蘇州市職業(yè)大學(xué)商學(xué)院 周雷 顏芳

新常態(tài)下互聯(lián)網(wǎng)金融支持小微企業(yè)融資研究*
——基于信息不對稱視角

蘇州市職業(yè)大學(xué)商學(xué)院 周雷 顏芳

新常態(tài)下互聯(lián)網(wǎng)金融正成為我國小微企業(yè)解決融資難題的新選擇。本文以理論模型為基礎(chǔ)，通過收集篩選某著名P2P平臺的58766條小微借貸信息，運用Logistic回歸和逐步回歸進行大數(shù)據(jù)實證檢驗，結(jié)果表明：借款金額、利率、期限等“硬”信息對小微融資的影響明顯弱于實名認證、信用表現(xiàn)等“軟”信息?；ヂ?lián)網(wǎng)金融的信息處理機制有助于提高小微融資可獲得性和降低融資成本，要進一步發(fā)揮互聯(lián)網(wǎng)金融作用，需完善信息共享機制，強化信息風(fēng)險防控。

互聯(lián)網(wǎng)金融 小微企業(yè) 信息不對稱

一、引言

“十三五”時期，我國經(jīng)濟發(fā)展步入新常態(tài)，面臨增速換檔節(jié)點，隨著經(jīng)濟下行壓力加大，融資難、融資貴正成為制約小微企業(yè)發(fā)展的一大瓶頸。一些銀行引進國外理念和微貸技術(shù)，切實為部分小微企業(yè)提供了信貸支持，但小微企業(yè)融資問題并沒有得到根本解決?；ヂ?lián)網(wǎng)金融憑借大數(shù)據(jù)技術(shù)，打破傳統(tǒng)金融服務(wù)模式，使小微企業(yè)融資問題正出現(xiàn)有解的可能。2015年12月31日，國務(wù)院在《推進普惠金融發(fā)展規(guī)劃（2016～2020年）》中明確提出：小微企業(yè)是我國普惠金融重點服務(wù)對象，要發(fā)揮互聯(lián)網(wǎng)促進普惠金融發(fā)展的有益作用，發(fā)揮網(wǎng)絡(luò)借貸平臺融資便捷、對象廣泛的特點，引導(dǎo)其緩解小微企業(yè)融資難問題。在新常態(tài)下，研究如何使新興的互聯(lián)網(wǎng)金融更好地支持小微企業(yè)發(fā)展，推動大眾創(chuàng)業(yè)、萬眾創(chuàng)新正成為當(dāng)前理論界和實務(wù)界關(guān)注的一個熱點課題。

二、文獻綜述

近年來，隨著P2P網(wǎng)貸的實踐發(fā)展，國內(nèi)外已出現(xiàn)一批研究互聯(lián)網(wǎng)金融對小微企業(yè)融資影響的文獻。其中國外研究源于對英國Zopa平臺和美國Prosper平臺的小微貸運作情況的數(shù)據(jù)分析。如A.C.B.Ortega和F.Bell（2008）以Zopa為研究對象，發(fā)現(xiàn)小微企業(yè)主的個人信息越詳細越能增加其信用，也能提高借款成功率。Lin等（2009）對Prosper平臺的信貸交易數(shù)據(jù)分析后得出，小微企業(yè)主社會資本的關(guān)系嵌入維度可有效降低交易中的信息不對稱，提高借款成功率、降低利率并減少貸款拖欠時間。國內(nèi)相關(guān)研究主要是通過對互聯(lián)網(wǎng)金融運作模式的分析，指出其在小微企業(yè)融資中的優(yōu)勢與不足。如周雷（2009）從P2P與Web2.0相結(jié)合的角度，分析了國內(nèi)最早的P2P平臺“拍拍貸”運行機制的特點與不足。謝平等（2012）從支付方式、信息處理、資源配置三個方面研究互聯(lián)網(wǎng)金融模式及其對小微企業(yè)融資的影響。黃海龍（2013）以阿里巴巴、京東、亞馬遜等電商平臺為研究對象，提出電商金融需要大數(shù)據(jù)、電商平臺、資金提供方、資金需求方四個要素綜合參與，其中大數(shù)據(jù)是運行的基礎(chǔ)。也有部分學(xué)者研究如何讓互聯(lián)網(wǎng)金融更有效地服務(wù)小微企業(yè)融資，如黃鵬等（2013）結(jié)合AHP層次分析法和模糊綜合評價決策的思想，建立了一套反映互聯(lián)網(wǎng)技術(shù)特性的小微企業(yè)綜合信用評價模型。李朝輝（2015）通過P2P網(wǎng)貸與小微企業(yè)融資的理論關(guān)系推導(dǎo)出小微企業(yè)是P2P網(wǎng)貸市場的積極參與者，P2P網(wǎng)貸的發(fā)展便利小微企業(yè)融資。

