崔婷，劉家麒

（1.廣東財經(jīng)大學(xué)會計學(xué)院，廣州510320；2.中國銀監(jiān)會深圳監(jiān)管局，廣東深圳518000）

0 引言

近年來，國內(nèi)網(wǎng)絡(luò)借貸行業(yè)蓬勃發(fā)展，其交易平臺數(shù)量、交易規(guī)模在短期內(nèi)出現(xiàn)爆發(fā)式的增長。據(jù)統(tǒng)計，截至2017年10月末，國內(nèi)正常運(yùn)營的P2P網(wǎng)貸平臺數(shù)量超過2600家，行業(yè)成交額達(dá)到1802.76億元。國內(nèi)外學(xué)者對P2P網(wǎng)絡(luò)借貸行業(yè)的研究熱度也不斷增加，研究范圍主要包括用戶交易行為的影響因素、羊群行為、利率波動、網(wǎng)絡(luò)借貸風(fēng)險及對策方面。其中，網(wǎng)貸利率的影響因素研究多以單一平臺內(nèi)部風(fēng)控信息為切入點(diǎn)，分析網(wǎng)絡(luò)借款人的財務(wù)信息[1]、信用評級[2]、逾期情況[3]等對網(wǎng)貸成交利率的影響。國內(nèi)學(xué)者關(guān)于網(wǎng)貸利率的實證研究大多以拍拍貸平臺數(shù)據(jù)為分析對象，討論信用等級、違約情況、認(rèn)證信息數(shù)量等因素與成交利率之間的關(guān)聯(lián)關(guān)系[4]。

網(wǎng)絡(luò)借貸行業(yè)具有典型的雙邊市場（Two-sided market）結(jié)構(gòu)，與上述研究不同，本文跳出運(yùn)用單一平臺內(nèi)“硬信息”[5]和“軟信息”[6]等微觀信息來分析網(wǎng)貸利率與用戶行為的框架，從雙邊市場理論的視角建立數(shù)理模型，探究影響網(wǎng)絡(luò)借貸成交利率的主要因素。進(jìn)而以多家國內(nèi)具有代表性的P2P網(wǎng)貸平臺面板數(shù)據(jù)為樣本，通過設(shè)立實證模型論證數(shù)理模型中推導(dǎo)出的結(jié)論與命題。

1 模型構(gòu)建與均衡求解

1.1 模型構(gòu)建

Rochet和Tirole（2003）[7]闡述了雙邊市場的結(jié)構(gòu)特征及典型范例，并率先給其進(jìn)行定義：當(dāng)平臺向需求雙方索取的價格總水平P=PB+PS不變時（PB為用戶B的價格，PS為用戶S的價格），任何用戶方價格的變化都會對平臺的總需求和交易量產(chǎn)生直接的影響，這個平臺市場被稱之為雙邊市場?？梢?，網(wǎng)絡(luò)借貸平臺具有典型的雙邊市場結(jié)構(gòu)。其中，平臺兩邊的用戶分別為投資人和融資人。為實現(xiàn)平臺利潤的最大化，平臺往往通過對融資人或投資人的收益部分進(jìn)行收費(fèi)，計費(fèi)模式一般為按成交借貸金額的固定比例收取服務(wù)費(fèi)用。同時，由于雙邊市場的交叉網(wǎng)絡(luò)外部性的作用，投資人和融資人之間相互存在一定的正外部性，從而增加平臺雙邊用戶的總體效用。

本文的基礎(chǔ)模型參照Belleflamme和Peitz（2010）[8]的模型設(shè)定，并放松了其對平臺營利性質(zhì)的限制。根據(jù)Armstrong（2006）[9]和Armstrong和Wright（2007）[10]的雙邊市場競爭模型，假設(shè)網(wǎng)絡(luò)借貸市場中投資人和融資人為同質(zhì)化的，即投資人與融資人之間沒有完全隔離的界限，假設(shè)模型中投資人、融資人的效用函數(shù)為：

