網(wǎng)絡(luò)借貸行業(yè)風險與投資者信心
——基于百度搜索指數(shù)的研究

張智穎， 田秀娟， 張海洋

(對外經(jīng)濟貿(mào)易大學 金融學院， 北京 100029)

一、 問題的提出

金融活，經(jīng)濟活；金融穩(wěn)，經(jīng)濟穩(wěn)。黨的十九大強調(diào)，要守住不發(fā)生系統(tǒng)性金融風險的底線；2017年中央經(jīng)濟工作會議進一步指出，防范化解重大風險的關(guān)鍵在于防控金融風險。近年來，作為新興互聯(lián)網(wǎng)金融形態(tài)的P2P網(wǎng)絡(luò)借貸行業(yè)在我國快速發(fā)展[1-2]。然而，由于征信系統(tǒng)不完善、業(yè)務(wù)邊界模糊、經(jīng)營規(guī)則不健全、監(jiān)管缺失等原因，投資者提現(xiàn)困難、P2P平臺卷款跑路、被公安機關(guān)偵查立案等風險事件層出不窮。網(wǎng)貸之家統(tǒng)計數(shù)據(jù)顯示，截至2019年10月底，中國P2P網(wǎng)貸平臺總數(shù)已達6 613家，而正常運營的平臺僅571家，累計停業(yè)及問題平臺數(shù)量達到了6 042家，約占全行業(yè)平臺的91.36%，問題平臺歷史累計涉及的投資者數(shù)量高達301.2萬人①。與以往文獻側(cè)重于研究“P2P問題平臺的特征與識別”不同，本文致力于分析網(wǎng)絡(luò)借貸行業(yè)風險的變化是否會對投資者參與網(wǎng)絡(luò)借貸市場的信心產(chǎn)生顯著影響；如果存在影響，具體的作用機制如何。這是一個非常重要但研究相對空缺的問題。

P2P網(wǎng)絡(luò)借貸作為一種新型的借貸模式，盡管有效彌補了傳統(tǒng)金融機構(gòu)的服務(wù)盲區(qū)，為廣大投資者提供了新型理財途徑[3-4]，但由于缺乏完善的征信系統(tǒng)與監(jiān)管制度，借貸交易雙方之間的信息不對稱問題以及由此帶來的逆向選擇和道德悖論等風險較傳統(tǒng)金融機構(gòu)更為嚴重[5-8]。王修華等[9]指出，通常網(wǎng)絡(luò)借貸投資者會通過各種途徑搜集信息，以緩解作為買方市場的信息不對稱，最先在數(shù)目繁多的平臺中進行優(yōu)劣判別篩選，進而才會在其信賴的平臺上進行理財投資。為此，國內(nèi)大量文獻對上述問題進行了深入研究[9-12]。鄧東升等[13]從靜態(tài)視角考察了P2P平臺的注冊資本、年化收益率、政策監(jiān)管等因素對投資者識別問題平臺的影響。然而，投資者對P2P平臺的信任并非固定不變的，而是在內(nèi)外部因素的作用下不斷變化的。例如，2015年12月“e租寶”的龐氏騙局和2018年6月底“爆雷潮”等風險事件發(fā)生后，網(wǎng)絡(luò)借貸市場整體情緒下降，眾多投資者紛紛撤離網(wǎng)貸市場，甚至出現(xiàn)了集體“擠兌”行為，引發(fā)全國范圍內(nèi)網(wǎng)絡(luò)借貸行業(yè)的風險。

通常來說，行業(yè)風險不僅會向投資者傳遞強烈的信用風險信號，本身還具有較強的“傳染效應”[14-15]，這必將提高投資者對行業(yè)機構(gòu)違約風險的預期和估值。近年來，伴隨著信息技術(shù)的變革，互聯(lián)網(wǎng)已逐漸成為證券市場投資者獲取信息的主要來源。相比傳統(tǒng)的新聞媒體和社會化媒體，移動互聯(lián)網(wǎng)為網(wǎng)絡(luò)借貸投資者提供了可隨時隨地發(fā)布、檢索并獲取信息的平臺渠道。對網(wǎng)絡(luò)借貸市場的投資者而言，其可以即時地搜索行業(yè)與各網(wǎng)貸平臺經(jīng)營情況，籍以降低信息不對稱程度，這種通過移動互聯(lián)網(wǎng)搜集的信息具有風險感知的特征[16]。風險感知將會對投資者信心產(chǎn)生重要影響，然而縱觀現(xiàn)有研究，卻鮮有文獻探討網(wǎng)絡(luò)借貸行業(yè)風險感知對投資者行為的影響。

基于此，本文運用2014—2019年176家P2P網(wǎng)貸平臺的微觀運營數(shù)據(jù)和Baidu搜索指數(shù)數(shù)據(jù)，采用面板固定效應模型實證檢驗了網(wǎng)絡(luò)借貸行業(yè)的風險溢出與投資者信心之間的聯(lián)動關(guān)系。與已有研究相比，本文的邊際貢獻在于：第一，突破了已有文獻關(guān)于問題平臺風險識別的靜態(tài)研究視角，深入探索了行業(yè)風險動態(tài)變化對投資者信心的影響；第二，以風險感知作為核心變量，進一步分析了行業(yè)風險影響投資者信心的作用機理；第三，詳細考察了資金存管、ICP備案、風險紓緩機制建立等“風控治理”手段對投資者風險補償?shù)挠绊?，拓展了網(wǎng)絡(luò)借貸風險與投資者行為的相關(guān)研究范疇。本文的研究對于監(jiān)管部門推進平臺機構(gòu)的合規(guī)性、建立網(wǎng)絡(luò)借貸風險預警機制、引導網(wǎng)絡(luò)輿情健康發(fā)展等具有重要的指導意義。