綜上，可發(fā)現(xiàn)大數(shù)據(jù)是互聯(lián)網(wǎng)金融的核心優(yōu)勢，互聯(lián)網(wǎng)金融能通過大數(shù)據(jù)挖掘揭示小微企業(yè)的獨特信息，拓寬小微企業(yè)融資渠道，提高融資效率。然而，已有研究大多局限于理論推導(dǎo)或案例分析，缺乏從理論與實證相結(jié)合的角度對互聯(lián)網(wǎng)金融支持小微企業(yè)融資的信息處理機制的完整探討。本文基于信息不對稱視角，試圖構(gòu)建一個理論與實證相結(jié)合的框架，在分析小微企業(yè)融資難原因的基礎(chǔ)上，建立互聯(lián)網(wǎng)金融模式下信息處理理論模型，然后利用大數(shù)據(jù)計量分析技術(shù)，抓取國內(nèi)某著名P2P網(wǎng)貸平臺的海量交易數(shù)據(jù)，實證研究互聯(lián)網(wǎng)金融模式下信息對小微企業(yè)融資的影響，驗證互聯(lián)網(wǎng)金融通過減輕信息不對稱提高小微企業(yè)融資可獲得性與降低融資成本的實現(xiàn)機制。

三、理論分析與模型構(gòu)建

（一）非對稱信息下小微企業(yè)融資難的根本原因信息是金融的核心，在互聯(lián)網(wǎng)金融時代，信息將成為獨立的生產(chǎn)要素，在金融資源生產(chǎn)與配置中發(fā)揮作用，其中最核心的是資金供需雙方的信息，特別是資金需求方的信息，而小微企業(yè)信息不完整、難獲得就會形成信息不對稱的小微信貸市場。在這種市場中，利率本身可以通過篩選潛在借款人的逆向選擇效應(yīng)和影響借款人行為的逆向激勵效應(yīng)來影響小微企業(yè)貸款的可獲得性和風(fēng)險程度。下面通過構(gòu)建一個模型來具體分析非對稱信息信貸市場對小微企業(yè)融資的制約。

設(shè)小微信貸市場有多個項目，每個項目的收益均服從二項分布：項目成功時收益為R，概率為P；項目失敗時收益為0，概率為1-P；設(shè)每個項目貸款量為1個單位，貸款利率為r；設(shè)P在［0，1］上的概率密度函數(shù)為f（P），概率分布函數(shù)為F（P），若出借人滿足所有借款小微企業(yè)的需求，這些借款項目的最大成功概率為p*，則每單位貸款的期望收益為：