競爭型網(wǎng)絡(luò)借貸平臺外部性模型采用了標(biāo)準(zhǔn)的豪特林模型（Hotelling Model）的研究框架[10]。假設(shè)存在兩家網(wǎng)絡(luò)借貸平臺i和j分別位于Hotelling線性市場[0,1]的兩端，投資人和融資人通過平臺進(jìn)行交易，且分別需要向平臺支付服務(wù)費(fèi)用PI和PB。因此，網(wǎng)絡(luò)借貸平臺i的利潤函數(shù)可以設(shè)為：

將投資人的數(shù)量標(biāo)準(zhǔn)化為單位1，均勻分布在線性市場[]0,1之間。x表示平臺上投資人的類型。因此，網(wǎng)絡(luò)借貸平臺i和j上投資人的效用函數(shù)為：

其中，u表示投資人使用網(wǎng)絡(luò)借貸平臺進(jìn)行投資時所獲得的基礎(chǔ)效用。為了簡化模型，前文已假設(shè)網(wǎng)絡(luò)借貸市場中投資人和融資人為同質(zhì)化的，則其交叉網(wǎng)絡(luò)外部性系數(shù)a及組內(nèi)網(wǎng)絡(luò)外部性系數(shù)β相同。顯然，存在a＞0，β＜0。t為投資人的“單位轉(zhuǎn)移成本（Unit transportation cost），表示網(wǎng)絡(luò)借貸平臺的橫向差異化對投資人效用的影響，且t＞0。

1.2 模型均衡求解及假設(shè)提出

同理，平臺i上融資人數(shù)量可以表示為：

不考慮違約風(fēng)險的情況，聯(lián)立式（8）和式（9），可以解得：

其中，存在t+α-β＞0。由式（12）可以看出，網(wǎng)絡(luò)借貸利率提高，平臺上投資人數(shù)量會相應(yīng)增加，融資人數(shù)量會減少；其他平臺借貸利率的變動會與平臺借貸利率同向變化；另外，網(wǎng)絡(luò)平臺對投資人、融資人收取的費(fèi)用也會對平臺上借貸利率產(chǎn)生影響。

假設(shè)1：網(wǎng)貸成交利率受到平臺雙邊用戶供求關(guān)系的影響，即網(wǎng)貸成交利率與平臺上的投資人數(shù)量有正向關(guān)聯(lián)關(guān)系，與平臺上融資人數(shù)量存在負(fù)向關(guān)聯(lián)關(guān)系。

假設(shè)2：網(wǎng)貸成交利率受到市場資金成本的影響，即網(wǎng)貸成交利率與其他平臺借貸成交利率等存在正向關(guān)聯(lián)關(guān)系。

2 模型設(shè)定、變量選取和數(shù)據(jù)說明

2.1 模型設(shè)定

綜合上述數(shù)理模型及實證變量研究，本文試通過建立計量模型來論證網(wǎng)絡(luò)借貸利率的影響因素，模型的被解釋變量為網(wǎng)絡(luò)借貸平均成交利率指標(biāo)。解釋變量包括平臺上的投資人數(shù)量、融資人數(shù)量和其他平臺借貸利率。控制變量包括行業(yè)平均成交利率、同業(yè)拆放利率、民間借貸利率指數(shù)、平臺交易規(guī)模、平臺平均借款期限和平臺借貸成交率。假設(shè)自變量rate與上述因變量之間存在線性關(guān)系，對于平臺i在時期t，設(shè)定基本實證模型為：

2.2 變量選取

本文選取主要研究變量如下：

網(wǎng)絡(luò)借貸平均成交利率（rate）：在網(wǎng)絡(luò)借貸平臺每一單撮合交易中，融資人均會自己設(shè)置一個其接受范圍內(nèi)的融資利率；一旦投資人接受融資人提出的融資利率進(jìn)而向其標(biāo)的提供融資資金，那么這一單撮合交易便可以視為成交。被研究平臺一個交易日內(nèi)所有成交利率的平均值便為網(wǎng)絡(luò)借貸平均成交利率。

