姚　博

(北京大學(xué) 互聯(lián)網(wǎng)金融研究中心/國(guó)家發(fā)展研究院，北京 100871)

?

基于收入與城市青睞現(xiàn)象的網(wǎng)貸信用認(rèn)證有效性分析

姚博

(北京大學(xué) 互聯(lián)網(wǎng)金融研究中心/國(guó)家發(fā)展研究院，北京 100871)

收入與城市青睞現(xiàn)象在金融借貸市場(chǎng)比較常見(jiàn)，但是有關(guān)它們與借貸行為之間關(guān)系的研究卻較為缺乏。借助人人貸網(wǎng)站平臺(tái)交易數(shù)據(jù)，本文研究了兩個(gè)問(wèn)題，一是網(wǎng)貸過(guò)程中出借人是否對(duì)借款人的收入與城市特征表現(xiàn)出特有的青睞現(xiàn)象；二是不斷完善的信用認(rèn)證機(jī)制是否有助于改善這種青睞現(xiàn)象帶來(lái)的借貸匹配效率損失。結(jié)果表明，網(wǎng)絡(luò)借貸確實(shí)降低了交易成本和信息不對(duì)稱(chēng)性，促進(jìn)了陌生人之間發(fā)生借貸的可能性，同時(shí)，信用認(rèn)證機(jī)制的逐步完善，有效地解決了網(wǎng)貸過(guò)程中出現(xiàn)的不合理的收入與城市外在標(biāo)簽青睞現(xiàn)象，推動(dòng)借貸匹配效率進(jìn)一步提升。

信用認(rèn)證；網(wǎng)貸；收入與城市；借款標(biāo)的

一、前言與文獻(xiàn)綜述

關(guān)于青睞現(xiàn)象的研究，在經(jīng)濟(jì)學(xué)領(lǐng)域也是一個(gè)重要的話題，現(xiàn)實(shí)生活中，當(dāng)一個(gè)人具備一些優(yōu)異特征就會(huì)容易獲得別人的青睞，尤其是在人與人之間存在嚴(yán)重信息不對(duì)稱(chēng)的時(shí)候，例如：勞動(dòng)經(jīng)濟(jì)學(xué)認(rèn)為帶有經(jīng)濟(jì)和非經(jīng)濟(jì)性質(zhì)的個(gè)人特征(包括收入、家庭背景、學(xué)歷、戶(hù)口所在地、工作城市、從事行業(yè)及身份等)都會(huì)引起勞動(dòng)者在社會(huì)地位、金融借貸領(lǐng)域受到不同的待遇，還有一些學(xué)者的研究明確指出高收入的人群在社會(huì)地位和影響力方面具有一定的優(yōu)勢(shì)，生活在發(fā)達(dá)城市的人們具有先進(jìn)和健康的工作生活理念，更容易引領(lǐng)年輕大眾追隨潮流。

不過(guò)，金融借貸領(lǐng)域?qū)@種青睞現(xiàn)象的研究卻比較少見(jiàn)，主要是由于缺乏大量微觀個(gè)體層面的數(shù)據(jù)。然而，近年來(lái)新興的網(wǎng)絡(luò)借貸市場(chǎng)作為一種互聯(lián)網(wǎng)金融商業(yè)模式備受關(guān)注，比如，網(wǎng)貸平臺(tái)公開(kāi)有大量的個(gè)人借貸數(shù)據(jù)，包括借款人個(gè)體的收入與城市等信息，這就為我們研究網(wǎng)貸市場(chǎng)上的收入和城市青睞現(xiàn)象提供了寶貴的契機(jī)。從理論上講，網(wǎng)絡(luò)借貸平臺(tái)正是為借貸雙方提供了一個(gè)不需要面對(duì)面交易的機(jī)會(huì)，平臺(tái)上匯集有大量關(guān)于借貸的信息，巨大地降低了交易成本和信息不對(duì)稱(chēng)性，提高了借貸雙方的匹配選擇效率，極大地提升了各自的收益[1]。但是，實(shí)際上中國(guó)的網(wǎng)絡(luò)借貸發(fā)展時(shí)間并不長(zhǎng)，發(fā)展現(xiàn)狀也可謂是亂象叢生，各種提現(xiàn)困難、平臺(tái)跑路、網(wǎng)絡(luò)欺詐、非法集資案件也是不斷地涌現(xiàn)和暴露出來(lái)[2]，另外，信用記錄缺失也會(huì)導(dǎo)致在實(shí)際網(wǎng)絡(luò)借貸過(guò)程中，出借人在網(wǎng)貸平臺(tái)的投資決策都會(huì)存在有對(duì)某些外在特征的青睞現(xiàn)象，不過(guò)，信用認(rèn)證機(jī)制的逐步完善和信用信息的不斷更新，會(huì)使得這些青睞現(xiàn)象發(fā)生的越來(lái)越少?；诖?本文依據(jù)人人貸網(wǎng)站平臺(tái)數(shù)據(jù)的收集情況，進(jìn)行一系列理論與實(shí)證分析，探討網(wǎng)貸過(guò)程中的收入與城市青睞現(xiàn)象以及逐步改善的信用認(rèn)證機(jī)制對(duì)這種青睞現(xiàn)象產(chǎn)生的有效性影響。

在網(wǎng)絡(luò)借貸行為中，有關(guān)借款人個(gè)體特征如何影響投資人決策行為的主要研究文獻(xiàn)我們整理如下： Herzenstein等[3]利用美國(guó)Prosper網(wǎng)貸平臺(tái)數(shù)據(jù)，研究了性別、種族和婚姻對(duì)借款人融資的影響作用。Pope and Sydnor[4],Duarte等[5]研究得出一些較為有趣的結(jié)論，在網(wǎng)絡(luò)借貸中，長(zhǎng)相可信和善良的借款人比較容易獲得出借人的青睞，因此他們的借款成功率較大，實(shí)際上，這些人的信用得分也很高，違約率確實(shí)很低。Ravina[6]的研究發(fā)現(xiàn)投資人與借款人具有共同特征(包括城市、學(xué)歷、身份、職業(yè)等)，那么借款人標(biāo)的吸引投資人的可能性就會(huì)大大增加。Lin and Viswanathan[7]認(rèn)為網(wǎng)絡(luò)借貸中的投資趨向具有一些地區(qū)偏好情況，投資人尤其青睞那些來(lái)自本地的借款標(biāo)的。廖理等[8]發(fā)現(xiàn)在網(wǎng)絡(luò)借貸過(guò)程中出借人會(huì)對(duì)借款人產(chǎn)生一些不理性的地域歧視。

