信貸波動(dòng)與債務(wù)期限選擇①
——基于網(wǎng)貸市場(chǎng)微觀數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)

黃文禮, 曾海艦

(1.浙江財(cái)經(jīng)大學(xué)中國(guó)金融研究院，杭州 310018；2.廣西大學(xué)商學(xué)院，南寧 530004)

0 引 言

在信貸周期波動(dòng)中，借款人的債務(wù)期限選擇是否存在某種周期性模式？債務(wù)期限決策是個(gè)人與公司金融理論中的基礎(chǔ)性問(wèn)題.從Flannery[1]以及Diamond[2]開(kāi)始的一系列研究中，隱含著假定信貸市場(chǎng)存在任意數(shù)量的資金供給，在此前提下考察借款人信用風(fēng)險(xiǎn)等級(jí)與其債務(wù)期限選擇之間的內(nèi)在聯(lián)系.但現(xiàn)實(shí)的信貸市場(chǎng)中，資金供給受到多種外部宏觀因素的制約，特別是受到總體貨幣信貸波動(dòng)狀況的影響；而對(duì)于不同信用風(fēng)險(xiǎn)等級(jí)的借款人，信貸供給沖擊所引致的期限選擇周期性效應(yīng)也必然存在差異.同時(shí)，自2008年全球金融危機(jī)以來(lái)，對(duì)于信用評(píng)級(jí)是否能夠真正反映借款人的真實(shí)信用風(fēng)險(xiǎn)有著諸多爭(zhēng)議，這使得信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限之間的聯(lián)系更為復(fù)雜.本文利用2011年～2017年一家大型網(wǎng)貸平臺(tái)的貸款訂單層面數(shù)據(jù)，考察信貸波動(dòng)對(duì)不同信用風(fēng)險(xiǎn)等級(jí)借款人債務(wù)期限選擇的影響，專門關(guān)注其中占比最大的信用評(píng)級(jí)邊際借款人群體的期限選擇行為.研究從兩個(gè)方面放松了現(xiàn)有債務(wù)期限文獻(xiàn)的假定前提：一是承認(rèn)信貸市場(chǎng)存在資金供給約束，二是認(rèn)可信貸主體的信用評(píng)級(jí)可能存在一定程度扭曲.研究有助于識(shí)別信貸市場(chǎng)供給面因素對(duì)經(jīng)濟(jì)行為主體債務(wù)期限決策的影響效應(yīng)，也有助于認(rèn)識(shí)到某些現(xiàn)實(shí)扭曲因素可能產(chǎn)生的信貸資源配置后果，進(jìn)而對(duì)我國(guó)貨幣政策的微觀傳導(dǎo)效應(yīng)有更清晰更全面的理解.

首先考察了網(wǎng)貸平臺(tái)2011年～2017年信用評(píng)級(jí)分布狀況，發(fā)現(xiàn)位于A級(jí)最低分?jǐn)?shù)線(180分)的借款樣本出現(xiàn)群集現(xiàn)象，這部分樣本占總樣本的50.42%，占借款成功樣本的93.56%，定義這部分借款人群體為網(wǎng)貸評(píng)級(jí)邊際借款人.從4個(gè)方面論證了該部分借款人群體實(shí)際屬于Diamond[2]所提及的中等信用風(fēng)險(xiǎn)群體，并不是真正的低風(fēng)險(xiǎn)借款人.接著考察邊際借款人群體在信貸波動(dòng)中的表現(xiàn).如果他們屬于中等信用風(fēng)險(xiǎn)借款人，可以預(yù)期當(dāng)信貸寬松時(shí)，網(wǎng)貸市場(chǎng)資金供給充足，這部分借款人將會(huì)偏好更長(zhǎng)的借款期限，這樣可以避免將來(lái)可能出現(xiàn)的債務(wù)展期風(fēng)險(xiǎn).而在信貸緊縮時(shí)，網(wǎng)貸資金優(yōu)先流向真正低風(fēng)險(xiǎn)的借款人，因此邊際借款人的借款期限被壓縮的幅度也將會(huì)比較大.選擇月度人民幣貸款同比增長(zhǎng)率以及銀行同業(yè)拆借利率，作為度量信貸波動(dòng)的基礎(chǔ)變量，前者度量信貸資金總量狀況，后者度量信貸成本高低.兩種度量方式的回歸分析結(jié)果均顯示信貸波動(dòng)對(duì)邊際借款人群體借款期限具有顯著的順周期影響，即信貸擴(kuò)張時(shí)，相對(duì)其他借款人，該群體借款期限增長(zhǎng)更大，而信貸收縮時(shí)借款期限減少也更多.以貸款增長(zhǎng)率度量，相對(duì)其他群體借款人，該群體在信貸高增長(zhǎng)時(shí)期與低增長(zhǎng)時(shí)期的借款期限變動(dòng)幅度達(dá)到42.5%；以銀行拆借利率度量，相對(duì)其他群體借款人，該群體的借款期限變動(dòng)幅度為15.5%，均具有較強(qiáng)的經(jīng)濟(jì)顯著性.同時(shí)也考察了信貸波動(dòng)對(duì)其他信用風(fēng)險(xiǎn)等級(jí)借款人債務(wù)期限選擇的影響，但沒(méi)有發(fā)現(xiàn)存在一致的順周期行為.為了避免以上結(jié)論受到樣本分布不均衡的影響(其他群體借款樣本相對(duì)比重較少)，從邊際借款人群體樣本中隨機(jī)抽取1 000個(gè)與其他群體樣本數(shù)量相同的樣本重新進(jìn)行回歸分析,所得到的各項(xiàng)變量系數(shù)分布顯示絕大部分回歸系數(shù)估計(jì)值和顯著性與原樣本回歸結(jié)果是一致的，沒(méi)有明顯差異.還對(duì)可能存在的混淆因素進(jìn)行排除性檢驗(yàn)，并使用信貸波動(dòng)的替代變量進(jìn)行穩(wěn)健性檢驗(yàn)，發(fā)現(xiàn)與原回歸所得結(jié)論是一致的.

接著考察信貸波動(dòng)影響邊際借款人群體債務(wù)期限選擇的兩個(gè)機(jī)制：融資約束效應(yīng)與替代效應(yīng).實(shí)證檢驗(yàn)結(jié)果發(fā)現(xiàn)中等融資約束程度的邊際借款人期限選擇受到信貸波動(dòng)的影響最大，而低融資約束和高融資約束邊際借款人的期限選擇幾乎不受影響.這些經(jīng)驗(yàn)證據(jù)表明融資約束效應(yīng)是存在的，信貸波動(dòng)的順周期效應(yīng)與借款人融資約束程度密切相關(guān).從兩方面檢驗(yàn)替代效應(yīng)發(fā)現(xiàn)：一是借款人所處地區(qū)銀行機(jī)構(gòu)數(shù)量越多，邊際借款人期限決策受到信貸波動(dòng)的影響就越大；二是邊際借款人所處地區(qū)季度信貸增量越高，其借款期限就越長(zhǎng).說(shuō)明可替代的銀行融資渠道越豐富，越有助于邊際借款人在網(wǎng)貸市場(chǎng)上取得更優(yōu)惠的借款條件.

現(xiàn)有的債務(wù)期限研究基本上沿著Flannery[1]和Diamond[2]所關(guān)注的問(wèn)題——信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限的關(guān)系——進(jìn)行各種探討.Flannery認(rèn)為低信用風(fēng)險(xiǎn)的借款人偏好選擇短期借款，因?yàn)槔食杀据^低，而高信用風(fēng)險(xiǎn)借款人偏好選擇長(zhǎng)期借款，因?yàn)榭梢怨?jié)省債務(wù)展期交易成本.Diamond假定投資者對(duì)借款人有初始的信用風(fēng)險(xiǎn)等級(jí)評(píng)定，但不了解借款人項(xiàng)目的私人信息，而是從借款人的期限選擇中判斷項(xiàng)目?jī)衄F(xiàn)值是否為負(fù).為了避免投資者正確識(shí)別出不利信息的借款人，所有風(fēng)險(xiǎn)等級(jí)借款人的期限選擇都會(huì)與項(xiàng)目?jī)衄F(xiàn)值為正時(shí)的期限選擇相同：低風(fēng)險(xiǎn)等級(jí)借款人選擇短期借款(因?yàn)槔食杀镜?，中等風(fēng)險(xiǎn)等級(jí)借款人選擇長(zhǎng)期貸款(避免到期無(wú)法展期)，高風(fēng)險(xiǎn)等級(jí)借款人則可以被提供短期借款(如果投資者認(rèn)為清算收益足夠高).以上理論均假定借款人的債務(wù)期限選擇顯示了其關(guān)于項(xiàng)目運(yùn)營(yíng)實(shí)際情況的私人信息，為此，Goyal和Wang[3]考察了債券期限與其后信用風(fēng)險(xiǎn)變動(dòng)之間的關(guān)系，發(fā)現(xiàn)短期債券發(fā)行之后企業(yè)信用風(fēng)險(xiǎn)趨于下降，而長(zhǎng)期債券發(fā)行之后企業(yè)信用風(fēng)險(xiǎn)上升了，說(shuō)明借款人期限選擇實(shí)際包含了其項(xiàng)目未來(lái)時(shí)期的私人信息，借款人信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限呈線性正相關(guān).還有一些研究考察了影響債務(wù)期限選擇的其他因素：Chen等[4]的理論模型顯示企業(yè)債務(wù)期限選擇存在順周期模式，而且對(duì)系統(tǒng)風(fēng)險(xiǎn)敏感性強(qiáng)的企業(yè)，更傾向于選擇更長(zhǎng)的債務(wù)期限；Diamond等[5]則指出，當(dāng)企業(yè)預(yù)期行業(yè)流動(dòng)性充裕時(shí)，更傾向于長(zhǎng)期借款，但這將容易導(dǎo)致行業(yè)不景氣時(shí)期出現(xiàn)更多不良貸款.但這些研究都沒(méi)有明確涉及信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限結(jié)構(gòu)之間的聯(lián)系.

