張聰慧 張成毅

（西安工程大學(xué)理學(xué)院，陜西 西安 710048）

一、引言

隨著信息科技和金融工程的發(fā)展,網(wǎng)絡(luò)借貸逐漸成為一種極其重要的金融交易形式。由于交易雙方信息的不對稱性,信用風(fēng)險(xiǎn)是網(wǎng)絡(luò)借貸行業(yè)的非常重要的風(fēng)險(xiǎn)。關(guān)于借款者信用指標(biāo)對網(wǎng)貸的影響,許多國外的學(xué)者做了深入研究。2015年Everett[1]通過對14。000多個項(xiàng)目的數(shù)據(jù)分析借款者的社交關(guān)系與網(wǎng)貸市場中的違約風(fēng)險(xiǎn)和利率之間的關(guān)系發(fā)現(xiàn),約束借款者社交中的行為可降低借款者的違約概率。關(guān)于信息不對稱的問題的網(wǎng)貸借貸研究,許多國內(nèi)學(xué)者進(jìn)入了深入的研究。2012年,孫英雋、蘇顏芹[2]通過分析網(wǎng)貸信息不對稱,研究影響網(wǎng)貸平臺的信用風(fēng)險(xiǎn),并提出網(wǎng)貸在信息驗(yàn)證方式中存在這很多的不確定性和不可靠性。2014年談超等人[3]研究認(rèn)為是因?yàn)榻栀J雙方信息不對稱才導(dǎo)致逆向選擇和道德風(fēng)險(xiǎn),使網(wǎng)貸平臺產(chǎn)生信用風(fēng)險(xiǎn)。2017年,王小明[4]以“P2P網(wǎng)絡(luò)借貸市場”為例,提出信息不對稱中的“道德風(fēng)險(xiǎn)”使投資者對于投資有著艱難的選擇。2011年周宏、李遠(yuǎn)遠(yuǎn)等人[5]通過研究我國企業(yè)債券市場中的信息不對稱,構(gòu)建了信用評估模型。

二、模型設(shè)定

本文根據(jù)“銀聯(lián)商務(wù)”的測試數(shù)據(jù),選取了2017年10月至2018年3月間共計(jì)11016個申請數(shù)據(jù),篩選出4614個真實(shí)有效的測試數(shù)據(jù),并將所選列表中有違約記錄的項(xiàng)目作為違約項(xiàng)目。

本文將運(yùn)用變量進(jìn)行描述:

（一）信息不對稱:網(wǎng)貸市場利率與官方貸款利率回歸后的殘差序列。

（二）成功還款筆數(shù)(虛擬變量):PAY表示不同期限。采取PAY1表示30天內(nèi)成功還款筆數(shù)；PAY2表示90天成功還款筆數(shù)；PAY3表示180天成功還款筆數(shù)。

（三）申請貸款筆數(shù)(虛擬變量):D表示不同時期。本章節(jié)采取D1表示30天內(nèi)申請貸款筆數(shù)；D2表示90天申請貸款筆數(shù)；D3表示180天申請貸款筆數(shù)。（四）控制變量。借款者的基本信息提取其中的3個：SEX為性別；AGE為年齡；DIK表示貸記卡數(shù)量。

本文構(gòu)建雙對數(shù)回歸模型Ⅰ:檢測網(wǎng)貸市場利率(D K R)和上海銀行間拆借利率是否存在信息不對稱:

其中LnSHIBOR是上海銀行間拆借利率的自然對數(shù),LnDKR是網(wǎng)貸市場利率的自然對數(shù)。為避免數(shù)據(jù)可能存在的異方差性,對各個變量進(jìn)行的自然對數(shù)處理。從理論上講,若網(wǎng)貸市場是有效率的,則零假設(shè)應(yīng)為:α=0，β=0。若市場效率低下時,也就是網(wǎng)貸市場存在信息非對稱問題,則有:α≠0,β≠1。本文運(yùn)用對模型Ⅰ進(jìn)行OLS估計(jì)得到的殘差RES變量代表信息不對稱。

殘差回歸模型Ⅱ:為了檢驗(yàn)信息不對稱對申請貸款筆數(shù)的影響,建立回歸模型:

殘差回歸模型Ⅲ:為了檢驗(yàn)信息不對稱對成功還款筆數(shù)的影響,建立回歸模型:

三、實(shí)證分析

（一）網(wǎng)貸市場利率是否存在信息不對稱的檢驗(yàn)