一些文獻(xiàn)還主要研究了網(wǎng)絡(luò)借貸中的信用認(rèn)證機(jī)制作用，Iyer等[9]認(rèn)為網(wǎng)絡(luò)借貸中的信用認(rèn)證機(jī)制具有很強(qiáng)的甄別能力，在給定的信用級(jí)別內(nèi)，出借人完全有足夠的能力區(qū)別出同一信用級(jí)別內(nèi)的借款人信用差異。Berger and Gleisner[10]肯定了網(wǎng)貸平臺(tái)在降低信息不對(duì)稱(chēng)性方面發(fā)揮的重要作用，它們可以顯著提高借款人的信用質(zhì)量，對(duì)于那些信用記錄不佳的個(gè)體來(lái)說(shuō)，所發(fā)揮的中介作用格外明顯。廖理等[11]的研究指出學(xué)歷高的借款人確實(shí)表現(xiàn)出較低的違約率，但是，網(wǎng)貸市場(chǎng)上的投資人并不會(huì)表現(xiàn)出對(duì)高學(xué)歷借款人的青睞，故得出通過(guò)學(xué)歷來(lái)識(shí)別借款人的信用風(fēng)險(xiǎn)存在些許偏差的結(jié)論。

具體而言，本文主要從兩個(gè)方面來(lái)開(kāi)展研究：一是借款人的收入與城市青睞現(xiàn)象在網(wǎng)絡(luò)借貸中是否存在，即出借人的投資決策是不是更青睞那些具有高收入和來(lái)自發(fā)達(dá)城市的借款標(biāo)的；二是信用認(rèn)證機(jī)制的有效性研究，也即收入與城市青睞現(xiàn)象顯然是降低了借貸匹配效率，那么不斷發(fā)展完善的信用認(rèn)證機(jī)制是否會(huì)緩解這種現(xiàn)象，實(shí)現(xiàn)網(wǎng)絡(luò)借貸匹配效率的有效提升。以下本文的結(jié)構(gòu)安排是：第二部分為理論分析探討，第三部分介紹有關(guān)變量、模型和統(tǒng)計(jì)描述，第四部分為實(shí)證驗(yàn)證結(jié)果，第五部分為結(jié)論與政策含義。

二、理論分析

本文基于文學(xué)舟和梅強(qiáng)[12]的有關(guān)研究，探討在互聯(lián)網(wǎng)金融模式下，網(wǎng)絡(luò)借貸中的大數(shù)據(jù)信息處理及其形成的信用認(rèn)證約束機(jī)理，它們是如何有助于借款人實(shí)現(xiàn)成功融資的問(wèn)題。具體地講，下面討論網(wǎng)絡(luò)借貸情形下，借貸各方的行為以及借款人在借貸模型中的均衡分析。

(一)借貸主體三方的行為假設(shè)

(1)

(二)借款人在借貸模型中的均衡分析

在互聯(lián)網(wǎng)借貸模式中，信息不對(duì)稱(chēng)性得到極大降低，借貸交易信息的大數(shù)據(jù)處理和云計(jì)算，有助于形成關(guān)鍵信息束，甚至是信用認(rèn)證評(píng)價(jià)的集合。良好的借款人信息可以轉(zhuǎn)變成信用資本，擁有較高的信用得分能夠成為出借人采取投資決策時(shí)的重要參考，相反，劣質(zhì)的借款人信息會(huì)影響其信用得分和信用評(píng)價(jià)。

小微企業(yè)借款人可以提供的信用抵押品為D*δ，那么其借貸行為模型變?yōu)椋?/p>

πα=P*D(h-1-r-α-β)+D(1-P)(0-γ-α-β-δ)

(2)

同時(shí)，借款人擁有較好的信用記錄會(huì)形成高信用得分，在以后借貸中就可以作為信用資本μ，以便跟出借人進(jìn)行溢價(jià)，故出借人的放貸合約模型變?yōu)椋?/p>

r=φ(k+μ,c+D*δ)

(3)

依據(jù)Stiglitz and Weiss[13]提出的信貸模型技術(shù)處理方法，構(gòu)造方程組：

(4)

對(duì)上式聯(lián)立可以解出：

(5)

那么經(jīng)過(guò)處理可得，利率r對(duì)項(xiàng)目融資成功概率的邊際影響為：

(6)

同樣可得，擔(dān)保費(fèi)用α對(duì)項(xiàng)目融資成功概率的邊際影響為：

(7)

信用抵押對(duì)項(xiàng)目融資成功概率的邊際影響為：

(8)

(三)借款人在網(wǎng)貸過(guò)程中所面臨的總體狀況分析

參與網(wǎng)絡(luò)借貸的借款人基本都是小微企業(yè)個(gè)體，這些借款人提供的抵押品c很小，但是在互聯(lián)網(wǎng)大數(shù)據(jù)背景條件下創(chuàng)造的信用資本μ和信用抵押D*δ有助于提升借款人的信用認(rèn)證評(píng)價(jià)信息，使得出借人愿意提供一個(gè)較低的放貸合約，并且，網(wǎng)貸平臺(tái)也愿意為其提供擔(dān)保服務(wù)，擔(dān)保費(fèi)用也會(huì)有逐漸降低的內(nèi)在趨向優(yōu)勢(shì)。從(6)(7)(8)三個(gè)等式可以看出，在網(wǎng)絡(luò)借貸模式下，借款人的項(xiàng)目融資成功概率還是會(huì)不斷提高的，借貸市場(chǎng)面臨的逆向選擇和道德風(fēng)險(xiǎn)也會(huì)逐步降低，借款人所處的借貸環(huán)境也在變得越來(lái)越好。

值得注意的是，在當(dāng)前我國(guó)實(shí)際的網(wǎng)絡(luò)借貸過(guò)程中，信用積累和信用認(rèn)證機(jī)制完善是一個(gè)系統(tǒng)性工程，網(wǎng)貸平臺(tái)對(duì)借款人的信用評(píng)價(jià)也是各有千秋，差異很大，尤其是在當(dāng)下能夠運(yùn)用到的借款人信用資本和信用抵押信息非常有限的情況下，使得實(shí)際借款過(guò)程中會(huì)出現(xiàn)依據(jù)借款人標(biāo)簽性信息進(jìn)行感知判斷的普遍現(xiàn)狀，比如，收入越高的借款人和來(lái)自發(fā)達(dá)城市的借款人更容易受到出借人的青睞，從本質(zhì)上講，這種特殊的青睞現(xiàn)象正是由于不完善的信用認(rèn)證機(jī)制造成的。由理論分析模型我們可以看出，互聯(lián)網(wǎng)大數(shù)據(jù)所不斷積累和創(chuàng)造的借款人信用信息終究是會(huì)改善借貸環(huán)境的，有利于提升網(wǎng)貸中的借貸效率。因此，我們預(yù)計(jì)在不久的將來(lái)，隨著網(wǎng)絡(luò)借貸的不斷發(fā)展成熟，信用認(rèn)證機(jī)制實(shí)現(xiàn)規(guī)范和有效監(jiān)管，出借人對(duì)借款人的收入與城市青睞現(xiàn)象會(huì)逐步減少。

