P2P借貸中出借人非理性決策行為研究

涂艷,王翔宇

(中央財(cái)經(jīng)大學(xué) 信息學(xué)院，北京 100081)

一、引 言

P2P借貸(Peer to Peer lending)作為以互聯(lián)網(wǎng)為載體的民間借貸的延伸形式，存在借款人未遵守約定按期還款的風(fēng)險(xiǎn)，即借款人信用風(fēng)險(xiǎn)，該風(fēng)險(xiǎn)是制約P2P借貸健康發(fā)展的重要原因之一。在金融脫媒的背景下[1]，傳統(tǒng)金融機(jī)構(gòu)的信用審查功能由P2P借貸中眾多出借人共同參與判定所替代，P2P借貸交易成為眾多出借人眾智的結(jié)果[2]。

然而，P2P借貸中出借人的判定結(jié)果無(wú)法完全代替?zhèn)鹘y(tǒng)金融機(jī)構(gòu)的審查結(jié)果，主要原因在于：(1)出 借人缺少風(fēng)險(xiǎn)控制經(jīng)驗(yàn)及風(fēng)險(xiǎn)預(yù)警模型，缺乏信息搜集及風(fēng)險(xiǎn)鑒別的知識(shí)及專業(yè)技能，在借款標(biāo)的的甄別與選擇方面存在行為偏差，難以準(zhǔn)確評(píng)估借貸信息及精準(zhǔn)預(yù)測(cè)其所選擇的借款標(biāo)與其違約情況的真實(shí)關(guān)系[3]；(2)出借人無(wú)法獲取借款人的詳盡信息，難以把握信息披露的充分性及真實(shí)性，存在顯著的信息不對(duì)稱現(xiàn)象，繼而導(dǎo)致逆向選擇及道德風(fēng)險(xiǎn)問(wèn)題[4]；(3)對(duì)借款人線下調(diào)查的操作成本過(guò)高，P2P平臺(tái)的審查制度不夠完備，監(jiān)管及風(fēng)險(xiǎn)防控措施亟待完善，借款人的申請(qǐng)過(guò)程有待規(guī)范[5]。繼而導(dǎo)致出借人存在非理性決策行為現(xiàn)象，傳統(tǒng)借貸中的信用審查功能失效，進(jìn)一步加劇了P2P借貸過(guò)程的信用風(fēng)險(xiǎn)。由此可見，規(guī)范出借人行為模式，強(qiáng)化出借人信用審查功能，對(duì)降低P2P借貸信用風(fēng)險(xiǎn)，促進(jìn)P2P借貸市場(chǎng)的健康發(fā)展具有重要意義。

基于上述分析，本文將通過(guò)建立借款人借款意愿模型和出借人違約行為模型，剖析P2P借貸中出借人非理性決策行為，有效甄別出借人非理性決策的關(guān)鍵因素。

二、文獻(xiàn)回顧

P2P借貸中出借人非理性決策的前提，本質(zhì)上是由于P2P借貸過(guò)程中存在信息不對(duì)稱問(wèn)題。P2P借貸是依托網(wǎng)絡(luò)完成的交易過(guò)程，其交易環(huán)境的虛擬性、交易主體的匿名性及時(shí)空分隔性等特點(diǎn)，使得這一問(wèn)題尤為凸顯。目前，研究學(xué)者們從不同視角對(duì)信息不對(duì)稱問(wèn)題進(jìn)行了研究，因此，本文將信息不對(duì)稱問(wèn)題作為P2P借貸中出借人非理性決策行為研究的基礎(chǔ)，對(duì)相關(guān)文獻(xiàn)進(jìn)行剖析與述評(píng)，揭示解決信息不對(duì)稱現(xiàn)象的具體措施，進(jìn)而為研究P2P借貸中出借人非理性決策行為奠定理論基礎(chǔ)。

(一)P2P借貸中的信息不對(duì)稱

在P2P借貸中，信息不對(duì)稱指出借人無(wú)法獲知借款人真實(shí)信用信息，導(dǎo)致出借人無(wú)法準(zhǔn)確判斷借款人信用狀況，是P2P借貸最突出的問(wèn)題之一[6]。P2P借貸中信息不對(duì)稱現(xiàn)象較為突出，主要原因在于：其一，P2P借貸去中介性明顯，造成信息不對(duì)稱[1]495。傳統(tǒng)金融中介具備相對(duì)完善的激勵(lì)機(jī)制、風(fēng)控體系和經(jīng)濟(jì)規(guī)模，掌握借款人的硬信息及軟信息，信用評(píng)價(jià)機(jī)制相對(duì)成熟。然而，在P2P借貸中，出借人欠缺成熟的風(fēng)控經(jīng)驗(yàn)，存在非理性決策行為[7]；其二，在線交易的匿名性加劇了信息不對(duì)稱現(xiàn)象[8]。在虛擬的網(wǎng)絡(luò)交易環(huán)境下，出借人無(wú)法全面了解和有效驗(yàn)證借款人的完備信息，使得交易存在較大不確定性和潛在隱患，繼而導(dǎo)致存在較大的違約風(fēng)險(xiǎn)，造成經(jīng)濟(jì)損失[9]；其三，P2P借貸交易無(wú)抵押，平臺(tái)本身也可能存在出借人無(wú)法識(shí)別的經(jīng)營(yíng)風(fēng)險(xiǎn)，單純依托P2P借貸平臺(tái)擔(dān)保及追償機(jī)制，無(wú)法有效規(guī)避信息不對(duì)稱問(wèn)題[10]。

