標(biāo)作為研究樣本。在剔除缺失值和異常值之后，本文最終的樣本為426 703個(gè)標(biāo)的，其中成功借款的共28 903個(gè)，已還清的筆數(shù)為21 627個(gè)，違約的筆數(shù)為4117個(gè)。表1（下頁）為樣本期間借款標(biāo)的分布情況。

（一）被解釋變量

根據(jù)理論假設(shè)，需要從三個(gè)方面進(jìn)行研究，因此本文的被解釋變量有三個(gè)：借款人是否違約、是否成功借款以及借貸利率①?！叭巳速J”中顯示的借款狀態(tài)為借款失敗、已還清、還款中、嚴(yán)重逾期（逾期天數(shù)在30天以上）和壞賬。本文違約的數(shù)據(jù)是指借款狀態(tài)為嚴(yán)重逾期或者壞賬的標(biāo)的，賦值為1;沒有違約的數(shù)據(jù)是指已還清的標(biāo)的，賦值為0②。本文借款成功（滿標(biāo)）的數(shù)據(jù)是指借款狀態(tài)為已還清、還款中、嚴(yán)重逾期和壞賬的標(biāo)的，賦值為1;借款失?。鳂?biāo)）的數(shù)據(jù)是指借款狀態(tài)為借款失敗的標(biāo)的，賦值為0。借款利率為借款人的借貸利率。

（二）關(guān)鍵解釋變量

本文研究的是收入對借款人違約風(fēng)險(xiǎn)和投資者決策的影響，平臺(tái)將借款人的收入分成了7個(gè)區(qū)間，分別為月收入在1000元以下、1000～2000元、2000～5000元、5000～10 000元、10 000～20 000元、20 000～50 000元、50 000元以上，本文根據(jù)國家統(tǒng)計(jì)局公布的《2018年全國時(shí)間利用調(diào)查公報(bào)》中收入的劃分標(biāo)準(zhǔn)，將月收入在10 000元以上的劃分為高收入者，賦值為1;收入為1000元以下、1000～2000元、2000～5000元和5000～10 000元的，賦值為0。

表2為不同收入等級下樣本分布情況。從全樣本來看，收入在5000元以下的借款人占總樣本的43.66%，大多數(shù)借款人屬于低收入者，收入在5000～10 000元的占總樣本的32.26%，而高收入者（收入在10 000元以上）所占比例為24.08%。根據(jù)2016年國家統(tǒng)計(jì)局公布的數(shù)據(jù)顯示，我國城鎮(zhèn)居民人均可支配收入中高收入組（收入為前20%的）為5862.3元，顯然“人人貸”平臺(tái)中高收入者的比例要大于國家統(tǒng)計(jì)局的數(shù)據(jù)。從借款成功率來看，高收入者（收入在10 000元以上）占成功借款樣本的35.09%，遠(yuǎn)高于在全樣本中所占比例24.08%。從違約率來看，高收入者占違約樣本的34.99%，一般而言借款人的收入越高，還款能力越強(qiáng)，違約率應(yīng)該越低，但僅從統(tǒng)計(jì)數(shù)據(jù)來看，高收入者并沒有表現(xiàn)出更低的違約率。