三、變量、模型與描述統(tǒng)計(jì)

本研究依據(jù)的是人人貸網(wǎng)站平臺(tái)交易的借貸數(shù)據(jù)，選取數(shù)據(jù)區(qū)間為2012年1月——2015年1月，這是由于雖然人人貸平臺(tái)于2010年成立，但是從2012年以后進(jìn)入一段快速發(fā)展期，借款標(biāo)的出現(xiàn)較多，數(shù)據(jù)完整性較好。初始樣本有大約17萬(wàn)個(gè)，去掉一些信息缺失嚴(yán)重、有機(jī)構(gòu)擔(dān)保和借款失敗的觀測(cè)樣本之后，大致有15萬(wàn)個(gè)成功借款樣本，7800多個(gè)借款違約樣本。

(一)根據(jù)研究需要設(shè)置變量

設(shè)置的被解釋變量有：

借款成功率(succ)：借款標(biāo)的能夠成功籌集到款項(xiàng)，那么該變量取值為1，否則取值為0。借款違約率(defa)：當(dāng)一個(gè)標(biāo)的籌集到款項(xiàng)后，如果在規(guī)定的還款時(shí)間內(nèi)借款人超過(guò)一個(gè)月沒(méi)有還款，網(wǎng)站平臺(tái)會(huì)自動(dòng)記錄為還款逾期，超過(guò)三個(gè)月仍沒(méi)有還款，網(wǎng)站平臺(tái)出于本金保障的約定，會(huì)為投資人墊付本金，網(wǎng)站平臺(tái)這時(shí)會(huì)記錄為已墊付，本文將這兩種狀態(tài)均視為借款違約，出現(xiàn)這些現(xiàn)象該變量即取值為1，否則取值為0。投標(biāo)人數(shù)(bids)：一個(gè)籌款成功的標(biāo)的參與投資人的個(gè)數(shù)。滿(mǎn)標(biāo)時(shí)間(minu)：借款標(biāo)的完成募集款項(xiàng)所用的時(shí)間，人人貸網(wǎng)站規(guī)定競(jìng)標(biāo)時(shí)間不能超過(guò)7天，但往往一個(gè)標(biāo)的在幾個(gè)小時(shí)內(nèi)很快即可以完成，本文用分鐘來(lái)表示，文中取對(duì)數(shù)。

設(shè)置的借款標(biāo)的特征有：

借款利率(rate)：每個(gè)借款標(biāo)的都會(huì)要求借款人設(shè)置一個(gè)利率。人人貸網(wǎng)站在2012年以前規(guī)定借款利率不得超過(guò)銀行貸款利率的4倍，2012年以后規(guī)定最高利率不得超過(guò)24%。借款金額(lnmoney)：借款人會(huì)在標(biāo)的里面設(shè)置借款額度，人人貸網(wǎng)站規(guī)定貸款額度必須是0.3萬(wàn)-50萬(wàn)之間，并且是50元的倍數(shù)，文中對(duì)其取對(duì)數(shù)。借款期限(limit)：借款人會(huì)對(duì)借款標(biāo)的設(shè)定一個(gè)還款期限，一般在1-36個(gè)月之間，可以是3、6、9、12、18、24個(gè)月。借款用途(use)：按照借款人借款的輕重緩急劃分為，創(chuàng)業(yè)投資記為5，個(gè)體或公司用款記為4，資金周轉(zhuǎn)記為3，個(gè)人消費(fèi)記為2，累積信用和試驗(yàn)標(biāo)記為1。

設(shè)置的其它變量有：

信用認(rèn)證得分(credit)：網(wǎng)貸平臺(tái)會(huì)根據(jù)用戶(hù)的信息描述、信用情況和借貸交易記錄給出每個(gè)人的信用認(rèn)證得分，共有7個(gè)級(jí)別，分別記為HR=1、E=2、D=3、C=4、B=5、A=6、AA=7，其中HR是信用認(rèn)證級(jí)別最差的得分。銀行貸款(loan)：借款人在銀行有房貸或車(chē)貸的情況，只要有一項(xiàng)存在該變量記為1，否則記為0。固定資產(chǎn)(asset)：有購(gòu)房記為1，無(wú)購(gòu)房記為0?；榉?marr)：已婚、離異和喪偶記為1，未婚記為0。收入水平(inco)：為借款人的月收入情況，當(dāng)月收入在0.2萬(wàn)元以下取值為1，在0.2萬(wàn)-0.5萬(wàn)元之間取值為2，在0.5萬(wàn)-1萬(wàn)元之間取值為3，在1萬(wàn)-2萬(wàn)元之間取值為4，在2萬(wàn)-5萬(wàn)元之間取值為5，在5萬(wàn)元以上取值為6。城市層次(city)：根據(jù)網(wǎng)站平臺(tái)提供的用戶(hù)生活城市和工作地點(diǎn)描述，將借款人所屬城市層次*統(tǒng)計(jì)省會(huì)城市和地級(jí)市時(shí)不包括副省級(jí)城市。結(jié)合中央機(jī)構(gòu)編制委員會(huì)[1994]1號(hào)文件，副省級(jí)城市有：廣州、沈陽(yáng)、南京、武漢、成都、西安、大連、長(zhǎng)春、哈爾濱、濟(jì)南、青島、杭州、寧波、廈門(mén)、深圳。劃分為直轄市取值為6、副省級(jí)城市取值為5、省會(huì)城市取值為4、地級(jí)市取值為3、縣城取值為2、鄉(xiāng)鎮(zhèn)及其它取值為1。

(二)模型

本文借鑒Michels[14]、王會(huì)娟和何琳[15]的做法，構(gòu)建如下模型：

Y=β0+α1inco+α2city+α3rate+α4lnmoney+α5limit+α6use+α7loan+α8asset+α9marr+ε

(9)

在式(9)中，模型的被解釋變量Y分別指代借款成功率(succ)、借款違約率(defa)、投標(biāo)人數(shù)(bids)、滿(mǎn)標(biāo)時(shí)間(minu)指標(biāo)。

(三)描述性統(tǒng)計(jì)