(二)解決信息不對(duì)稱的途徑

信息不對(duì)稱導(dǎo)致逆向選擇和道德風(fēng)險(xiǎn)，解決信息不對(duì)稱問(wèn)題對(duì)于促進(jìn)P2P借貸交易、降低出借風(fēng)險(xiǎn)至關(guān)重要[11]。在P2P借貸中，可從以下兩方面緩解信息不對(duì)稱問(wèn)題。

第一，借款人充分披露自身信息，增加信息來(lái)源。有研究統(tǒng)計(jì)2005—2008年間Prosper的借款成功率，發(fā)現(xiàn)自2007年2月起Prosper鼓勵(lì)更多金融信息披露后，借款成功率顯著提升，表明信息不對(duì)稱的消除提高了市場(chǎng)效率[12]。相對(duì)硬信息而言，研究學(xué)者們發(fā)現(xiàn)，非標(biāo)準(zhǔn)化的軟信息對(duì)于降低信息不對(duì)稱的作用尤為顯著。其原因在于，軟信息是借款人的主動(dòng)性披露，是借款人與出借人間的主動(dòng)互動(dòng)，能更真實(shí)地反映借款人的還款意愿和可信程度。軟信息在P2P借貸中主要有小組信息和社交網(wǎng)絡(luò)信息，二者均能有效緩解信息不對(duì)稱現(xiàn)象[13]。

第二，出借人正確利用借款人信息，理性決策。理性決策是指決策實(shí)施者在決策時(shí)進(jìn)行周密考慮和數(shù)量計(jì)算等，以最大化其效用[14]。具體到P2P借貸領(lǐng)域，不同學(xué)者對(duì)理性的定義有所不同。其一，Chen等[15]從區(qū)分理性決策與感性決策視角出發(fā)，認(rèn)為理性決策是指出借人使用借款人的硬信息進(jìn)行決策，感性決策指出借人使用其軟信息進(jìn)行決策，這一描述主要關(guān)注于決策過(guò)程。其二，更多其他學(xué)者將理性決策定義為出借人出資后，標(biāo)的還款表現(xiàn)良好[16]。該定義關(guān)注點(diǎn)聚焦于決策結(jié)果。本文采納后一種定義，即理性決策意指出借人正確使用借款人信息判斷風(fēng)險(xiǎn)，準(zhǔn)確識(shí)別借款人信用，得到正向期望收益，以期實(shí)現(xiàn)效用最大化。

諸多研究學(xué)者剖析了出借人決策變量與標(biāo)的違約行為間的關(guān)系，并探究了出借人決策的理性程度。然而，當(dāng)前的研究結(jié)論并未達(dá)成共識(shí)：其一，一部分學(xué)者認(rèn)為出借人是理性的。出借人根據(jù)借款人信息能推斷其約三分之一的信用狀況[17]，為收益承擔(dān)適當(dāng)風(fēng)險(xiǎn)，決策表現(xiàn)為理性[18]。具體而言，通過(guò)研究朋友關(guān)系、利率、羊群行為[19]，發(fā)現(xiàn)上述變量增加了出借意愿并降低了違約概率；其二，另外一部分學(xué)者則認(rèn)為出借人是非理性的。通過(guò)研究借款人外表、種族、羊群行為、人際競(jìng)爭(zhēng)等影響變量[20]，發(fā)現(xiàn)上述變量增加了出借意愿但提高了標(biāo)的違約概率。

(三)研究評(píng)述

信息不對(duì)稱是P2P借貸亟待解決的現(xiàn)實(shí)問(wèn)題，而在上述解決信息不對(duì)稱的兩項(xiàng)措施中，對(duì)借款人信息充分披露的研究較多，對(duì)出借人理性決策的研究較少。本文的研究工作將豐富出借人理性決策的研究成果。當(dāng)前對(duì)出借人決策是否理性的研究工作主要存在如下局限：其一，學(xué)者的研究結(jié)論差異較大，即使是對(duì)同一變量，在判斷出借人是否理性這一問(wèn)題上也未得出一致結(jié)論；其二，現(xiàn)有研究大多僅根據(jù)單一或局部變量得出出借人是否理性的結(jié)論，對(duì)出借人決策變量全面系統(tǒng)分析的研究成果相對(duì)匱乏；其三，缺乏對(duì)出借人理性問(wèn)題的本土化研究。