（三）控制變量

本文借鑒現(xiàn)有文獻(xiàn)的變量設(shè)置，從三個(gè)角度考慮控制變量：借款信息、借款人信息和借款人信用。借款信息包括借款金額、借款利率和借款期限三個(gè)變量。借款人信息包括年齡、婚姻狀況、受教育程度、有無房產(chǎn)和有無車產(chǎn)五個(gè)變量。具體而言，借款人已婚賦值為1，未婚、離異和喪偶的賦值為0;按照借款人受教育程度的高低依次賦值，高中或以下賦值為1，大專賦值為2，本科賦值為3，研究生賦值為4;借款人有房產(chǎn)賦值為1，沒有房產(chǎn)賦值為0;有車產(chǎn)賦值為1，沒有車產(chǎn)賦值為0。借款人的信用狀況為借款人的信用等級，平臺(tái)對借款人提交的材料進(jìn)行審核，并根據(jù)審核結(jié)果給出對應(yīng)的信用評級，信用評級從高到低依次為AA、A、B、C、D、E、HR。本文將信用評級為HR的賦值為1，E賦值為2，D賦值為3，C賦值為4，B賦值為5，A賦值為6，AA賦值為7。此外，由于樣本的時(shí)間跨度較大，為了避免樣本期間宏觀經(jīng)濟(jì)環(huán)境的變化影響回歸結(jié)果，本文引入了時(shí)間虛擬變量，以2010年為對照組，對2011年、2012年、2013年、2014年、2015年和2016年分別設(shè)置6個(gè)年度虛擬變量?？紤]各個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平以及生活成本存在差距，本文按照借款人所在省份，劃分為東部、東北、中部和西部四個(gè)地區(qū)，以西部為對照組，設(shè)置東部、東北和中部三個(gè)虛擬變量，來控制地區(qū)的影響。各變量說明如表3所示。

從借款信息來看，滿標(biāo)標(biāo)的中借款金額的均值為38 570.74元、借貸利率的均值為11.22%，相比之下，流標(biāo)標(biāo)的中，借款金額更大、借貸利率更高，兩者在借款期限上差異不大。已還清的標(biāo)的中，借款金額、借貸利率和借款期限的均值均小于滿標(biāo)標(biāo)的。從借款人信息來看，借款人年齡大、已婚，滿標(biāo)率更高。滿標(biāo)標(biāo)的受教育程度均值為2.13，高于流標(biāo)標(biāo)的，而已還清的標(biāo)的與其差異不大（見表4）。借款人有無房產(chǎn)和有無車產(chǎn)，對滿標(biāo)、流標(biāo)以及已還清的標(biāo)的來說，差異不大。從借款人信用狀況來看，借款成功的信用等級要高于借款失敗的信用等級。

四、實(shí)證分析

本文從兩個(gè)方面展開實(shí)證研究：一是分析借款人收入的高低對違約概率的影響，是否高收入的借款人違約概率越高，并研究借款人收入對投資者決策的影響，檢驗(yàn)假設(shè)H1;二是分析借款人收入對借款利率的影響，檢驗(yàn)假設(shè)H2。其中，借款人違約率和借款成功率均為0，1變量，使用Probit模型進(jìn)行回歸，借款利率不是二值選擇變量，本文用OLS進(jìn)行研究，模型的回歸形式為：

Defaulti=α0+α1Incomei+■αjControli+εi（1）

Successi=β0+β1Incomei+■βjControli+μi（2）

Ri=γ0+γ1Incomei+■γjControli+υi（3）

（一）借款人收入對違約概率的影響

表5為借款人的收入對違約概率影響的實(shí)證結(jié)果?；貧w（1）為全樣本下的回歸，可以看出借款人是否為高收入者與違約概率顯著正相關(guān)，即高收入的借款人違約風(fēng)險(xiǎn)更高，假設(shè)H1成立。

這里認(rèn)為，出現(xiàn)高收入者違約風(fēng)險(xiǎn)更高的原因有兩方面：一是借款人提供了虛假的收入信息，高風(fēng)險(xiǎn)的借款人通過粉飾財(cái)務(wù)狀況偽裝成低風(fēng)險(xiǎn)的，從而提高借款的成功率;二是借款人隱瞞了不利信息，因?yàn)閷τ阢y行等正規(guī)金融機(jī)構(gòu)來說，高收入者屬于優(yōu)質(zhì)客戶，愿意為其提供貸款，而低收入者則往往會(huì)被拒之門外，他們不得不求助于利率更高的網(wǎng)絡(luò)借貸。因此，高收入者在P2P平臺(tái)借貸可能是因?yàn)樾庞脿顩r較差，無法從正規(guī)金融機(jī)構(gòu)獲得貸款，而平臺(tái)無法像銀行那樣獲知借款人的信用狀況，高收入者中高風(fēng)險(xiǎn)的借款人通過隱瞞自己的不利信息來提高借款的成功率。接下來，我們進(jìn)一步檢驗(yàn)是哪一種渠道導(dǎo)致的。