關(guān)于以上理論的正式檢驗(yàn)，影響比較大的有如下兩項(xiàng)研究：一是Guedes和Opler[6]，他們考察了7 369只公司債券的發(fā)行數(shù)據(jù)，發(fā)現(xiàn)低風(fēng)險(xiǎn)企業(yè)更多發(fā)行短期和長(zhǎng)期債券，而高風(fēng)險(xiǎn)企業(yè)則偏向發(fā)行中期債券，部分符合Diamond[2]的理論推斷.二是Berger等[7]，他們利用53家銀行的6 000多個(gè)商業(yè)貸款數(shù)據(jù)全面檢驗(yàn)了Flannery[1]和Diamond[2]的理論預(yù)言，發(fā)現(xiàn)低風(fēng)險(xiǎn)借款人更偏向于選擇短期借款，而高風(fēng)險(xiǎn)借款人更偏向選擇長(zhǎng)期借款，這與Diamond的研究結(jié)論有矛盾，但符合Flannery的論斷.他們指出，主要原因可能在于使用的數(shù)據(jù)是銀行信貸數(shù)據(jù)，而不是公開(kāi)的信貸市場(chǎng)數(shù)據(jù)，銀行對(duì)借款人有較強(qiáng)的監(jiān)控能力，因此并不需要通過(guò)縮短借款期限以緩解信用風(fēng)險(xiǎn).研究者特別關(guān)注信息不對(duì)稱在信用風(fēng)險(xiǎn)等級(jí)-債務(wù)期限關(guān)系中所起的作用.Berger等[7]發(fā)現(xiàn)減少信息不對(duì)稱程度有助于增加低風(fēng)險(xiǎn)借款人的債務(wù)期限，但減少了高風(fēng)險(xiǎn)借款人的債務(wù)期限.Kirschenmann和Norden[8]同樣發(fā)現(xiàn)當(dāng)信息不對(duì)稱程度高時(shí)，信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限之間的單調(diào)正相關(guān)性更強(qiáng).可以看到，現(xiàn)有文獻(xiàn)基本沒(méi)有涉及信貸資金供給約束的作用.與本文主題有關(guān)的只有Mian和Santos[9]，他們指出信貸擴(kuò)張時(shí)，公司傾向于提前償債并重新融資，從而縮短公司債務(wù)期限；相對(duì)于高風(fēng)險(xiǎn)公司，低風(fēng)險(xiǎn)公司對(duì)信貸循環(huán)波動(dòng)的期限敏感性更強(qiáng).

利用P2P網(wǎng)貸市場(chǎng)的貸款數(shù)據(jù)，因而也與目前日益蓬勃發(fā)展的互聯(lián)網(wǎng)金融研究有關(guān).目前關(guān)于網(wǎng)貸市場(chǎng)的實(shí)證研究，主要關(guān)注借款人特征與借款利率、借款成功率以及違約概率之間的聯(lián)系.如Duarte等[10]發(fā)現(xiàn)借款人相貌影響其信用分?jǐn)?shù)和借款成功率；Lin等[11]發(fā)現(xiàn)借款人與投資者之間的社會(huì)聯(lián)系影響其借款成功率、利率以及違約率；李焰等[12]和廖理等[13]均發(fā)現(xiàn)借款人的借款描述信息量與借款成功率正相關(guān)；廖理等[14]發(fā)現(xiàn)人人貸平臺(tái)上借款人學(xué)歷越高，借款違約率就越低；胡金焱和李建文[15]指出網(wǎng)貸市場(chǎng)中來(lái)自政府部分的借款人更容易獲得貸款.還有一些文獻(xiàn)討論了互聯(lián)網(wǎng)金融在經(jīng)濟(jì)體系中的應(yīng)用以及產(chǎn)生的影響[16,17]，但與本文關(guān)系不大，不再贅述.只有少量文獻(xiàn)關(guān)注到信貸資金供給面因素對(duì)網(wǎng)貸市場(chǎng)的影響：Butler等[18]顯示如果借款人所處地區(qū)的銀行信貸供給較充足，則其在網(wǎng)貸市場(chǎng)上能夠獲得較優(yōu)惠的貸款利率；Tang[19]利用2011年美國(guó)銀行規(guī)制變動(dòng)作為銀行信貸供給變動(dòng)的外生沖擊，發(fā)現(xiàn)網(wǎng)貸與銀行信貸是互為替代關(guān)系.但所有這些研究都沒(méi)有涉及到網(wǎng)貸市場(chǎng)中的債務(wù)期限選擇問(wèn)題.

相對(duì)于現(xiàn)有文獻(xiàn)，本文有3個(gè)方面的貢獻(xiàn)：一是首次基于我國(guó)數(shù)據(jù)考察了信貸波動(dòng)與債務(wù)期限之間的周期性關(guān)系，提供了信貸資金供給約束影響債務(wù)期限選擇的經(jīng)驗(yàn)證據(jù)；二是發(fā)現(xiàn)不同信用風(fēng)險(xiǎn)等級(jí)的借款人，對(duì)于信貸波動(dòng)的敏感程度有較明顯差異，拓展了現(xiàn)有文獻(xiàn)關(guān)于信用風(fēng)險(xiǎn)等級(jí)-債務(wù)期限關(guān)系的研究；三是發(fā)現(xiàn)我國(guó)網(wǎng)貸市場(chǎng)信用評(píng)級(jí)存在明顯扭曲現(xiàn)象，大量A級(jí)借款人實(shí)際屬于風(fēng)險(xiǎn)較高的借款人，這很可能造成了信貸資金的不合理配置，損害投資者利益(1)由于網(wǎng)貸平臺(tái)普遍缺乏提前攤還機(jī)制，一旦爆發(fā)風(fēng)險(xiǎn)，投資者利益難以得到有效保障[27]..

2 信用風(fēng)險(xiǎn)群體識(shí)別以及可檢驗(yàn)假設(shè)

2.1 信用風(fēng)險(xiǎn)群體識(shí)別

使用的主體樣本數(shù)據(jù)來(lái)自我國(guó)最大的P2P網(wǎng)貸平臺(tái)之一：人人貸.人人貸為每一個(gè)貸款訂單的借款人都做了信用評(píng)估，給予相應(yīng)的信用分值.在人人貸網(wǎng)貸平臺(tái)中，根據(jù)借款人信用得分情況，借款人信用等級(jí)劃分為7個(gè)等級(jí)：AA、A、B、C、D、E以及HR，信用風(fēng)險(xiǎn)最低的是AA級(jí)，信用風(fēng)險(xiǎn)最高的為HR級(jí).借款人信用分?jǐn)?shù)與信用等級(jí)的對(duì)應(yīng)關(guān)系見(jiàn)表1.

表1 信用分?jǐn)?shù)與信用等級(jí)

為了直觀地表示出信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限之間的統(tǒng)計(jì)關(guān)系，在圖1中列出了借款期限在每個(gè)信用分?jǐn)?shù)上的分布狀況，圖中的圓圈大小代表該信用分值上樣本所占的權(quán)重，權(quán)重越大則圓圈也越大.

(a)全部樣本

從圖1(a)可以看到大量樣本聚集在180分處，而180分剛好是達(dá)到A級(jí)所需要的最低分?jǐn)?shù)線，此外在181分處也有較多樣本聚集；同時(shí)，也有大量樣本聚集在100分以下，即聚集于屬于HR級(jí)的區(qū)間.而A到HR之間信用分?jǐn)?shù)所對(duì)應(yīng)的樣本分布相當(dāng)稀疏，180分以上的樣本分布也很稀薄.這種“A-HR”分布特征并非只是本文樣本特有的情況，在王會(huì)娟和廖理[20]以及吳雨等[21]的樣本描述中都提及類似現(xiàn)象：參考文獻(xiàn)[20]收集了53 653個(gè)樣本，其中A級(jí)樣本占比為26%，HR級(jí)樣本占比為73%；參考文獻(xiàn)[21]收集了318 605個(gè)樣本，其中A級(jí)以上的樣本占比為93.9%.對(duì)比他們的樣本量，本文所收集到的樣本數(shù)量更多，但同樣顯示出了明顯的“A-HR”分布不均衡特征，可以斷言這種分布特征并非來(lái)自于樣本采集不均衡所致，而是網(wǎng)貸平臺(tái)信用評(píng)級(jí)所呈現(xiàn)出來(lái)的一般性分布模式.圖1(b)描述了借款成功樣本的分布狀況，可以看到HR級(jí)群集現(xiàn)象已經(jīng)完全消失，而180分上的群集規(guī)模幾乎保持不變，說(shuō)明HR級(jí)借款成功率極低，而A級(jí)借款成功率非常高，這與王會(huì)娟和廖理[20]的觀察是一致的.