二、 文獻回顧與研究假設(shè)

(一)網(wǎng)絡(luò)借貸行業(yè)風險對投資者信心的影響

投資者信心可以通俗地理解為投資者對自身投資前景表現(xiàn)出的樂觀態(tài)度，是一種積極的投資情緒[17]。這種信心很大程度上源于投資者對未來的判斷，認為未來投資回報是有保障的，不會發(fā)生意外的損失。金融風險事件、行業(yè)風險對投資者信心的影響近年來引起了學界的廣泛關(guān)注，主要分析了金融危機、股市崩盤、行業(yè)間負面事件對投資者交易量、換手率與資金成本等的影響。研究表明，行業(yè)內(nèi)部橫向的風險傳染，將提高投資者對機構(gòu)違約風險的預估，也勢必會降低投資者出借的意愿與信心。例如，王永欽等[18]使用事件研究法證實，在出現(xiàn)酒鬼酒“塑化劑”丑聞后，整個白酒行業(yè)出現(xiàn)了較為顯著的負面市場反應。Bernet & Getzen[19]研究發(fā)現(xiàn)，某公司發(fā)布內(nèi)部控制重大缺陷報告后，投資者不僅會拋售問題公司股票，甚至會帶來拋售其他公司股票的非理性“羊群行為”。正如前文所述，我國網(wǎng)絡(luò)借貸市場也曾出現(xiàn)類似的風險事件，2018年隨著諸多P2P平臺集中“爆雷”負面消息的沖擊，網(wǎng)貸投資者出現(xiàn)恐慌情緒、債權(quán)集體拋售等行為。

從理論上看，投資者根據(jù)行業(yè)風險變動情況主動調(diào)節(jié)自我風險承擔水平，實際上表達了投資者對于市場未來的預期，這是一種主觀信心下規(guī)避風險的有效途徑。網(wǎng)絡(luò)借貸屬于固定收益市場，投資者通常會表現(xiàn)出對收益的追求和對風險的規(guī)避，呈現(xiàn)絕對風險厭惡(CARA)[20]。就小額資金的網(wǎng)貸投資者而言，他們對網(wǎng)貸平臺的安全風險極為敏感，風險的惡化很容易降低投資者參與網(wǎng)絡(luò)借貸平臺的意愿。當P2P行業(yè)風險帶來的不確定性程度較高時，網(wǎng)貸投資者的損失規(guī)避動機將明顯增強，傾向于暫行性市場退出，進而降低網(wǎng)貸交易量。據(jù)此，本文提出如下假設(shè)。

H1：網(wǎng)絡(luò)借貸行業(yè)風險程度的增加會降低網(wǎng)絡(luò)借貸平臺的交易量。

風險感知是風險主體對其自身面臨或可能面臨風險進行的感知和識別，描述了人們對風險的態(tài)度與直覺判斷，對人們的日常行為和重大事件的決策具有顯著影響[21]。行為金融學理論的重要進展在于，發(fā)現(xiàn)了投資者風險決策過程中多種參照點(self point)的存在，現(xiàn)狀(status quo)將成為投資者決策的重要依據(jù)或標準。不確定的預期會使投資者產(chǎn)生焦慮、恐懼等負面情緒，導致模糊性厭惡，使投資者猶豫不決、決策更為謹慎，進而減少投資行為[22-23]。大數(shù)據(jù)背景下，網(wǎng)絡(luò)智能與互聯(lián)網(wǎng)搜索引擎提高了投資者獲取信息的能力。Patel et al.[24]指出，如果將互聯(lián)網(wǎng)信息搜索看作是嵌入市場結(jié)構(gòu)并成為市場補充的要素，那么隨著信息搜索能力的提高，投資者的風險感知會不斷增強，并對投資者的行為產(chǎn)生重要影響。更為重要的是，互聯(lián)網(wǎng)技術(shù)能夠跨時空，將眾多投資者凝聚到一起。例如，很多投資者在網(wǎng)絡(luò)借貸論壇發(fā)布信息，互相討論，本身更附有“情緒溢出”效應，可能會放大行業(yè)風險對投資者信心的影響。據(jù)此，本文提出如下假設(shè)。

H2：網(wǎng)貸投資者的風險感知水平越高，行業(yè)風險降低網(wǎng)絡(luò)借貸平臺交易量的效應越大。

(二)網(wǎng)絡(luò)借貸平臺的“風險補償”效應

上述理論分析表明，行業(yè)內(nèi)發(fā)生風險事件會在信息外部性的作用下提高投資者的感知風險[19]，這將可能促使投資者在風險定價中索取更高的溢價，以補償可能的風險損失[25]，本文將其定義為“風險補償”效應。Merton[26]提出的“投資者認知假說”理論指出，金融資產(chǎn)風險來源于信息的不完備與信息不對稱，某些有用的信息僅僅集中掌握在少數(shù)投資者手中，因此高風險的金融資產(chǎn)往往要求提供更高的風險溢價。上述理論對于網(wǎng)絡(luò)借貸市場同樣適用，當網(wǎng)貸行業(yè)“提現(xiàn)困難”“集體跑路”等違約事件頻繁發(fā)生時，投資者將更加擔憂行業(yè)未來的發(fā)展前景。上述事件向市場集中釋放了更多的風險信號，進一步增加了市場主體間的信息不對稱水平，這將會進一步加深投資者負面情緒，并提高投資的預期風險回報，進而促使投資者索要一定的“風險補償”或“風險溢價”。據(jù)此，本文提出如下假設(shè)。