平臺(tái)中有多種認(rèn)證機(jī)制，其中包括收入認(rèn)證和征信報(bào)告認(rèn)證，這兩種認(rèn)證可以幫助我們進(jìn)行驗(yàn)證。先檢驗(yàn)第一種渠道，為了確保借款人收入信息的可靠性，平臺(tái)要求借款人提供6個(gè)月的銀行流水賬單，且時(shí)間必須是連續(xù)的，中間不能有間隔，用來進(jìn)行收入認(rèn)證。由于認(rèn)證信息很難造假，若高風(fēng)險(xiǎn)的借款人提供了虛假的收入信息，則不會(huì)選擇進(jìn)行收入認(rèn)證，而提供收入認(rèn)證的借款人，其收入信息大體是真實(shí)可靠的。因此，若實(shí)證結(jié)果發(fā)現(xiàn)沒有收入認(rèn)證的樣本中高收入者的違約概率更高，而有收入認(rèn)證的樣本中，高收入者的違約概率更低或者與違約概率無關(guān)，則說明第一種渠道成立。本文按照有無收入認(rèn)證將樣本進(jìn)行分組回歸，表5中回歸（2）和（3）分別為沒有收入認(rèn)證的樣本和有收入認(rèn)證的樣本，結(jié)果顯示不論借款人有無收入認(rèn)證，高收入借款人的違約風(fēng)險(xiǎn)都更高，說明高收入者違約概率更高的問題并非是因?yàn)榻杩钊颂峁┨摷俚氖杖胄畔ⅰ?/p>

接著檢驗(yàn)第二種渠道，P2P平臺(tái)無法像銀行那樣可以隨時(shí)查詢借款人的征信信息，為了考察借款人的信用狀況，平臺(tái)要求進(jìn)行征信報(bào)告認(rèn)證，征信報(bào)告指的是借款人的人民銀行征信報(bào)告，但這個(gè)信息由借款人自己提供，信用較差的可能不愿意提供征信信息。本文認(rèn)為，高收入者在P2P平臺(tái)借貸，可能是因?yàn)樾庞幂^差，無法從銀行獲得貸款，此時(shí)高收入者可能會(huì)隱瞞征信信息。因此，若實(shí)證結(jié)果發(fā)現(xiàn)，沒有征信報(bào)告的借款人中，高收入者的違約概率更高，而有征信報(bào)告的借款人中，高收入者的違約概率更低或者與違約概率無關(guān)，則說明第二種渠道成立。本文按照有無征信報(bào)告將樣本進(jìn)行分組回歸，表5中回歸（4）和（5）分別為沒有征信報(bào)告的樣本和有征信報(bào)告的樣本，結(jié)果顯示沒有征信報(bào)告的樣本中，借款人是高收入的違約概率更高，而有征信報(bào)告的樣本中，借款人是否為高收入者與違約概率無關(guān)，說明高收入者違約概率越高的問題是由于高收入的借款人隱瞞不利信息導(dǎo)致的。

（二）穩(wěn)健性檢驗(yàn)

1.遺漏變量問題

考慮到高收入者可能借款金額較大，而借貸金額越大，還款壓力就越大，違約風(fēng)險(xiǎn)會(huì)越高。本文引入收入與借款金額之比作為控制變量，這樣可以反映借貸比的情況。表6（下頁）中回歸結(jié)果（1）為控制借貸比的情況下借款人是否為高收入者與違約概率的關(guān)系，結(jié)果顯示二者顯著正相關(guān)，說明高收入的借款人違約概率更大。

2.樣本選擇性偏誤問題

借款人是否違約的前提是能否成功借款，而收入越高的借款人可能更容易獲得貸款，導(dǎo)致樣本中高收入的借款人比例較高。因此，存在樣本選擇性偏誤的問題，使得高收入者的樣本較多，而收入越高違約概率越高。本文使用Heckprobit模型進(jìn)行穩(wěn)健性檢驗(yàn)，先用Probit模型估計(jì)樣本選擇方程，被解釋變量為是否借款成功，接著使用Probit模型估計(jì)原回歸方程，被解釋變量為是否違約。從回歸結(jié)果（2）可以看出①，高收入的借款人的違約風(fēng)險(xiǎn)更高，與原回歸結(jié)果一致。