如上所述,若網(wǎng)貸市場是有效的且不存在信息不對稱問題,則有α=0,β=0的零假設(shè)成立。反之,若存在信息不對稱問題,則假設(shè)α≠0,β≠1成立。下面通過EVIEWS8.0軟件對模型Ⅰ進(jìn)行OLS估計(jì)并對系數(shù)進(jìn)行Wald檢驗(yàn),我們可以得到模型Ⅰ的估計(jì)方程如下:

由t統(tǒng)計(jì)量可知,系數(shù),t統(tǒng)計(jì)量均大于2。Wald檢驗(yàn)結(jié)果可知:在0.05的顯著性水平下無論是t、F還是卡方統(tǒng)計(jì)量,其對應(yīng)的p均小于0.05,故應(yīng)拒絕原假設(shè),說明,,說明市場效率低下,存在信息非對稱性。

（二）成功還款次數(shù)與信息不對稱之間關(guān)系的檢測

信息不對稱本文采用模型Ⅰ的殘差序列RES進(jìn)行量化,運(yùn)用EVIEWS8.0軟件得到參數(shù)估計(jì),并對模型進(jìn)行異方差性和自相關(guān)性檢驗(yàn),檢測結(jié)果可知:F統(tǒng)計(jì)量為1.31,且對應(yīng)的p值為0.1358大于0.05,故應(yīng)接受原假設(shè),說明殘差序列不存在異方差性。F統(tǒng)計(jì)量為12506.4較大,且對應(yīng)的P值小于0.05,說明殘差序列存在自相關(guān)性。因此本文對模型Ⅱ進(jìn)行修正,消除自相關(guān)。修正后的估計(jì)結(jié)果可知:模型的擬合優(yōu)度為0.845,說明信息不對稱性的變動84.5%可以由模型得到解釋。DW值為1.97接近2,說明修正后的模型不存在自相關(guān)性。根據(jù)前面的理論假設(shè),短期成功還款次數(shù)越多有利于降低非對稱性,本實(shí)證中只驗(yàn)證了部分的假設(shè),90天還款次數(shù)對信息不對稱性具有抑制作用,180天還款次數(shù)對信息不對稱性具有促進(jìn)作用,從某種意義上證明了短期還款次數(shù)能夠減少信息不對稱性。但是30天短期還款次數(shù)與信息不對稱的關(guān)系不顯著,說明了短期還款次數(shù)與信息不對稱性具有較復(fù)雜的關(guān)系。

（三）申請貸款次數(shù)與信息不對稱之間關(guān)系的檢測

通過對模型進(jìn)行異方差性和自相關(guān)性檢驗(yàn)可知:F統(tǒng)計(jì)量為1.62,且對應(yīng)的p值為0.0244小于0.05,故應(yīng)拒絕原假設(shè),說明殘差序列存在異方差性。F統(tǒng)計(jì)量為12309.5較大,且對應(yīng)的P值小于0.05,說明殘差序列存在自相關(guān)性。因模型Ⅲ中既存在異方差又存在自相關(guān),導(dǎo)致估計(jì)量非有效,這種情況可以通過Newey-West估計(jì)得到參數(shù)估計(jì)量方差-協(xié)方差矩陣的一致估計(jì),從而獲得檢驗(yàn)統(tǒng)計(jì)量的真實(shí)值,對估計(jì)的結(jié)果做出正確判斷。HAC(Newey-West)估計(jì)可知:在0.05的顯著性水平下,90天申請貸款筆數(shù)與信息不對稱呈現(xiàn)顯著的正向變動關(guān)系,說明短期內(nèi)申請貸款的筆數(shù)越多信息不對稱現(xiàn)象越嚴(yán)重。而180天申請貸款筆數(shù)與信息不對稱呈現(xiàn)顯著的反向變動的關(guān)系,說明180天申請貸款筆數(shù)對信息不對稱性具有抑制影響。上述估計(jì)表明短期內(nèi)申請貸款筆數(shù)越多,則說明投資者了解到借貸者的信息越少,同時審查核實(shí)更加粗糙,容易產(chǎn)生信息非對稱性。

四、結(jié)論

根據(jù)網(wǎng)貸利率和上海銀行間拆借利率中存在的信息不對稱問題,構(gòu)建了信息不對稱模型,該模型刻畫出在市場利率低下,存在信息非對稱性。通過借款者兩個信用指標(biāo)與信息不對稱之間關(guān)系的檢測可知:90天成功還款次數(shù)對信息不對稱具有抑制作用,180天成功還款次數(shù)對信息不對稱具有促進(jìn)作用;短期內(nèi)申請貸款的筆數(shù)越多信息不對稱現(xiàn)象越嚴(yán)重,180天內(nèi)申請貸款筆數(shù)對信息不對稱具有抑制影響。