投資人數(shù)量（num-invest）：在網(wǎng)絡(luò)借貸平臺上登記注冊，并參與融資標(biāo)的投資的投資人數(shù)量。

融資人數(shù)量（num-borr）：在網(wǎng)絡(luò)借貸平臺上登記注冊，并參與融資標(biāo)的發(fā)標(biāo)的融資人數(shù)量。

行業(yè)平均利率指標(biāo)（indus-rate）：在一個交易日內(nèi)國內(nèi)所有網(wǎng)絡(luò)借貸平臺借貸成交利率指標(biāo)的平均值。

同業(yè)拆放利率（shibor）：即上海銀行間同業(yè)拆放利率，是銀行間市場、資本市場等金融市場資金是否充足的晴雨表。反映銀行機(jī)構(gòu)間資金成本、資金松緊程度。

民間借貸利率指數(shù)（social-rate）：即在一個交易日內(nèi)綜合民間借貸服務(wù)中心利率、小額貸款公司放款利率、民間資本管理公司融資價格、社會直接借貸利率等的民間借貸利率綜合指數(shù)。反映民間資金成本、資金松緊程度。

平臺交易規(guī)模（TOT）：在一個交易日內(nèi)網(wǎng)絡(luò)借貸平臺待還款金額的按日余額。

平臺平均借款期限（duration）：網(wǎng)絡(luò)借貸平臺上每一個成交借貸中，融資人均會設(shè)定一個借款期限，從數(shù)天到數(shù)年不定，所有成交借貸中借款期限的平均值即為平臺平均借款期限。

平臺借貸成交率（deal-rate）：平臺借貸成交率是以單一平臺按日成交數(shù)量與投資人投標(biāo)數(shù)量的比值來表示。

2.3 數(shù)據(jù)說明

本文實證研究的樣本包括拍拍貸、宜貸網(wǎng)、微貸網(wǎng)、紅嶺創(chuàng)投和積木盒子這5家國內(nèi)最具有代表性的P2P網(wǎng)絡(luò)借貸平臺。上述5家平臺的成交額在國內(nèi)P2P借貸機(jī)構(gòu)中位列前茅，相對于行業(yè)內(nèi)其他網(wǎng)絡(luò)借貸平臺，其樣本數(shù)量較多、數(shù)據(jù)質(zhì)量較好，適合于描繪國內(nèi)P2P網(wǎng)絡(luò)借貸市場各類經(jīng)濟(jì)特征的輪廓。鑒于行業(yè)本身處于待規(guī)范階段，缺乏標(biāo)準(zhǔn)與系統(tǒng)的數(shù)據(jù)來源，難以獲得較長時間段的系統(tǒng)性連續(xù)數(shù)據(jù)。本文從網(wǎng)絡(luò)公開數(shù)據(jù)中獲得上述P2P借貸機(jī)構(gòu)2017年中4月23日起共計183個交易日的有關(guān)平臺投資人、融資人交易數(shù)量、平均成交利率、平臺交易余額、平均借款期限等統(tǒng)計數(shù)據(jù)。通過Choice金融數(shù)據(jù)平臺獲取相同時間段的民間借貸利率、同業(yè)拆放利率等相關(guān)指標(biāo)數(shù)據(jù)。

3 實證分析

表1給出了變量之間的相關(guān)系數(shù)以及顯著性水平，從表1中可以簡單看出部分變量之間存在顯著的關(guān)聯(lián)關(guān)系。一是網(wǎng)絡(luò)借貸成交利率與行業(yè)平均成交利率、同業(yè)拆放利率等資金成本指標(biāo)呈現(xiàn)出較強(qiáng)的正向相關(guān)關(guān)系。說明網(wǎng)絡(luò)借貸利率的形成受到市場資金成本、資金松緊的影響；二是平臺上投資人數(shù)量與平臺借貸成交利率存在關(guān)聯(lián)，可見供求關(guān)系直接作用于借貸資金的價格；三是網(wǎng)絡(luò)借貸成交利率和平均借款期限、平臺交易規(guī)模、平臺借貸成交率之間有顯著的負(fù)相關(guān)關(guān)系，說明平臺間的橫向差異化水平也影響了網(wǎng)絡(luò)借貸利率的形成。另外，在表1中，融資人的數(shù)量與網(wǎng)絡(luò)借貸利率存在不顯著的負(fù)向關(guān)聯(lián)關(guān)系，這與上文數(shù)理模型推導(dǎo)結(jié)論以及現(xiàn)實經(jīng)濟(jì)情況存在差異。但表中僅為簡單相關(guān)關(guān)系，為了給本文提供更嚴(yán)謹(jǐn)?shù)淖C據(jù)，本文將會通過實證研究對網(wǎng)貸利率形成的影響因素進(jìn)行分析。