（三）借款人收入對投資者決策的影響

表7（下頁）為借款人的收入對借款成功率影響的實(shí)證結(jié)果。從回歸（1）來看，收入對借款成功率的影響顯著為正，說明借款人為高收入者的借款成功率更高，投資者偏好于高收入的借款人。此外，本文將樣本按照借款人有無提供征信報(bào)告進(jìn)行分組回歸，回歸（2）和（3）分別為沒有提供征信報(bào)告和提供了征信報(bào)告的回歸結(jié)果，結(jié)果顯示高收入的借款人的借款成功率更高。

前文的研究表明，高收入的借款人違約概率更高，主要是由于其銀行信用資質(zhì)較差，可能無法從銀行獲得貸款，只能選擇在網(wǎng)貸平臺(tái)借貸，同時(shí)隱瞞不利信息（征信信息），盡管存在這種逆向選擇問題，但并不能說明投資者的決策是非理性的。

（四）收入與借款利率的關(guān)系

在信貸市場中，利率表示信貸資金的價(jià)格，借款人的風(fēng)險(xiǎn)越高，利率越高。本文進(jìn)一步研究借款人的收入和有無征信報(bào)告對借款利率的影響。

表8（下頁）中回歸（1）結(jié)果顯示，借款人為高收入的，其借款利率越低，假設(shè)H2成立，這說明利率并沒有反映借款人的風(fēng)險(xiǎn)。同時(shí)，本文將樣本按照借款人有無提供征信報(bào)告進(jìn)行分組回歸后發(fā)現(xiàn)，高收入借款人的借款利率更低。利率作為資金的價(jià)格，可以反映借款人的信用風(fēng)險(xiǎn)水平，借款人的違約風(fēng)險(xiǎn)越高，出借人要求補(bǔ)償?shù)娘L(fēng)險(xiǎn)溢價(jià)就越高，利率水平就越高。本文的結(jié)果則說明，高收入者可以享受更低的利率，結(jié)合前文的分析，高收入者的借款成功率也越高。由此可以看出，高收入者中高風(fēng)險(xiǎn)的借款人為了獲得貸款，必然有動(dòng)力隱瞞對自己不利的信息，投資者并沒有意識到高收入者風(fēng)險(xiǎn)更高的問題。

（五）不同時(shí)間段下借款人收入對違約率的影響

前文的研究發(fā)現(xiàn)，P2P平臺(tái)中高收入借款人的違約概率更高，同時(shí)借款利率更低、借款成功率更高，網(wǎng)絡(luò)借貸平臺(tái)中存在逆向選擇問題。這種結(jié)果必然會(huì)吸引更多高風(fēng)險(xiǎn)的借款人到網(wǎng)貸平臺(tái)借貸，使得市場中高風(fēng)險(xiǎn)的借款人會(huì)越來越多，低風(fēng)險(xiǎn)的借款人被逐漸擠出市場，下面通過實(shí)證檢驗(yàn)網(wǎng)絡(luò)借貸中是否存在這種現(xiàn)象。

由于不同年份下樣本容量存在較大差異，本文將樣本按照借款時(shí)間分成三組：2010～2013年、2014年、2015～2016年。表9（下頁）為不同時(shí)間段下借款人收入對違約風(fēng)險(xiǎn)的影響，回歸（1）、（2）和（3）分別為2010～2013年、2014年和2015～2016年的實(shí)證結(jié)果?？梢钥闯觯?010～2013年，借款人是否為高收入與其違約概率無關(guān)，而在2014年和2015～2016年時(shí)，高收入的借款人違約概率更高。這說明，在初期網(wǎng)絡(luò)借貸中逆向選擇問題并不是太嚴(yán)重，而隨著時(shí)間的推移，高收入者中高風(fēng)險(xiǎn)的借款人越來越多，逐漸將低風(fēng)險(xiǎn)的借款人擠出了市場。