表1給出的是主要變量的描述統(tǒng)計(jì)結(jié)果，可以看到，借款成功的標(biāo)的平均值達(dá)到20.4%，出現(xiàn)借款違約現(xiàn)象的標(biāo)的平均有5%左右，每個(gè)標(biāo)的平均需要31個(gè)投標(biāo)人次、43分鐘即可完成競(jìng)標(biāo)，最多有289個(gè)投標(biāo)人參與，最長(zhǎng)花費(fèi)將近6個(gè)小時(shí)才完成標(biāo)的競(jìng)標(biāo)。所有標(biāo)的的利率在4.3%——24%之間，平均利率也有17.5%，借款金額的對(duì)數(shù)值平均為6.77，借款期限一般在14個(gè)月左右，借款用途更多的是用于商業(yè)和急用所需。信用得分平均較低，處于HR、E、D、C得分級(jí)別居多，大多借款人具有一定的銀行貸款，有購(gòu)房情況多于無(wú)購(gòu)房情況，已婚狀態(tài)多于未婚狀態(tài)。此外，成功借款和借款違約樣本在各個(gè)信用得分的分布情況如圖1所示，可以看出，在低信用得分層次，尤其是在HR、E、D、C得分級(jí)別，成功借款標(biāo)的累計(jì)之和與借款違約標(biāo)的累計(jì)之和分別占到各自標(biāo)的總數(shù)的90%和85%以上，而在高信用得分層次B、A、AA級(jí)得分上，成功借款標(biāo)的累計(jì)之和與借款違約標(biāo)的累計(jì)之和分別占各自標(biāo)的總數(shù)大約在10%和15%左右。

表2和表3分別為不同收入水平和不同城市層次的分組統(tǒng)計(jì)結(jié)果。從表2中可以看出，月收入5萬(wàn)元以上、2萬(wàn)-5萬(wàn)元之間、1萬(wàn)-2萬(wàn)元之間、0.5萬(wàn)-1萬(wàn)元之間、0.2萬(wàn)-0.5萬(wàn)元之間、0.2萬(wàn)元以下的借款人籌款成功率分別為28%、23%、20%、16%、11%、3%左右，借款人的違約率分別為:5.34%、6.47%、7.38%、8.42%、10.63%、10.41%上下。也就是說(shuō)，隨著借款人月收入水平的下降，借款標(biāo)的成功率也在逐漸降低，借款標(biāo)的違約率卻在不斷上升，同時(shí)，在不同級(jí)別的收入水平上，借款標(biāo)的的投標(biāo)人數(shù)與滿(mǎn)標(biāo)時(shí)間分別和借款標(biāo)的成功率與違約率的變動(dòng)趨勢(shì)相仿，另外，借款人的月收入水平越高，其對(duì)應(yīng)的信用得分也越高，發(fā)布籌集較多款項(xiàng)的標(biāo)的時(shí)不需要提供太高的利率就可以完成競(jìng)標(biāo)，借款人的信用得分與其設(shè)定的利率高低基本上是一種反向關(guān)系。從表3中可以看出，借款人所屬城市分別為直轄市、副省級(jí)城市、省會(huì)城市、地級(jí)市、縣城、鄉(xiāng)鎮(zhèn)及其它層次時(shí)，借款標(biāo)的的投標(biāo)人數(shù)分別為：67.59、59.36、54.72、48.35、44.37、30.19，借款人標(biāo)的的滿(mǎn)標(biāo)時(shí)間分別為：210.28、236.61、240.37、280.63、306.28、315.41。也即隨著借款人所屬城市層次的降低，其標(biāo)的所能夠吸引到的投資人數(shù)將會(huì)越來(lái)越少，并且完成競(jìng)標(biāo)需要越來(lái)越長(zhǎng)的滿(mǎn)標(biāo)時(shí)間。在不同級(jí)別的城市層次上，標(biāo)的的借款成功率與借款違約率分別和標(biāo)的的投標(biāo)人數(shù)與滿(mǎn)標(biāo)時(shí)間變動(dòng)狀況基本一致。借款人所屬城市是直轄市層級(jí)時(shí)，相應(yīng)的信用得分較高，其標(biāo)的還具有借款利率低、借款期限短、借款金額大等特點(diǎn)，借款人所屬城市是鄉(xiāng)鎮(zhèn)層級(jí)時(shí)，個(gè)人具有信用得分低，固定資產(chǎn)少等特征，其標(biāo)的也容易表現(xiàn)出借款利率高、借款期限長(zhǎng)、借款金額小等特點(diǎn)。

表1　變量歸類(lèi)描述

圖1　不同信用得分的借款分布情況

注：圖1橫軸為信用得分，左縱軸為成功借款標(biāo)的在各個(gè)信用得分的分布，右縱軸為借款違約標(biāo)的在各個(gè)信用得分的分布。

表4為主要變量之間的相關(guān)系數(shù)及顯著性，可以看出，借款成功率大的標(biāo)的對(duì)應(yīng)借款人的信用認(rèn)證得分高，會(huì)吸引到更多的投資人競(jìng)標(biāo)，需要的滿(mǎn)標(biāo)時(shí)間會(huì)變短，同時(shí)，標(biāo)的會(huì)表現(xiàn)出借款利率低，借款期限短等特征。不過(guò)，還有一些其他變量之間的相關(guān)性也很有意義，例如：違約率越高的標(biāo)的，其借款人的信用認(rèn)證得分較低，該標(biāo)的利率會(huì)表現(xiàn)偏高。從投標(biāo)人數(shù)和滿(mǎn)標(biāo)時(shí)間兩個(gè)變量來(lái)看，投標(biāo)人數(shù)多的標(biāo)的自然是具有借款利率高、借款金額大、借款期限長(zhǎng)、信用認(rèn)證得分高的特點(diǎn)，滿(mǎn)標(biāo)時(shí)間長(zhǎng)的標(biāo)的也反映了存在有借款金額大、借款利率低、借款期限長(zhǎng)、借款人信用認(rèn)證得分低等特征。事實(shí)上，借款成功率與借款違約率、投標(biāo)人數(shù)與滿(mǎn)標(biāo)時(shí)間均表現(xiàn)為負(fù)相關(guān)關(guān)系，這也符合借貸交易的一般規(guī)律，不過(guò)變量之間的相關(guān)性只是一種簡(jiǎn)單描述，還需要有更為嚴(yán)謹(jǐn)?shù)膶?shí)證分析來(lái)進(jìn)行檢驗(yàn)。

表2　不同收入水平的變量均值描述

表3　不同城市層次的變量均值描述

表4　主要變量相關(guān)系數(shù)表

注：***、**、*分別表示在1%、5%、10%置信水平上顯著。

四、實(shí)證檢驗(yàn)結(jié)果

(一)收入與城市青睞現(xiàn)象檢驗(yàn)