本文將對(duì)出借人各決策變量進(jìn)行全面、細(xì)致的探討，具體問(wèn)題具體分析，分而治之地識(shí)別并警示非理性決策變量。通過(guò)建立出借意愿模型和違約行為模型，并同時(shí)引入硬信息與軟信息，對(duì)比出借意愿及違約行為結(jié)果，繼而甄別出借人非理性決策。本文對(duì)規(guī)范出借人行為，降低P2P借貸中違約風(fēng)險(xiǎn)具有一定現(xiàn)實(shí)意義。

三、數(shù)據(jù)來(lái)源及處理

本文基于P2P借貸平臺(tái)實(shí)際交易數(shù)據(jù)，對(duì)P2P網(wǎng)絡(luò)借貸中出借意愿的理性狀況進(jìn)行實(shí)證分析。本研究的數(shù)據(jù)來(lái)源于國(guó)內(nèi)最大的P2P借貸平臺(tái)——拍拍貸，數(shù)據(jù)采集截止至2017年3月。通過(guò)數(shù)據(jù)采集與抽樣，并對(duì)缺失數(shù)據(jù)、異常數(shù)據(jù)予以剔除，共計(jì)獲得250 290條標(biāo)的數(shù)據(jù)，該部分?jǐn)?shù)據(jù)構(gòu)成出借意愿模型的數(shù)據(jù)集。其中，共有130 271個(gè)標(biāo)的借款成功，該部分?jǐn)?shù)據(jù)構(gòu)成違約行為模型的數(shù)據(jù)集。全部數(shù)據(jù)變量如表1所示。

表1 預(yù)處理后數(shù)據(jù)變量

四、實(shí)驗(yàn)結(jié)果

分別以借款是否成功、是否按時(shí)還款為因變量，分別建立兩個(gè)Logistic模型，使用Wald向前選擇法剔除變量。兩個(gè)模型自變量相同，因變量不同。其中，模型一的公式為

(1)

模型二的公式為

(2)

其中，Success表示借款成功的概率，Repayment表示按時(shí)還款的概率，α和β為待估計(jì)參數(shù)(變量系數(shù))，xi(i=1,2,3,…)表示自變量，全部的自變量如附錄一所示。

模型一中變量系數(shù)代表其對(duì)出借人出借意愿的影響方向，模型二中變量系數(shù)代表其對(duì)借款人按時(shí)還款的影響方向。本文將變量分成三部分分別討論，主要包括：其一，借款人身份信息變量。包括職業(yè)、年齡、性別等；其二，借款人借貸歷史變量。包括歷史出借次數(shù)、違約次數(shù)等；其三，借款列表信息變量。包括借款金額、利率、期限等。在分析各部分變量時(shí)，僅截取對(duì)應(yīng)計(jì)量結(jié)果，完整計(jì)量結(jié)果如附錄一所示。

(一)借款人身份信息變量

借款人身份信息變量的模型參數(shù)估計(jì)結(jié)果如表2所示。

表2 借款人身份信息變量結(jié)果

注：*、**、***分別表示10%、5%、1%的顯著水平。

1.非理性決策變量

(1)職業(yè)變量

在模型一中，私營(yíng)業(yè)主和網(wǎng)店賣家的變量系數(shù)為正，表明出借人認(rèn)為這兩種職業(yè)身份反映借款人擁有一定的資金實(shí)力，還款概率可能更高，因此出借人出借意愿也更高。而工薪族和學(xué)生兩種職業(yè)的變量系數(shù)為負(fù)，表明出借人認(rèn)為這兩種職業(yè)身份的借款人還款能力不佳，因此出借人顯現(xiàn)出更低的出借意愿。出借人在出借時(shí)對(duì)職業(yè)具有一定偏好，重點(diǎn)關(guān)注借款人的資金實(shí)力，而非還款潛力。

在模型二中，學(xué)生變量系數(shù)為正，私營(yíng)業(yè)主變量系數(shù)為負(fù)，表明學(xué)生職業(yè)與違約狀況負(fù)相關(guān)，私營(yíng)業(yè)主與違約狀況正相關(guān)。具體而言，學(xué)生的資金量較少[21]，出借人出借意愿較弱，但學(xué)生群體信用較高。私營(yíng)業(yè)主經(jīng)濟(jì)實(shí)力較強(qiáng)，但由于商業(yè)活動(dòng)隱含較大風(fēng)險(xiǎn)，私營(yíng)業(yè)主群體違約率較高。

(2)認(rèn)證方式

在模型一中，視頻認(rèn)證變量結(jié)果與王會(huì)娟等[22]的研究結(jié)論一致，他們使用人人貸數(shù)據(jù)發(fā)現(xiàn)視頻認(rèn)證對(duì)借款意愿影響最大，本文的結(jié)果同樣如此。根據(jù)表2可知，視頻認(rèn)證變量的系數(shù)為0.194，是信用認(rèn)證中系數(shù)最大的變量。這是因?yàn)橄鄬?duì)于其他文字形式的認(rèn)證，視頻認(rèn)證能夠給出借人留下更深印象。然而，在模型二中，視頻認(rèn)證變量系數(shù)為負(fù)，表明視頻認(rèn)證與違約正相關(guān)。視頻認(rèn)證要求較低，對(duì)于信用較差的借款人而言，只能采用這類認(rèn)證要求不高的方式發(fā)出信號(hào)，證明該類借款人信用較差。