五、結(jié)論與政策建議

本文借助網(wǎng)絡(luò)借貸平臺(tái)“人人貸”的交易數(shù)據(jù)，從三個(gè)方面進(jìn)行了研究：一是借款人收入的高低與違約率的關(guān)系，用來檢驗(yàn)是否借款人收入越高，其違約的概率越低;二是收入與借款成功率的關(guān)系，研究收入對投資者行為的影響;三是借款人收入的高低與借款利率的關(guān)系，檢驗(yàn)借款利率能否準(zhǔn)確反映借款人的違約風(fēng)險(xiǎn)。研究結(jié)果顯示，借款人為高收入者的違約概率更高，進(jìn)一步研究發(fā)現(xiàn)，不論借款人有無收入認(rèn)證，均為高收入者的違約概率更高，而提供了征信報(bào)告的借款人，其是否為高收入者與違約風(fēng)險(xiǎn)無關(guān)。沒有提供征信報(bào)告的借款人，高收入者的違約概率越大，說明高收入者中高風(fēng)險(xiǎn)（信用較差）的借款人無法從正規(guī)金融機(jī)構(gòu)獲得貸款，而選擇在利率更高的網(wǎng)絡(luò)借貸平臺(tái)借貸，不提供征信報(bào)告、高收入借款人隱瞞不利信息是導(dǎo)致其違約風(fēng)險(xiǎn)更高的重要原因。此外，高收入的借款人借款成功率更高，借款利率更低，投資者并沒有意識到高收入借款人的違約風(fēng)險(xiǎn)。分時(shí)間段回歸后發(fā)現(xiàn)，2013年以前借款人是否為高收入與違約風(fēng)險(xiǎn)無關(guān)，2014年及以后借款人為高收入者的違約概率更高，說明高風(fēng)險(xiǎn)的借款人逐漸將低風(fēng)險(xiǎn)的借款人擠出了市場。根據(jù)所得結(jié)論，提出如下建議：

第一，P2P網(wǎng)絡(luò)借貸平臺(tái)應(yīng)建立嚴(yán)格的貸款審核制度，讓借款人提供更多真實(shí)可靠的信息。由于P2P借貸活動(dòng)都是通過互聯(lián)網(wǎng)完成，平臺(tái)強(qiáng)制要求提交的信息偏少，也無法直接提供原件，使得一些借款人能夠提供虛假信息。平臺(tái)除了讓借款人提供基本的個(gè)人信息外，還應(yīng)強(qiáng)制要求借款人提供其他有效信息，例如身份信息、學(xué)歷信息、收入信息以及個(gè)人征信報(bào)告、個(gè)人收入（6個(gè)月以上銀行流水賬單）、學(xué)歷證明（學(xué)信網(wǎng)的學(xué)歷證明）等各種證明材料。平臺(tái)設(shè)置認(rèn)證機(jī)制的初始目的是為了解決信息不對稱問題，若由借款人自己決定提供何種信息，則必然會(huì)出現(xiàn)只提供有利信息、隱瞞不利信息的情況。平臺(tái)應(yīng)該設(shè)置一個(gè)合理的、嚴(yán)格的認(rèn)證機(jī)制，如此方能更好地維護(hù)投資者的利益。

第二，對于投資者來說，選擇標(biāo)的時(shí)要進(jìn)行合理的分析，而不能僅僅根據(jù)常識作判斷。比如本文所研究的收入因素，一般我們認(rèn)為收入越高還款能力越強(qiáng)，但是沒有考慮到高收入者為何不從利率更低的銀行進(jìn)行貸款，或者有沒有可能存在虛報(bào)、隱瞞信息的情況，本文也確實(shí)發(fā)現(xiàn)收入越高者并非風(fēng)險(xiǎn)越低。因此，投資者一定要仔細(xì)審查，盡量選擇那些提供了較多信息，且進(jìn)行了認(rèn)證的借款人，這樣可以降低信息不對稱所帶來的風(fēng)險(xiǎn)。