經(jīng)過(guò)前文的分析發(fā)現(xiàn)，網(wǎng)絡(luò)借貸過(guò)程中，收入與城市青睞現(xiàn)象是存在的，出借人的投資決策會(huì)受到借款人的收入與城市層次的影響，本文從借款標(biāo)的的成功率、違約率、投標(biāo)人數(shù)和滿(mǎn)標(biāo)時(shí)間等角度全面地考察了收入與城市青睞現(xiàn)象對(duì)借貸行為的作用效果，分析結(jié)果如表5所示。

表5　收入與城市青睞現(xiàn)象的估計(jì)檢驗(yàn)

表5中模型(1)為借款標(biāo)的成功率受借款人收入與城市層次的影響情況，從其中可以發(fā)現(xiàn)，收入和城市對(duì)標(biāo)的成功率的影響系數(shù)分別為0.592和0.480，均在1%水平上顯著，反映了借款人的收入每增加一個(gè)級(jí)別，所屬城市每提高一個(gè)發(fā)展層次，將導(dǎo)致其借款標(biāo)的成功率分別提升0.592和0.480，可以這樣認(rèn)為，出借人更愿意投資給那些收入高和來(lái)自發(fā)達(dá)城市的借款人標(biāo)的，借款人具有收入高和來(lái)自發(fā)達(dá)城市的特征，那么其標(biāo)的受到的關(guān)注度會(huì)更高，也更容易受到投資人的青睞，并且收入因素帶來(lái)的影響要比城市因素更為明顯一些。進(jìn)一步地講，在不考慮信用認(rèn)證因素條件下，借款人的收入與城市層次確實(shí)會(huì)影響到出借人的投資決策，進(jìn)而作用于標(biāo)的的籌款成功率。

表5中模型(2)為借款標(biāo)的違約率受借款人收入與城市層次的影響結(jié)果，收入和城市對(duì)借款違約率的影響系數(shù)分別為-0.213和-0.206，均在1%水平上顯著，反映了借款人的收入每增加一個(gè)級(jí)別，所屬城市每提高一個(gè)發(fā)展層次，其借款違約率的可能性將分別降低0.213和0.206，可以看出那些收入高和來(lái)自發(fā)達(dá)城市的借款人違約概率相對(duì)要低一些，這也從側(cè)面反映了他們具備一定還款能力優(yōu)勢(shì)，容易獲得投資人青睞，在不考慮信用認(rèn)證因素的條件下，借款人的收入與城市層次和其違約可能性具有一定的負(fù)向關(guān)聯(lián)。

表5中模型(3)為投標(biāo)人數(shù)受借款人收入與城市層次的影響情況，發(fā)現(xiàn)收入和城市對(duì)標(biāo)的投標(biāo)人數(shù)的影響系數(shù)分別為4.785和3.318，均在1%水平上顯著，意味著借款人的收入每增加一個(gè)級(jí)別，所屬城市每提高一個(gè)發(fā)展層次，將使得其標(biāo)的的投標(biāo)人數(shù)可能分別會(huì)提升4個(gè)和3個(gè)以上人次，由此可見(jiàn)，投資人更加青睞那些高收入和來(lái)自經(jīng)濟(jì)發(fā)達(dá)城市的借款人，借款人的收入越高，所屬城市越發(fā)達(dá)，就越能夠吸引到更多的投資人參與競(jìng)標(biāo)，收入水平增長(zhǎng)因素比城市層次提升因素所能夠吸引到的投標(biāo)人數(shù)增加程度還要更為顯著一些。在不考慮信用認(rèn)證機(jī)制條件下，借款人的收入與城市層次對(duì)吸引標(biāo)的的投標(biāo)人數(shù)具有很大影響，同時(shí)二者所產(chǎn)生的影響具有一定的差異性。

表5中模型(4)為滿(mǎn)標(biāo)時(shí)間受借款人收入與城市層次的影響，具體地，收入和城市對(duì)滿(mǎn)標(biāo)時(shí)間的影響系數(shù)分別為-1.627和-1.140，均在1%水平上顯著，意味著借款人的收入每增加一個(gè)級(jí)別，所屬城市每提高一個(gè)發(fā)展層次，將引起該標(biāo)的的滿(mǎn)標(biāo)時(shí)間可能會(huì)分別降低1.627和1.140，投資人傾向于青睞那些來(lái)自高收入和發(fā)達(dá)城市的借款人標(biāo)的，因而這些標(biāo)的的滿(mǎn)標(biāo)時(shí)間相對(duì)要縮短一些。在不考慮信用認(rèn)證機(jī)制條件下，借款人的收入與城市層次容易受到出借人青睞，導(dǎo)致那些來(lái)自高收入和發(fā)達(dá)城市的借款人標(biāo)的很快就會(huì)實(shí)現(xiàn)滿(mǎn)標(biāo)。

借款人的收入與城市層次對(duì)借款標(biāo)的的成功率、違約率、投標(biāo)人數(shù)、滿(mǎn)標(biāo)時(shí)間變量的影響結(jié)果，表明出借人對(duì)借款人的收入與城市特征青睞現(xiàn)象確實(shí)影響了網(wǎng)絡(luò)借貸行為。此外，表5中借款成功率、借款違約率、投標(biāo)人數(shù)、滿(mǎn)標(biāo)時(shí)間與借款利率、借款金額、借款期限、借款用途、銀行貸款、固定資產(chǎn)和婚否都有一定的關(guān)系。具體地，借款利率越高，標(biāo)的越容易籌款成功，不過(guò)借款人違約風(fēng)險(xiǎn)概率會(huì)陡增，同時(shí)吸引到眾多投標(biāo)人參與競(jìng)標(biāo)，標(biāo)的也能夠很快完成籌款。借款金額越大，標(biāo)的成功籌款就相對(duì)要困難一些，違約率表現(xiàn)也很高，同時(shí)需要更多的投標(biāo)人數(shù)和更長(zhǎng)的競(jìng)標(biāo)時(shí)間才能完成籌款。借款期限越長(zhǎng)的標(biāo)的，其籌款就不容易完成，違約風(fēng)險(xiǎn)會(huì)加大，需要投標(biāo)人數(shù)增多，滿(mǎn)標(biāo)時(shí)間也會(huì)延長(zhǎng)。借款用途的系數(shù)顯著性要低一些，用于商用的籌款標(biāo)的違約風(fēng)險(xiǎn)表現(xiàn)會(huì)加劇。在銀行有貸款的借款人反映了他們具備一定的銀行信譽(yù)證明，因此會(huì)吸引到更多的投標(biāo)人數(shù)，借款標(biāo)的也容易籌款成功。借款人擁有固定資產(chǎn)意味著其具有可擔(dān)保抵押產(chǎn)品，會(huì)受到諸多競(jìng)標(biāo)投資人的信賴(lài)，更容易在短時(shí)間內(nèi)完成籌款標(biāo)的。相比于未婚借款人，具有一定抗風(fēng)險(xiǎn)能力的已婚借款人更容易獲得出借人青睞，其借款標(biāo)的會(huì)在較短時(shí)間內(nèi)成功實(shí)現(xiàn)籌款。