H3：網(wǎng)絡(luò)借貸行業(yè)風險的提升會顯著提高網(wǎng)貸投資者索要的收益率水平。

正如上文分析所述，隨著信息技術(shù)的普及、互聯(lián)網(wǎng)的廣泛應用，投資者風險感知水平將有所提高。那些活躍于互聯(lián)網(wǎng)網(wǎng)絡(luò)論壇中的投資者，將獲得更有價值的私有信息，并在無形當中獲取了其他投資者情緒的傳遞，一旦行業(yè)風險顯著提高之時，負面的風險感知情緒會加速傳染，使得投資者產(chǎn)生更加強烈的“風險補償”意識，希望獲取更高的“風險溢價”。據(jù)此，本文提出如下假設(shè)。

H4：投資者風險感知越高，網(wǎng)絡(luò)借貸行業(yè)風險的“風險補償”效應越大。

三、 研究設(shè)計

(一)數(shù)據(jù)來源

本文主要采用了3個數(shù)據(jù)集。第一個數(shù)據(jù)集是2014年1月—2019年9月6 424家網(wǎng)貸平臺的運營數(shù)據(jù)，包括月均投資人數(shù)、月均投資金額、月均投資期限等，數(shù)據(jù)來源于國泰安CSMAR數(shù)據(jù)庫。第二個數(shù)據(jù)集為網(wǎng)絡(luò)借貸投資者關(guān)注度數(shù)據(jù)，來源于百度搜索指數(shù)。第三個數(shù)據(jù)集是各個網(wǎng)貸平臺的特征信息數(shù)據(jù)，包括注冊資本、股東背景等，數(shù)據(jù)源于第三方權(quán)威機構(gòu)——網(wǎng)貸天眼。

本文根據(jù)全國企業(yè)工商信息公示系統(tǒng)，結(jié)合各個網(wǎng)貸平臺官網(wǎng)信息披露事項，以手工搜集和交叉驗證，確保了研究數(shù)據(jù)的真實性和可靠性，并根據(jù)以下原則進行篩選：(1)匹配同一平臺同一時期的運營數(shù)據(jù)與百度搜索指數(shù)數(shù)據(jù)；(2)剔除數(shù)據(jù)缺失的樣本；(3)剔除部分存在異常值的樣本，并進行了上下1%的縮尾處理。最終獲取了2015—2019年176家網(wǎng)貸平臺的樣本數(shù)據(jù)。樣本為非平衡面板，最長時間跨度50個月，全部樣本共計4 187個觀測值，涵蓋我國大、中、小各類平臺，樣本中平臺占比及其區(qū)域分布、樣本平臺整體區(qū)域分布和平均收益率等方面均與行業(yè)整體狀況基本一致，代表性較強。

(二)變量選取

1.被解釋變量

(1)交易量(Volume)：投資者信心在不同領(lǐng)域衡量方法不同。證券市場中主要的方法包括用股票成交量或流動性代替、運用主觀操控性等。考慮到網(wǎng)絡(luò)借貸市場數(shù)據(jù)的可獲得性，本文借鑒鄧東升、陳釗[13]的做法，采用網(wǎng)貸平臺所吸納的投資總額(“投資者人數(shù)”乘以“人均投資”)衡量交易量②。這主要是因為投資總額作為一個動量性質(zhì)指標，它直接呈現(xiàn)了網(wǎng)貸投資者在網(wǎng)貸行業(yè)風險沖擊下對預期收益水平和預期收益波動程度的投資決策意向，是網(wǎng)貸投資者信心的真實反映。

(2)收益率水平(Interest)：是各網(wǎng)貸平臺在平臺存續(xù)期間支付給投資者的年化收益率，反映了網(wǎng)貸平臺的風險定價。

2.解釋變量

(1)網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)(Riskrate)：為了度量網(wǎng)絡(luò)借貸市場的整體行業(yè)風險，本文采用“網(wǎng)絡(luò)借貸行業(yè)問題平臺發(fā)生率=新增問題平臺數(shù)/運營平臺數(shù)”度量網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)。網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)數(shù)值越大，則表示特定時間段內(nèi)網(wǎng)貸平臺發(fā)生跑路、提現(xiàn)困難等風險事件頻率越高，即網(wǎng)絡(luò)借貸行業(yè)風險越高；反之，當特定時間段內(nèi)網(wǎng)貸平臺發(fā)生跑路、提現(xiàn)困難等風險事件暴露程度越低，網(wǎng)絡(luò)借貸行業(yè)風險就越小。

(2)風險感知程度(Baiduindex)：本文參照曾建光[16]的做法，使用百度搜索指數(shù)作為網(wǎng)絡(luò)借貸投資者風險感知的代理變量，即在定義網(wǎng)絡(luò)借貸投資者風險感知時假設(shè)，當某一特定網(wǎng)貸平臺名稱+關(guān)鍵詞③(“可靠嗎”“可信嗎”“靠譜嗎”“安全嗎”“怎么樣”)在百度搜索引擎被搜索時，則認為該網(wǎng)絡(luò)借貸平臺受到網(wǎng)絡(luò)借貸投資者的關(guān)注與風險感知。

