章雷 胡建新

[摘 要]P2P網(wǎng)貸平臺顛覆了過去貸款行業(yè)由商業(yè)銀行主導(dǎo)的格局，基于大數(shù)據(jù)的金融信息技術(shù)是這種變革的核心驅(qū)動力。本文從信息經(jīng)濟(jì)學(xué)的視角研究大數(shù)據(jù)如何推動貸款行業(yè)的轉(zhuǎn)型，聚焦于如何減少大數(shù)據(jù)時代下的信息不對稱，即通過P2P借貸信用風(fēng)險識別的大數(shù)據(jù)分析如何降低P2P網(wǎng)貸中的信號和搜索成本。提出了基于借貸平臺的大數(shù)據(jù)經(jīng)濟(jì)學(xué)理論，并探討了該領(lǐng)域日后的重點(diǎn)研究方向和挑戰(zhàn)。

[關(guān)鍵詞]P2P借貸;大數(shù)據(jù)經(jīng)濟(jì)學(xué);金融科技;信息經(jīng)濟(jì)學(xué)

[中圖分類號]F830.5

[文獻(xiàn)標(biāo)識碼]A

[文章編號]2095-3283（2019）05-0128-03

Abstract： In the past decade， online Peer-to-Peer （P2P） lending platforms have transformed the lending industry， which has been historically dominated by commercial banks. Information technology breakthroughs such as big data-based financial technologies （Fintech） have been identified as important disruptive driving forces for this paradigm shift. In this paper， we take an information economics perspective to investigate how big data affects the transformation of the lending industry. By identifying how signaling and search costs are reduced by big data analytics for credit risk management of P2P lending， we discuss how information asymmetry is reduced in the big data era. Rooted in the lending business， we propose a theory on the economics of big data and outline a number of research opportunities and challenging issues.

Keywords： P2P Lending; Economics of Big Data; Fintech; Information Economics

[作者簡介]章雷（1987-），男，湖南湘鄉(xiāng)人，講師，經(jīng)濟(jì)學(xué)碩士，研究方向：互聯(lián)網(wǎng)金融;胡建新（1979-），男，湖北鄂州人，講師，工程碩士，研究方向：國際金融。

[基金項(xiàng)目]廣東省普通高校創(chuàng)新人才類項(xiàng)目“互聯(lián)網(wǎng)金融背景下P2P融資模式在區(qū)縣發(fā)展的調(diào)研-基于增城的創(chuàng)新實(shí)踐研究”（項(xiàng)目編號：2017WQNCX180）。

一、引言

中小企業(yè)是全球經(jīng)濟(jì)發(fā)展的重要命脈，融資能力是維系中小企業(yè)生存的關(guān)鍵。然而，中小企業(yè)融資對傳統(tǒng)銀行而言是一項(xiàng)極具挑戰(zhàn)的任務(wù)，因?yàn)檫@類企業(yè)比大企業(yè)具有更高的信息透明度、財(cái)務(wù)約束性、銀行依賴性和風(fēng)險性[1]。具體而言，掌控完全信息的借款者通?；乇茏陨淼牧觿菪畔ⅲ屬J款人很難預(yù)測實(shí)際的風(fēng)險;而這些網(wǎng)貸平臺在績效和成本的雙重約束下，通常很難實(shí)現(xiàn)盡職調(diào)研。長此以往，貸款者就依據(jù)較大的風(fēng)險來評估融資項(xiàng)目，獲取較高的借貸利率，從而將一些低風(fēng)險、低利率的標(biāo)的從資金市場中排擠掉，使某些具備較強(qiáng)償還能力的融資者被迫退出融通市場。P2P網(wǎng)貸是資金交易雙方借助貸款平臺形成的無抵押貸款方式，它重新界定了金融中介的功能，互聯(lián)網(wǎng)借貸平臺上的融資方大多數(shù)是受傳統(tǒng)信貸分配的長尾群體[2]。本文擬借助信息經(jīng)濟(jì)學(xué)原理研究信號和搜索成本對貸款行業(yè)信息不對稱的影響，并分析大數(shù)據(jù)將如何減少P2P借貸中的信息不對稱。