在模型一和模型二中，教育認(rèn)證變量系數(shù)均為正，表明教育認(rèn)證與出借意愿正相關(guān)，與違約負(fù)相關(guān)。與視頻認(rèn)證的分析類似，教育認(rèn)證屬于認(rèn)證成本較高的認(rèn)證方式，一般難以造假，是較強(qiáng)的信用良好信號(hào)。教育在信號(hào)經(jīng)濟(jì)學(xué)中屬于較強(qiáng)信號(hào)[23]，本文的結(jié)論證明了這一結(jié)論。此外，手機(jī)認(rèn)證、郵箱認(rèn)證屬于成本較低信號(hào)，與信用無(wú)關(guān)。

出借人對(duì)視頻認(rèn)證出借意愿較強(qiáng)，但視頻認(rèn)證流程簡(jiǎn)單，增加了借款人違約的可能性，成為借款人誤導(dǎo)出借人的途徑。

出借人對(duì)學(xué)歷認(rèn)證出借意愿較弱，這與平臺(tái)設(shè)置學(xué)歷認(rèn)證積分有關(guān)(1)在拍拍貸積分中，學(xué)歷認(rèn)證僅為5分，視頻認(rèn)證等為10分。見http://www.ppdai.com/user/leiming3966。，然而學(xué)歷認(rèn)證是信號(hào)成本較高、強(qiáng)度較強(qiáng)的信號(hào)，極大降低了借款人的違約概率。該分析表明出借人應(yīng)重視學(xué)歷認(rèn)證對(duì)借款人信用的重要性。

(3)注冊(cè)時(shí)間

在模型一中，注冊(cè)時(shí)間變量的系數(shù)為正，表明借款人注冊(cè)時(shí)間越長(zhǎng)，出借人出借意愿越高。注冊(cè)時(shí)間在一定程度上反映了借款人參與平臺(tái)的粘性，也反映借款人參與網(wǎng)貸交易的經(jīng)驗(yàn)，能夠反映借款人的信用狀況。

在模型二中，注冊(cè)時(shí)間變量系數(shù)為負(fù)，表明借款人注冊(cè)時(shí)間越短，逾期可能性越低。該結(jié)果與經(jīng)驗(yàn)上的預(yù)期結(jié)果不符，主要原因在于注冊(cè)時(shí)間較短的借款人需要維護(hù)自身在網(wǎng)貸中的信用形象，更為注意正常還款。同時(shí)也說(shuō)明注冊(cè)時(shí)間并非高信用信號(hào)，出借人除了對(duì)平臺(tái)參與時(shí)間較長(zhǎng)的用戶出借以外，也應(yīng)關(guān)注審核資料齊全、注冊(cè)時(shí)間較短的借款人。

(4)自有頭像

本文僅通過(guò)比較借款人頭像URL地址與默認(rèn)URL地址，判斷借款人是否上傳自有頭像。與視頻認(rèn)證類似，自有頭像給出借人以直觀印象，增加了出借人的出借意愿，但提高了借款人的違約率。

2.其他變量

(1)性別變量

在模型一中，性別變量系數(shù)為負(fù)，表明出借人更愿意對(duì)女性借款人出借。這一結(jié)論豐富了本土化P2P借貸平臺(tái)中性別因素對(duì)出借意愿影響的研究。關(guān)于P2P借貸平臺(tái)中的性別因素，不同國(guó)家的研究結(jié)論存在差異?；诿绹?guó)Prosper平臺(tái)的數(shù)據(jù)，Duarte等[24]的研究表明女性借款人更容易獲得借款，這與本文的研究結(jié)論一致。然而，Barasinska等[2]447基于德國(guó)Smava平臺(tái)的研究數(shù)據(jù)發(fā)現(xiàn)，性別因素對(duì)借貸結(jié)果沒有影響。這一研究結(jié)論的差異說(shuō)明性別因素對(duì)借貸結(jié)果的影響與不同文化背景有關(guān)。

在模型二中，性別變量系數(shù)為負(fù)，表明女性借款人的信用情況相較于男性借款人信用情況更好，這與P2P借貸研究中性別歧視的相關(guān)文獻(xiàn)結(jié)論一致[25]。

(2)年齡變量

在模型一中，年齡變量系數(shù)為0，表明年齡對(duì)于出借人出借意愿無(wú)顯著影響。國(guó)外的研究表明，借款人年齡越小，出借人出借意愿越小。如Gonzalez等[20]53的研究發(fā)現(xiàn)，出借人依據(jù)借款人的年齡推斷其信用狀況以及還款能力，Komarova[21]618使用一個(gè)模擬的P2P借貸平臺(tái)證實(shí)了上述研究結(jié)論。然而，一些本土化的研究得到了不同的結(jié)論，例如陳冬宇等[26]用社會(huì)學(xué)方法研究了P2P借貸中的雙重信任機(jī)制，發(fā)現(xiàn)年齡對(duì)于出借意愿沒有顯著影響，這與本文的結(jié)論一致，說(shuō)明年齡對(duì)出借意愿的影響與文化背景存在聯(lián)系。