第三，監(jiān)管機(jī)構(gòu)應(yīng)該協(xié)調(diào)網(wǎng)絡(luò)借貸平臺(tái)與人民銀行征信系統(tǒng)的融合，實(shí)現(xiàn)網(wǎng)絡(luò)借貸市場與正規(guī)金融市場之間的信息共享。網(wǎng)絡(luò)借貸中存在較嚴(yán)重的信息不對稱問題，通過與人民銀行征信系統(tǒng)相連，平臺(tái)可以更好地評估借款人的風(fēng)險(xiǎn)水平。同時(shí)，借款人在網(wǎng)貸平臺(tái)的違約行為會(huì)納入征信記錄，增加其違約成本，從而有助于降低違約風(fēng)險(xiǎn)。

參考文獻(xiàn)

[1]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. 2013， 59（1）： 17-35.

[2]GREINER M E， WANG H. Building consumer-to-consumer trust in E-finance marketplaces： An empirical analysis[J]. International Journal of Electronic Commerce. 2010， 15（2）： 105-136.

[3]何平平，蔣銀喬，胡榮才.網(wǎng)絡(luò)借貸P2P：利差是否包含違約風(fēng)險(xiǎn)隱含信息？——來自人人貸交易數(shù)據(jù)的實(shí)證分析[J].金融經(jīng)濟(jì)學(xué)研究，2016（3）：27-37.

[4]BAKLOUTI I. Determinants of microcredit repayment： The case of tunisian microfinance bank[J]. African Development Review. 2013， 25（3）：370-382.

[5]肖曼君，歐緣媛，李穎.我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)影響因素研究——基于排序選擇模型的實(shí)證分析[J].財(cái)經(jīng)理論與實(shí)踐，2015（1）：2-6.

[6]DINH T H T， KLEIMEIER S. A credit scoring model for Vietnam’s retail banking market[J]. International Review of Financial Analysis. 2007， 16（5）： 471-495.

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

[8]顧慧瑩，姚錚. P2P網(wǎng)絡(luò)借貸平臺(tái)中借款人違約風(fēng)險(xiǎn)影響因素研究——以WDW為例[J].上海經(jīng)濟(jì)研究，2015（11）：37-46.

[9]LARRIMORE L， JIANG L， LARRIMORE J， et al. Peer to peer lending： The relationship between language features， trustworthiness， and persuasion success[J]. Journal of Applied Communication Research. 2011， 39（1）： 19-37.

[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]POPE D G， SYDNOR J R.What’s in a Picture？： Evidence of discrimination from prosper.com[J]. Journal of Human Resources. 2011， 46（1）： 53-92.

[12]李焰，高弋君，李珍妮，等.借款人描述性信息對投資人決策的影響——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，廖理.中國P2P網(wǎng)絡(luò)借貸平臺(tái)信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗(yàn)證據(jù)[J].中國工業(yè)經(jīng)濟(jì)，2014（4）：136-147.

[14]胡金焱，李建文.“雙創(chuàng)”背景的新型金融模式：解構(gòu)P2P網(wǎng)絡(luò)借貸[J].改革，2018（3）：74-89.

[15]田秀娟，張智穎. P2P 網(wǎng)絡(luò)借貸職業(yè)身份的信貸歧視：基于投資者認(rèn)知偏差視角[J].改革，2018（5）：141-152.

Abstract： This paper uses the data of “renrendai” to study the impact of income on borrower default risk and investor behavior， and explores the reasons why high-income people borrow money in P2P lending. The results show that the probability of default for high-income people is higher. Further research finds that the borrower did not provide false income information， but the borrower concealed the credit information， indicating that borrowers with high-income and high-risk could not obtain loans from formal financial institutions， so they choose to lend on higher-interest P2P lending platforms. Borrowers with higher incomes have lower borrowing rates and higher borrowing success rates. This paper provides theoretical support for P2P platforms to prevent credit risk and establish a reasonable credit certification mechanism.

Key words： P2P lending; high income; default risk; information asymmetry