寧紅泉

福建商學(xué)院金融學(xué)院，福建福州，350016

1 相關(guān)研究與問題提出

P2P借貸的信用風(fēng)險度量主要靠投資者通過對借款者自身提供的信息進(jìn)行判斷。P2P網(wǎng)絡(luò)借貸平臺通過構(gòu)建借款信用評價指標(biāo)體系讓投資者對借款者的整體信用水平做出判斷，并決定是否對借款人提供發(fā)放貸款。在早期P2P研究中，國外學(xué)者主要對平臺的運(yùn)行模式進(jìn)行研究。隨著P2P交易數(shù)據(jù)不斷增加，研究主要集中在借貸交易影響因素及交易行為等方面。目前，國內(nèi)外學(xué)者研究主要是通過借款者的自身信息及訂單信息對P2P信用風(fēng)險進(jìn)行分析及度量。Herzenstein利用Presoper平臺數(shù)據(jù)對借款者信息在借貸中的作用進(jìn)行研究，發(fā)現(xiàn)不可驗(yàn)證的信息對借貸決策的影響超過了客觀的、可驗(yàn)證的信息影響；而借款者身份要求的數(shù)量增加會增加貸款機(jī)會，但使貸款表現(xiàn)受損[1]。 Lin發(fā)現(xiàn)借款人的社會聯(lián)系在借款因素中起到重要的作用，并能有效降低借款的違約風(fēng)險[2]。國內(nèi)對于P2P信用風(fēng)險研究相對較晚一些，研究開始于2013年。李悅雷等通過對拍拍貸標(biāo)的進(jìn)行研究，發(fā)現(xiàn)拍拍貸中投資者存在明顯的羊群行為特征[3]。廖理等借助人人貸平臺的訂單數(shù)據(jù)對學(xué)歷在借款者的違約中作用進(jìn)行分析，發(fā)現(xiàn)高學(xué)歷者如約還款概率高，但投資者并不重視借款人的學(xué)歷信息[4]。黃小斌利用高斯混合聚類方法對拍拍貸平臺的訂單成功率進(jìn)行分析，發(fā)現(xiàn)投資數(shù)量、借款金額、手機(jī)認(rèn)證等因素在不同特征類別的借款人群中表現(xiàn)不同[5]。郭峰利用“人人貸”數(shù)據(jù)分析使用網(wǎng)絡(luò)呢稱與真實(shí)姓名對借款成功率和違約率的影響，結(jié)果發(fā)現(xiàn)使用真實(shí)姓名并沒有獲得更高信任[6]。葉德珠等從訂單的基本信息角度，分析了借款描述中的標(biāo)點(diǎn)和字?jǐn)?shù)在借款的作用，發(fā)現(xiàn)標(biāo)點(diǎn)數(shù)增加能使借款成功率提高，借款成本也會所降低，但在還款表現(xiàn)上沒有產(chǎn)生顯著的信息增量[7]。馬春文等利用隨機(jī)森林分類模型對P2P借貸標(biāo)的進(jìn)行研究，發(fā)現(xiàn)首次借款標(biāo)的信用包括借款標(biāo)的特征和借款人的自身信息，二者必須綜合進(jìn)行分析[8]。從國內(nèi)外學(xué)者研究可以看出，P2P信用風(fēng)險主要來自于借款者的自身信息及標(biāo)的特征等，但借款人的認(rèn)證方式是否會提高借款成功率并沒有深入研究，特別是借款人是否會通過增加信用認(rèn)證方式來達(dá)到借款目的，從而導(dǎo)致借款人的違約率增加。本文借助logistic模型對“人人貸”的信用標(biāo)的的認(rèn)證方式是否影響借貸行為進(jìn)行研究分析。

2 實(shí)證分析

2.1 P2P信用風(fēng)險度量指標(biāo)體系構(gòu)建

本文結(jié)合P2P網(wǎng)絡(luò)借貸特點(diǎn)及信息可獲取等因素以自身特征信息、財務(wù)信息、信用信息、審核信息、輔助信息等構(gòu)建以下P2P信用風(fēng)險度量指標(biāo)體系。其中借款者的自身特征包括：性別、年齡、婚姻、工作時間、教育程度、工作行業(yè)；財務(wù)信息：房產(chǎn)、車產(chǎn)、收入；訂單信息：借款總額、借款利率、借款期限、借款目的；信用信息：信用評級、申請借款次數(shù)；審核信息：收入認(rèn)證、工作認(rèn)證、視頻認(rèn)證、手機(jī)認(rèn)證、子女認(rèn)證、婚姻認(rèn)證、居住地認(rèn)證、細(xì)節(jié)認(rèn)證、手機(jī)接收認(rèn)證、借款目的認(rèn)證、崗位認(rèn)證、信用認(rèn)證、賬戶認(rèn)證、身份認(rèn)證、學(xué)歷認(rèn)證。由于信用分?jǐn)?shù)是P2P借貸平臺根據(jù)借款者的信息給出的信用分?jǐn)?shù)，這個指標(biāo)與其他指標(biāo)存在著線性關(guān)系，因此沒有選入。