在模型二中，年齡變量并不顯著，表明年齡對(duì)違約行為并無(wú)顯著影響。

(3)信用等級(jí)

在模型一中，信用等級(jí)變量系數(shù)為正，表明借款人信用等級(jí)越高，出借人出借意愿越高。借款人信用等級(jí)是平臺(tái)中最重要的信用指標(biāo)，直接決定了借款人的資料審核狀況、歷史借款狀況以及信用狀況。我國(guó)沒有統(tǒng)一的公民征信體系，平臺(tái)大多自行建立信用等級(jí)機(jī)制對(duì)借款人進(jìn)行信用評(píng)價(jià)。美國(guó)有相對(duì)完善的征信系統(tǒng)，如FICO積分，可以反映借款人的信用狀況。相關(guān)研究也表明，F(xiàn)ICO積分與借款人的信用狀況相關(guān)[3]62。

在模型二中，信用等級(jí)變量系數(shù)為正，表明借款人信用等級(jí)越高，違約可能性越低。信用等級(jí)或評(píng)分表現(xiàn)了借款人的信用狀況，信用等級(jí)或評(píng)分為P2P借貸交易提供了直觀的信用評(píng)估。本文關(guān)于信用等級(jí)的結(jié)果與國(guó)外對(duì)信用評(píng)分的研究一致，如ZHANG等[27]認(rèn)為信用評(píng)分較高的借款人違約率更低，Serranocinca等[28]同樣發(fā)現(xiàn)信用等級(jí)與違約概率相關(guān)。該分析結(jié)果表明，拍拍貸中的信用等級(jí)一定程度上能夠起到國(guó)外FICO等形式征信體系的作用，并反映借款人的信用狀況。在我國(guó)公民征信體系尚不夠完善的背景下，該信用等級(jí)能夠起到信用信息披露的作用。

(二)借款人借貸歷史信息變量

借款人借貸歷史信息變量的模型參數(shù)估計(jì)結(jié)果如表3所示。

表3 借款人借貸歷史信息變量結(jié)果

注：*、**、***分別表示10%、5%、1%的顯著水平。

1.非理性決策變量

(1)歷史借款違約但還清次數(shù)

在模型一中，歷史借款違約但還清次數(shù)變量系數(shù)為正，表明借款人雖然違約，但如果及時(shí)還清，對(duì)于后續(xù)出借人仍然是信用良好的信號(hào)。然而，在模型二中，該變量系數(shù)為負(fù)，表明該變量與違約正相關(guān)，說(shuō)明出借人對(duì)該變量的判斷出現(xiàn)了非理性現(xiàn)象。這一分析結(jié)論表明，出借人對(duì)該變量的判斷表現(xiàn)出了不合理的寬容性，即出借人對(duì)違約但還清的借款人持有“浪子回頭金不換”的態(tài)度，而借款人卻存在“屢教不改”的現(xiàn)象。

(2)出借次數(shù)

在模型一中，出借次數(shù)變量系數(shù)為負(fù)，表明借款人對(duì)其他項(xiàng)目出借的次數(shù)越多，出借人出借意愿越低。原因主要在于：其一，因?yàn)榻杩钊顺鼋璐螖?shù)過(guò)多，會(huì)令出借人懷疑其借款的目的性；其二，由于借款人過(guò)去身份是出借人，表明借款人過(guò)去資金充足，但突然借款表明其財(cái)務(wù)狀況迅速惡化，違約概率較大。這與相關(guān)文獻(xiàn)[6]478的研究結(jié)論一致。

在模型二中，出借次數(shù)變量系數(shù)為正，表明借款人出借行為與信用狀況正相關(guān)。這一結(jié)論補(bǔ)充了Yum等[6]480的研究，后者僅將問(wèn)題聚焦于出借次數(shù)對(duì)于出借人出借意愿的影響，而未能分析出借次數(shù)對(duì)借款人違約行為的影響。

出借人對(duì)于歷史出借次數(shù)較多的借款人，持有懷疑態(tài)度，但出借次數(shù)越多，借款人信用狀況越好。

2.其他變量

(1)歷史借款次數(shù)

在模型一中，歷史借款次數(shù)變量系數(shù)為正，表明借款人借款歷史次數(shù)越多，出借人出借意愿越高。原因在于：一是借款歷史次數(shù)反映借款人過(guò)去被其他出借人認(rèn)可的程度，P2P借貸中交易的達(dá)成是眾智的結(jié)果，多數(shù)出借人對(duì)某借款人進(jìn)行投資，說(shuō)明該借款人的信用受到其他出借人認(rèn)可，這也是出借人在信息不對(duì)稱情況下從其他出借人獲取信息的表現(xiàn)；二是借款歷史次數(shù)反映借款人對(duì)平臺(tái)的忠誠(chéng)度，借款歷史次數(shù)越大，用戶粘性越大。這與相關(guān)研究一致，如Collier等證明，借款人的歷史借款次數(shù)影響出借人的出借數(shù)量，最終會(huì)影響利率[29]。

