新常態下互聯網金融支持小微企業融資研究*
——基于信息不對稱視角

蘇州市職業大學商學院 周雷 顏芳

新常態下互聯網金融支持小微企業融資研究*
——基于信息不對稱視角

蘇州市職業大學商學院 周雷 顏芳

新常態下互聯網金融正成為我國小微企業解決融資難題的新選擇。本文以理論模型為基礎，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據實證檢驗，結果表明：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、信用表現等“軟”信息?；ヂ摼W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，要進一步發揮互聯網金融作用，需完善信息共享機制，強化信息風險防控。

互聯網金融 小微企業 信息不對稱

一、引言

“十三五”時期，我國經濟發展步入新常態，面臨增速換檔節點，隨著經濟下行壓力加大，融資難、融資貴正成為制約小微企業發展的一大瓶頸。一些銀行引進國外理念和微貸技術，切實為部分小微企業提供了信貸支持，但小微企業融資問題并沒有得到根本解決?；ヂ摼W金融憑借大數據技術，打破傳統金融服務模式，使小微企業融資問題正出現有解的可能。2015年12月31日，國務院在《推進普惠金融發展規劃（2016～2020年）》中明確提出：小微企業是我國普惠金融重點服務對象，要發揮互聯網促進普惠金融發展的有益作用，發揮網絡借貸平臺融資便捷、對象廣泛的特點，引導其緩解小微企業融資難問題。在新常態下，研究如何使新興的互聯網金融更好地支持小微企業發展，推動大眾創業、萬眾創新正成為當前理論界和實務界關注的一個熱點課題。

二、文獻綜述

近年來，隨著P2P網貸的實踐發展，國內外已出現一批研究互聯網金融對小微企業融資影響的文獻。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據分析。如A.C.B.Ortega和F.Bell（2008）以Zopa為研究對象，發現小微企業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平臺的信貸交易數據分析后得出，小微企業主社會資本的關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。國內相關研究主要是通過對互聯網金融運作模式的分析，指出其在小微企業融資中的優勢與不足。如周雷（2009）從P2P與Web2.0相結合的角度，分析了國內最早的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網金融模式及其對小微企業融資的影響。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據、電商平臺、資金提供方、資金需求方四個要素綜合參與，其中大數據是運行的基礎。也有部分學者研究如何讓互聯網金融更有效地服務小微企業融資，如黃鵬等（2013）結合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網技術特性的小微企業綜合信用評價模型。李朝輝（2015）通過P2P網貸與小微企業融資的理論關系推導出小微企業是P2P網貸市場的積極參與者，P2P網貸的發展便利小微企業融資。

綜上，可發現大數據是互聯網金融的核心優勢，互聯網金融能通過大數據挖掘揭示小微企業的獨特信息，拓寬小微企業融資渠道，提高融資效率。然而，已有研究大多局限于理論推導或案例分析，缺乏從理論與實證相結合的角度對互聯網金融支持小微企業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，試圖構建一個理論與實證相結合的框架，在分析小微企業融資難原因的基礎上，建立互聯網金融模式下信息處理理論模型，然后利用大數據計量分析技術，抓取國內某著名P2P網貸平臺的海量交易數據，實證研究互聯網金融模式下信息對小微企業融資的影響，驗證互聯網金融通過減輕信息不對稱提高小微企業融資可獲得性與降低融資成本的實現機制。

三、理論分析與模型構建

（一）非對稱信息下小微企業融資難的根本原因信息是金融的核心，在互聯網金融時代，信息將成為獨立的生產要素，在金融資源生產與配置中發揮作用，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和影響借款人行為的逆向激勵效應來影響小微企業貸款的可獲得性和風險程度。下面通過構建一個模型來具體分析非對稱信息信貸市場對小微企業融資的制約。

設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；設每個項目貸款量為1個單位，貸款利率為r；設P在［0，1］上的概率密度函數為f（P），概率分布函數為F（P），若出借人滿足所有借款小微企業的需求，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，得：

根據式（1），P（r）＞0，表示提高利率的收入效應，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，即逆向選擇效應，利率每提高一個單位，投資項目的成功率下降?P（r）/?r，貸款預期收益下降（1+r）?P（r）/?r個單位。由此可知，當?E（r）/?r＞0時，收入效應大于替代效應，表明提高利率會使貸款收益增加；當?E（r）/?r＜0時，收入效應小于替代效應，表明提高利率會使貸款收益下降；當?E（r）/?r=0時，收入效應等于替代效應，此時貸款收益達到最大化，設這一點的利率為r*，對應的貸款量為L*，對資金供給方來說這就是最優配給額。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，因為與大中型企業相比，小微企業投資項目的替代效應更明顯，面臨更嚴重的信息不對稱問題。

