基于Lending Club平臺對P2P網(wǎng)貸平臺利率的影響因素研究

黃 平 盧曉婷

（安徽大學 商學院，安徽 合肥 230039）

一、引言

P2P網(wǎng)貸是民間借貸與互聯(lián)網(wǎng)結合的一種新型金融模式，它是當代互聯(lián)網(wǎng)金融的重要表現(xiàn)形式之一[1]。近年來，得益于大數(shù)據(jù)、區(qū)塊鏈、云計算以及人工智能等信息技術的飛速發(fā)展，P2P已廣泛應用于各個行業(yè)，Lending Club、Prosper、Zopa、人 人 網(wǎng) 、Maverick Online、P2P Internet Pleasant Loans等金融平臺發(fā)展迅速。自2013年以來，中國的P2P網(wǎng)貸平臺呈現(xiàn)爆發(fā)式的增長，據(jù)網(wǎng)貸之家數(shù)據(jù)，截止到2019年2月底，全國P2P行業(yè)累計平臺數(shù)量已達到6555家，僅2019年2月交易額達954.63億元，P2P已成為中國中小企業(yè)融資的一種重要方式。

二、文獻綜述

美國P2P網(wǎng)絡借貸平臺Prosper于2007對外公開交易數(shù)據(jù)，開啟了學術研究的新篇章，它吸引了大量經(jīng)濟學、管理學、社會學等領域的學者來探索P2P網(wǎng)絡借貸；在中國，P2P與互聯(lián)網(wǎng)技術的結合不斷完善，致使其發(fā)展迅速，同時也為學者進行實證研究提供了良好契機。P2P發(fā)展至今，海內外學者對其研究不斷，基于P2P平臺的學術探索正是方興未艾。

在貸款期限方面，李悅雷等[2]發(fā)現(xiàn)，借款金額、借款利率、借款期限等均會對借貸成功率有影響。蔣培等[3]發(fā)現(xiàn)：影響P2P貸款利率的因素主要包括信用評級、貸款數(shù)量、貸款期限以及貸款金額。

在信用等級方面，Klafft[4]通過對Prosper平臺數(shù)據(jù)研究發(fā)現(xiàn)：信用等級越高，貸款成功的概率越大，且貸款利率較信用等級較低者更低，逾期還款率也更低。王會娟等[5]通過“人人貸”歷史經(jīng)驗數(shù)據(jù)，研究發(fā)現(xiàn)：信用等級越高，借款申請越容易通過，且借款成本越低。

在性別方面，Pope等[6]利用Prosper平臺數(shù)據(jù)證明：借款人違約率與其性別、種族和身份有關，且投資者會對這些屬性有一定歧視。Duarte、Siegel和Young[7]通過研究Prosper網(wǎng)絡借貸平臺數(shù)據(jù)發(fā)現(xiàn)：投資于女性借款人獲得的最終收益率比投資男性借款人要低。Chen、Li和 Lai[8]的研究結果發(fā)現(xiàn)，女性借款人有更高的概率獲得借款，雖然女性借款的違約率更低，但她們需要支付的利率更高，P2P網(wǎng)絡借貸在中國市場上存在顯著的女性性別歧視。

在種族方面，Pope和Sydnor[6]發(fā)現(xiàn)，在上傳了圖片的借款人中，如果圖片的人是非洲裔，借款申請成功率越低。Ravina[9]發(fā)現(xiàn)，其他條件相同的情況下，相對于白種人，非洲裔美國人獲得借款概率更低，同時要支付更高的利率，主要原因在于，非洲裔美國人的違約率更高，進而投資于非洲裔美國人的借款獲得的收益率要更低。

在年齡方面也有一些學者涉獵，Gonzalez等[10]研究發(fā)現(xiàn)：年齡對貸款利率以及借款金額有一定的影響，老年人借款的平均支付利率要高出14個基點，青少年往往只能得到較少的借款額度。Pope和Sydnor[6]發(fā)現(xiàn)：在上傳過照片的借款人當中，照片中顯示年齡越大，申請借款成功的概率越低。