本文運(yùn)用STATA12計量軟件，對上述5家網(wǎng)絡(luò)借貸平臺的相關(guān)面板數(shù)據(jù)，運(yùn)用多元線性回歸分析方法進(jìn)行實證研究。通過Hausman檢驗，P值為0（chi2=724.77），在1%的水平上拒絕隨機(jī)效應(yīng)。因此，綜合Hausman檢驗的結(jié)果和數(shù)據(jù)結(jié)構(gòu)，采用固定效應(yīng)（FE）穩(wěn)健估計的計量方法對面板數(shù)據(jù)進(jìn)行逐步回歸，并且運(yùn)用以下四個計量模型分別論證供求關(guān)系、資金成本、平臺橫向差異化水平等對網(wǎng)絡(luò)借貸利率的影響。其中，為了論證網(wǎng)絡(luò)借貸利率是否受到平臺雙邊借貸用戶供求關(guān)系的影響，可以根據(jù)表2中的模型（1），以平臺上融資人和投資人的數(shù)量作為解釋變量，控制市場利率、平臺規(guī)模等因素的干擾。

從表2中模型（1）的結(jié)果可以看出，平臺上融資人數(shù)量的系數(shù)為-0.0000183，投資人的數(shù)量的系數(shù)為0.0000260，且均在1%的統(tǒng)計水平下顯著。同時模型的擬R2達(dá)到10.32%。該結(jié)果說明：網(wǎng)貸成交利率與平臺上的投資人數(shù)量有正向關(guān)聯(lián)關(guān)系，與平臺上融資人數(shù)量存在負(fù)向關(guān)聯(lián)關(guān)系。網(wǎng)絡(luò)借貸利率提高，平臺上投資人數(shù)量會相應(yīng)增加，融資人數(shù)量會減少，反之同理。同時，其他平臺借貸利率的變動會與平臺借貸利率同向變化。假設(shè)1得證。

表2中模型（2）在解釋變量的基礎(chǔ)上加入指代橫向差異化的控制變量，從模型的結(jié)果能夠看出，網(wǎng)絡(luò)借貸交易中平臺交易規(guī)模、平均借款期限和平臺借貸成交率的系數(shù)分別為0.0000310、0.00225、0.00110，且均在1%的統(tǒng)計水平下顯著，模型的擬R2達(dá)到10.32%。可見，橫向差異化水平直接作用于網(wǎng)絡(luò)借貸利率的形成。其中，平臺交易規(guī)模與平臺借貸成交率正相關(guān)于網(wǎng)絡(luò)成交利率，說明融資人選擇成交率高、成交量大的借貸平臺進(jìn)行交易需要付出更多的資金成本。而且長周期的借款往往伴隨的是更高的成交利率，這與Collier（2010）[11]的研究結(jié)論相似。

表1 變量相關(guān)系數(shù)

表2 網(wǎng)絡(luò)借貸利率的影響因素研究

那么，除了平臺上雙邊借貸用戶的供求關(guān)系，其他市場資金指標(biāo)是否會對網(wǎng)絡(luò)借貸成交利率產(chǎn)生影響？通過表2中模型（3）和模型（4）可以發(fā)現(xiàn)，反映銀行間市場資金成本的同業(yè)拆放利率與網(wǎng)絡(luò)借貸成交利率存在顯著的正相關(guān)關(guān)系，且在1%的統(tǒng)計水平下顯著，模型的擬R2達(dá)到23.78%。另外，在模型（3）中，反映民間市場資金成本的民間借貸利率指數(shù)與網(wǎng)絡(luò)借貸成交利率的系數(shù)為0.0845，且在10%的統(tǒng)計水平下顯著，假設(shè)2得證。