具體而言，本文選取t時期第i個網(wǎng)絡(luò)借貸平臺的搜索量取對數(shù)作為相應的投資者風險感知的具體度量。之所以這樣做的原因在于：一是搜索引擎是大眾投資者主動獲取信息的主要途徑，在中國大陸，百度是覆蓋最廣的搜索引擎，百度的市場份額較大且較為穩(wěn)定，其搜索指數(shù)具有廣泛和持續(xù)的代表性，因此百度搜索可以作為代表網(wǎng)絡(luò)借貸投資者關(guān)注度的主要衡量工具；二是當網(wǎng)絡(luò)借貸投資者搜索某一特定網(wǎng)貸平臺名稱時，很可能是出于對相關(guān)網(wǎng)絡(luò)借貸平臺的理財產(chǎn)品進行投資決策的需要而檢索，包含但卻不止于對投資風險的擔憂。相比搜索“網(wǎng)貸平臺名稱”，搜索特定的“網(wǎng)貸平臺名稱+關(guān)鍵詞”時，則更可能代表網(wǎng)絡(luò)借貸投資者出于買入或賣出的意愿，對平臺機構(gòu)治理信息及投資前景信息的搜索，更準確地度量網(wǎng)貸投資者對于網(wǎng)絡(luò)借貸平臺的風險感知程度及信息搜尋能力。

3.控制變量

由于網(wǎng)絡(luò)借貸平臺的交易量、收益率水平等市場反應除了受網(wǎng)絡(luò)借貸投資者行為的影響，還有可能受到網(wǎng)絡(luò)借貸平臺個體特征的影響，本文具體控制了如下變量的影響：投資期限(Period)，平臺披露標的的平均期限；運營年限(Operating)，平臺運營的時間長度；注冊資本(Capital)，平臺注冊金額，取對數(shù)；平臺背景(Platform)：啞變量，即平臺背后母公司的類型，民營系賦值為1，國資系、上市系、風投系賦值為0④；資金存管(Depository)，啞變量，平臺擁有第三方資金存管賦值1，否則為0；ICP備案(ICP)，啞變量，平臺擁有ICP備案登記賦值1，否則為0；行業(yè)協(xié)會(Association)，啞變量，平臺加入行業(yè)相關(guān)自律性組織協(xié)會賦值1，否則為0；債權(quán)轉(zhuǎn)讓機制(Exchange)，啞變量，網(wǎng)貸平臺創(chuàng)設(shè)債權(quán)轉(zhuǎn)讓機制賦值為1，否則為0；風險紓緩機制(Guarantee)，啞變量，網(wǎng)貸平臺設(shè)有風險準備金、第三方擔保等風險保障機制賦值1，否則為0；所在地域(Region)，啞變量，網(wǎng)貸平臺所在的東、中、西部地區(qū)依次賦值為1～3，以進行地域固定效應；時間(Month)：2015年1月—2019年10月，69個啞變量。

(三)模型設(shè)定

為驗證上述假設(shè)，本文通過構(gòu)建以下計量模型，實證網(wǎng)絡(luò)借貸行業(yè)風險對網(wǎng)貸投資者信心的影響及其內(nèi)在機理。具體形式如下：

Volumei,t=β0+β1Riskratei,t-1+β2Baiduindexi,t-1+β3Riskratei,t-1×Baiduindexi,t-1+β4Interest+β5Periodi,t+β6Operatingi,t+β7Capitali,t+β8Platformi,t+β9Depositoryi,t+β10ICPi,t+β11Associationi,t+β12Exchangei,t+β13Guaranteei,t+∑Region+∑Month+εi,t

(1)

Interesti,t=β0+β1Riskratei,t-1+β2Baiduindexi,t-1+β3Riskratei,t-1×Baiduindexi,t-1+β4Periodi,t+β5Operatingi,t+β6Capitali,t+β7Platformi,t+β8Depositoryi,t+β9ICPi,t+β10Associationi,t+β11Exchangei,t+β12Guaranteei,t+∑Region+∑Month+εi,t

(2)

其中，i=1,2,…,N，代表網(wǎng)貸平臺；t代表時間(月份)。被解釋變量Volumei,t表示t時期網(wǎng)貸平臺i所吸納的交易量；被解釋變量Interesti,t表示t時期投資者在網(wǎng)貸平臺i索要的收益率水平?？紤]到網(wǎng)絡(luò)借貸行業(yè)風險和投資者風險感知具有一定的時滯性，本文對兩個核心變量取滯后一期。

由于本文重點采用交易量與收益率水平作為投資者信心的代理變量，因此在探究網(wǎng)絡(luò)借貸行業(yè)風險對投資者信心的影響與影響渠道，需要對收益率水平分情況討論。在回歸結(jié)果用來分析網(wǎng)貸借貸行業(yè)風險是否是影響交易量時，將收益率水平Interest作為控制變量納入回歸方程(1)進行實證檢驗。在探討網(wǎng)絡(luò)借貸行業(yè)風險是否會造形成投資者“風險補償”的定價效應時，將Interest作為被解釋變量納入回歸方程(2)進行驗證。本文主要關(guān)注核心變量Riskratei,t、Baiduindexi,t和交互項Riskratei,t×Baiduindexi,t的系數(shù)，在公式(1)中，如果β1、β2、β3是聯(lián)合顯著的，則可以推斷網(wǎng)絡(luò)借貸行業(yè)風險對交易量具有顯著影響，進而可以驗證假設(shè)H1和假設(shè)H2的真?zhèn)巍Ｔ诠?2)中，如果β1、β2、β3是聯(lián)合顯著的，則可以推斷網(wǎng)絡(luò)借貸行業(yè)風險具有風險補償效應，進而驗證假設(shè)H3和假設(shè)H4的真?zhèn)巍?/p>