上式對r求偏導(dǎo)，得：

根據(jù)式（1），P（r）＞0，表示提高利率的收入效應(yīng)，即利率每提高一個單位，出借人的期望收益增加P（r）個單位；（1+r）?P（r）/?r＜0，表示提高利率的替代效應(yīng)，即逆向選擇效應(yīng)，利率每提高一個單位，投資項目的成功率下降?P（r）/?r，貸款預(yù)期收益下降（1+r）?P（r）/?r個單位。由此可知，當(dāng)?E（r）/?r＞0時，收入效應(yīng)大于替代效應(yīng)，表明提高利率會使貸款收益增加；當(dāng)?E（r）/?r＜0時，收入效應(yīng)小于替代效應(yīng)，表明提高利率會使貸款收益下降；當(dāng)?E（r）/?r=0時，收入效應(yīng)等于替代效應(yīng)，此時貸款收益達到最大化，設(shè)這一點的利率為r*，對應(yīng)的貸款量為L*，對資金供給方來說這就是最優(yōu)配給額。因此，出借人不會一味地提高利率來吸收信息不對稱造成的風(fēng)險，有時寧愿在相對低的利率水平上拒絕部分借款需求，而不愿選擇在高利率水平上滿足所有借款需求。被拒絕的借款需求多來自小微企業(yè)，因為與大中型企業(yè)相比，小微企業(yè)投資項目的替代效應(yīng)更明顯，面臨更嚴重的信息不對稱問題。

綜上，信息不對稱導(dǎo)致的逆向選擇和逆向激勵是小微企業(yè)融資難的根本原因。在新常態(tài)下，我國經(jīng)濟增速放緩，傳統(tǒng)信貸市場上的大、小企業(yè)和好、壞企業(yè)之間的區(qū)分更為顯著。被“拒貸”的小微企業(yè)面臨融資困境，希望尋求新的融資渠道，而這也催生了以P2P網(wǎng)貸為代表的互聯(lián)網(wǎng)金融新模式的誕生和發(fā)展。

（二）互聯(lián)網(wǎng)金融支持小微企業(yè)融資的信息處理機制互聯(lián)網(wǎng)金融是信息時代移動網(wǎng)絡(luò)數(shù)據(jù)處理技術(shù)與金融產(chǎn)業(yè)高度發(fā)展相結(jié)合的產(chǎn)物。它基于大數(shù)據(jù)平臺而構(gòu)建，與傳統(tǒng)金融最大的區(qū)別在于信息處理機制不同，從而為破解小微融資困境提供了一條可行新路。下面利用信息經(jīng)濟學(xué)原理構(gòu)建一個模型分析互聯(lián)網(wǎng)金融通過降低信息不對稱支持小微企業(yè)融資的具體機制。

假設(shè)互聯(lián)網(wǎng)金融市場中有n個參與者，分為資金需求方小微企業(yè)和資金供給方投資者，如某個P2P網(wǎng)貸產(chǎn)品，利率r采用競標的方式確定，若借款企業(yè)守約，則由企業(yè)到期償付本息；若借款企業(yè)違約，則由網(wǎng)貸平臺承諾向投資者賠付一定金額，用q表示賠付率，其中q為事先確定，而r由市場資金供求決定。設(shè)參與者的效用函數(shù)均為u（w）=-αexp（-αw），其中w表示其擁有的財富，α為絕對風(fēng)險厭惡系數(shù)。用Y表示網(wǎng)貸標的小微企業(yè)基本面信息，如信用評級、借款金額、利率、期限及還款方式等。設(shè)標的企業(yè)違約概率服從Logistic模型：若Y+u＞0，發(fā)生違約；若Y+u≤0，不發(fā)生違約。其中隨機變量u的概率分布函數(shù)為F（u）=exp（u）/［1+exp（u）］，因此，該標的小微企業(yè)違約概率為：

將Y中信息進一步分為兩類：一類是“硬”信息，指可被量化、證實的、易被掌握的信息，如借款金額、利率、期限等，用X表示；另一類是“軟”信息，指借款人在社交網(wǎng)絡(luò)中的社會資本信息，如小微企業(yè)主的人品、風(fēng)險偏好、朋友評價等私人信息，用Z表示，則Y=X+Z。對每個參與投資者來說，掌握的X是相同的，而Z是不同的。