4 結(jié)論

與傳統(tǒng)產(chǎn)業(yè)相比，雙邊市場所具有的交叉網(wǎng)絡(luò)外部性、用戶依賴性等特征會使得網(wǎng)絡(luò)借貸行業(yè)的市場結(jié)構(gòu)特征呈現(xiàn)差異。本文運(yùn)用雙邊市場理論對網(wǎng)絡(luò)借貸平臺進(jìn)行模型研究和實證檢驗，通過建立數(shù)理模型推導(dǎo)出網(wǎng)貸成交利率受到平臺雙邊用戶供求關(guān)系和市場資金成本的影響。進(jìn)而構(gòu)建并估計關(guān)于上述數(shù)理模型結(jié)論，發(fā)現(xiàn)網(wǎng)絡(luò)借貸利率同時受到平臺上雙邊借貸用戶的供求關(guān)系以及市場資金成本的影響，且這兩大因素的影響比較顯著，其形成機(jī)制呈現(xiàn)出高度市場化的特征。

綜上所述，網(wǎng)貸成交利率的形成并非孤立因素所左右，而是其平臺內(nèi)外部多重因素共同作用的結(jié)果。一方面，網(wǎng)絡(luò)借貸平臺內(nèi)部的融資人和投資人對投融資標(biāo)的的供給與需求直接作用于其平臺成交利率的形成。另一方面，網(wǎng)絡(luò)借貸平臺外部的其他平臺成交利率、機(jī)構(gòu)間融資利率、民間借貸利率等行業(yè)內(nèi)外資金成本情況也影響了平臺網(wǎng)貸成交利率的變動。網(wǎng)絡(luò)借貸行業(yè)作為互聯(lián)網(wǎng)金融產(chǎn)業(yè)的重要組成部分，為社會中的“長尾”投資人和融資人提供了投融資渠道，并形成了自成一體的撮合定價機(jī)制以及高度市場化的交易利率形成體系，將會逐漸成為傳統(tǒng)金融市場的有效補(bǔ)充。

[1]Freedman S,Jin G Z.Do Social Networks Solve Information Problems for Peer-to-Peer Lending?Evidence From Prosper.com[J].Social Science Electronic Publishing,2008,8(43).

[2]Krumme K A,Herrero S.Lending Behavior and Community Structure in an Online Peer-to-Peer Economic Network[C].International Conference on Computational Science and Engineering.IEEE Computer Society,2009.

[3]Kumar R,Liu Y,Ross K.Stochastic Fluid Theory for P2P Streaming Systems[C].INFOCOM 2007.IEEE International Conference on Computer Communications,IEEE,2007.

[4]廖理,李夢然,王正位.聰明的投資者:非完全市場化利率與風(fēng)險識別——來自P2P網(wǎng)絡(luò)借貸的證據(jù)[J].經(jīng)濟(jì)研究,2014,(7).

[5]Lin M F.Peer-to-peer lending:An Empirical Study[J].Doctoral Consortium,2009,(12).

[6]Petersen M A.Information:Hard and Soft[D].Illinois：Kellogg School of Management,2004.

[7]Rochet J C,Tirole J.Platform Competition in Two-sided Markets[J].Journal of the European Economic Association,2003,1(4).

[8]Belleflamme P,Peitz M.Platform Competition and Seller Investment Incentives[J].European Economic Review,2010,54(8).

[9]Armstrong M.Competition in Two-sided Markets[J].RAND Journal of Economics,2006,3(37).

[10]Armstrong M,Wright J.Two-sided Markets,Competitive Bottlenecks and Exclusive Contracts[J].Economic Theory,2007,32(2).

[11]Collier B C,Hampshire R.Sending Mixed Signals:Multilevel Reputation Effects in Peer-to-Peer Lending Markets[C].ACM Conference on Computer Supported Cooperative Work.ACM,2010.