四、實證結(jié)果與分析

(一)描述性統(tǒng)計

表1展示了176家網(wǎng)貸平臺交易共計4187個樣本觀測值(平臺·月)各變量的描述性統(tǒng)計信息?？梢钥闯?，投資者信心的代理指標交易量(Volume)最小值為-1.704，均值為6.482，最大值為10.570，說明不同網(wǎng)貸平臺吸納網(wǎng)絡(luò)借貸投資者的能力不一，投資者對于不同網(wǎng)貸平臺的信心存在較大差異。收益率水平(Interest)均值為9.340%，最小值為6.361%，最大值為38.30%，則表明不同網(wǎng)貸平臺提供給投資者的收益率水平差異較大。網(wǎng)絡(luò)借貸行業(yè)風險的代理變量，問題平臺事故率(Riskrate)均值為0.017，最大值為0.119，則意味著我國網(wǎng)絡(luò)借貸市場整體風險較高，平臺“跑路”等風險事件居高不下。投資者風險感知變量(Baiduindex)均值為9.556，最小值為4.771，最大值為13.290，表明網(wǎng)貸投資者風險感知存在較大差別。

表1 主要變量的描述性統(tǒng)計

進一步地，為確保整體回歸的有效性，本文在正式回歸分析之前對自變量之間是否存在嚴重的多重共線性進行了方差膨脹因子VIF檢驗與Pearson相關(guān)性檢驗⑤。其中，方差膨脹因子VIF檢驗結(jié)果表明，單個變量的方差膨脹因子與膨脹因子的均值都小于存在較嚴重多重共線性的一般經(jīng)驗值，說明本文所選的變量具有可行性。Pearson相關(guān)性檢驗的結(jié)果表明，被解釋變量與解釋變量之間存在相關(guān)關(guān)系，控制變量與控制變量之間的相關(guān)性系數(shù)基本介于-0.5～0.5，其模型解釋力度較高。盡管如此，后文部分仍將通過嚴謹?shù)挠嬃磕Ｐ蛯嵶C檢驗研究假設(shè)真?zhèn)?，以確保結(jié)論真實可靠。

(二)網(wǎng)絡(luò)借貸行業(yè)風險影響投資者信心的回歸結(jié)果分析

表2報告了網(wǎng)絡(luò)借貸行業(yè)風險、風險感知與投資者信心之間的實證結(jié)果。其中，列(1)的單獨回歸結(jié)果顯示，網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)的滯后項(后文類似變量不再強調(diào)滯后1期)(L.Riskrate)對交易量(Volume)的點估計系數(shù)為-0.029，且在1%的水平下顯著，這表明網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)的增加會顯著降低投資者在不同網(wǎng)貸平臺的交易量。究其原因，這很有可能是由于網(wǎng)絡(luò)借貸行業(yè)問題平臺頻發(fā)，直接影響了網(wǎng)絡(luò)借貸投資者市場參與的信心。列(2)的單獨回歸結(jié)果顯示，網(wǎng)貸投資者風險感知(L.Baiduindex)對交易量(Volume)的點估計同樣在1%的置信水平上顯著為負，隨著網(wǎng)貸投資者風險感知程度的提升，其交易量也顯著降低。列(3)在逐步納入網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)和網(wǎng)貸投資者風險感知變量后，其對交易量的點估計系數(shù)分別為-0.094和-0.413，且均在1%的置信水平上顯著，這表明網(wǎng)絡(luò)借貸行業(yè)風險對網(wǎng)貸借貸投資者的預期與信心具有明顯的抑制作用。

表2 網(wǎng)絡(luò)借貸行業(yè)風險對平臺交易量影響的回歸結(jié)果

進一步地，列(4)在列(3)的基礎(chǔ)上，納入網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)與網(wǎng)貸投資者風險感知變量的交互項(L.Riskrate×L.Baiduindex)，用以考察網(wǎng)貸投資者風險感知是否成為網(wǎng)絡(luò)借貸行業(yè)風險影響網(wǎng)貸投資者信心的信息渠道。研究發(fā)現(xiàn)，交互項對投資者信心的點估計系數(shù)為-1.110，且在1%的水平上顯著。這表明，當投資者風險感知強度不存在時，每單位網(wǎng)絡(luò)借貸行業(yè)風險對交易量的降低效應為0.456；而當風險感知強度存在時，風險感知強度每上升一個單位會導致每單位行業(yè)風險對交易量的降低效應變?yōu)?.566(0.456+1.110=1.566)。簡而言之，風險感知強度的存在，顯著增強了網(wǎng)絡(luò)借貸行業(yè)風險對交易量的影響，即降低了投資者參與網(wǎng)貸市場的信心。據(jù)此，假設(shè)H1和假設(shè)H2得到驗證。