以第i個投資者為例，其掌握“硬”信息X和“軟”信息Zi，對標的企業(yè)基本面信息估計Yi=E［Y|X，Zi］，且Yi=X+Zi，由此他對該標的企業(yè)的預(yù)期違約概率為：

用￡i表示第i個參與者愿意供給或需求的資金，則其效用最大化約束條件為：

在考慮網(wǎng)貸平臺賠付率的情況下，令均衡利率R=-ln（q/r-1），代入式（4），并根據(jù)式（3），得出：

當(dāng)市場均衡時，資金供給與資金需求相等，即

根據(jù)式（5）、（6）解出貸款的均衡利率為：

均衡利率R反映了以P2P為代表的互聯(lián)金融模式的信息處理機制，小微企業(yè)的“軟”信息，通過Zi→Pi→￡i→R渠道，反映在均衡利率中，從而在一定程度上實現(xiàn)了“軟”信息的“硬化”和公開化，這對以“軟”信息為主的小微企業(yè)融資非常關(guān)鍵。

再由Y=X+∑Zi，得出均衡利率R與標的企業(yè)基本面信息Y的關(guān)系：Y=X+n（R-X），從而得出：

由式（8）可得，根據(jù)硬信息X、均衡利率R，理論上能完全推斷出基本面信息Y，從而根據(jù)式（2）能估算標的企業(yè)違約概率。因此，在互聯(lián)網(wǎng)金融模式下，通過競標得出的均衡利率R能完全反映市場參與者掌握的信息。這主要得益于互聯(lián)網(wǎng)金融大量運用了大數(shù)據(jù)、云計算、區(qū)塊鏈、移動支付等新技術(shù)，大幅節(jié)省了信息處理和共享成本，通過利用社交網(wǎng)絡(luò)蘊含的關(guān)系數(shù)據(jù)進行信息篩選，有效降低了信息不對稱。

此外，互聯(lián)網(wǎng)金融還有一個重要特征就是信息的網(wǎng)絡(luò)傳播速度驚人，假設(shè)第i個參與者，將其所掌握的軟信息Zi在一定時間內(nèi)通過網(wǎng)絡(luò)傳播，在t時刻，參與者中知道Zi的比例為Vt，則在時長為dt的時間內(nèi)，新增知情者比例為：

其中η表示社交網(wǎng)絡(luò)聯(lián)系緊密程度，η越大，信息傳播越快。由式（9）可解出：

其中，V0表示初始時刻知情者比例，在t→∞時，Vt→1，即若時間足夠長，幾乎所有人都會知道Zi。根據(jù)式（7）、（10）得出均衡利率隨時間變化的函數(shù)：Rt=X+ZiVt+1/n∑Zi，顯然當(dāng)t→∞，R→X+Zi+1/n∑Zi。這一過程反映了數(shù)據(jù)信息是一種在流動中增值的資產(chǎn)，信息通過互聯(lián)網(wǎng)傳播和共享，實現(xiàn)了“軟”信息向“硬”信息，私人信息向共享信息的轉(zhuǎn)化，從而進一步降低了互聯(lián)網(wǎng)金融市場中投資者與小微企業(yè)之間的信息不對稱。

四、實證結(jié)果與分析

通過對上述模型分析可知，小微企業(yè)融資問題的癥結(jié)是信息不對稱，而互聯(lián)網(wǎng)金融能通過強大的信息處理機制有效提高信息透明度。下文通過對國內(nèi)某P2P網(wǎng)貸平臺（以下簡稱Y平臺）的大數(shù)據(jù)計量分析，研究互聯(lián)網(wǎng)金融模式下信息對小微企業(yè)融資可獲得性和融資成本的影響。

（一）變量選取與數(shù)據(jù)來源根據(jù)研究目標網(wǎng)站的數(shù)據(jù)結(jié)構(gòu)，結(jié)合理論模型，本文選取下列解釋變量和被解釋變量構(gòu)建計量實證指標體系：