社會關系方面，Lin等[11]發(fā)現(xiàn)：擁有更多朋友的借款人，借款申請越易通過，貸款利率也往往更低；與此同時，這類借款人的違約率也更低。Li、Lin和Qiu等[12]通過“拍拍貸”數(shù)據(jù)研究朋友數(shù)量與質量的關系發(fā)現(xiàn)：借款人朋友數(shù)量越多，借款成功率越高，貸款利率也更低；在朋友數(shù)量基本一致的情況下，如果借款人朋友的質量越高，則其更容易申請到借款，且貸款利率更低，由此可見，借款人朋友的質量影響更大。

這些研究成果為文章的研究工作奠定了良好的基礎，不同學者研究結論各有千秋，從信用到種族，從年齡到社會關系，都對貸款利率有一定影響，再加上近年來P2P網(wǎng)貸行業(yè)的惡性競爭，網(wǎng)貸平臺“爆雷”事件不斷發(fā)生。2018年6月16日，P2P網(wǎng)貸平臺“唐小僧”被警方立案偵查，定性為非法吸納公眾資金；隨后，聯(lián)壁金融、小諸葛金服等P2P網(wǎng)貸平臺也相繼出現(xiàn)資金鏈斷裂或負責人跑路的情況；緊接著，包括錢爸爸、牛板金、銀票網(wǎng)、投融家等一系列之前投資人頗為信賴和看好的借貸平臺相繼“爆雷”，P2P平臺整頓蓄勢待發(fā)。基于此，文章通過研究信用等級、貸款期限、貸款意圖和貸款與收入比對P2P網(wǎng)貸平臺貸款利率的影響，對網(wǎng)貸行業(yè)合理健康的發(fā)展提出一些可供借鑒的對策建議。

三、研究假設、模型建立與變量選取

Lending Club P2P網(wǎng)貸平臺成立于2007年，主要經(jīng)營業(yè)務為個人消費類信貸和小微企業(yè)短期信貸，是一款綜合型的P2P網(wǎng)貸平臺。在2008年完成美國SEC的注冊登記后，Lending Club成為美國最大的P2P網(wǎng)貸平臺，并一直保持強勁的增長態(tài)勢[13]。由于Lending Club平臺數(shù)據(jù)的對外公開，吸引了大量海內外學者投入研究。該平臺根據(jù)借款人的信用評分、貸款使用方式和年收入等確定借款人的貸款利率。投資者可以在Lending Club平臺上查看借款人的貸款需求、相關屬性和信息，以確定是否進行借款[14]。P2P網(wǎng)貸自2007年同年引入國內，并出現(xiàn)迅猛增長，但其發(fā)展道路并不平坦，跑路與爆雷事件不斷發(fā)生，對于全球P 2P信貸行業(yè)巨頭的Lending Club，學習與研究其運營模式，勢必有利于推進我國P2P網(wǎng)貸平臺的發(fā)展。

目前，針對P2P網(wǎng)貸平臺的實證研究，主要涉及兩個領域：一是根據(jù)借款人提供的信息，研究借款是否成功，以及哪些信息有利于借款人申請貸款成功；二是針對出投資人的行為的研究，P2P網(wǎng)絡借貸平臺的出借人大部分為個人投資者，研究這些個人投資者的行為是否存在偏差，這些偏差是否具有合理性，能否提高投資人的收益率[15]。目前國內外相關研究主要集中在借款人借款成功的影響因素以及對貸款利率因素的影響有多大，研究方法主要通過采用多元線性回歸來進行。據(jù)此，文章通過另一視角在研究成功借款的案例中，進一步探討不同借款人貸款利率的影響因素。在諸多影響因素中，選取貸款等級、貸款期限，以及現(xiàn)有涉獵的貸款與收入比和貸款意圖為視角，采用OLS回歸，研究各因素對P2P網(wǎng)貸利率的影響。