之所以產(chǎn)生上述結(jié)果原因可能在于：我國缺乏完善的征信系統(tǒng)與監(jiān)管制度，網(wǎng)絡(luò)借貸行業(yè)風險居高不下，P2P平臺信息披露不充分、平臺“跑路”“爆雷”“提現(xiàn)困難”等風險違約事件頻頻發(fā)生。這不僅向投資者傳遞了強烈的違約風險信號，而且風險自身還具有較強的溢出效應，尤其會在行業(yè)內(nèi)進行橫向傳遞，這必將提高投資者對網(wǎng)貸行業(yè)內(nèi)其他平臺機構(gòu)違約風險的預期和估值，也勢必會降低投資者出借意愿與信心。理論上講，投資者根據(jù)行業(yè)風險變動情況主動調(diào)節(jié)自我風險承擔意愿及水平，是投資者在表達對未來市場的預期，可以說是一種主觀信心下規(guī)避風險的有效途徑。與此同時，互聯(lián)網(wǎng)的發(fā)展變革了信息傳播技術(shù)，互聯(lián)網(wǎng)社交媒體和傳統(tǒng)媒體的不同之處在于，為原本處于信息受眾地位的人們提供了更加廣泛、及時、低成本的交互手段。信息傳播媒介在傳播信息時，不是對信息的簡單復制，還會溢出情緒，并影響其他投資者行為。百度搜索等互聯(lián)網(wǎng)技術(shù)能夠跨時空，將眾多投資者凝聚到一起，當較多投資者在網(wǎng)絡(luò)借貸論壇發(fā)布并查閱信息源時，就可能形成過度悲觀的情緒，導致更多投資者抽離P2P市場。這種風險感知意識的背后可能還含有“情緒溢出”效應。

從列(4)中收益率水平(Interest)的估計系數(shù)結(jié)果來看，收益率水平(Interest)與投資者信心之間呈現(xiàn)顯著的負相關(guān)關(guān)系，這可能與我國網(wǎng)貸行業(yè)自身特征和發(fā)展所處的特殊時期有關(guān)。我國P2P行業(yè)一直風險高發(fā)，綜合收益率虛高的“龐氏騙局”一直備受詬病。近年來，伴隨著“跑路”、失聯(lián)的平臺越來越多，高收益平臺與高風險相伴，投資者可能會更加謹慎，對收益率較高水平的平臺反而會持有“退避三舍”心態(tài)。從平臺特征來看，列(1)～列(4)的回歸結(jié)果均顯示，投資者對運營時間(Operating)越長、注冊資本(Capital)規(guī)模越大的平臺越有信心，其交易量也越大，這與平臺資本雄厚和經(jīng)營能力有關(guān)。從股東背景來看，股東背景對交易量的點估計系數(shù)均在1%的水平上顯著為正，這意味著網(wǎng)貸平臺為國有企業(yè)、上市公司、金融機構(gòu)、私募/風險投資則越受投資者青睞，這主要是因為國有企業(yè)、上市公司、金融機構(gòu)在業(yè)務(wù)開展過程中受到的監(jiān)管約束更為嚴格，商譽更好；私募/風險投資則具有更專業(yè)的投資風險識別能力和股權(quán)管理能力，實力相對較強，入股的商業(yè)性動機較好。因此，在行業(yè)風險沖擊情況下，投資者更加對有國有企業(yè)、風投背景等平臺抵御行業(yè)風險帶來的不利影響有信心。

從網(wǎng)貸平臺風險管控與合規(guī)性來看，無論是未完全控制其他變量的單獨回歸列(1)～列(3)，還是納入所有控制變量的聯(lián)合回歸列(4)，資金存管(Depository)、ICP備案(ICP)、行業(yè)協(xié)會組織(Association)、債權(quán)轉(zhuǎn)換機制(Exchange)和風險紓緩機制(Guarantee)均與交易量呈現(xiàn)顯著的正相關(guān)性，這也表明網(wǎng)貸平臺風險管控水平和合規(guī)性程度越高，越容易獲得投資者的青睞與信賴。網(wǎng)絡(luò)借貸行業(yè)風險直接給市場帶來了不確定性環(huán)境，而持有資金存管、ICP備案牌照的平臺側(cè)面反映了經(jīng)營實力，因此能從“安全性”視角能吸引眾多投資者。從列(1)～列(4)的估計系數(shù)結(jié)果來看，債權(quán)轉(zhuǎn)換機制(Exchange)、風險紓緩機制(Guarantee)雖然都作為平臺確保投資者資金安全性的措施，但是債權(quán)轉(zhuǎn)換機制與交易量的系數(shù)，明顯大于風險紓緩機制與交易量的系數(shù)，這主要是因為就網(wǎng)絡(luò)借貸行業(yè)風險，投資者更加注重本金的安全性與流動性，而債權(quán)轉(zhuǎn)換機制剛好滿足了投資者“剛性兌付”的需求。進一步地，如表2中回歸結(jié)果所示，在控制其他變量的因素下，列(4)的R2分別由列(1)～列(3)的0.290、0.436、0.436 提升至0.522，其控制變量在各顯著性水平均無明顯變化，說明本文變量的選取具有較強的解釋力度。