圖1(a)和圖1(b)均顯示出位于180分線上樣本的平均借款期限明顯高于其他信用分值所對(duì)應(yīng)的平均借款期限16個(gè)月以上，但圖1(b)顯示在借款成功條件下，除181分處之外的其他信用分?jǐn)?shù)的借款期限差異相當(dāng)微弱.借款成功是信貸市場(chǎng)均衡的結(jié)果，然而發(fā)現(xiàn)圖1(b)所顯示的信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限關(guān)系與Flannery[1]和Diamond[2]關(guān)于信貸市場(chǎng)均衡的推斷都存在一定的矛盾之處.Flannery認(rèn)為信貸市場(chǎng)最終形成信用風(fēng)險(xiǎn)與債務(wù)期限正相關(guān)的局面，但從圖1(b)看，信用風(fēng)險(xiǎn)較低的180分和181分群體，其借款期限明顯高于信用風(fēng)險(xiǎn)較大群體，這與Flannery的結(jié)論是矛盾的.Diamond認(rèn)為均衡時(shí)會(huì)呈現(xiàn)出中等風(fēng)險(xiǎn)群體選擇長(zhǎng)期借款，低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)群體選擇短期借款的倒U形關(guān)系，但如果把A級(jí)和AA級(jí)借款人歸入低風(fēng)險(xiǎn)群體，則很明顯圖1(b)也不符合Diamond的論斷.

Diamond[2]將借款人風(fēng)險(xiǎn)等級(jí)分為高風(fēng)險(xiǎn)、中等風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)3類，其中如果一個(gè)借款人以很高(很低)概率接觸到1個(gè)凈現(xiàn)值為負(fù)的項(xiàng)目，則稱其為高(低)風(fēng)險(xiǎn)借款人；如果接觸到凈現(xiàn)值為負(fù)或正項(xiàng)目的概率差不多，則為中等風(fēng)險(xiǎn)借款人.因而，所謂中等風(fēng)險(xiǎn)借款人可以視為其借款有一定信用風(fēng)險(xiǎn)(如果項(xiàng)目?jī)衄F(xiàn)值為負(fù))，但是仍有一定的償還能力的借款人(如果項(xiàng)目?jī)衄F(xiàn)值為正).Berger 等[7]將借款人按照信用分?jǐn)?shù)分為4級(jí)，第一級(jí)為低風(fēng)險(xiǎn)借款人，第二和第三級(jí)為中等風(fēng)險(xiǎn)借款人，第四級(jí)為高風(fēng)險(xiǎn)借款人.在人人貸網(wǎng)貸平臺(tái)中A級(jí)以上借款人的借款成功率達(dá)到99%以上，可見(jiàn)網(wǎng)貸市場(chǎng)普遍視其為有穩(wěn)定還款來(lái)源的低風(fēng)險(xiǎn)借款人；而HR級(jí)借款人的借款成功率僅為1.98%，可見(jiàn)網(wǎng)貸市場(chǎng)普遍視其為缺乏還款能力的高風(fēng)險(xiǎn)借款人；雖然居中的B、C、D和E級(jí)借款人的借款成功率在60%左右，但這部分樣本總量?jī)H占1.83%，幾乎可以忽略不計(jì).這些樣本分布特征與現(xiàn)有文獻(xiàn)中中等風(fēng)險(xiǎn)借款人分布描述存在很大出入[7,10,22].然而從圖1可以看到，在信用分?jǐn)?shù)180分處出現(xiàn)非常明顯的樣本聚集，基于以下4方面理由，可以認(rèn)為將信用分?jǐn)?shù)180分群體(或者加上181分群體)借款人視為中等信用風(fēng)險(xiǎn)等級(jí).

1)圖1顯示的網(wǎng)貸平臺(tái)信用等級(jí)樣本分布不合理，人為操縱的嫌疑很大.在Iyer等[22]中，AA至HR級(jí)樣本占比分別為4.4%、5.5%、8.2%、13.6%、17.8%、16.4%以及34.3%，而在 Duarte[10]中，AA至HR級(jí)樣本占比分別為2.45%、2.82%、4.56%、8.6%、13.06%、18.36%以及49.48%.可看到，這兩項(xiàng)研究的信用等級(jí)樣本分布盡管在HR級(jí)中出現(xiàn)群集現(xiàn)象，但是在AA級(jí)至E級(jí)之間的分布是比較均勻的，有漸進(jìn)遞增的趨勢(shì).這符合信貸市場(chǎng)一般狀況：高質(zhì)量借款人數(shù)量相對(duì)占比較少，低質(zhì)量借款人占比較多.而人人貸平臺(tái)上的樣本分布顯示接近52%的借款樣本屬于A級(jí)借款人，與此前研究的信用等級(jí)樣本分布差異甚大，也不符合信貸市場(chǎng)借款人質(zhì)量分布的常理.退一步而言，即使確實(shí)存在大量低風(fēng)險(xiǎn)借款人，則A級(jí)群體中的信用分?jǐn)?shù)分布也應(yīng)該呈現(xiàn)出相對(duì)均勻模式，不至于出現(xiàn)邊界處過(guò)度群集，而實(shí)際上在A級(jí)樣本中邊界180分借款人占比超過(guò)97%.因而認(rèn)為180分借款人很可能不是真正低風(fēng)險(xiǎn)的借款人，只是被人為提升到了A級(jí).

2)網(wǎng)貸平臺(tái)有足夠的利益動(dòng)機(jī)將中等風(fēng)險(xiǎn)借款人的信用等級(jí)提升到A級(jí).網(wǎng)貸平臺(tái)收益主要來(lái)自平臺(tái)借貸交易成功后的手續(xù)費(fèi)，而從圖1以及王會(huì)娟和廖理[20]等文獻(xiàn)都發(fā)現(xiàn)借款人信用等級(jí)與借款成功率呈正相關(guān)，A級(jí)以上借款成功率接近100%.在本文樣本中A級(jí)借款成功率是99.97%，而B(niǎo)至HR級(jí)的借款成功率分別為65.6%、60.83%、60.16%、57.36%以及1.98%.在人人貸網(wǎng)站上投資人并不會(huì)看到借款人具體的信用分?jǐn)?shù),只能看到信用等級(jí)(2)這個(gè)情況與Iyer等[22]是一致的，他們也發(fā)現(xiàn)Prosper投資者只能觀測(cè)到借款人的信用等級(jí)，無(wú)法觀測(cè)到實(shí)際的信用分?jǐn)?shù).，一旦借款人信用等級(jí)進(jìn)入A級(jí)，無(wú)論其分?jǐn)?shù)是最低180分還是更高分?jǐn)?shù)，其借款成功率幾乎沒(méi)有差異.因此，網(wǎng)貸平臺(tái)有足夠的利益動(dòng)機(jī)通過(guò)各種增信機(jī)制，盡可能將位于中等風(fēng)險(xiǎn)等級(jí)的借款人提升至A級(jí).但正由于這部分借款人實(shí)際狀況與真正低風(fēng)險(xiǎn)借款人差異較大，信用分值難以提升過(guò)多，最終造成了在A級(jí)最低分?jǐn)?shù)線上群集的現(xiàn)象.遲國(guó)泰和于善麗[23]指出現(xiàn)有信用評(píng)級(jí)方法存在一定的缺陷，導(dǎo)致信用等級(jí)邊界處兩端的借款人信用狀況區(qū)分模糊，但這只能解釋相鄰信用等級(jí)借款人質(zhì)量的混淆，無(wú)法解釋在信用等級(jí)邊界上出現(xiàn)如此高比例的借款人集聚.

3)如果將信用分?jǐn)?shù)180分的借款人視為低風(fēng)險(xiǎn)借款人，與既有理論不符，其原因在上面已經(jīng)做了具體說(shuō)明，不再贅言.相反，如果將該群體借款人歸類為中等風(fēng)險(xiǎn)借款人，則圖1所展示的信用風(fēng)險(xiǎn)等級(jí)與債務(wù)期限關(guān)系符合Diamond[2]的理論推斷.