2.2 數(shù)據(jù)處理

目前，“人人貸”是國內(nèi)借貸平臺中比較有影響的，在行業(yè)具有一定的品牌效應(yīng)。本文選用“人人貸”平臺發(fā)布的借款訂單為作為研究樣本，考慮到“人人貸”平臺于2013年改版及國家對P2P政策的改變。結(jié)合本文研究目的，最終選取樣本時間為：2014年6月1日到2016年6月13日。在訂單處理上進(jìn)行以下處理：(1)數(shù)據(jù)不全的訂單剔除；(2)借款人年齡20歲以下剔除(3)由于實(shí)地認(rèn)證標(biāo)與機(jī)構(gòu)擔(dān)任標(biāo)基本上不存在違約，所以也剔除了這部分訂單。最終樣本數(shù)為284 675個，有成功借款數(shù)14 834個，成功借款中的11 130個訂單完成了還款，2 704個訂單已經(jīng)形成了壞帳(其中包含39個逾期的訂單)，壞帳率為18.07%。

2.3 變量設(shè)定

結(jié)合訂單的基本信息與論文研究目的，以訂單的變量做相應(yīng)處理。處理說明如表1所示。

表1 訂單信息處理說明

注：為了避免在回歸分析上單位差異大導(dǎo)致估計偏差，對借款金額進(jìn)行對數(shù)化。

P2P平臺上有多項(xiàng)認(rèn)證信息，為了盡量包含各項(xiàng)認(rèn)證信息，本文創(chuàng)設(shè)一個新變量test_sum。test_sum的值為手機(jī)認(rèn)證、身份認(rèn)證等認(rèn)證方式的次數(shù)總和。

2.4 各指標(biāo)對借款成功影響的實(shí)證分析

選擇二元logistic模型對網(wǎng)貸借款成功率及逾期表現(xiàn)進(jìn)行實(shí)證分析。

其中，借款的成功率及違約率為被解釋變量y;訂單信息、信用信息、財務(wù)信息、審核信息、自身特征的各指標(biāo)以及各種認(rèn)證方式為解釋變量x。

實(shí)證分析中，首先考察借款人的相關(guān)信息在申請借款時的表現(xiàn)，建立模型一；然后分析“人人貸”中各種認(rèn)證方式在P2P中的借款時的表現(xiàn)，建立模型二?；貧w結(jié)果如表2。

表2 借款成功因素分析

注：***、**分別表示在1%和5%的統(tǒng)計水平上顯著；()為對應(yīng)的T變量值。

從模型一回歸結(jié)果可以看出：申請借款時，投資者比較重視借款者的軟實(shí)力特別是信用評級、學(xué)歷、收入的高低。信用級別高、高學(xué)歷、工作時間長、收入高都有利于提高借款的成功率。同樣，借款的硬件(房產(chǎn)與車產(chǎn))也有助于成功申請借款，但房貸與車貸會影響借款。另外，投資者對借款標(biāo)的自身信息也比較重視。借款利率越高，借款的成功率也越低；借款的數(shù)額越大，借款的成功率也越低。投資者會根據(jù)借款目的不同進(jìn)行理性風(fēng)險評估，風(fēng)險越大，借款的成功率也越低。在認(rèn)證方式上，投資者相信認(rèn)證方式，認(rèn)證方式越多，越容易成功申請借款，認(rèn)證方式在借款中的表現(xiàn)突出，僅次于信用級別。

模型二的回歸結(jié)果中，在所有認(rèn)證方式中，工作認(rèn)證的系數(shù)是最大，其次是細(xì)節(jié)認(rèn)證，收入認(rèn)證,房屋認(rèn)證,小車認(rèn)證,學(xué)歷認(rèn)證。這些認(rèn)證都有助于成功借款。借款認(rèn)證、手機(jī)認(rèn)證、信用認(rèn)證的提供會降低借款的成功率，特別是借款認(rèn)證的影響是最大，從側(cè)面說明P2P借款風(fēng)險偏大，提供了借款認(rèn)證反而很難借到款。子女認(rèn)證、居住地認(rèn)證、人人網(wǎng)認(rèn)證這幾個認(rèn)證對申請成功率沒有什么影響，說明投資者對借款者的居住地以及是否有子女并不在意。

2.5 借款違約因素分析與認(rèn)證形式影響分析

借助logistic模型建立信用違約模型之后，以借款者的信息指標(biāo)作為模型的解釋變量，建立模型三。同時考慮各種認(rèn)證方式在借款人的違約中的表現(xiàn)，以17種認(rèn)證方式作為解釋變量建立模型四。模型三與模型四檢驗(yàn)結(jié)果如表3。