(三)網(wǎng)絡(luò)借貸行業(yè)風險與收益率水平的回歸結(jié)果分析

表3列示了網(wǎng)絡(luò)借貸行業(yè)風險與收益率水平的回歸結(jié)果。其中，列(1)結(jié)果顯示，網(wǎng)絡(luò)借貸行業(yè)風險(L.Riskrate)對收益率水平(Interest)的點估計系數(shù)為0.075，且在1%的置信水平上顯著，這意味著網(wǎng)絡(luò)借貸行業(yè)風險會提高投資者參與市場時得到的“風險補償”價值。理論上講，“風險補償”符合風險資產(chǎn)溢價的基本邏輯。網(wǎng)絡(luò)借貸行業(yè)風險會促使網(wǎng)貸投資者對網(wǎng)貸公司繼續(xù)發(fā)行P2P債權(quán)信用風險給予更高的預期估值，由此導致投資者以索取更高風險溢價的方式補償可能的風險損失，并最終造成網(wǎng)貸平臺收益率水平在行業(yè)風險溢出效應較大時會相應地有所提高。列(2)在控制了平臺特征后，投資者風險感知(L.Baiduindex)對Interest的點估計系數(shù)為0.284，且在1%的置信水平上顯著，這意味著投資者風險感知越強，越能在網(wǎng)貸市場獲得越高的風險溢酬。進一步地，列(4)控制所有變量后，發(fā)現(xiàn)L.Riskrate、L.Baiduindex對Interest收益率水平的影響都有所提升，且L.Riskrate與L.Baiduindex交叉項的點估計系數(shù)呈現(xiàn)出顯著的正向效應。這表明，當投資者風險感知強度不存在時，每單位行業(yè)風險對收益率水平的增強效應為0.079，而當風險感知強度存在時，風險感知強度每上升一個單位會導致每單位行業(yè)風險對收益率水平的增強效應變動為0.129(0.079+0.050=0.129)，即風險感知強度的存在，顯著增強了網(wǎng)貸行業(yè)間風險溢出效應對收益率水平的“風險補償”效應。據(jù)此，假設(shè)H3和假設(shè)H4得到驗證。

表3 網(wǎng)絡(luò)借貸行業(yè)風險對平臺收益率水平影響的回歸結(jié)果

究其原因，當網(wǎng)貸平臺集體“風險跑路”和“提現(xiàn)困難”等違約事件頻發(fā)后，投資者將更加擔憂行業(yè)成長的不確定性；其次，頻繁發(fā)生的違約事件將向市場集中釋放出更多的風險信息和噪音，由此增加資本市場信息不對稱程度以及投資者準確獲取公司信息的難度，進而會提高投資者人預期的風險補償水平；最后，違約事件的連續(xù)爆發(fā)將可能引致相關(guān)P2P金融穩(wěn)定政策的出臺，進而加大現(xiàn)有平臺經(jīng)營業(yè)務(wù)的不確定與難度。因此，網(wǎng)絡(luò)借貸行業(yè)風險的加劇會加深投資者負面情緒并提高預期風險回報，促使投資者索要一定的“風險補償”或“風險溢價”。網(wǎng)絡(luò)借貸行業(yè)風險之所以會通過風險感知作用于投資者索取的更高風險補償，這主要是源于這類投資者不僅能夠利用互聯(lián)網(wǎng)技術(shù)得到一些有價值的私有或共有信息，進而通過自身努力能夠獲得一些超額回報；而且風險感知也可能通過自身或者投資者情緒傳遞在無形或有形中，加強了投資者風險態(tài)度與風險意識，當不確信程度與投資者情緒傳染較高時，風險溢價在資產(chǎn)價格中占比較大。

(四)穩(wěn)健性檢驗

為了保證研究結(jié)論的可靠性，本文運用以下方法進行穩(wěn)健性檢驗⑥：更換關(guān)鍵變量的衡量指標。采用人均投資金額指標替換投資者信心，采用超額收益率(當月各個網(wǎng)貸平臺的綜合收益率水平減去同期網(wǎng)絡(luò)借貸行業(yè)的綜合收益率)替換收益率水平，并對上述假設(shè)重新進行回歸分析與驗證，結(jié)果見表4。

表4 穩(wěn)健性檢驗：更換關(guān)鍵變量法

表4的列(1)～列(4)顯示，網(wǎng)絡(luò)借貸行業(yè)風險(L.Riskrate)、以百度搜索代表的風險感知指數(shù)(L.Baiduindex)對成交量(Volume)的代理變量人均投資金額的點估計系數(shù)均在1%的置信水平上顯著為負，這說明網(wǎng)絡(luò)借貸行業(yè)風險顯著降低了投資者在不同網(wǎng)貸平臺投資水平與信心；隨著投資者風險感知地加強，投資者對于網(wǎng)絡(luò)借貸平臺的交易量也明顯降低。表中的核心解釋變量與控制變量的符號與顯著性水平基本保持不變，這也說明表2的結(jié)果是穩(wěn)健的。

如表4的列(5)～列(8)展示了網(wǎng)絡(luò)借貸行業(yè)風險對溢價利差回歸結(jié)果。具體而言，L.Riskrate、L.Baiduindex與交互項對收益率水平(Interest)均呈現(xiàn)顯著的正向影響，表明網(wǎng)絡(luò)借貸行業(yè)風險越大時，投資者風險感知對溢價利差的風險補償越高。其他核心解釋變量與控制變量的符號與顯著性水平基本保持不變，這表明表3的結(jié)果是穩(wěn)健的。