在模型二中，歷史借款次數(shù)變量系數(shù)為正，表明該變量與違約負(fù)相關(guān)。借款人歷史借款次數(shù)反映了借款人在P2P借貸平臺(tái)的參與程度，借款人歷史借款歷史次數(shù)越多，表明其信用狀況被更多的出借人認(rèn)可，信用更好。相關(guān)研究表明，借款人的信用歷史與違約存在顯著相關(guān)關(guān)系[30]。

(三)借款列表信息變量

借款人借款列表信息變量的模型參數(shù)估計(jì)結(jié)果如表4所示。

表4 借款列表信息變量結(jié)果

注：*、**、***分別表示10%、5%、1%的顯著水平。

1.非理性決策變量

(1)利率

在模型一中，利率變量系數(shù)為正，表明利率越高，出借人出借意愿越高。這表明出借人對(duì)于高收益的借款列表出借意愿更高。該研究結(jié)果與Ryan等[31]的研究結(jié)果一致，表明出借人對(duì)于快速獲得資金和獲得高額回報(bào)的需求是P2P借貸中的常態(tài)。

在模型二中，利率變量系數(shù)為負(fù)，表明借款列表的利率越高，借款人逾期可能性越大。這與Serranocinca等[28]9的研究結(jié)果一致，說(shuō)明高利率降低了借款人的還款意愿。

出借人追求高利率，但高利率增加了違約概率。出借人應(yīng)平衡收益與風(fēng)險(xiǎn)間關(guān)系，按照自身風(fēng)險(xiǎn)偏好投資。

(2)標(biāo)的類型

拍拍貸的借款列表包括如下類型：應(yīng)收款安全標(biāo)、擔(dān)保標(biāo)、預(yù)審標(biāo)、賠標(biāo)、非提現(xiàn)標(biāo)。在模型一中，僅有賠標(biāo)系數(shù)為負(fù)，表明出借人對(duì)賠標(biāo)出借意愿較低。在模型二中，擔(dān)保標(biāo)和賠標(biāo)系數(shù)為負(fù)，表明這兩種標(biāo)的違約概率較大。具體分析如下：

第一，應(yīng)收款安全標(biāo)中借款人是為了回籠資金，有代收款做擔(dān)保，魔鏡等級(jí)為AAA級(jí)，信用較好。應(yīng)收款安全標(biāo)變量在兩個(gè)模型中的系數(shù)均為正，表明出借人對(duì)應(yīng)收款安全標(biāo)判斷是理性的。

第二，擔(dān)保標(biāo)與信用標(biāo)相對(duì)，是指由P2P平臺(tái)的合作擔(dān)保機(jī)構(gòu)為借款人提供擔(dān)保的標(biāo)的，若借款人逾期，則由擔(dān)保方墊付本息還款。直觀觀察，擔(dān)保標(biāo)比信用標(biāo)安全，實(shí)則不然。有報(bào)道指出，擔(dān)保標(biāo)的逾期率接近20%，遠(yuǎn)超P2P借貸逾期率的平均水平(2)資料來(lái)源：《上海證券報(bào)》，http://www.wdzj.com/news/guandian/18404.html。。擔(dān)保形式有兩種：其一，將風(fēng)險(xiǎn)剝離給第三方擔(dān)保公司，但這對(duì)擔(dān)保公司的資質(zhì)提出了更高要求；其二，平臺(tái)自保，即平臺(tái)自身提供擔(dān)保，但這對(duì)平臺(tái)自身風(fēng)控要求較高，一旦資金鏈斷裂，平臺(tái)跑路現(xiàn)象將層出不窮。銀監(jiān)會(huì)明確提出P2P監(jiān)管“四條紅線”，其中之一就是平臺(tái)本身不得提供擔(dān)保。擔(dān)保模式與傳統(tǒng)借貸模式類似，容易產(chǎn)生規(guī)模擴(kuò)張傾向，不符合互聯(lián)網(wǎng)金融“直接、分散、小額、低利”的發(fā)展方向。

第三，預(yù)審標(biāo)是指拍拍貸審核人員在借款列表進(jìn)入籌資階段之前預(yù)先審核的標(biāo)的，一旦該標(biāo)的金額投滿，直接通過(guò)審核。這樣設(shè)置的目的是提高資金利用率。

第四，賠標(biāo)是審錯(cuò)就賠標(biāo)的簡(jiǎn)稱，拍拍貸審核過(guò)程中出現(xiàn)符合賠標(biāo)規(guī)則的過(guò)錯(cuò)，核實(shí)后將由拍拍貸或第三方提供相應(yīng)的賠付服務(wù)。賠標(biāo)的借款人魔鏡等級(jí)為AA級(jí)，交納額外保證金將自身魔鏡等級(jí)提高為AAA級(jí)，該等級(jí)不能準(zhǔn)確反映自身信用狀況。因此賠標(biāo)變量在兩個(gè)模型的系數(shù)均為負(fù)，表明賠標(biāo)與逾期正相關(guān)，且出借人對(duì)其出借意愿不高，是理性判斷。