(二)考慮信用認(rèn)證條件下收入與城市青睞現(xiàn)象的再驗(yàn)證估計(jì)

在不完善的信用認(rèn)證機(jī)制狀況下，出借人做出投資決策時(shí)，對(duì)借款標(biāo)的會(huì)產(chǎn)生收入與城市特征青睞現(xiàn)象，這也正是網(wǎng)絡(luò)借貸發(fā)展初期表現(xiàn)的突出現(xiàn)狀，隨著互聯(lián)網(wǎng)金融逐漸向穩(wěn)定成熟期發(fā)展，信用認(rèn)證機(jī)制在網(wǎng)絡(luò)借貸過(guò)程中發(fā)揮的作用會(huì)越來(lái)越明顯，在這些狀況下，借款人的收入與城市特征對(duì)其借款融資的影響是否會(huì)發(fā)生變化呢？我們依據(jù)“人人貸”網(wǎng)站平臺(tái)給出的信用認(rèn)證7個(gè)得分級(jí)別，分別驗(yàn)證不同信用得分情形下借款人的收入與城市層次對(duì)借貸行為四個(gè)因變量的作用效果。

表6為信用認(rèn)證條件下收入與城市對(duì)借款成功率影響的驗(yàn)證狀況。可以看出，收入與城市對(duì)借款成功率的影響系數(shù)均較為顯著，具體地講，收入對(duì)借款成功率的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下分別為0.784，0.631，0.529，0.413，0.106，-0.037，0.226，城市對(duì)借款成功率的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下分別為0.326，0.289，0.234，0.177，0.109，0.008，-0.201，影響系數(shù)及其顯著性是在逐漸降低。隨著借款人信用認(rèn)證級(jí)別的提高，借款成功率受收入和城市因素的影響作用逐漸減小，顯著性也越來(lái)越弱，信用認(rèn)證機(jī)制促使出借人對(duì)借款人收入和城市因素的青睞關(guān)注程度越來(lái)越不明顯。此外，在不同信用認(rèn)證級(jí)別情形下，借款成功率與借款利率正相關(guān)，與借款金額和借款期限負(fù)相關(guān)，表明借款利率越高，借款金額越少，借款期限越短，借款標(biāo)的越容易籌款成功。借款用途對(duì)借款成功率影響較小，傾向于商業(yè)貸款的標(biāo)的更容易籌到借款，借款人如果具有銀行貸款記錄、具備固定資產(chǎn)的特點(diǎn)，那么，其標(biāo)的相對(duì)容易籌款成功。

表7為信用認(rèn)證條件下收入與城市對(duì)借款違約率的影響驗(yàn)證結(jié)果?？梢钥闯觯杖雽?duì)借款違約率的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下依次為-0.124，-0.118，-0.112，-0.107，-0.103，-0.101，0.116，城市對(duì)借款違約率的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下依次為-0.074，-0.069，-0.063，-0.055，-0.038，-0.020，-0.007，收入與城市對(duì)借款違約率的影響系數(shù)均是顯著負(fù)相關(guān)，顯著性逐漸降低，即借款人的收入與城市層次越高，相應(yīng)的違約率就會(huì)降低，具體地，當(dāng)借款人的信用認(rèn)證級(jí)別較低時(shí)，收入與城市層次的提高有助于降低借款人的違約率，而隨著借款人信用認(rèn)證級(jí)別的提升，違約率依賴(lài)收入與城市標(biāo)簽特征的識(shí)別作用將越來(lái)越小，信用認(rèn)證機(jī)制有效地降低了借款違約率依據(jù)收入與城市層次的識(shí)別效果。同時(shí)，我們發(fā)現(xiàn)在每一個(gè)的信用認(rèn)證級(jí)別當(dāng)中，借款利率、借款金額、借款期限與借款違約率正相關(guān)，也就是說(shuō)，借款利率越高、借款金額越大，借款期限越長(zhǎng)，借款違約風(fēng)險(xiǎn)越顯著。借款用途、固定資產(chǎn)對(duì)借款違約率沒(méi)有明顯的相關(guān)關(guān)系。銀行貸款與借款違約率負(fù)相關(guān)，主要是由于在銀行有貸款經(jīng)歷意味著存在銀行信譽(yù)記錄，相應(yīng)地借款人違約的可能性也會(huì)大大降低。相比于未婚人群，已婚人群違約率也會(huì)明顯減小。

表6　信用認(rèn)證條件下收入與城市對(duì)借款成功率的估計(jì)結(jié)果

表7　信用認(rèn)證條件下收入與城市對(duì)借款違約率的估計(jì)結(jié)果

表8為信用認(rèn)證條件下收入與城市對(duì)借款標(biāo)的投標(biāo)人數(shù)影響的驗(yàn)證結(jié)果?？梢钥闯?，收入與城市對(duì)投標(biāo)人數(shù)的影響系數(shù)均較為顯著，具體地，收入對(duì)投標(biāo)人數(shù)的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下分別為1.343，1.426，1.215，1.043，0.895，0.521，0.147，城市對(duì)投標(biāo)人數(shù)的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下分別為0.491，0.392，0.314，0.239，0.186，0.104，0.066。隨著借款人信用認(rèn)證級(jí)別的提升，憑借收入與城市特征能夠吸引到的投標(biāo)人數(shù)會(huì)越來(lái)越少，換句話說(shuō)，在信用認(rèn)證級(jí)別很高時(shí)，出借人對(duì)借款人的收入與城市特征不再過(guò)于青睞，信用認(rèn)證機(jī)制有效地降低了借款人的收入與城市特征對(duì)投資人的吸引力，提升了網(wǎng)絡(luò)借貸的匹配效率。進(jìn)一步的分析表明，借款利率、借款金額、借款期限與標(biāo)的的投標(biāo)人數(shù)成正比，也即借款利率越高、借款金額越大，借款期限越長(zhǎng)，吸引到的投標(biāo)人數(shù)會(huì)越多。信用認(rèn)證級(jí)別較低時(shí)，用于經(jīng)商用途的借款標(biāo)的相對(duì)會(huì)吸引到更多的投標(biāo)人數(shù)，信用認(rèn)證級(jí)別較高時(shí)，用于商業(yè)周轉(zhuǎn)的借款標(biāo)的對(duì)投標(biāo)人的吸引力與自用借款用途的標(biāo)的差別不大。此外，在各個(gè)信用認(rèn)證級(jí)別下，投標(biāo)人數(shù)均與銀行貸款、固定資產(chǎn)、已婚正相關(guān)，意味著在銀行有貸款記錄、具有固定資產(chǎn)和已婚特征的借款人，其標(biāo)的均能夠吸引到更多的投標(biāo)人數(shù)。