五、結(jié)論與建議

近年來，網(wǎng)絡(luò)借貸行業(yè)連續(xù)爆發(fā)的平臺“跑路”“擠兌”等風險事件已成為社會各界關(guān)注的焦點，這類風險事件不僅給廣大投資者造成了巨大損失，而且對于網(wǎng)絡(luò)借貸市場健康發(fā)展也構(gòu)成了直接的沖擊與潛在的威脅。本文借助2014—2019年176家P2P網(wǎng)貸平臺的微觀運營數(shù)據(jù)和Baidu搜索指數(shù)數(shù)據(jù)，采用面板固定效應模型實證檢驗了網(wǎng)絡(luò)借貸行業(yè)的風險指數(shù)與投資者信心之間的聯(lián)動關(guān)系。研究結(jié)果表明：網(wǎng)絡(luò)借貸行業(yè)風險抑制了網(wǎng)絡(luò)借貸投資者市場參與信心，且隨著網(wǎng)絡(luò)借貸行業(yè)風險指數(shù)的增加，網(wǎng)貸投資者所要求獲得的風險補償也越高，而風險感知渠道具有強化投資者信心與風險補償?shù)挠绊?。理論上講，網(wǎng)絡(luò)借貸投資者根據(jù)行業(yè)風險變動情況主動調(diào)節(jié)自我風險承擔意愿及水平，是網(wǎng)絡(luò)借貸投資者在表達對未來市場的預期，是一種主觀信心下規(guī)避風險的有效途徑。而在互聯(lián)網(wǎng)技術(shù)的加持下，信息傳播媒介在傳播信息時能夠跨時空，將眾多投資者凝聚到一起，當較多投資者在網(wǎng)絡(luò)借貸論壇發(fā)布并查閱信息源時，就可能形成過度悲觀的情緒，導致更多投資者抽離P2P市場。這種風險感知意識的背后可能還含有“情緒溢出”效應。此外，資金存管、ICP備案、風險紓緩機制等風控治理越規(guī)范的平臺，越容易受到網(wǎng)貸投資者的信任，索要的風險補償更低。在網(wǎng)絡(luò)借貸行業(yè)風險沖擊情況下，有資金存管、ICP備案、國有風投背景等平臺抗風險能力更強，投資者在考慮風險沖擊帶來的不利影響時，對這部分平臺更有信心。

本文的研究不僅有效補充了網(wǎng)絡(luò)借貸行業(yè)風險溢出效應及其經(jīng)濟后果的研究范疇，而且為投資者和相關(guān)部門推進規(guī)范網(wǎng)貸行業(yè)治理提供了行之有效的政策建議。第一，進一步規(guī)范行業(yè)發(fā)展，加強P2P網(wǎng)絡(luò)借貸基礎(chǔ)設(shè)施與制度建設(shè)。對于監(jiān)管機構(gòu)而言，應建立并不斷完善P2P產(chǎn)業(yè)信息披露制度，提升產(chǎn)業(yè)透明度，推進P2P平臺有序進出，提高市場清潔度；對于平臺而言，應密切關(guān)注行業(yè)新規(guī)出臺，緊隨行業(yè)監(jiān)管要求，不斷提高自身的合規(guī)程度，實時披露信息，促使自身健康發(fā)展，以增強借貸雙邊用戶的黏性。第二，建立網(wǎng)絡(luò)借貸網(wǎng)絡(luò)輿情預警機制。數(shù)字經(jīng)濟時代下，網(wǎng)絡(luò)借貸行業(yè)風險的溢出效應迅速并廣泛，盡管網(wǎng)絡(luò)借貸投資者擁有一定的風險感知能力，但并非完全理性。在移動互聯(lián)網(wǎng)大數(shù)據(jù)背景下，網(wǎng)絡(luò)借貸投資者情緒極易引致市場恐慌，甚至引發(fā)區(qū)域金融或系統(tǒng)性風險，這要求相關(guān)部門建立網(wǎng)絡(luò)借貸網(wǎng)絡(luò)輿情預警機制，以化解和應對極端危機所采取的必要、有效行動。第三，實施“穿透式”風險監(jiān)管，使金融監(jiān)管和風險排查跟上金融創(chuàng)新的步伐，形成金融科技與金融監(jiān)管系統(tǒng)長效的監(jiān)管體系。

注 釋：

①數(shù)據(jù)來源于網(wǎng)貸之家《P2P網(wǎng)貸行業(yè)2019年10月月報》。其中，問題平臺歷史累計涉及的投資者數(shù)量約為301.2萬人是不考慮去重情況下得到。

②網(wǎng)貸平臺所吸納的投資金額，考慮到消除量綱的差異及解決回歸異方差問題，在回歸時作自然對數(shù)處理，對于存在零值的變量，加1后再取其對數(shù)。

③本文對關(guān)鍵詞的提取選用文本分析方法，主要考慮能夠反映網(wǎng)絡(luò)借貸者投資意向的關(guān)鍵詞，考慮到數(shù)據(jù)的可獲得性和數(shù)據(jù)質(zhì)量，本文選取了“可靠嗎”“可信嗎”“靠譜嗎”“安全嗎”“怎么樣”5個關(guān)鍵詞。其中，特定網(wǎng)絡(luò)借貸名稱涵蓋“人人貸”“拍拍貸”等平臺機構(gòu)，由于中國網(wǎng)絡(luò)借貸平臺存在更名的情況，很多網(wǎng)絡(luò)借貸投資者可能會使用過去的名稱。本文除了使用當期的網(wǎng)絡(luò)借貸名稱，還加上了該網(wǎng)絡(luò)借貸名稱在本次更名前的名稱當月被搜索的次數(shù)，以保證真實反映特定網(wǎng)絡(luò)借貸名稱通過不同方式被搜索到的情況。考慮到抓取數(shù)據(jù)的重復性與關(guān)聯(lián)性，本文借鑒徐映梅、高一鳴(2017)的做法，對某一特定網(wǎng)絡(luò)借貸平臺名稱+關(guān)鍵詞進行搜索熱度扁平化處理，之后對逐日數(shù)據(jù)降頻為月度數(shù)據(jù)。

④根據(jù)網(wǎng)貸之家數(shù)據(jù)分類，平臺背景主要分為民營系、上市公司系、銀行系和國資系四種類型，由于銀行系和國資系平臺數(shù)目總體占比較少，這里借鑒王修華等(2016)的做法，將國資系、上市系、風投系背景的平臺歸為一類。

⑤⑥由于文本篇幅受限，結(jié)果未予以示列，若有需要可向作者索取。