（1）解釋變量。借款信息變量（Loan）：包括借款金額LA、借款年利率LR和借款期限LT。擔(dān)保變量（Guarantee）:包括是否提現(xiàn)標GT、是否抵押標GD和是否凈值標GA。其中，非提現(xiàn)標指借款人成功借款后不能直接提現(xiàn)，用款時需另行向P2P平臺提出支付申請，風(fēng)險較小，將“非提現(xiàn)標”賦值為1，“提現(xiàn)標”賦值為0；抵押標指借款人能提供抵押擔(dān)保，將“抵押標”賦值為1，“非抵押標”賦值為0；凈值標指借款人在Y平臺上還有出借給他人待回收的款項，以自身在平臺的資產(chǎn)凈值為限，發(fā)布融資需求，相當(dāng)于有債權(quán)質(zhì)押擔(dān)保，將“凈值標”賦值為1，“非凈值標”賦值為0。信用變量（Credit）：包括認證分CR、借入信用分CI和借出信用分CC。其中，認證分指Y平臺上實名認證得分，包括身份認證、視頻認證、學(xué)歷認證、手機認證等；借入信用分，包括網(wǎng)銀操作、朋友評價等得分；借出信用分主要指借款人對外投標的累計積分。歷史表現(xiàn)變量（Record）：包括歷史借款成功次數(shù)RS、歷史流標次數(shù)RL。

（2）被解釋變量。投標是否完成（Y1）：該變量代表小微企業(yè)融資的可獲得性，投標完成則表示能獲得融資，賦值為1，投標未完成則表示融資失敗，賦值為0。實際年利率（Y2）：該變量是指投標完成后根據(jù)Y平臺的撮合，借貸雙方形成的一個撮合年利率，即小微企業(yè)的融資成本。

（3）樣本數(shù)據(jù)來源。由于Y平臺上每一筆借款信息均被一個單獨的網(wǎng)頁存儲，對應(yīng)著一個以7位數(shù)字借款編號結(jié)尾的URL，并且研究所需的數(shù)據(jù)均在網(wǎng)頁固定位置，因此本文采用Xml Http Request方法，首先利用Excel中的VBA函數(shù)收集借款編號為1390000～1630000的大量借款數(shù)據(jù)和相應(yīng)的借款人信息，總共讀取240000組數(shù)據(jù)，然后根據(jù)借款人和借款用途篩選出個體工商戶、小微企業(yè)主等小微企業(yè)借款記錄，最后剔除數(shù)據(jù)不完整、數(shù)據(jù)異常的信息，最終獲得了58766條有效樣本信息。對上述“大數(shù)據(jù)”樣本，筆者運用EViews計量軟件，分別通過Logistic回歸和逐步回歸來檢驗信息對小微企業(yè)P2P融資可獲得性和融資成本的影響。

（二）融資可獲得性的Logistic回歸分析融資可獲得性是典型的二元被解釋變量，對此類變量一般使用Logistic回歸模型來處理。根據(jù)上文指標設(shè)計，令K=ln［P（Y1=1）/P（Y1=0）］作為被解釋變量，構(gòu)建Logistic回歸模型：

其中：L、G、C、R分別代表借款信息變量、擔(dān)保變量、信用變量、歷史表現(xiàn)變量的相應(yīng)矩陣，而B1、B2、B3、B4則分別代表對應(yīng)系數(shù)向量，b0為常數(shù)項、e為殘差項。

首先，經(jīng)Wald聯(lián)合顯著性檢驗，解釋變量全體與被解釋變量K之間顯著相關(guān)，所以該模型是整體有效的。接著，對每一個解釋變量進行Logistic回歸分析，結(jié)果如表1所示。