第五，非提現(xiàn)標(biāo)限定了資金用途，即資金只可用于站內(nèi)投資，或償還之前的欠款，不可用于提現(xiàn)。由于非提現(xiàn)標(biāo)中借款人無(wú)法提現(xiàn)，因此，對(duì)借款人而言，逾期概率較低。

根據(jù)上述分析可知，出借人對(duì)預(yù)審標(biāo)變量出現(xiàn)非理性決策。拍拍貸為了優(yōu)化審核流程提高籌款效率，設(shè)置了預(yù)審標(biāo)。預(yù)審標(biāo)指拍拍貸工作人員在籌款過(guò)程中預(yù)先審核，一旦標(biāo)的滿額，便跳過(guò)審核階段，直接進(jìn)入還款階段。出借人為快速獲得本息，減少貨幣時(shí)間價(jià)值損失，對(duì)預(yù)審標(biāo)的出借意愿較高，但未充分考慮預(yù)審標(biāo)的違約情況。

(3)借款說(shuō)明

在模型一中，大部分借款說(shuō)明系數(shù)為正，表明借款人說(shuō)明借款目的，與出借人充分溝通，能夠消除出借人顧慮，增加出借人意愿。經(jīng)營(yíng)、工作說(shuō)明系數(shù)為負(fù)，表明出借人認(rèn)為該類借款風(fēng)險(xiǎn)較大，出借意愿較低。誠(chéng)信說(shuō)明系數(shù)為負(fù)，表明出借人不信任此類口頭承諾。誠(chéng)信說(shuō)明是對(duì)自身還款能力的說(shuō)明，相關(guān)研究表明，借款人會(huì)以此類說(shuō)明誤導(dǎo)出借人。

在模型二中，體驗(yàn)標(biāo)、資金周轉(zhuǎn)、兼職和誠(chéng)信借款說(shuō)明進(jìn)入了模型，其余借款說(shuō)明與違約狀況無(wú)顯著關(guān)系。體驗(yàn)標(biāo)指借款人借款僅為體驗(yàn)網(wǎng)貸流程，該變量的系數(shù)為正，表明體驗(yàn)標(biāo)中借款人還款意愿較強(qiáng)，違約可能性較低。國(guó)外對(duì)于借款說(shuō)明的研究較多，如Serranocinca等[28]9發(fā)現(xiàn)以結(jié)婚為目的的籌款風(fēng)險(xiǎn)最低，而籌款從事商業(yè)活動(dòng)的風(fēng)險(xiǎn)最高。本文的資金周轉(zhuǎn)借款說(shuō)明變量與該研究一致，該變量系數(shù)為負(fù)，表明資金周轉(zhuǎn)、小型商業(yè)活動(dòng)等借款說(shuō)明代表標(biāo)的信用風(fēng)險(xiǎn)最高。

根據(jù)上述分析可知，大部分借款說(shuō)明都增加了出借人的出借意愿，出借人根據(jù)借款說(shuō)明能夠在線上環(huán)境具象化借款人身份，但最終大多數(shù)借款說(shuō)明與違約無(wú)顯著關(guān)聯(lián)。這與相關(guān)研究一致[32-33]。

出借人對(duì)資金周轉(zhuǎn)借款說(shuō)明存在非理性決策。資金周轉(zhuǎn)的借款說(shuō)明代表借款人進(jìn)行一定的商業(yè)經(jīng)營(yíng)活動(dòng)，有一定的經(jīng)濟(jì)實(shí)力。但從違約情況觀察，該類標(biāo)的違約率較高，說(shuō)明商業(yè)活動(dòng)風(fēng)險(xiǎn)較大。

2.其他變量

(1)借款金額

在模型一中，借款金額變量系數(shù)為負(fù)，表明借款金額越多，出借人出借意愿越低。這是因?yàn)榻杩罱痤~較大，還款難度、滿額難度較高，出借人的出借意愿較低。而借款金額低，滿額速度快，出借人可以快速獲得本金。而在模型二中，借款金額變量的系數(shù)為負(fù)，表明借款金額與違約正相關(guān)。借款金額越大，借款人還款難度更大，還款意愿更弱，造成違約可能性越大。

(2)期限

在模型一中，期限變量系數(shù)為負(fù)，表明期限越高，出借人出借意愿越低。這是因?yàn)槠谙拊礁?，出借人收回本利的時(shí)間越長(zhǎng)，喪失了資金的時(shí)間價(jià)值。同時(shí)，期限越長(zhǎng)，出借人越擔(dān)心自身資金的安全問(wèn)題。在模型二中，期限變量系數(shù)為負(fù)，表明借款列表的期限越長(zhǎng)，借款人逾期可能性越大。

(四)小結(jié)