（一）研究假設

1.信用等級

作為全球最大的P2P網(wǎng)絡借貸平臺，Lending Club以FICO信用評分為闕值，并以此作為評判基本標準，只有評分高于660分的人才有資格申請借款，且申請人中僅有10%的人能成功借款，借款成功的平均信用評分為706分[3]。Lending Club平臺將用戶按信用等級共劃分為七類，信用從A～G依次遞減。所處信用等級可以體現(xiàn)借款人歷史借貸記錄、償還借款能力以及還款意愿，信用等級越高的借款人，反映出的歷史記錄越良好、償還能力越高以及償還意愿越強，則越容易申請到利率較低的借款；反之，信用等級越低反映出借款人有更多的不良借款記錄，借款人未來預期還款行為也被質疑，因此申請到低利率貸款的可能性越小。因此，研究提出假設H1：

H1：信用等級與貸款利率呈負相關，信用等級越高，貸款利率越低。

2.貸款期限

在Lending Club平臺，貸款期限分為兩類，36個月和60個月。顯然，借款時間越長，對于投資者來說，資金被占用時間越久，資金占用成本越高；對于借款人來說，用于投資的項目投資周期越長，風險不確定性越高。并且，借款人選擇的貸款期限越長，說明借款人未來資金回流預期越差，反映出不利的隱含信息越多，違約的可能性也越高。因此，研究提出假設H2：

H2：貸款期限與貸款利率呈正相關，貸款期限越短，貸款利率越低。

3.貸款與收入比

貸款與收入比即為貸款人貸款額度占其收入的比例，Lending Club平臺統(tǒng)計了貸款人的年收?入以及其借款金額，計算可以得出貸款與收入比指標。此項指標越大，表明貸款人還款占用其收入越多，償還風險越高。此外，貸款人借入與自己收入金額相當?shù)慕杩?，一方面可能表現(xiàn)為收入較低，另一方面可能存在自身重大財務管理問題。因此，研究進一步提出假設H3：

H3：貸款與收入比與貸款利率呈正相關，貸款與收入比越小，貸款利率越低。

4.貸款意圖

Lending Club將貸款意圖細分為日常消費、改善家庭生活、婚禮用錢、債務整合、信用卡還款等十幾類?？上攵?，貸款用于小生意、家庭生活改善、購房、購車等，一般表明借款人生活質量有保障，借款為了改善生活水平；而貸款為了債務整合和信用卡還款（占比最高），說明借款人資金流動性小，負債比例高，自身財務存在較大問題，違約風險高。因此，為明確貸款意圖和利率的關系，研究提出相應假設H4：

H4：貸款意圖與貸款利率存在一定相關關系，用于日常生活方面貸款利率較低，用于債務整合方面貸款利率較高。

（二）模型設定與變量選取

1.研究設計

選取Lending Club平臺2018年12月份交易數(shù)據(jù)中1799例，采取Excel表格對原始數(shù)據(jù)進行處理，剔除不完整數(shù)據(jù)，保留1498例。將數(shù)據(jù)按信用等級分為三類：AB為優(yōu)信用等級、CD為中信用等級、EFG為差信用等級，其中分別涵蓋數(shù)據(jù)832例、515例、151例。數(shù)據(jù)分析采用軟件SPSS25.0進行處理。

2.模型構建與變量選取

為了驗證以上假設，文章構建如下模型：

其中，β0為截距項， β1～β4為各變量對貸款利率的影響系數(shù)，εi為隨機干擾項。

研究涉及變量包括貸款利率、信用等級、貸款期限等，具體變量見表1所示：

表1 變量定義

3.描述性統(tǒng)計

對主要變量進行描述性統(tǒng)計，結果見表2所示：

表2 主要變量描述性統(tǒng)計

由表2可以看出，最低貸款利率與最高貸款利率差額較大，由此可見，對貸款利率影響因素的研究有一定實際意義，研究貸款利率的影響因素，有利于了解貸款利率過高的原因，從而通過采取措施降低貸款利率。貸款等級的平均值為5.39，表明大多貸款用戶信用等級優(yōu)良。貸款與收入比均值為22.62%，表明用戶貸款金額與收入比不容小覷，該比例最大值竟達66.56%，償還風險可想而知。貸款意圖平均值為0.77，表明大多數(shù)用戶存在難以償還的歷史債務，由此借款用于債務整合。