表1 融資可獲得性的Logistic回歸分析結(jié)果

從表1可知，所有變量均在1%的顯著性水平下影響投標成功率，即融資可獲得性與各解釋變量均相關(guān)。其中，從具體系數(shù)B看，借款信息變量對投標成功的影響弱于其他三類變量，尤其是借款金額、借款利率、借款期限對投標成功的影響明顯弱于是否提現(xiàn)標、是否抵押標、是否凈值標、認證分等變量。筆者認為原因在于，互聯(lián)網(wǎng)金融作為新型投融資方式，多數(shù)投資者在選擇P2P指標時更注重安全性，傾向于投資有抵押擔(dān)保、借款信用等級高、歷史表現(xiàn)好的標，而不會僅由于借款利率高而放貸。但隨著互聯(lián)網(wǎng)金融的發(fā)展，特別是《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》等監(jiān)管法規(guī)的落地，在合法合規(guī)的前提下，借款利率也將會成為影響投標成功的關(guān)鍵因素。另外，借款成功次數(shù)對投標成功的影響為正、流標次數(shù)對投標成功的影響為負，說明互聯(lián)網(wǎng)金融作為一種大眾金融，存在“馬太效應(yīng)”，歷史借款成功次數(shù)越多的小微企業(yè)越容易再獲融資，而流標次數(shù)越多越不可能成功融資。

（三）融資成本的逐步回歸分析小微企業(yè)的融資成本分析應(yīng)以融資成功為前提，因此需從上述58766條小微借款信息中，篩選出5215條融資成功的交易信息，并將其分為兩類：一是友情模式下的競標結(jié)果，即朋友之間的借貸，共897條；二是普通模式下的競標結(jié)果，共4318條。以代表融資成本的實際年利率Y2為被解釋變量，分別對這兩類數(shù)據(jù)進行逐步回歸分析，結(jié)果見表2和表3。

表2 普通模式下逐步回歸結(jié)果

表3 友情模式下逐步回歸結(jié)果

從表2看，經(jīng)十步逐步回歸，借出信用分CC、是否提現(xiàn)標GT、是否凈值標GA、是否抵押標GD、借入信用分CI、借款金額LA、流標次數(shù)RL、認證分CR共8個解釋變量與實際年利率在1%的水平下顯著相關(guān)，被引入了多元回歸模型，并且，除流標次數(shù)與實際年利率正相關(guān)外，其余均為負相關(guān)。其中，認證分、借出信用分、借入信用分越高的小微企業(yè)融資成本越低；同時，非提現(xiàn)標、凈值標、抵押標成交利率較低，這一結(jié)果與傳統(tǒng)信貸市場基本一致。但借款金額與利率負相關(guān)則是由于Y平臺的規(guī)定：信用等級越高的借款人可借款額度越大，因此有大額借款額度的用戶一般信用等級較高，融資成本較低。此外表2還顯示：借款成功次數(shù)RS、借款期限RT與實際年利率相關(guān)性不顯著，未進入回歸模型，這與傳統(tǒng)借貸模式中貸款歷史記錄良好，利率越低；借款期限越長，利率越高的定價規(guī)律和期限結(jié)構(gòu)不一致。

從表3看，只有三個代表信用分的解釋變量在1%的水平下與實際年利率顯著相關(guān)，被引入了逐步回歸模型，說明在友情模式下，借款人的多數(shù)“硬”信息基本無效，不會對實際年利率產(chǎn)生顯著影響，而實名認證、借入信用、借出信用等“軟”信息則起著重要作用。那么，這種“軟”信息會對小微企業(yè)的融資成本產(chǎn)生怎樣的影響呢？筆者對兩種模式下的利率數(shù)據(jù)進行描述性統(tǒng)計對比分析，結(jié)果見表4。