二、文獻(xiàn)綜述

國內(nèi)文獻(xiàn)針對融資可得性主要有兩種不同的闡述：某些學(xué)者將資金可得性界定為籌資效益，即不同融資方式的收益、成本和風(fēng)險等;另一派的學(xué)者將資金可得性界定為資金利用率，是指融資方在最終募資后怎樣實(shí)現(xiàn)最高的企業(yè)效益[3]。因?yàn)镻2P借貸平臺的核心作用是籌措資本，因此這種條件下的籌資效益主要包括成交效率。信息不對稱條件下P2P 行業(yè)的探討主要從貸款人決策的某一項(xiàng)指令開始，來測度該項(xiàng)指令對決策是否產(chǎn)生了影響，即通過借款人的還款步驟來評估決策人是否發(fā)現(xiàn)了欺詐信息的風(fēng)險。但是，這種考察依舊忽視了借款人刻意隱藏部分信息的作用。因?yàn)殡[蔽的信息和欺詐的信息不同，因此它或許更難以辨別。有效的違約風(fēng)險數(shù)據(jù)包括借款者的信用評分、個人基本信息和社交網(wǎng)絡(luò)等[4]。這些研究表明日后需要深入對P2P借貸中大數(shù)據(jù)的分析。本文將探討大數(shù)據(jù)在P2P網(wǎng)絡(luò)借貸領(lǐng)域的應(yīng)用。

三、大數(shù)據(jù)在P2P網(wǎng)貸行業(yè)的應(yīng)用

隨著互聯(lián)網(wǎng)金融行業(yè)的大力創(chuàng)新，對大數(shù)據(jù)的運(yùn)用變得愈加深入和具體，它在產(chǎn)品研發(fā)和征信體系層面的應(yīng)用尤為顯著。首先，客戶利用移動端口或PC終端進(jìn)行交易會生成大量的原始數(shù)據(jù)，然后再把搜集的信息通過分配中心依據(jù)特定的原則進(jìn)行分配，所有的集群服務(wù)器都會接收到這些信息。最后，這些信息經(jīng)過進(jìn)一步的篩選會形成可被運(yùn)用的商業(yè)模式。在信用征信方面，它主要包括網(wǎng)絡(luò)購物、基本信息和社交群體三個方面?；拘畔⒅饕瑐€人收入、資產(chǎn)狀況、職業(yè)信息、社交關(guān)系、個人技能和教育背景等[5]。拍拍貸是國內(nèi)最早對個人基本情況進(jìn)行評估的網(wǎng)貸中介，該平臺交易數(shù)量的劇增主要得益于對基本信息精準(zhǔn)有效的統(tǒng)計(jì)?？萍歼M(jìn)步使得人類對于社交應(yīng)用軟件的依賴程度與日俱增，社交媒介信息正是大數(shù)據(jù)的獲取渠道之一，因此基于大數(shù)據(jù)的P2P網(wǎng)貸借款人的信用評級的完善將有利于整體網(wǎng)貸行業(yè)的良性競爭和發(fā)展。

技術(shù)革新加速了數(shù)據(jù)的生成速度，如何運(yùn)用數(shù)據(jù)創(chuàng)建新型商業(yè)模式引起了社會極大的關(guān)注。大數(shù)據(jù)研究側(cè)重于將大數(shù)據(jù)轉(zhuǎn)換為實(shí)用、相關(guān)、及時信息的技術(shù)、系統(tǒng)、實(shí)踐、方法和應(yīng)用程序等，它可以幫助企業(yè)更好地了解其業(yè)務(wù)特征和市場形勢并做出理性決策。P2P借貸平臺（或其他類似的在線小額貸款網(wǎng)站）需要大數(shù)據(jù)，并且可能最有效地利用它。由于P2P借貸交易在線進(jìn)行，因此我們可以有效利用互聯(lián)網(wǎng)和在線數(shù)據(jù)來協(xié)助信用風(fēng)險管理。在線P2P借貸中的信用評估流程很簡單，但在做出貸款決策時，它比傳統(tǒng)銀行獲得的數(shù)據(jù)要多得多[6]。以阿里巴巴的阿里金融為例，它可以輕松訪問潛在借款人的數(shù)據(jù)和信用信息。大數(shù)據(jù)可以收集阿里巴巴、淘寶、天貓、支付寶等平臺借款人的交易信息及第三方認(rèn)證信息。

四、信息披露機(jī)制與信息不對稱的關(guān)系

在雙邊市場中，信息系統(tǒng)可以作為買方和賣方之間的中介，信息中介可以降低買方必須支付的搜索成本，以獲取市場上的價格和產(chǎn)品信息以及賣方必須支付的信息成本，進(jìn)而將平臺的產(chǎn)品、價格和質(zhì)量信息告知消費(fèi)者。在線P2P借貸平臺作為貸方和借方之間的代理商，可以降低搜索和信號成本[7]。因此，大數(shù)據(jù)技術(shù)可以顯著減少P2P借貸中的信息不對稱。通過各種數(shù)據(jù)源檢索的具有不同數(shù)據(jù)格式的大數(shù)據(jù)，可以對借款人的資質(zhì)進(jìn)行更精準(zhǔn)的評估[7]。P2P借貸平臺正在使用各種數(shù)據(jù)來評估信用風(fēng)險，而傳統(tǒng)銀行可能缺乏技術(shù)或評估能力而不能有效處理這些數(shù)據(jù)。德國在線P2P網(wǎng)貸平臺Kreditech會考慮潛在借款人的行為數(shù)據(jù)，包括填寫在線申請表的方式，使用大寫字母的頻率，或鼠標(biāo)移動的速度等。事實(shí)上，大多數(shù)領(lǐng)先的P2P借貸平臺都使用大數(shù)據(jù)技術(shù)來構(gòu)建更全面、更可靠的信用檔案。借貸平臺Lending Club開發(fā)了獨(dú)有的信用評分模型和一種稱為模型等級的獨(dú)特算法，以確定每個貸款等級的最終利率。