表3 借款違約因素分析及認(rèn)證方式對違約影響

注：***、**、*分別表示在1%、5%和10%的統(tǒng)計水平上顯著；()為對應(yīng)的T變量值。

從模型三回歸結(jié)果中可知：在所有的變量中，變量credit的回歸系數(shù)2.121 657為最大，借款人的信用是借款是否違約的最重要因素。首先,信用評級越高，借款人越不可能違約；其次，學(xué)歷水平越高，越不容易違約；再次,借款金額、借款用途、工作時間、婚姻狀況、房產(chǎn)這些變量的系數(shù)不顯著，說明這幾個因素對借款人是否違約不能產(chǎn)生信息增量作用。與房產(chǎn)相比，車產(chǎn)的作用在保證借款者還款作用更明顯，但作用并不大。test_sum的系數(shù)為-0.168 987，說明認(rèn)證方式越多，反而借款人違約可能性越大。從另一側(cè)面說明，急需借款者為了能順利借到錢，會盡可能提供各種認(rèn)證，從而借款人的違約概率也更大。這與Herzenstein的研究結(jié)果是相同的。

從模型四實(shí)證結(jié)果可以看出借款人的各種認(rèn)證在還款表現(xiàn)中各不相同。信用認(rèn)證、視頻認(rèn)證、崗位認(rèn)證、手機(jī)認(rèn)證、學(xué)歷認(rèn)證的系數(shù)為正且統(tǒng)計顯著，說明這些認(rèn)證方式有助于減低借款標(biāo)的的違約率。收入認(rèn)證、借款認(rèn)證、借款類型認(rèn)證、居住地認(rèn)證的系數(shù)為負(fù)且統(tǒng)計顯著，說明借款人提供這些方式反而會提高借款的違約率，特別是借款類型認(rèn)證的系數(shù)達(dá)到了-5.806 24，這與借款類型認(rèn)證在申請借款表現(xiàn)相一致。借款的用途能真實(shí)反映借款標(biāo)的的信用風(fēng)險，也說明投資者在選擇借款標(biāo)的時較理性。房屋認(rèn)證、結(jié)婚認(rèn)證、子女認(rèn)證、借款細(xì)節(jié)認(rèn)證統(tǒng)計不顯著，說明這些認(rèn)證方式不能對借款的違約提供有用的信息。另外，開心網(wǎng)認(rèn)證與人人網(wǎng)認(rèn)證在違約中表現(xiàn)并不相同。

3 結(jié) 論

建立科學(xué)的信用評價指標(biāo)體系是P2P借貸市場健康發(fā)展的重要條件。隨著互聯(lián)網(wǎng)的發(fā)展，人與人交往方式也發(fā)生了很大的變化。各種認(rèn)證方式出現(xiàn)在P2P網(wǎng)絡(luò)借貸的信用風(fēng)險評價體系中。本文采用logistic模型對“人人貸”的信用標(biāo)的進(jìn)行了信用風(fēng)險分析，主要有以下結(jié)論：在申請借款時，借款人除了可以通過信用評級、學(xué)歷、收入等這些軟實(shí)力較容易獲到借款外，認(rèn)證方式的多少也很大影響借款人借款成功率。借款人提供的認(rèn)證方式越多，越容易成功獲得借款。在種種認(rèn)證方式中投資者更看重借款人的工作認(rèn)證，其次是學(xué)歷和收入認(rèn)證。投資者對借款人的借款用途認(rèn)證也非常重視，借款用途反映了其潛在的信用風(fēng)險。另外，在借款違約方面，借款者的信用是借款違約與否的最重要因素。與申請借款時表現(xiàn)相反，認(rèn)證方式越多反而違約概率也越大。不同的認(rèn)證方式在借款人的信用評價中的作用也不相同。信用認(rèn)證、視頻認(rèn)證、崗位認(rèn)證、手機(jī)認(rèn)證、學(xué)歷認(rèn)證這些認(rèn)證方式能有效地減低P2P借貸的違約率。相反，擁有收入認(rèn)證、借款類型認(rèn)證、居住地認(rèn)證的借款者反而有較大的違約,特別是借款類型認(rèn)證與借款人的違約存在著顯著關(guān)系。網(wǎng)絡(luò)認(rèn)證在借款人的信用評價中表現(xiàn)并不一致。

構(gòu)建科學(xué)的P2P市場信用評價指標(biāo)的關(guān)鍵解決借貸雙方的信息不對稱。網(wǎng)絡(luò)交往方式不斷創(chuàng)新，給P2P行業(yè)借款人的信用正確評估帶來挑戰(zhàn)。P2P平臺在構(gòu)建借款者的信用評價體系時不能盲目增加認(rèn)證方式種類，應(yīng)該加強(qiáng)與投資者軟實(shí)力的相關(guān)信息認(rèn)證方式，特別要重視借款者的借款用途認(rèn)證。積極探索社交網(wǎng)絡(luò)的綜合信息認(rèn)證方式，創(chuàng)新信用評價指標(biāo)體系。