4)相關(guān)回歸分析顯示信用分?jǐn)?shù)180分群體處于中間風(fēng)險(xiǎn)位置的可能性很高.表2提供了信用分?jǐn)?shù)180分群體與A級(jí)以下借款人、以及其他A級(jí)借款人在借款利率、貸款用途以及認(rèn)證數(shù)量方面的比較，所有回歸均控制了年月以及城市效應(yīng).可以看到信用分?jǐn)?shù)180分群體相對(duì)于A級(jí)以下借款人，具有較低利率水平；而相對(duì)于其他A級(jí)借款人，則具有較高利率水平.根據(jù)王會(huì)娟和廖理[20]，網(wǎng)貸利率部分包含了信用風(fēng)險(xiǎn)報(bào)酬，因而信用分?jǐn)?shù)180分群體的貸款利率在一定程度上反映了信貸市場(chǎng)對(duì)于這部分借款人的中等風(fēng)險(xiǎn)定位：與其他A級(jí)借款人相比，風(fēng)險(xiǎn)較高；但與A級(jí)以下借款人相比，風(fēng)險(xiǎn)較低.從表2還發(fā)現(xiàn)，相對(duì)其他A級(jí)借款人，信用分?jǐn)?shù)180分借款人的貸款用途更偏向于消費(fèi)；而相對(duì)于A級(jí)以下借款人，則用于生產(chǎn)經(jīng)營(yíng)周轉(zhuǎn)的比例較高一些.由于生產(chǎn)經(jīng)營(yíng)周轉(zhuǎn)貸款有對(duì)應(yīng)的收入來(lái)源，通常認(rèn)為風(fēng)險(xiǎn)較低，而消費(fèi)貸款缺乏對(duì)應(yīng)收入來(lái)源，在其他條件相同情況下，風(fēng)險(xiǎn)較高，因此貸款用途的比較也顯示了該群體處于中等風(fēng)險(xiǎn)的位置.

表2 利率與貸款用途的比較

下面將信用分?jǐn)?shù)180分的借款人稱為網(wǎng)貸信用評(píng)級(jí)的邊際借款人，意為該部分借款人群體剛好處于信用評(píng)級(jí)及格線(180分)邊界上.

2.2 可檢驗(yàn)假設(shè)

在Flannery[1]和Diamond[2]的理論模型中不存在資金供給約束，但現(xiàn)實(shí)世界中，供給面因素對(duì)信貸市場(chǎng)均衡結(jié)果的影響很大.Leary[24]發(fā)現(xiàn)當(dāng)銀行可貸資金增加時(shí)，小規(guī)模以及低信用等級(jí)的公司負(fù)債率上升了.曾海艦和蘇冬蔚[25]針對(duì)我國(guó)信貸擴(kuò)張以及信貸緊縮的研究顯示，小規(guī)模、民營(yíng)化程度高以及擔(dān)保能力弱的企業(yè)，其融資行為更容易受到信貸資金供給變動(dòng)的影響.因此，合理推斷信貸資金供給也會(huì)影響到信貸市場(chǎng)上借款人的債務(wù)期限選擇決策.

根據(jù)上面的分析，本文認(rèn)為網(wǎng)貸市場(chǎng)微觀數(shù)據(jù)所呈現(xiàn)的均衡狀態(tài)下借款人期限選擇模式更接近于Diamond[2]的理論邏輯：低信用風(fēng)險(xiǎn)借款人偏好短期借款；高信用風(fēng)險(xiǎn)借款人在任何時(shí)候，都很難從信貸市場(chǎng)獲得貸款，但考慮到清算收益，投資者可能為其中清算價(jià)值較大的高風(fēng)險(xiǎn)借款人提供短期貸款；而中等信用風(fēng)險(xiǎn)借款人偏好長(zhǎng)期借款.中等信用風(fēng)險(xiǎn)借款人的特點(diǎn)是具有一定的債務(wù)清償能力(與高風(fēng)險(xiǎn)借款人相比)，但其債務(wù)存在一定程度的違約風(fēng)險(xiǎn)(與低風(fēng)險(xiǎn)借款人相比).中等風(fēng)險(xiǎn)借款人對(duì)信貸波動(dòng)更為敏感有兩個(gè)原因：一是對(duì)于網(wǎng)貸平臺(tái)投資者以及銀行而言，中等風(fēng)險(xiǎn)借款人的特點(diǎn)決定了其屬于銀行信貸與網(wǎng)貸市場(chǎng)上的邊際借款人.中等風(fēng)險(xiǎn)借款人偏好長(zhǎng)期借款，但受到網(wǎng)貸市場(chǎng)資金供給的現(xiàn)實(shí)約束，有可能無(wú)法達(dá)到意向的借款期限.因而在信貸資金供給寬松時(shí)，那些受到約束的中等風(fēng)險(xiǎn)借款人可以增加借款期限；而在信貸緊縮時(shí)，網(wǎng)貸市場(chǎng)資金緊張，中等風(fēng)險(xiǎn)借款人的貸款期限很可能最先被壓縮.二是網(wǎng)貸市場(chǎng)與銀行信貸市場(chǎng)存在相互替代關(guān)系，信貸波動(dòng)影響中等風(fēng)險(xiǎn)借款人在網(wǎng)貸市場(chǎng)上獲得的貸款條件的優(yōu)惠程度.現(xiàn)有文獻(xiàn)發(fā)現(xiàn)網(wǎng)貸市場(chǎng)與銀行消費(fèi)信貸市場(chǎng)的借款人其實(shí)來(lái)自相同的群體，網(wǎng)貸與銀行信貸互為替代關(guān)系[19]；且如果銀行信貸供給比較充裕，借款人在網(wǎng)貸市場(chǎng)上能夠獲得更優(yōu)惠的貸款利率[18].基于同樣邏輯，推斷在信貸擴(kuò)張時(shí)，中等風(fēng)險(xiǎn)借款人在網(wǎng)貸市場(chǎng)上能夠獲得比較優(yōu)惠的貸款條件，即借款期限更長(zhǎng)；而在信貸收縮時(shí)，該類型借款人在網(wǎng)貸市場(chǎng)上的貸款條件趨緊，債務(wù)期限受到更多的壓縮.對(duì)于第一個(gè)原因，稱之為融資約束效應(yīng)，第二個(gè)原因稱之為替代效應(yīng).

根據(jù)對(duì)信用風(fēng)險(xiǎn)群體的識(shí)別及分析，得到如下可檢驗(yàn)假設(shè)：

假設(shè)1信用評(píng)級(jí)邊際借款人的債務(wù)期限對(duì)信貸波動(dòng)的反應(yīng)呈現(xiàn)出順周期模式：即信貸擴(kuò)張時(shí)，相對(duì)于其他群體，該群體借款期限顯著增加；信貸收縮時(shí)，相對(duì)于其他群體，該群體借款期限顯著壓縮.

一般而言，融資約束程度寬松的借款人，任何時(shí)候總能輕易從信貸市場(chǎng)上獲得融資；融資約束很強(qiáng)的借款人，任何時(shí)候都很難從信貸市場(chǎng)獲得融資.因此這兩類借款人對(duì)信貸波動(dòng)的反應(yīng)都不大，真正受到信貸波動(dòng)影響的是中等融資約束程度的借款人：這部分借款人具有一定的還款能力，但是其財(cái)務(wù)狀況又不太寬松，還不足以完全覆蓋未來(lái)可能發(fā)生的違約風(fēng)險(xiǎn)，當(dāng)信貸供給狀況寬松時(shí)，可能具有較大空間調(diào)整其債務(wù)期限，當(dāng)信貸供給狀況緊張時(shí)，其債務(wù)期限約束也會(huì)趨緊.如果存在融資約束效應(yīng)，其前提是本文所定義的邊際借款人大部分應(yīng)該為中等融資約束程度的借款人.預(yù)期邊際借款人的債務(wù)期限順周期效應(yīng)在中等融資約束樣本中更為強(qiáng)烈，而在高融資約束及低融資約束樣本中不會(huì)產(chǎn)生類似的順周期效應(yīng).為檢驗(yàn)融資約束效應(yīng)，首先從兩方面度量網(wǎng)貸借款人的融資約束程度.其一為借款人的收入水平,收入是個(gè)人貸款的主要還款來(lái)源之一，一般而言，高收入借款人總是更容易在網(wǎng)貸市場(chǎng)上獲得投資者青睞，而低收入借款人在網(wǎng)貸市場(chǎng)上借款困難程度較高，總是很難獲得融資;其二為借款人的債務(wù)狀況，主要來(lái)自車貸和房貸,一般而言，有債務(wù)負(fù)擔(dān)的借款人，其還款能力受到其他債務(wù)償還的約束，因而不易在網(wǎng)貸市場(chǎng)上獲得借款.綜合考慮借款人收入和債務(wù)狀況，采用一定方式度量借款人的融資約束程度(具體參見(jiàn)本文第5節(jié)“影響機(jī)制檢驗(yàn)”)，由此得到如下可檢驗(yàn)假設(shè)：

假設(shè)2(融資約束效應(yīng))當(dāng)信用評(píng)級(jí)邊際借款人屬于中等融資約束程度時(shí)，其債務(wù)期限選擇行為體現(xiàn)出顯著的順周期模式；而當(dāng)邊際借款人屬于高融資約束及低融資約束程度時(shí)，其債務(wù)期限選擇不存在順周期模式.

替代效應(yīng)的前提是借款人同時(shí)是銀行信貸市場(chǎng)與網(wǎng)貸市場(chǎng)的借款人.個(gè)人通過(guò)銀行信貸市場(chǎng)獲得的貸款主要是消費(fèi)貸款，因而銀行信貸市場(chǎng)與網(wǎng)貸市場(chǎng)之間的替代關(guān)系主要體現(xiàn)在消費(fèi)信貸借款人的選擇,如果替代效應(yīng)前提是成立的，可以推斷相對(duì)于經(jīng)營(yíng)類借款人，消費(fèi)貸款借款人更容易受到信貸波動(dòng)的影響.為此，得到如下可檢驗(yàn)假設(shè)：

假設(shè)3(替代效應(yīng)前提檢驗(yàn))當(dāng)信用評(píng)級(jí)邊際借款人屬于消費(fèi)類借款人時(shí)，信貸波動(dòng)對(duì)其借款期限影響更強(qiáng)烈.