表4 兩種模式下借款利率描述性統(tǒng)計特征

根據(jù)表4，在普通模式下的平均融資成本達15.38%，比友情模式高近3個百分點。由此可知：在友情模式下，“軟”信息能在一定程度上降低對小微企業(yè)的利率定價，因為借款人在社交網(wǎng)絡(luò)中的信用情況等信息能有效降低借貸雙方的交易成本和信息不對稱程度，從而降低小微企業(yè)融資成本。這就能解釋為什么多數(shù)人寧愿低利率將錢借給親友，也不愿意以高利率放貸給陌生人，因此，互聯(lián)網(wǎng)金融可看作是民間融資的網(wǎng)絡(luò)化。其實，企業(yè)的“軟”信息在傳統(tǒng)金融與互聯(lián)網(wǎng)金融時代都存在，但互聯(lián)網(wǎng)金融利用大數(shù)據(jù)、云計算、區(qū)塊鏈等技術(shù)將存在于經(jīng)濟運行中的不同渠道的大量數(shù)據(jù)收集起來形成“數(shù)據(jù)工廠”并充分利用，同時通過網(wǎng)絡(luò)迅速實現(xiàn)信息共享，能有效降低非對稱信息導(dǎo)致的逆向選擇和逆向激勵問題，提高小微企業(yè)融資可獲得性，同時降低其融資成本。

五、結(jié)論與建議

在回顧現(xiàn)有文獻基礎(chǔ)上，本文基于信息不對稱視角，構(gòu)建了理論與實證相結(jié)合的研究互聯(lián)網(wǎng)金融支持小微企業(yè)融資的信息處理機制的完整框架，重點回答了互聯(lián)網(wǎng)金融是如何降低小微企業(yè)融資中信息不對稱這一核心問題。理論分析表明，信息不對稱導(dǎo)致的逆向選擇和逆向激勵是小微企業(yè)融資難的根本原因。而以P2P網(wǎng)貸為代表的互聯(lián)網(wǎng)金融運用大數(shù)據(jù)、云計算、區(qū)塊鏈等新技術(shù)，使小微企業(yè)的“軟”信息，通過Zi→Pi→￡i→R渠道，反映在均衡利率中，同時通過網(wǎng)絡(luò)傳播迅速共享，實現(xiàn)了私人信息向共享信息的轉(zhuǎn)化，從而降低了小微企業(yè)與投資者之間的信息不對稱。以理論分析為基礎(chǔ)，通過收集和篩選國內(nèi)某著名P2P平臺的58766條小微企業(yè)借款信息，以此為大數(shù)據(jù)樣本，運用Logistic回歸和逐步回歸實證檢驗，結(jié)果驗證了借款金額、利率、期限等“硬”信息對小微企業(yè)融資的影響要明顯弱于實名認證、信用表現(xiàn)等“軟”信息?；ヂ?lián)網(wǎng)金融的信息處理和共享機制有助于充分利用借款者在社交網(wǎng)絡(luò)中的“軟”信息，減輕信息不對稱程度，提高小微企業(yè)融資可獲得性，同時降低其融資成本。另外，互聯(lián)網(wǎng)金融還存在“馬太效應(yīng)”，歷史借款成功次數(shù)越多的小微企業(yè)越容易再獲融資，而流標次數(shù)越多越不可能成功融資。