（三）實證結果與分析

1.信用等級對貸款利率的影響

運用 SPSS25.0，對模型1進行最小二乘法回歸，結果見表3所示：

表3 信用等級數(shù)據(jù)回歸結果

從表3顯示的回歸結果可以看出，R2的值為0.799，調整后的R2為0.798，這說明模型的整體擬合度良好。信用等級與貸款利率在0.01的水平上呈顯著負相關，也就意味著信用等級越高，貸款利率越低，驗證了H1。具體而言，當信用等級為最低級時，平均貸款利率高達23.53%；當信用等級為最高級時，平均貸款利率為7.62%。雖然信用等級較高的借款人的貸款利率低于信用等級低的借款人，但其貸款利率同樣遠高于基準利率。

2.不同信用等級下貸款利率的影響因素分析

將數(shù)據(jù)按用戶信用等級分組為優(yōu)、中、差信用等級，運用 SPSS25.0，基于模型（2）對三組數(shù)據(jù)分別進行最小二乘法回歸，結果見表4～6所示：

表4 優(yōu)等級組數(shù)據(jù)回歸結果

表5 中等級組數(shù)據(jù)回歸結果

表6 差等級組數(shù)據(jù)回歸結果

在優(yōu)信用等級下，貸款期限與貸款利率在0.05水平上正相關，在中信用等級下貸款期限與貸款利率在0.01水平上正相關，在差信用等級下，貸款期限與貸款利率呈現(xiàn)不相關。在最差的貸款信用等級下，151例數(shù)據(jù)中僅有14例為貸款期限36期，其余均為60期，考慮到數(shù)據(jù)量過少影響回歸結果。綜合考慮，在優(yōu)良信用等級下結果表明，貸款期限越長，貸款利率越高，驗證了H2。另外，對于同一信用等級（優(yōu)等級）的借款人而言，當貸款期限為36個月時，平均貸款利率為7.59%；當貸款期限為60個月時，平均貸款利率為8.53%。

在優(yōu)信用等級下，貸款與收入比同貸款利率在0.05水平正相關，在中信用等級下貸款與收入比同貸款利率在0.05水平上正相關，在差信用等級下，貸款與收入比同貸款利率在0.01水平上正相關。結果表明，貸款與收入比對貸款利率有顯著影響，貸款占收入比例越大，貸款利率越高，驗證了H3。

在優(yōu)信用等級下，貸款意圖與貸款利率在0.01水平正相關，在中信用等級下貸款意圖與貸款利率在0.05水平上正相關，在差信用等級下，貸款意圖與貸款利率不相關。同樣的，在最差的貸款信用等級下，151例數(shù)據(jù)中有122例貸款用于債務整合，考慮到數(shù)據(jù)的集中性與數(shù)據(jù)量過少影響回歸結果。綜合考慮，在較好的信用等級下結果表明，貸款用于債務整合，貸款利率越高，驗證了H4。

綜上，在信用等級優(yōu)良以及中等的情況下，假設均成立，在信用等級較差的情況下，由于數(shù)據(jù)量過少，回歸結果不理想，研究結論有待商榷。總的來說，對于大多數(shù)借款人而言，貸款等級、貸款期限、貸款意圖、貸款與收入比均是影響其貸款利率的因素，借款人可以籍由這些因素，采取相應措施，降低貸款利率；出借人也可以通過這些因素衡量借款人的還款能力與還款意愿，從而避開借款風險。

四、研究結論與建議

（一）研究結論

通過對Lending Club平臺2018年12月部分數(shù)據(jù)的實證分析，結果表明：P2P網(wǎng)貸平臺貸款利率的影響因素有很多，貸款人信用等級、貨款期限、貸款意圖、貸款與收入比均對貸款利率有一定影響。首先，貸款人的信用等級對貸款利率有很大影響，貸款人信用評級越低，違約風險越大，貸款利率越高；且信用等級最高的情況下，貸款利率被高估。其次，貸款期限越長，貸款利率越高，在同一信用等級下，36個月比60個月期限的貸款利率低一個百分點。再次，貸款與收入比越低，還款壓力越小，貸款利率越低。最后，用于債務整合以及信用卡還款的貸款利率普遍偏高；而用于日常消費、醫(yī)療、婚禮等的貸款利率則較低。