表9為信用認(rèn)證條件下收入與城市對(duì)借款標(biāo)的滿(mǎn)標(biāo)時(shí)間影響的驗(yàn)證結(jié)果?？梢钥闯?，收入對(duì)滿(mǎn)標(biāo)時(shí)間的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下依次為-3.199，-3.217，-3.068，-2.890，-2.574，-2.131，-1.849，城市對(duì)滿(mǎn)標(biāo)時(shí)間的影響系數(shù)在不同信用認(rèn)證級(jí)別情形下依次為-1.562，-1.739，-1.284，-0.805，-0.513，-0.218，-0.105，收入與城市因素對(duì)滿(mǎn)標(biāo)時(shí)間的影響均為顯著負(fù)相關(guān)，系數(shù)絕對(duì)值大體是在減小，即在信用認(rèn)證低級(jí)階段，借款人的收入與城市層次提升，相應(yīng)的滿(mǎn)標(biāo)時(shí)間就會(huì)大幅降低，當(dāng)信用認(rèn)證級(jí)別處于高級(jí)階段時(shí)，借款人的收入與城市層次提升只能夠引起滿(mǎn)標(biāo)時(shí)間有限地降低，信用認(rèn)證機(jī)制的完善，降低了投標(biāo)人對(duì)借款人的收入與城市層次特征的青睞，尤其是當(dāng)借款人的信用認(rèn)證級(jí)別較高時(shí)，該類(lèi)標(biāo)的需要較短的時(shí)間就可以實(shí)現(xiàn)滿(mǎn)標(biāo)。另外，借款金額越大，借款期限越長(zhǎng)，都會(huì)延長(zhǎng)借款標(biāo)的滿(mǎn)標(biāo)時(shí)間，而借款利率高的話，滿(mǎn)標(biāo)則只需要較短的時(shí)間就可以完成。借款用途對(duì)滿(mǎn)標(biāo)時(shí)間的影響系數(shù)大多不顯著，銀行貸款、固定資產(chǎn)和已婚對(duì)滿(mǎn)標(biāo)時(shí)間的影響作用均為負(fù)相關(guān)，也就是說(shuō)，在銀行有貸款、擁有固定資產(chǎn)、已婚狀態(tài)都有利于借款人的標(biāo)的很快完成競(jìng)標(biāo)。

表8　信用認(rèn)證條件下收入與城市對(duì)投標(biāo)人數(shù)的估計(jì)結(jié)果

表9　信用認(rèn)證條件下收入與城市對(duì)滿(mǎn)標(biāo)時(shí)間的估計(jì)結(jié)果

五、結(jié)論與政策含義

在目前的網(wǎng)絡(luò)借貸模式中，當(dāng)信用認(rèn)證機(jī)制不夠完善時(shí)，出借人投資行為總會(huì)對(duì)借款人的收入與城市等特征表現(xiàn)出一定青睞現(xiàn)象，那么通過(guò)考察信用認(rèn)證機(jī)制發(fā)展進(jìn)程，探討這種青睞現(xiàn)象及其所受到的影響，繼而說(shuō)明信用認(rèn)證機(jī)制有效性問(wèn)題，正是本文的研究核心所在。依據(jù)人人貸網(wǎng)站平臺(tái)借貸交易數(shù)據(jù)，我們主要驗(yàn)證了借貸行為受借款人的收入與城市青睞現(xiàn)象的影響，以及在信用認(rèn)證機(jī)制條件下，出借人的投資決策(包括標(biāo)的成功率、違約率、競(jìng)標(biāo)人數(shù)、滿(mǎn)標(biāo)時(shí)間)受借款人收入與城市青睞現(xiàn)象影響的變化情況。本文研究結(jié)論有：

第一，信用認(rèn)證機(jī)制不夠完善情況下，借款人的收入與城市層次每提升一個(gè)級(jí)別，其標(biāo)的的投標(biāo)人數(shù)都會(huì)有明顯增加，籌款成功率也有大幅提高，對(duì)于來(lái)自較高收入與發(fā)達(dá)城市層次的籌款標(biāo)的，完成滿(mǎn)標(biāo)所需要的時(shí)間會(huì)有所縮短，這些標(biāo)的表現(xiàn)出的違約率也較為低下，據(jù)此印證了網(wǎng)貸市場(chǎng)中確實(shí)存在有對(duì)借款人的收入與城市特征青睞的現(xiàn)象。

第二，當(dāng)信用認(rèn)證機(jī)制比較完善，即篩選出借款人的信用認(rèn)證等級(jí)條件時(shí)，分析發(fā)現(xiàn)隨著借款人信用認(rèn)證等級(jí)的提高，收入與城市層次對(duì)借款標(biāo)的的成功率和投標(biāo)人數(shù)所產(chǎn)生的正向影響逐漸降低，借款標(biāo)的的違約率和滿(mǎn)標(biāo)時(shí)間對(duì)借款人的收入與城市層次識(shí)別功能以及它們之間的負(fù)向影響關(guān)系也在削弱，意味著出借人的投資決策不再受借款人的收入與城市青睞現(xiàn)象的干擾，表明信用認(rèn)證機(jī)制有效地降低了信息不對(duì)稱(chēng)性，抑制了借貸中的人為印象感知因素的狀況發(fā)生，促進(jìn)了借貸匹配效率的大幅提升。