基于銀行與網(wǎng)貸市場(chǎng)的替代效應(yīng)，可以預(yù)期在信貸資金更為充裕的地區(qū)，邊際借款人的順周期效應(yīng)更強(qiáng)烈.根據(jù)Rajan和 Ramcharan[26]及Butler等[18]，除了直接的地區(qū)信貸數(shù)據(jù)外，地區(qū)銀行機(jī)構(gòu)數(shù)量可以代表該地區(qū)信貸資金充裕程度，由此得到如下可檢驗(yàn)假設(shè)：

假設(shè)4(替代效應(yīng))在銀行分支機(jī)構(gòu)數(shù)量較多以及信貸資金增長(zhǎng)較大的地區(qū)，信貸波動(dòng)對(duì)信用評(píng)級(jí)邊際借款人的債務(wù)期限選擇具有較強(qiáng)的順周期效應(yīng)；而在銀行分支機(jī)構(gòu)數(shù)量較少以及信貸資金增長(zhǎng)較低的地區(qū)，信貸波動(dòng)對(duì)邊際借款人的順周期效應(yīng)較弱.

3 樣本數(shù)據(jù)與變量

使用的主體樣本數(shù)據(jù)來(lái)自我國(guó)最大的P2P網(wǎng)貸平臺(tái)之一：人人貸.人人貸的樣本中提供了借款人的各種特征描述以及人人貸平臺(tái)對(duì)借款人的認(rèn)證信息，這為在回歸分析中控制借款人特征以及信息不對(duì)稱因素提供了良好的便利條件.剔除其中信用分值與信用等級(jí)明顯不匹配的樣本，獲得人人貸2011年～2017年共1 149 712個(gè)日度貸款訂單級(jí)樣本，其中包括530 254個(gè)借款失敗樣本以及619 458個(gè)借款成功樣本.所使用的人民幣貸款以及銀行同業(yè)拆借利率來(lái)自于國(guó)泰安數(shù)據(jù)庫(kù)銀行研究數(shù)據(jù)庫(kù)，溫州民間借貸利率數(shù)據(jù)來(lái)自溫州指數(shù)網(wǎng)站，省區(qū)層面的信貸數(shù)據(jù)來(lái)自中國(guó)人民銀行每季度發(fā)布的社會(huì)融資規(guī)模公告.

為避免正文篇幅過(guò)長(zhǎng)，將變量定義放在本文的附錄，而在本部分僅給出論文涉及主要變量的描述性統(tǒng)計(jì)，見(jiàn)表3.從表3貸款訂單層面變量部分可以看到，網(wǎng)貸市場(chǎng)上的借款成功率約為54%，而借款成功的訂單中屬于邊際借款人的樣本(即信用分?jǐn)?shù)180分樣本)占比達(dá)到93.6%，由此可見(jiàn)信用分?jǐn)?shù)達(dá)到A級(jí)對(duì)于借款成功與否是非常重要的.從全部樣本與借款成功樣本的變量均值比較可以看到借款成功樣本的特點(diǎn)：傳統(tǒng)的擔(dān)保能力較低(VF_House和VF_Car)，但基于大數(shù)據(jù)的軟信息認(rèn)證數(shù)量較多(VF_Num)，收入等級(jí)與全部樣本平均值基本持平(均位于5千元至1萬(wàn)元月收入?yún)^(qū)間)，但房貸與車貸比率高于平均水平，經(jīng)營(yíng)類貸款占比較低.這些特征意味著獲得貸款的借款人擔(dān)保能力不高，債務(wù)負(fù)擔(dān)較重，收入水平一般，貸款較多用于消費(fèi)，因而其實(shí)際的信用風(fēng)險(xiǎn)可能是比較高的.

表3 描述性統(tǒng)計(jì)

表3還給出宏觀層面變量的相關(guān)統(tǒng)計(jì)說(shuō)明，主要用于度量信貸波動(dòng)的變量為2011年～2017年總共84個(gè)月的月度變量，具有足夠長(zhǎng)的時(shí)間序列；溫州民間借貸利率以及股票市場(chǎng)指數(shù)收益率為日度數(shù)據(jù).此外，還使用省區(qū)層面的社會(huì)融資數(shù)據(jù)作為信貸波動(dòng)的替代變量，為2013年第4季度至2017年第4季度的季度變量.重點(diǎn)使用兩個(gè)宏觀變量從“量”和“價(jià)”兩個(gè)維度度量信貸波動(dòng)：人民幣貸款同比增長(zhǎng)率(CreditGrowth)以及銀行同業(yè)拆借利率(IBOR).由于信貸規(guī)模變動(dòng)的季節(jié)性較強(qiáng)，相對(duì)于環(huán)比增長(zhǎng)率，同比增長(zhǎng)率避免了季節(jié)性因素對(duì)信貸增量波動(dòng)的影響，比較能夠真實(shí)體現(xiàn)出信貸資金總量的實(shí)際波動(dòng)程度.貨幣政策松緊變動(dòng)最先傳導(dǎo)到銀行同業(yè)拆借市場(chǎng)，其市場(chǎng)利率是信貸資金成本，反映了信貸擴(kuò)張收縮的程度.圖2給出2011年～2017年人民幣貸款同比增長(zhǎng)率以及銀行同業(yè)拆借利率的月度變動(dòng)情況，可以看到兩個(gè)變量在這期間波動(dòng)性較強(qiáng)，有足夠的變差；而且利率與貸款增長(zhǎng)率呈反向變動(dòng)，符合信貸資金的價(jià)量變化邏輯.

圖2 2011年～2017年我國(guó)信貸波動(dòng)趨勢(shì)

4 信貸波動(dòng)對(duì)債務(wù)期限選擇的影響

4.1 基本結(jié)果

考察信貸波動(dòng)對(duì)網(wǎng)貸市場(chǎng)借款人債務(wù)期限選擇的影響.因?yàn)槔碚摷僭O(shè)是對(duì)信貸市場(chǎng)均衡情形的推斷，因此用于實(shí)證檢驗(yàn)的樣本為信貸市場(chǎng)均衡時(shí)存在的貸款訂單樣本，即借款成功樣本.使用如下回歸方程估計(jì)信貸波動(dòng)對(duì)債務(wù)期限的影響效應(yīng)

LnMaturityit=α+β1Creditt×Score_180i+

β2Score_180i+γXit+Cityi+

Ymt+εit

(1)

式中LnMaturityit為在第t日貸款訂單i的借款期限的對(duì)數(shù)；Creditt為宏觀層面的信貸波動(dòng)變量；Score_180i為借款人信用評(píng)級(jí),如果借款人信用評(píng)級(jí)剛好處于180分及格線上，屬于本文定義的信用評(píng)級(jí)邊際借款人,則為1,否則為0；交乘項(xiàng)Creditt×Score_180i是本文感興趣的變量，其系數(shù)反映了信貸波動(dòng)對(duì)邊際借款人的債務(wù)期限效應(yīng).由于信貸波動(dòng)變量度量了宏觀層面的外生沖擊，單個(gè)貸款訂單的期限選擇不大可能影響到宏觀層面的信貸波動(dòng)，因此回歸方程(1)避免了出現(xiàn)因逆向因果關(guān)系而產(chǎn)生的內(nèi)生性問(wèn)題.Xit為一系列貸款訂單層面控制變量，具體包括反映借款人抵押品狀況的變量(VF_House、VF_Car)，反映軟信息認(rèn)證數(shù)量的變量(VF_Num)，財(cái)務(wù)狀況變量(Income、Debt_House、Debt_Car)，借款人特征變量(Age、Male、Marriage、Degree)，借款人身份變量(Borrower_Jgdw、Borrower_PrivateCorp、Borrower_StateCorp、Borrower_LegalPerson).為控制住借款人所處城市的特質(zhì)性因素，加入了：1)地級(jí)及以上城市虛擬變量(Cityi).為控制住宏觀經(jīng)濟(jì)因素的影響；2)年月虛擬變量(Ymt).所有的回歸估計(jì)標(biāo)準(zhǔn)差均采用城市-年月雙向聚類穩(wěn)健標(biāo)準(zhǔn)差.