（二）研究建議

P2P網(wǎng)貸平臺自誕生之日起就呈現(xiàn)出強大的市場競爭力，在國家政策鼎力支持、互聯(lián)網(wǎng)極速發(fā)展以及金融改革創(chuàng)新的背景下，P2P的發(fā)展態(tài)勢也從星星之火逐漸成長為燎原之態(tài)。然而在P2P網(wǎng)貸高速發(fā)展的同時，P2P平臺“爆雷”現(xiàn)象連續(xù)發(fā)生，國內e速貸、校園貸以及國外Lending Club欺詐等負面事件爆發(fā)，面對種種負面報道與平臺倒閉，P2P網(wǎng)貸的發(fā)展蒙上了一層陰影[16]。P2P產(chǎn)業(yè)的發(fā)展遇到瓶頸，面對虛擬的貸款人，投資者承擔投資理財風險成為大趨勢[17]。為了營造良好的P2P網(wǎng)貸環(huán)境，在利率影響因素的回歸分析的基礎上，提出以下建議：

1.投資者層面

從投資者角度分析，1000多例交易中，即使是最低貸款利率，同樣遠遠高于銀行基準利率，表明投資者存在投機心理，此時，如果各機構監(jiān)管不到位，部分平臺會利用投資者的投機心理構建龐氏騙局[18]。由此，一方面，相關部門要加大宣傳力度，讓投資者不要輕易相信過高收益的P2P產(chǎn)品；另一方面，金融監(jiān)管部門要對平臺加強監(jiān)管，對貸款項目的利率水平加以限制[19]；此外，投資者本身在進行投資時，要充分考察平臺特征以及借款人的各項指標，做到慧眼識英，降低投資風險。

2.借款人層面

從借款人角度分析，根據(jù)回歸結果可以看出，貸款人的信用等級對貸款利率有直接影響，借款人要想獲較低的貸款利率，需要保持良好的守信精神，具體可以通過上傳認證資料、完成履約任務、建立良好征信記錄等方式來提高信用等級。此外貸款人要加強自身建設，平衡自身貸款金額與收入金額，謹防超支消費，以免造成拖欠貸款，進而影響自身信用等級。

3.P2P平臺層面

對于P2P網(wǎng)貸平臺本身，改善人們的生活條件本是P2P創(chuàng)立和發(fā)展的初衷，然而盡管近年來P2P貸款利率一直在降低，但其實際利率仍被高估，這不僅違背了普惠金融的初衷，更是加大了借款人的還款負擔，增加借款人違約風險，不利于促進社會和諧。因此，各部門應推動P2P平臺與銀行合作，一方面提高平臺公信力，另一方面通過銀行的資金支持使借款人能夠以較低利率獲得貸款，從而降低社會整體的融資成本[20]。此外，P2P平臺可以借助大數(shù)據(jù)準確識別借款人的身份，追蹤其信用記錄，建立健全征信體系，一方面能夠有效防止P2P網(wǎng)貸的“跑路”情況的發(fā)生，另一方面可以監(jiān)督借款人形成良好的履約記錄。

總之，P2P網(wǎng)貸有著非常明顯的現(xiàn)代金融行業(yè)特征，作為一種新興的金融業(yè)態(tài)，其發(fā)展也存在一定問題，在鼓勵其創(chuàng)新發(fā)展的同時，應明確其發(fā)展方向：首先，投資者與借款人不可貪圖小利，要通過正規(guī)平臺實現(xiàn)借貸；其次，國家有關部門應當嚴格監(jiān)管，規(guī)范行業(yè)健康發(fā)展；再次，平臺應當正視新規(guī)，積極實現(xiàn)轉型，提供更加安全、可靠的投融資服務；最后，平臺應積極加強與銀行合作，做好實體經(jīng)濟的普惠服務，使P2P網(wǎng)貸向普惠化方向發(fā)展。