雖然信息發(fā)布規(guī)則對于解決信息不對稱現(xiàn)象具有非常重要的作用，金融科技和雙邊市場理論的廣泛運(yùn)用也被視為解決信息缺失問題的主要工具。目前學(xué)者們普遍認(rèn)為P2P網(wǎng)貸行業(yè)中依然存在嚴(yán)重的信息不對稱現(xiàn)象，主要表現(xiàn)為融資方掌握關(guān)鍵違約信息。當(dāng)前的P2P網(wǎng)貸信息披露平臺缺乏相應(yīng)的標(biāo)準(zhǔn)和法律約束，占據(jù)信息主導(dǎo)地位的平臺所披露的信息不一定真實(shí)可信，因此筆者認(rèn)為，網(wǎng)貸平臺所披露的信息量越大，投資者對于網(wǎng)貸平臺的信任度反而會減少。假如資金供給雙方與網(wǎng)貸平臺之間互不信任，我國P2P網(wǎng)貸行業(yè)可能會呈現(xiàn)持續(xù)衰退的形勢，但現(xiàn)實(shí)并非如此，這說明貸款人和借款人并不完全相信平臺發(fā)布的信息。此外，從需求互補(bǔ)性、交互網(wǎng)絡(luò)外部性和利率非中性的角度來看，P2P網(wǎng)貸行業(yè)充分滿足雙邊市場的特性。按照雙邊市場理論的觀點(diǎn)，網(wǎng)貸企業(yè)的核心價值體現(xiàn)在互補(bǔ)效益上，而互補(bǔ)效益又依賴于平臺的數(shù)量[8]。由此，筆者認(rèn)為，債權(quán)流動性、平臺規(guī)模以及融資方和投資方的分散等級對于網(wǎng)貸機(jī)構(gòu)集聚人氣具有正面影響。

五、大數(shù)據(jù)信息經(jīng)濟(jì)學(xué)

大數(shù)據(jù)是當(dāng)代信息科技快速發(fā)展的結(jié)果，信息經(jīng)濟(jì)學(xué)與大數(shù)據(jù)的融合也體現(xiàn)了歷史的必然性。古典經(jīng)濟(jì)學(xué)更加側(cè)重研究不同經(jīng)濟(jì)現(xiàn)象之間的因果關(guān)聯(lián)性，但大數(shù)據(jù)經(jīng)濟(jì)學(xué)則更傾向于發(fā)掘經(jīng)濟(jì)現(xiàn)象間的潛在關(guān)系。大數(shù)據(jù)分析的關(guān)鍵在于數(shù)據(jù)或信息的實(shí)時加工與運(yùn)用，借以便捷的獲取信息，提升社會效益與企業(yè)價值。P2P網(wǎng)貸平臺作為新型融資渠道，借助云計(jì)算對網(wǎng)購行為、成交信息、資金交易和交互數(shù)據(jù)等進(jìn)行實(shí)時信息加工，記錄網(wǎng)絡(luò)用戶在電商交易中的資信信息，為借款人提供資金融通業(yè)務(wù)[9]。此外，大數(shù)據(jù)推動了風(fēng)險控制理念的轉(zhuǎn)型和調(diào)整。傳統(tǒng)風(fēng)險管理主要借助抵押物、權(quán)證評估或財(cái)務(wù)報表來評估融資者的風(fēng)險等級。然而大數(shù)據(jù)對于交易行為的真實(shí)性需求更為強(qiáng)烈，對于風(fēng)險定價技術(shù)的要求更加復(fù)雜。大數(shù)據(jù)同時提升了P2P網(wǎng)貸平臺的理性決策標(biāo)準(zhǔn)和和風(fēng)險預(yù)警作用。大數(shù)據(jù)可以在一定程度上解決風(fēng)險預(yù)測、信用授權(quán)甚至是違約識別等問題?；谫Y金交易行為的大數(shù)據(jù)也能夠及時計(jì)算出信用評級和違約率等指標(biāo)，有利于金融風(fēng)險管理。