在新常態(tài)下，我國互聯(lián)網(wǎng)金融發(fā)展正經(jīng)歷從野蠻生長到逐步納入監(jiān)管框架的歷程，而小微企業(yè)也逐漸接受以P2P平臺為代表的各類互聯(lián)網(wǎng)金融企業(yè)，將其作為拓寬融資渠道的重要突破。但由于我國互聯(lián)網(wǎng)金融尚沒有形成完善的信息共享機制和風(fēng)險防控體系，其利用自身信息資源優(yōu)勢服務(wù)小微企業(yè)融資的覆蓋面和精準度均有待提高。為此，提出以下對策建議：一是完善大數(shù)據(jù)信息共享機制?；ヂ?lián)網(wǎng)金融大數(shù)據(jù)，特別是各類“軟”信息能否實現(xiàn)廣泛共享，直接關(guān)系到支持小微企業(yè)融資的效率和效果。多樣化是大數(shù)據(jù)的核心，要擴充數(shù)據(jù)來源，豐富數(shù)據(jù)類型，建立包括電商數(shù)據(jù)、信用卡數(shù)據(jù)、社交網(wǎng)站數(shù)據(jù)、小額貸款數(shù)據(jù)、第三方支付數(shù)據(jù)和生活服務(wù)數(shù)據(jù)等來源的交叉驗證機制，積極推進數(shù)據(jù)整合，在大數(shù)據(jù)基礎(chǔ)上實現(xiàn)深層次數(shù)據(jù)挖掘，提高小微金融服務(wù)的針對性和滿足度。要繼續(xù)推進P2P平臺接入央行信用信息數(shù)據(jù)庫，通過信息共享與流通，提高整個網(wǎng)貸行業(yè)的征信水平和風(fēng)控能力。二是強化信息安全風(fēng)險防控。互聯(lián)網(wǎng)金融在發(fā)揮節(jié)省信息處理和傳播成本，降低信息不對稱優(yōu)勢的同時，也伴隨著較大的信息安全風(fēng)險隱患。我國互聯(lián)網(wǎng)金融信息風(fēng)險防控能力較弱，黑客攻擊、隱私信息泄漏、網(wǎng)絡(luò)金融犯罪等問題時有發(fā)生，嚴重影響小微企業(yè)互聯(lián)網(wǎng)融資的生態(tài)環(huán)境，制約互聯(lián)網(wǎng)金融健康發(fā)展。因此，要提高互聯(lián)網(wǎng)金融信息安全風(fēng)險防范能力，加強對互聯(lián)網(wǎng)金融終端設(shè)備和數(shù)據(jù)傳輸中的信息安全風(fēng)險防范；促進互聯(lián)網(wǎng)金融信息安全監(jiān)管法規(guī)和技術(shù)標準的制定；探索區(qū)塊鏈、可信計算、生物識別等新興技術(shù)在互聯(lián)網(wǎng)金融信息風(fēng)險防范中的應(yīng)用。

*本文系江蘇省保險學(xué)會課題“互聯(lián)網(wǎng)保險產(chǎn)品創(chuàng)新與有效監(jiān)管研究”（項目編號：SBX2016-2-F-04）、蘇州市職業(yè)大學(xué)科研基金“新常態(tài)下互聯(lián)網(wǎng)金融支持小微企業(yè)發(fā)展研究”（項目編號：SVU2015QN13）、蘇州市職業(yè)大學(xué)教改項目“基于任務(wù)驅(qū)動的高職互聯(lián)網(wǎng)金融項目化建材建設(shè)研究與實踐”（項目編號：SZDJG-16009）階段性研究成果。

［1］李朝暉：《我國P2P網(wǎng)絡(luò)借貸與小微企業(yè)融資關(guān)系的實證研究》，《現(xiàn)代經(jīng)濟探討》2015年第2期。

［2］周雷：《小額信貸、農(nóng)戶融資與農(nóng)村金融改革》，東南大學(xué)2009年學(xué)位論文。

［3］謝平、鄒傳偉：《互聯(lián)網(wǎng)金融模式研究》，《金融研究》2012年第12期。

［4］黃海龍：《基于以電商平臺為核心的互聯(lián)網(wǎng)金融研究》，《上海金融》2013年第8期。

［5］黃鵬、劉艷：《基于模糊綜合評判法的小微企業(yè)綜合信用評價模型——面向互聯(lián)網(wǎng)金融服務(wù)平臺》，《西部金融》2013年第10期。

［6］A.C.B.OrtegaandF.Bell，OnlineSocialLending: Borrower–Generated Content［C］.Americas Conference On Information Systems（AMCIS），2008.

［7］Lin，M.F.，Prabnala，N.R.，etal.Socialnetwork sassignaling mechanisms:Evidence from online peer-to-peer lending［R］.Washington，DC:SmithSchoolofBusiness，University of Mayland，2009.

（編輯 成方）