該研究具有以下政策含義：

1.支持網(wǎng)絡(luò)借貸地平臺(tái)創(chuàng)新活動(dòng)，有效規(guī)范行業(yè)發(fā)展標(biāo)準(zhǔn)。網(wǎng)貸極大地克服了借貸主體的信息不對(duì)稱(chēng)性問(wèn)題，提高了資金配置效率，這也是諸多學(xué)者認(rèn)為互聯(lián)網(wǎng)金融是一種新金融觀點(diǎn)的重要依據(jù)[16]，互聯(lián)網(wǎng)借貸的最大優(yōu)勢(shì)就是提升了人與人之間借貸的便利性。值得注意的是，當(dāng)前中國(guó)的網(wǎng)絡(luò)借貸正處于蓬勃發(fā)展的初期階段，自身還存在一些交易風(fēng)險(xiǎn)與不完善的信用認(rèn)證規(guī)范性問(wèn)題，尤其是各個(gè)借貸平臺(tái)之間的信用認(rèn)證標(biāo)準(zhǔn)具有很大的差異，這就使得政府應(yīng)該鼓勵(lì)網(wǎng)絡(luò)借貸平臺(tái)的創(chuàng)新與競(jìng)爭(zhēng)，提倡允許一些機(jī)構(gòu)成立網(wǎng)絡(luò)借貸協(xié)會(huì)，規(guī)范行業(yè)標(biāo)準(zhǔn)，識(shí)別借貸交易風(fēng)險(xiǎn)，采取一些防范措施，保障網(wǎng)絡(luò)借貸的健康發(fā)展。

2.構(gòu)建行業(yè)內(nèi)信用認(rèn)證評(píng)價(jià)機(jī)制。目前國(guó)際上最有影響力的信用認(rèn)證機(jī)制是美國(guó)的FICO信用評(píng)分體系，該體系主要包括借款人的道德品質(zhì)、還款能力、擔(dān)保經(jīng)營(yíng)情況，并進(jìn)一步將其分為二級(jí)和三級(jí)指標(biāo)，從而充分反映借款人的信用結(jié)構(gòu)潛質(zhì)成因。國(guó)內(nèi)常見(jiàn)的信用認(rèn)證細(xì)分原則是將其分為必要和可選指標(biāo)，這種劃分還不夠詳細(xì)，例如網(wǎng)站要求借款人提供收入的銀行流水單據(jù)，并沒(méi)有嚴(yán)格區(qū)別是固定收入還是偶然收入，是淡季收入還是旺季收入。因此如何構(gòu)建一個(gè)完整而又有層次的信用認(rèn)證機(jī)制就顯得至關(guān)重要，需要說(shuō)明的是，隨著時(shí)間的推移，借款人與出借人的年齡、工作、收入、所在環(huán)境都可能會(huì)影響其信用變動(dòng)，所以這些指標(biāo)都要階段性地及時(shí)更新，故該信用認(rèn)證機(jī)制體系又需要是動(dòng)態(tài)的和可調(diào)整的。

3.加強(qiáng)政府對(duì)網(wǎng)絡(luò)借貸信用認(rèn)證機(jī)制的引導(dǎo)與監(jiān)管。為了維護(hù)好信用認(rèn)證機(jī)制的有效實(shí)施，建立一個(gè)引導(dǎo)與監(jiān)管體系也是十分有必要的，首先，應(yīng)該明確引導(dǎo)與監(jiān)管主體，可以聯(lián)合成立一個(gè)獨(dú)立于“一行三會(huì)”的職能管理部門(mén)進(jìn)行實(shí)施；其次，整合與協(xié)調(diào)有關(guān)個(gè)人信用認(rèn)證評(píng)價(jià)的法律規(guī)章，強(qiáng)化對(duì)個(gè)人重要信息的保密，規(guī)定正確獲取借款人信息的途徑辦法，明確借貸雙方的權(quán)利和義務(wù)，確保各方的正當(dāng)合法權(quán)益；最后，要努力創(chuàng)造條件，引導(dǎo)實(shí)現(xiàn)已有各方征信系統(tǒng)資源與網(wǎng)貸平臺(tái)信用認(rèn)證信息的共享對(duì)接，最終形成一個(gè)完善合理且更加有效的信用認(rèn)證機(jī)制。

[1]皮天雷，趙鐵. 互聯(lián)網(wǎng)金融：邏輯、比較與機(jī)制[J].中國(guó)經(jīng)濟(jì)問(wèn)題，2014(7)：98-108.

[2]黃益平，沈艷，王靖一. 哪類(lèi)P2P平臺(tái)最容易出問(wèn)題？[R].北京：北京大學(xué)國(guó)家發(fā)展研究院工作論文，2015.

[3]Herzenstein M, Sonenshein S, Dholakia U. Tell me a good story and I may lend you my money: the role of narratives in peer-to-peer lending decisions [J]. Journal of Marketing Research, 2011, 48:138-149.

[4]Pope D G, Sydnor J R. What’s in a picture? evidence of discrimination from prosper.com [J]. Journal of Human Resources, 2011, 46: 53-92.

[5]Duarte J, Siegel S, Lance Y. Trust and credit: the role of appearance in peer-to-peer lending [J]. Review of Finance Studies, 2012, 25: 2455-2484.

[6]Ravina E. The effect of beauty and personal characteristics in credit markets[R]. Working Paper of Columbia University, 2008.

[7]Lin M F, Viswanathan S. Home bias in online investments: an empirical study of an online crowd funding market[R]. Working Paper, 2013.

[8]廖理，李夢(mèng)然，王正位. 中國(guó)互聯(lián)網(wǎng)金融的地域歧視研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014(5)：54-70.

[9]Iyer R, Khwaja A I, Luttmer E P, et al. Screening in new credit markets: can individual lenders infer borrower credit worthiness in peer-to-peer lending? [R]. Working Paper, 2009.

[10]Berger S, Gleisner F. Emergence of financial intermediaries in electronic markets: the case of online P2P lending [J]. BuR Business Research Journal, 2009, 2: 39-65.

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

[12]文學(xué)舟，梅強(qiáng). 中國(guó)三種模式信用擔(dān)保機(jī)構(gòu)研究[M].北京：中國(guó)社會(huì)科學(xué)出版社，2012.

[13]Stiglitz J E, Weiss A M. Credit rationing in markets with imperfect information [J]. American Economic Review, 1981, 71:393-410.

[14]Michels J. Do unverifiable disclosures matter? evidence from peer-to-peer lending [J]. The Accounting Review, 2012, 87: 1385-1413.

[15]王會(huì)娟，何琳. 借款描述對(duì)P2P網(wǎng)絡(luò)借貸行為影響的實(shí)證研究[J].金融經(jīng)濟(jì)學(xué)研究，2015(1)：77-85.

[16]謝平，鄒傳偉. 互聯(lián)網(wǎng)金融模式研究[J].金融研究，2012(12)：11-22.

責(zé)任編輯、校對(duì)：郭燕慶

2016-02-20

中國(guó)博士后科學(xué)基金第58批面上項(xiàng)目(2015M580002)。

姚博(1988-)，河南省南陽(yáng)市人，北京大學(xué)互聯(lián)網(wǎng)金融研究中心/國(guó)家發(fā)展研究院，博士后，研究方向：金融學(xué)。

A

1002-2848-2016(04)-0030-12