表4為回歸方程(1)的估計(jì)結(jié)果，面板 A和面板 B分別采用了貸款增長(zhǎng)率以及銀行拆借利率度量信貸波動(dòng).表4第1列為不包含貸款訂單層面變量的估計(jì)結(jié)果，第2列～第5列為加入了借款人抵押、認(rèn)證、財(cái)務(wù)、特征以及身份變量后的估計(jì)結(jié)果.在面板 A中可以看到感興趣的交乘項(xiàng)(LoanGrowth×Score_180)系數(shù)估計(jì)值均顯著為正；在面板 B中同樣可以看到感興趣的交乘項(xiàng)(IBOR×Score_180)系數(shù)估計(jì)值顯著為負(fù).因?yàn)楫?dāng)信貸資金量增加時(shí)，信貸成本必然下降，因而面板 A和面板B的估計(jì)結(jié)果是一致的.估計(jì)結(jié)果表明相對(duì)于其他群體，信貸波動(dòng)對(duì)邊際借款人的債務(wù)期限選擇具有更為明顯的正向影響：當(dāng)該月份信貸資金增加時(shí)，該群體借款人借款期限隨之相對(duì)顯著增加；反之則相對(duì)顯著減少.為了從經(jīng)濟(jì)顯著性上度量信貸波動(dòng)的期限效應(yīng)，使用了分位虛擬變量HighLoanGrowth、LowLoanGrowth、HighIBOR以及LowIBOR替代原有的連續(xù)變量，重新進(jìn)行回歸估計(jì)，結(jié)果呈現(xiàn)在表4第3列～第5列.根據(jù)第5列，面板A表明相對(duì)其他群體借款人，邊際借款人在信貸高增長(zhǎng)時(shí)期與低增長(zhǎng)時(shí)期的借款期限變動(dòng)幅度達(dá)到42.5%；面板 B表明相對(duì)其他群體借款人，該群體的借款期限變動(dòng)幅度為15.5%.可以看到，信貸資金量和價(jià)對(duì)借款人債務(wù)期限選擇的影響均具有較強(qiáng)的經(jīng)濟(jì)顯著性，但存在一定的差異，信貸資金增量變動(dòng)的期限效應(yīng)更大一些.從面板A第5列還可以看到，信貸波動(dòng)處于正常水平時(shí)，邊際借款人的債務(wù)期限比其他群體平均約高49%，然而如果信貸增速下跌，信貸資金面緊張，此時(shí)該群體債務(wù)期限僅其他群體高17.6%，債務(wù)期限差異大幅度縮小.面板C給出了信貸波動(dòng)對(duì)其他借款群體債務(wù)期限選擇的影響，可以看到盡管信貸資金總量波動(dòng)顯著增加了其他較高信用風(fēng)險(xiǎn)等級(jí)群體的借款期限，但是信貸成本波動(dòng)對(duì)這類群體的期限選擇卻沒(méi)有體現(xiàn)出順周期的影響，得不到一致的結(jié)論，因而很難就此判斷其他較高風(fēng)險(xiǎn)群體的債務(wù)期限選擇是否確實(shí)具有顯著的信貸波動(dòng)敏感度.總而言之，實(shí)證檢驗(yàn)表明邊際借款人的債務(wù)期限選擇，相對(duì)于其他群體，其信貸波動(dòng)的期限敏感度更高，體現(xiàn)出明顯的順周期效應(yīng)，符合本文假設(shè)1的論斷.

表4 信貸波動(dòng)與債務(wù)期限的回歸結(jié)果

對(duì)以上表4回歸估計(jì)結(jié)果的重要疑慮是邊際借款人群體與其他群體的樣本分布不均衡，屬于信用分?jǐn)?shù)180分的貸款訂單樣本占借款成功樣本的93.6%.但本文認(rèn)為樣本分布不均衡并不會(huì)造成回歸估計(jì)結(jié)果的較大偏誤.雖然非信用分?jǐn)?shù)180分樣本只占6.4%，但由于總樣本量很龐大，這部分樣本量仍達(dá)到了39 651，完全滿足大樣本估計(jì)的要求，系數(shù)估計(jì)值的一致性是有保證的.為了進(jìn)一步澄清這方面疑慮，采用Bootstrap方法對(duì)信用分?jǐn)?shù)180分樣本進(jìn)行隨機(jī)抽樣，總共進(jìn)行1 000次抽樣，每次均從中隨機(jī)抽出39 651個(gè)樣本，然后重新進(jìn)行回歸方程(1)的估計(jì).表5為1 000次隨機(jī)抽樣后回歸估計(jì)的感興趣系數(shù)估計(jì)值分布狀況.可以看到交乘項(xiàng)系數(shù)均值與表4對(duì)應(yīng)的系數(shù)值符號(hào)一致，數(shù)值大小差異不大.顯著性分布狀況也與表5的系數(shù)顯著性情況保持一致：交乘項(xiàng)HighLoanGrowth×Score_180、IBOR×Score_180以及LowIBOR×Score_180系數(shù)在1 000次隨機(jī)抽樣的估計(jì)中，幾乎全部均保持在5%水平上顯著，LoanGrowth×Score_180系數(shù)估計(jì)值也有約83%是在10%水平上顯著的；而代表信貸收縮的變量LowLoanGrowth以及HighIBOR，其交乘項(xiàng)系數(shù)估計(jì)值的顯著性比較差.

表5 1 000次隨機(jī)抽樣的回歸估計(jì)結(jié)果分布

4.2 排除性檢驗(yàn)

本文的可檢驗(yàn)假設(shè)前提是存在借款人融資約束以及存在銀行信貸與網(wǎng)貸之間的相互替代效應(yīng).但就常理而言，信用質(zhì)量越好的借款人，越有可能在信貸擴(kuò)張時(shí)獲得比較好的貸款條件，因而其借款期限隨著信貸擴(kuò)張(收縮)而增加(減少)債務(wù)期限.在整個(gè)信用分值的排序中，邊際借款人的信用分?jǐn)?shù)180分處于較高位序，借款人質(zhì)量相對(duì)較好，回歸方程(1)的交乘項(xiàng)系數(shù)估計(jì)結(jié)果也可能來(lái)自于以上原因所致.為了檢測(cè)存在這個(gè)可能性，將信用分?jǐn)?shù)對(duì)數(shù)(LnScore)替代Score_180，然后進(jìn)行3類回歸，具體呈現(xiàn)在表6的面板A中：第1列和第4列為全部借款成功樣本回歸結(jié)果，可以看到交乘項(xiàng)系數(shù)不顯著；第2列和第5列為剔除邊際借款人樣本的回歸結(jié)果，貸款增長(zhǎng)率交乘項(xiàng)系數(shù)顯著為負(fù)，而拆借利率交乘項(xiàng)系數(shù)顯著為正，意味著借款人信用質(zhì)量越好，信貸擴(kuò)張時(shí)越傾向于減少債務(wù)期限，與Mian和Santos[9]的研究結(jié)論是一致的；第3列和第6列為同屬A級(jí)但分值不為180分的借款樣本回歸，可以看到交乘項(xiàng)系數(shù)估計(jì)值均不顯著.面板A的回歸結(jié)果表明，除了邊際借款人群體外的其他高質(zhì)量借款人，并未存在順周期的債務(wù)期限調(diào)整行為，因而也就排除了以上可能性.

表6 排除性檢驗(yàn)

雖然沒(méi)有確鑿證據(jù)，但是不少新聞報(bào)道談到個(gè)人通過(guò)網(wǎng)貸平臺(tái)借入資金然后投資于股票市場(chǎng)，而信貸周期與股市周期存在密切的正向聯(lián)動(dòng).在股市高漲時(shí)期(此時(shí)信貸增長(zhǎng)率也處于較高水平)，借款人可能為了順應(yīng)股票投資期限要求，在網(wǎng)貸平臺(tái)上借入更長(zhǎng)期限的資金.因此，表4的估計(jì)結(jié)果也可能反映了網(wǎng)貸平臺(tái)和股市的資金流動(dòng)關(guān)系.為了檢驗(yàn)這個(gè)可能性，在回歸方程(1)中加入了一系列股市波動(dòng)狀況變量與Score_180的交乘項(xiàng)，如果存在以上可能性，預(yù)計(jì)這些交乘項(xiàng)系數(shù)應(yīng)該體現(xiàn)出邏輯一致的符號(hào)方向以及顯著性.面板B給出了相關(guān)估計(jì)結(jié)果，第1列和第2列中與Score_180交乘的變量分別為度量股市繁榮與衰退特征的虛擬變量MarketUp與MarketDown，在第3列和第4列中與Score_180交乘的變量則是連續(xù)的過(guò)去30天上證指數(shù)收益率均值(MarketReturn_30days).可以看到，考慮了股市周期波動(dòng)之后的，CreditGrowth×Score_180系數(shù)估計(jì)值符號(hào)和顯著性仍與表4基本一致，而股市波動(dòng)交乘項(xiàng)系數(shù)均不顯著.這說(shuō)明股市波動(dòng)狀況并不會(huì)對(duì)網(wǎng)貸市場(chǎng)借款人的期限選擇產(chǎn)生實(shí)質(zhì)性影響.