綜上所述，通過(guò)出借意愿和違約行為兩個(gè)模型的對(duì)比，分析相關(guān)自變量對(duì)因變量的影響方向，繼而識(shí)別非理性決策。本文引入假設(shè)檢驗(yàn)中的錯(cuò)誤類型，將非理性決策分為第一類錯(cuò)誤和第二類錯(cuò)誤。在統(tǒng)計(jì)學(xué)中，第一類錯(cuò)誤指某假設(shè)成立，但推斷時(shí)拒絕的錯(cuò)誤，即棄真；第二類錯(cuò)誤指某假設(shè)不成立，但推斷時(shí)接受的錯(cuò)誤，即存?zhèn)?。本研究?duì)上述出借人非理性判斷變量予以總結(jié)，如表5所示。

表5 出借人非理性判斷相關(guān)變量

注：*、**、***分別表示10%、5%、1%的顯著水平。

由表5的結(jié)果可知，其一，在出借人非理性決策類別中，第一類錯(cuò)誤較多，即出借人易被借款人誤導(dǎo)進(jìn)行投資，而這種投資風(fēng)險(xiǎn)相對(duì)較大。出借人在進(jìn)行投資決策時(shí)，應(yīng)重點(diǎn)關(guān)注私營(yíng)業(yè)主職業(yè)、認(rèn)證方式、注冊(cè)時(shí)間、自有頭像、歷史違約但還清次數(shù)、利率、預(yù)審標(biāo)類型、資金周轉(zhuǎn)借款說(shuō)明、其他借款說(shuō)明等變量，平臺(tái)應(yīng)對(duì)上述變量信息加大審查和信用認(rèn)證力度，合理設(shè)置不同變量對(duì)應(yīng)的信用積分值，及時(shí)向出借人設(shè)置并發(fā)布警示信息，避免信息披露滯后問(wèn)題，提升信息透明度，減少信息不對(duì)稱，緩解借貸交易過(guò)程中的道德風(fēng)險(xiǎn)及逆向選擇問(wèn)題，引導(dǎo)出借人正確分析和理性投資。

其二，出借人應(yīng)關(guān)注學(xué)生職業(yè)、學(xué)歷認(rèn)證、出借次數(shù)等信息，這類變量代表借款人信用狀況較好，出借人應(yīng)把握投資機(jī)會(huì)，避免犯第二類錯(cuò)誤。由于借款人進(jìn)入P2P借貸平臺(tái)的門檻較低，信用水平良莠不齊，平臺(tái)審查機(jī)制存在缺失，法律監(jiān)管尚不健全等問(wèn)題，使得大量出借人主要憑借其有限的觀察能力和投資經(jīng)驗(yàn)對(duì)借款人上述相關(guān)硬信息及軟信息作出判斷，繼而引發(fā)第二類錯(cuò)誤。因此，出借人對(duì)上述變量觀察經(jīng)驗(yàn)的積累及其相關(guān)投資經(jīng)驗(yàn)的學(xué)習(xí)，能有效提升出借人對(duì)借款人違約風(fēng)險(xiǎn)的甄別能力，并緩解出借人非理性投資的沖動(dòng)，降低出借人非理性判斷的行為概率。

五、總 結(jié)

出借人的非理性行為會(huì)惡化交易結(jié)果。本文研究P2P借貸中出借人的非理性決策行為，基于拍拍貸中交易數(shù)據(jù)，建立了兩個(gè)模型，出借人出借意愿模型和借款人違約行為模型。通過(guò)對(duì)兩模型的相關(guān)變量系數(shù)對(duì)比，識(shí)別出借人非理性決策。研究發(fā)現(xiàn)，出借人對(duì)于私營(yíng)業(yè)主職業(yè)、學(xué)生職業(yè)、視頻認(rèn)證、注冊(cè)時(shí)間、自有頭像、相關(guān)借貸歷史、利率、預(yù)審標(biāo)類型、相關(guān)借款說(shuō)明等變量存在非理性的判斷，出借人應(yīng)正確認(rèn)識(shí)在線交易環(huán)境中蘊(yùn)含的風(fēng)險(xiǎn)，作出理性決策。

本研究通過(guò)對(duì)出借人出借意愿模型與借款人違約行為模型展開的對(duì)比分析，建立了較為完整的P2P借貸交易主體行為模型。本文對(duì)補(bǔ)充并完善P2P借貸主體決策行為模型具有一定的理論意義，識(shí)別出借人非理性決策的相關(guān)變量，對(duì)于避免出借人受借款人誤導(dǎo)，規(guī)范出借人理性決策，降低P2P借貸交易風(fēng)險(xiǎn)具有一定現(xiàn)實(shí)意義。未來(lái)，本研究工作將從以下方面擴(kuò)充深化：其一，基于行為金融學(xué)理論，使用實(shí)驗(yàn)室實(shí)驗(yàn)法探究非理性決策行為；其二，使用其他國(guó)內(nèi)外P2P借貸平臺(tái)交易數(shù)據(jù)，驗(yàn)證本文結(jié)論，并進(jìn)一步探討不同平臺(tái)模式、文化背景對(duì)出借人理性決策的影響機(jī)制。