正如信息經(jīng)濟(jì)學(xué)所強(qiáng)調(diào)的那樣，信息的貨幣價值必須以創(chuàng)造機(jī)會的方式呈現(xiàn)。大數(shù)據(jù)分析使P2P借貸平臺能夠更好地評估借款人并做出快速貸款決策。因此，大數(shù)據(jù)不是免費(fèi)的，因?yàn)榇髷?shù)據(jù)的獲取需要付出更高的信息搜集費(fèi)用和風(fēng)險評估成本。因此，在收集、分析和應(yīng)用數(shù)據(jù)時考慮數(shù)據(jù)的質(zhì)量和搜集成本非常重要。因此假設(shè)1：數(shù)據(jù)質(zhì)量將影響信息不對稱。具體而言，可以通過容量、類型、速度和準(zhǔn)確性來確保大數(shù)據(jù)的質(zhì)量。容量表示數(shù)據(jù)的大小，即交易記錄的數(shù)量。例如，對于同一借款人，每日交易記錄的次數(shù)將大于每月交易。我們相信更高的數(shù)據(jù)量能夠更好地評估借款人資質(zhì)。因此假設(shè)2：更大的數(shù)據(jù)容量將降低信息不對稱性。多樣性指的是結(jié)構(gòu)化和非結(jié)構(gòu)化的眾多數(shù)據(jù)源和類型。對于同一借款人而言，包括移動電話和網(wǎng)購記錄在內(nèi)的數(shù)據(jù)比僅有手機(jī)記錄的數(shù)據(jù)更多樣化。因此假設(shè)3：類型豐富的數(shù)據(jù)將減少信息不對稱。速度是指數(shù)據(jù)流入的速度，實(shí)時高頻信息的速度高于滯后的低頻信息[10]。

六、結(jié)論

以大數(shù)據(jù)為基礎(chǔ)的金融創(chuàng)新已被視為顛覆金融服務(wù)業(yè)的驅(qū)動力。本文從信息經(jīng)濟(jì)學(xué)的角度研究了大數(shù)據(jù)如何影響貸款行業(yè)的轉(zhuǎn)型。通過在P2P借貸中應(yīng)用大數(shù)據(jù)分析來確定信號和搜索成本的降低，展示了大數(shù)據(jù)如何減少貸款行業(yè)的信息不對稱。從大數(shù)據(jù)經(jīng)濟(jì)學(xué)的角度對P2P借貸研究的理論框架進(jìn)行了假設(shè)和拓展，并計(jì)劃在未來的研究中進(jìn)行實(shí)證分析，以驗(yàn)證本文中提出的建議，希望為今后深入研究大數(shù)據(jù)金融創(chuàng)新提供參考和借鑒。

[參考文獻(xiàn)]

[1]Riggins F J， Weber D M. Information asymmetries and identification bias in P2P social microlending[J]. Information Technology for Development， 2017，23（1）：107-126.

[2]Faia E， Paiella M. P2P Lending： Information Externalities， Social Networks and Loans Substitution[J]. Social Science Electronic Publishing， 2017，3（11）：340-349.

[3]Lin M， Zhao X， Zhou Z， et al. A New Aspect on P2P Online Lending Default Prediction using Meta-level Phone Usage Data in China[J]. Decision Support Systems， 2018（111）：24-34.

[4]Westland J C， Phan T Q， Tan T. Private Information， Credit Risk and Graph Structure in P2P Lending Networks[J]. 2018， 2（2）：124-128.

[5]Zhao H， Qi L， Zhu H， et al. A Sequential Approach to Market State Modeling and Analysis in Online P2P Lending[J]. IEEE Transactions on Systems Man & Cybernetics Systems， 2017（99）：1-13.

[6]周愛民， 彭俊華. 信息不對稱、交易成本與互聯(lián)網(wǎng)融資平臺發(fā)展——以P2P網(wǎng)絡(luò)借貸為例[J]. 金融理論探索， 2017（3）：3-12.

[7]閆琳. 大數(shù)據(jù)背景下的校園P2P網(wǎng)絡(luò)借貸平臺風(fēng)險分析與防范[J]. 時代金融， 2017（33）：263-264.

[8]李愛婧. 大數(shù)據(jù)時代下P2P網(wǎng)絡(luò)借貸的風(fēng)險及監(jiān)管研究[J]. 時代金融， 2018（2）：299-299.

[9]喻意. P2P網(wǎng)絡(luò)借貸中的信息不對稱及其解決方法[J]. 現(xiàn)代經(jīng)濟(jì)信息， 2017（16）：252-254.

[10]郭梁鈺. 基于信息不對稱的網(wǎng)絡(luò)借款利率研究[J]. 現(xiàn)代商業(yè)， 2017（29）：171-172.

（責(zé)任編輯：顧曉濱 馬琳）