4.3 穩(wěn)健性檢驗(yàn)

以上實(shí)證檢驗(yàn)結(jié)果是否依賴于信貸波動(dòng)的特定度量變量？將采用另外兩種方式從量和價(jià)的角度重新度量信貸波動(dòng)，然后進(jìn)行回歸方程(1)的實(shí)證檢驗(yàn)，以測(cè)試基本回歸部分的研究結(jié)論是否穩(wěn)健.第一種方法是采用濾波方法從對(duì)數(shù)人民幣月度貸款總量(億元)時(shí)間序列中提取出周期性波動(dòng)成分.大多數(shù)宏觀時(shí)間序列普遍存在時(shí)間趨勢(shì)項(xiàng)，導(dǎo)致時(shí)間序列不平穩(wěn)，不能直接進(jìn)行計(jì)量分析，因此需要通過(guò)濾波方法剔除時(shí)間趨勢(shì)(或增長(zhǎng)部分)，提取出其中周期性波動(dòng)的成分.針對(duì)低頻率的時(shí)間序列，目前研究中普遍采用的是Hodrick-Prescott濾波法(HP濾波)以及Butterworth濾波(BW濾波)，出于穩(wěn)健性考慮，同時(shí)采用兩種濾波方法(3)兩種濾波方法的基本原理相同，差異在于HP濾波中調(diào)整參數(shù)只有度量時(shí)間序列平滑程度的參數(shù)λ，而在BW濾波中，調(diào)整參數(shù)包括了濾波的階數(shù)n..從較長(zhǎng)的人民幣貸款月度時(shí)間序列(1995年1月至2019年2月)中，分別使用HP濾波和BW濾波提取周期性波動(dòng)成分，然后再抽出2011年～2017年的月度波動(dòng)樣本，匹配到本文貸款訂單層面數(shù)據(jù)集中.第二種方法是選取以溫州指數(shù)為代表的一系列民間融資利率指標(biāo)作為總量信貸成本的代理指標(biāo).溫州指數(shù)及相關(guān)利率由溫州市金融辦發(fā)布，從2013年1月起按日?qǐng)?bào)告溫州地區(qū)民間借貸利率變動(dòng)情況.溫州民間借貸市場(chǎng)是我國(guó)有代表性的民間信貸市場(chǎng)，對(duì)宏觀信貸波動(dòng)的敏感程度較高，其利率水平變動(dòng)在一定程度上可以反映出宏觀信貸波動(dòng)的狀況.選取2013年—2017年的日度溫州指數(shù)及利率數(shù)據(jù)，然后構(gòu)造每日過(guò)去30天的指數(shù)及利率均值指標(biāo)，匹配到日度貸款訂單樣本集中.

表7的面板A為經(jīng)過(guò)濾波提取人民幣信貸周期性波動(dòng)成分度量信貸波動(dòng)的回歸結(jié)果.可以看到無(wú)論是HP濾波還是BW濾波提取，信貸周期性波動(dòng)成分與Score_180的交乘項(xiàng)系數(shù)估計(jì)值均顯著為正，與基本回歸結(jié)果一致.此外，信貸周期性波動(dòng)成分與LnScore的交乘項(xiàng)系數(shù)估計(jì)值顯示出一定程度的負(fù)向顯著性，說(shuō)明信用風(fēng)險(xiǎn)越低的借款人，其債務(wù)期限選擇對(duì)信貸波動(dòng)的逆周期程度越強(qiáng)，與表6的排除性檢驗(yàn)結(jié)果一致.面板B給出了使用民間融資綜合利率溫州指數(shù)(WZIndex)以及一系列長(zhǎng)短期民間借貸利率變量替代原來(lái)的銀行同業(yè)拆借利率進(jìn)行回歸的估計(jì)結(jié)果.可以看到溫州指數(shù)(WZIndex)、3月、6月以及1年的溫州民間借貸利率作為替代變量的交乘項(xiàng)系數(shù)均顯著為負(fù)，這與基本回歸結(jié)果是一致的，而面板B第2列和第3列的估計(jì)結(jié)果同樣與表6排除性檢驗(yàn)結(jié)果一致.此外，長(zhǎng)期利率作為替代變量的交乘項(xiàng)系數(shù)不顯著，說(shuō)明影響網(wǎng)貸市場(chǎng)資金供給的主要是短期信貸資金的波動(dòng).綜合表7的結(jié)果，可以看到經(jīng)過(guò)使用多種替代變量之后的各種回歸，其結(jié)果均與基本回歸一致，所得到的結(jié)論也是相同的，因此本文的實(shí)證檢驗(yàn)是穩(wěn)健可靠的.

表7 穩(wěn)健性檢驗(yàn)

5 影響機(jī)制檢驗(yàn)：融資約束效應(yīng)與替代效應(yīng)

在理論假設(shè)中認(rèn)為可能存在兩種原因?qū)е逻呺H借款人對(duì)信貸波動(dòng)更為敏感：一是現(xiàn)實(shí)中這部分群體由于缺乏絕對(duì)的還款能力，存在融資約束，因而其貸款條件對(duì)信貸波動(dòng)敏感程度更高；二是這部分借款人在網(wǎng)貸市場(chǎng)和銀行消費(fèi)信貸市場(chǎng)均有一定的借款能力，因而存在網(wǎng)貸市場(chǎng)與銀行消費(fèi)信貸市場(chǎng)的替代效應(yīng).現(xiàn)在檢驗(yàn)這兩種影響機(jī)制是否存在.

5.1 融資約束效應(yīng)

一般而言，借款人的還款能力取決于其收入水平以及抵押擔(dān)保能力.而根據(jù)前面描述性統(tǒng)計(jì)，信用分?jǐn)?shù)180分的借款人群體的房屋以及汽車認(rèn)證均為0，缺少傳統(tǒng)的抵押能力，因此其還款能力主要取決于收入水平.較高的收入水平，其融資能力就比較強(qiáng)，反之則比較弱，不易在網(wǎng)貸市場(chǎng)上獲得借款.將借款人群體按照收入劃分為3個(gè)等級(jí)：月收入1千元至5千元為低收入，5千元至2萬(wàn)元為中等收入，2萬(wàn)元以上為高收入.此外，借款人的債務(wù)狀況也約束其還款能力，進(jìn)而影響到借款人的融資約束程度.人人貸的數(shù)據(jù)提供了借款人兩項(xiàng)債務(wù)認(rèn)證信息(車貸和房貸)，預(yù)期有債務(wù)的借款人，其融資約束程度較強(qiáng)，因而其債務(wù)期限選擇對(duì)信貸波動(dòng)的敏感程度——相對(duì)于沒(méi)有債務(wù)的借款人——比較弱.綜合以上兩項(xiàng)信息，將低收入水平，且負(fù)擔(dān)了車貸和房貸的借款人群體定義為高融資約束的借款人；將高收入水平，且完全沒(méi)有任何車貸和房貸的借款人群體定義為低融資約束的借款人；其余借款人群體定義為中等融資約束程度的借款人.

在邊際借款人樣本中，屬于高融資約束樣本的占比為0.2%，屬于低融資約束樣本的占比為18.1%，屬于中等融資約束樣本的占比為81.7%.從樣本分布可以看到，絕大部分邊際借款人的融資約束程度屬于中等水平，因而其債務(wù)期限選擇行為對(duì)于信貸波動(dòng)較為敏感.根據(jù)本文假設(shè)，如果融資約束效應(yīng)存在，預(yù)期在高融資約束和低融資約束群體中，邊際借款人債務(wù)期限選擇的信貸波動(dòng)敏感程度要顯著低于中等融資約束群體，同時(shí)預(yù)期中等融資約束群體中的邊際借款人債務(wù)期限選擇體現(xiàn)出顯著的順周期模式.

表8給出了融資約束效應(yīng)的分組檢驗(yàn)結(jié)果.可以看到低融資約束與高融資約束組的感興趣交乘項(xiàng)(LoanGrowth×Score_180和IBOR×Score_180)系數(shù)估計(jì)值基本不顯著(僅在第4列的低融資約束組中，交乘項(xiàng)系數(shù)10%水平上顯著為正，該符號(hào)經(jīng)濟(jì)意義不明確)，而中等融資約束組的交乘項(xiàng)系數(shù)符號(hào)及顯著性均與基本回歸相似.

表8 融資約束效應(yīng)檢驗(yàn)

表8還給出了分組系數(shù)差異性的SUEST檢驗(yàn)，顯示大部分情況下，組間系數(shù)存在顯著差異.相對(duì)而言，低融資約束組與中等融資約束組的組間系數(shù)差異更為明顯，而高融資約束組與中等融資約束組的組間系數(shù)SUEST差異性檢驗(yàn)得到的顯著性較弱(如第6列組間系數(shù)差異不顯著).這可能來(lái)自兩方面原因：一是高融資約束組樣本量相對(duì)較少，相應(yīng)的統(tǒng)計(jì)量標(biāo)準(zhǔn)差較大；二是信貸擴(kuò)張時(shí)，這部分融資約束最強(qiáng)的借款人很可能也獲得一定程度的信貸便利.綜合以上結(jié)果可以看到，處于適度融資約束的邊際借款人，其債務(wù)期限選擇呈現(xiàn)出顯著順周期特征，而融資約束程度最強(qiáng)以及最弱的邊際借款人，其債務(wù)期限選擇對(duì)信貸波動(dòng)并不敏感(系數(shù)估計(jì)值缺乏顯著性)，因此可以認(rèn)為假設(shè)2是成立的(4)必須指出，借款人的融資約束與信貸資金周期性波動(dòng)之間必然存在復(fù)雜的相互影響機(jī)制，因此本文此處的實(shí)證檢驗(yàn)并不能完全揭示這種相互影響機(jī)制，讀者需要審慎看待此處的實(shí)證檢驗(yàn)結(jié)論..

5.2 替代效應(yīng)

替代效應(yīng)的前提是銀行消費(fèi)信貸市場(chǎng)與網(wǎng)貸市場(chǎng)的邊際借款人屬于同一類經(jīng)濟(jì)個(gè)體，而在本文的樣本中，邊際借款人的借款用途為消費(fèi)類的樣本占比約為79%，樣本分布符合本文的假定前提.那么相對(duì)于經(jīng)營(yíng)類用途借款人群體，屬于消費(fèi)類用途的邊際借款人是否展現(xiàn)出更明顯順周期的債務(wù)期限選擇行為呢？對(duì)此做了分組檢驗(yàn)，具體結(jié)果列在表9中.可以看到，消費(fèi)類用途樣本組確實(shí)存在顯著的順周期債務(wù)期限選擇行為，而對(duì)于經(jīng)營(yíng)類用途樣本組，信貸波動(dòng)對(duì)其期限選擇的影響不顯著，SUEST系數(shù)差異性檢驗(yàn)顯示兩組樣本的交乘項(xiàng)系數(shù)存在顯著數(shù)量差異，符合假設(shè)3的推斷.基于這些結(jié)果，認(rèn)為網(wǎng)貸市場(chǎng)的邊際借款人大部分同時(shí)也是銀行消費(fèi)信貸市場(chǎng)的參與者，替代效應(yīng)的前提是成立的.

表9 替代效應(yīng)的前提檢驗(yàn)

如果替代效應(yīng)假設(shè)成立，可以觀察到邊際借款人所在地區(qū)的銀行融資狀況良好，借款人在網(wǎng)貸市場(chǎng)上就可以獲得較好的貸款條件(意味著較長(zhǎng)的貸款期限).因此從兩個(gè)方面度量地區(qū)銀行融資狀況，然后進(jìn)行相應(yīng)的實(shí)證檢驗(yàn).一是從銀保監(jiān)會(huì)網(wǎng)站提取各地區(qū)銀行分支機(jī)構(gòu)信息，統(tǒng)計(jì)地級(jí)以上城市層面的每年銀行分支機(jī)構(gòu)數(shù)量，借款人所在城市的銀行分支機(jī)構(gòu)數(shù)量越多，借款人的銀行融資渠道就越豐富.二是從中國(guó)人民銀行社會(huì)融資季度公告中提取樣本期各省區(qū)季度社會(huì)融資數(shù)據(jù)，包括總的社會(huì)融資規(guī)模、人民幣貸款量以及影子銀行增量(定義為委托貸款和信托貸款之和)，取其對(duì)數(shù)作為信貸波動(dòng)的度量變量.受限于省區(qū)層面社會(huì)融資數(shù)據(jù)的發(fā)布時(shí)限，該項(xiàng)數(shù)據(jù)時(shí)間為2013年第4季度到2017年第4季度，因而在回歸時(shí)存在部分樣本缺失(5)目前可以搜集到的地級(jí)以上的城市層面人民幣貸款數(shù)據(jù)均為年度，而本文的貸款訂單數(shù)據(jù)為日度數(shù)據(jù)，希望信貸數(shù)據(jù)的時(shí)間頻率盡可能短，而目 前能找到的時(shí)間頻率最短的地區(qū)級(jí)信貸數(shù)據(jù)為省區(qū)層面的季度社會(huì)融資數(shù)據(jù)..

表10的面板A給出按照邊際借款人所在地級(jí)以上城市的銀行分支機(jī)構(gòu)數(shù)量分組檢驗(yàn)結(jié)果.可以看到當(dāng)銀行分支機(jī)構(gòu)數(shù)量高于中位數(shù)時(shí)，感興趣的交乘項(xiàng)系數(shù)符號(hào)與數(shù)值顯著性均與基本回歸結(jié)果一致，而在銀行分支機(jī)構(gòu)數(shù)量低于中位數(shù)的樣本中，IBOR×Score_180的系數(shù)是不顯著的.面板A的SUEST系數(shù)差異顯著性檢驗(yàn)結(jié)果顯示，按照信貸波動(dòng)對(duì)于各個(gè)樣本組的期限效應(yīng)排序，最低的是低于中位數(shù)組，最高的是高于75%樣本組.這說(shuō)明邊際借款人所處地區(qū)銀行融資渠道越豐富，信貸擴(kuò)張時(shí)借款人就越能夠在網(wǎng)貸市場(chǎng)上獲得更優(yōu)惠的貸款條件(更長(zhǎng)的債務(wù)期限).面板B為使用省區(qū)層面社會(huì)融資數(shù)據(jù)度量信貸波動(dòng)的回歸結(jié)果，從第1列～第3列可以看到3個(gè)交乘項(xiàng)系數(shù)估計(jì)值顯著為正，說(shuō)明當(dāng)邊際借款人所處省區(qū)信貸增長(zhǎng)時(shí)，借款人更偏向于選擇較長(zhǎng)的債務(wù)期限.從面板B第4列還可以看到，相對(duì)而言地區(qū)人民幣貸款增長(zhǎng)所引起的期限效應(yīng)大于總體社會(huì)融資規(guī)模以及影子銀行規(guī)模變動(dòng)所帶來(lái)的影響，說(shuō)明銀行信貸變動(dòng)的替代效應(yīng)是最強(qiáng)的；而剔除了人民幣貸款以及影子銀行的影響，社會(huì)融資規(guī)模變動(dòng)對(duì)邊際借款人的期限影響是負(fù)數(shù)，這表明不存在其他融資因素對(duì)借款人期限選擇產(chǎn)生替代效應(yīng).綜合以上所述，假設(shè)4是成立的.

表10 替代效應(yīng)檢驗(yàn)

6 結(jié)束語(yǔ)

本文考察了信貸資金供給變動(dòng)對(duì)不同信用風(fēng)險(xiǎn)等級(jí)個(gè)體借款人債務(wù)期限選擇的影響.貸款訂單樣本來(lái)自我國(guó)最大的網(wǎng)貸交易平臺(tái)之一，發(fā)現(xiàn)其中存在明顯的信用評(píng)級(jí)扭曲現(xiàn)象，A級(jí)最低分?jǐn)?shù)180分上存在大量借款人群集的現(xiàn)象，而其他信用等級(jí)借款人分布較為稀疏.數(shù)據(jù)分析顯示，信用分?jǐn)?shù)180分借款人很可能屬于Diamond[2]所定義的中等風(fēng)險(xiǎn)群體，稱之為信用評(píng)級(jí)的邊際借款人.根據(jù)本文的理論演繹推斷，相對(duì)于其他群體，邊際借款人的債務(wù)期限選擇對(duì)信貸市場(chǎng)資金供給面因素變動(dòng)的反應(yīng)最為敏感.選取多種信貸波動(dòng)度量指標(biāo)，精心設(shè)計(jì)多種穩(wěn)健性檢驗(yàn)，均發(fā)現(xiàn)該群體的債務(wù)期限選擇是順周期的：即信貸擴(kuò)張時(shí)，邊際借款人選擇較長(zhǎng)的債務(wù)期限，而信貸收縮時(shí)，該群體借款人顯著壓縮其債務(wù)期限長(zhǎng)度.進(jìn)一步設(shè)計(jì)多個(gè)檢驗(yàn)策略考察信貸波動(dòng)影響該群體借款人債務(wù)期限選擇的兩個(gè)渠道：融資約束效應(yīng)和替代效應(yīng)，實(shí)證檢驗(yàn)結(jié)果顯示信貸波動(dòng)可以通過(guò)這兩個(gè)渠道影響借款人債務(wù)期限.

本文首次考察了信貸市場(chǎng)資金供給面因素對(duì)債務(wù)期限的影響，具有兩方面重要的現(xiàn)實(shí)意義.其一，研究顯示占據(jù)借款人主體的中等風(fēng)險(xiǎn)借款人的債務(wù)期限選擇是順周期的，這意味著信貸擴(kuò)張時(shí)期可能存在過(guò)度借貸現(xiàn)象，而在信貸收縮階段，由于債務(wù)期限被壓縮，增加了債務(wù)展期風(fēng)險(xiǎn)以及由此產(chǎn)生的個(gè)人大面積違約.因此，金融監(jiān)管部門應(yīng)該對(duì)個(gè)人信貸市場(chǎng)做一定程度的反周期審慎管理，及時(shí)對(duì)沖信貸周期波動(dòng)風(fēng)險(xiǎn).其二，研究顯示我國(guó)個(gè)人信貸市場(chǎng)存在一定的信用評(píng)級(jí)扭曲現(xiàn)象，容易誘導(dǎo)投資者投資決策，從而扭曲了信貸資源的配置.因此，金融監(jiān)管部門應(yīng)該做好對(duì)互聯(lián)網(wǎng)金融平臺(tái)信息發(fā)布的監(jiān)督工作，確?；ヂ?lián)網(wǎng)金融活動(dòng)中信用評(píng)級(jí)機(jī)制以及算法的合理性，及時(shí)糾正其中明顯異常的現(xiàn)象，彌補(bǔ)市場(chǎng)失靈所引致的資源配置效率損失.