綜上，信息不對稱導致的逆向選擇和逆向激勵是小微企業融資難的根本原因。在新常態下，我國經濟增速放緩，傳統信貸市場上的大、小企業和好、壞企業之間的區分更為顯著。被“拒貸”的小微企業面臨融資困境，希望尋求新的融資渠道，而這也催生了以P2P網貸為代表的互聯網金融新模式的誕生和發展。

（二）互聯網金融支持小微企業融資的信息處理機制互聯網金融是信息時代移動網絡數據處理技術與金融產業高度發展相結合的產物。它基于大數據平臺而構建，與傳統金融最大的區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。下面利用信息經濟學原理構建一個模型分析互聯網金融通過降低信息不對稱支持小微企業融資的具體機制。

假設互聯網金融市場中有n個參與者，分為資金需求方小微企業和資金供給方投資者，如某個P2P網貸產品，利率r采用競標的方式確定，若借款企業守約，則由企業到期償付本息；若借款企業違約，則由網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。設參與者的效用函數均為u（w）=-αexp（-αw），其中w表示其擁有的財富，α為絕對風險厭惡系數。用Y表示網貸標的小微企業基本面信息，如信用評級、借款金額、利率、期限及還款方式等。設標的企業違約概率服從Logistic模型：若Y+u＞0，發生違約；若Y+u≤0，不發生違約。其中隨機變量u的概率分布函數為F（u）=exp（u）/［1+exp（u）］，因此，該標的小微企業違約概率為：

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，指借款人在社交網絡中的社會資本信息，如小微企業主的人品、風險偏好、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的預期違約概率為：

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），并根據式（3），得出：

當市場均衡時，資金供給與資金需求相等，即

根據式（5）、（6）解出貸款的均衡利率為：

均衡利率R反映了以P2P為代表的互聯金融模式的信息處理機制，小微企業的“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了“軟”信息的“硬化”和公開化，這對以“軟”信息為主的小微企業融資非常關鍵。

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

由式（8）可得，根據硬信息X、均衡利率R，理論上能完全推斷出基本面信息Y，從而根據式（2）能估算標的企業違約概率。因此，在互聯網金融模式下，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。這主要得益于互聯網金融大量運用了大數據、云計算、區塊鏈、移動支付等新技術，大幅節省了信息處理和共享成本，通過利用社交網絡蘊含的關系數據進行信息篩選，有效降低了信息不對稱。

此外，互聯網金融還有一個重要特征就是信息的網絡傳播速度驚人，假設第i個參與者，將其所掌握的軟信息Zi在一定時間內通過網絡傳播，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，新增知情者比例為：

其中η表示社交網絡聯系緊密程度，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。根據式（7）、（10）得出均衡利率隨時間變化的函數：Rt=X+ZiVt+1/n∑Zi，顯然當t→∞，R→X+Zi+1/n∑Zi。這一過程反映了數據信息是一種在流動中增值的資產，信息通過互聯網傳播和共享，實現了“軟”信息向“硬”信息，私人信息向共享信息的轉化，從而進一步降低了互聯網金融市場中投資者與小微企業之間的信息不對稱。

四、實證結果與分析

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

（一）變量選取與數據來源根據研究目標網站的數據結構，結合理論模型，本文選取下列解釋變量和被解釋變量構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。擔保變量（Guarantee）:包括是否提現標GT、是否抵押標GD和是否凈值標GA。其中，非提現標指借款人成功借款后不能直接提現，用款時需另行向P2P平臺提出支付申請，風險較小，將“非提現標”賦值為1，“提現標”賦值為0；抵押標指借款人能提供抵押擔保，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凈值為限，發布融資需求，相當于有債權質押擔保，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、學歷認證、手機認證等；借入信用分，包括網銀操作、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。歷史表現變量（Record）：包括歷史借款成功次數RS、歷史流標次數RL。

（2）被解釋變量。投標是否完成（Y1）：該變量代表小微企業融資的可獲得性，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，即小微企業的融資成本。

（3）樣本數據來源。由于Y平臺上每一筆借款信息均被一個單獨的網頁存儲，對應著一個以7位數字借款編號結尾的URL，并且研究所需的數據均在網頁固定位置，因此本文采用Xml Http Request方法，首先利用Excel中的VBA函數收集借款編號為1390000～1630000的大量借款數據和相應的借款人信息，總共讀取240000組數據，然后根據借款人和借款用途篩選出個體工商戶、小微企業主等小微企業借款記錄，最后剔除數據不完整、數據異常的信息，最終獲得了58766條有效樣本信息。對上述“大數據”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。根據上文指標設計，令K=ln［P（Y1=1）/P（Y1=0）］作為被解釋變量，構建Logistic回歸模型：

其中：L、G、C、R分別代表借款信息變量、擔保變量、信用變量、歷史表現變量的相應矩陣，而B1、B2、B3、B4則分別代表對應系數向量，b0為常數項、e為殘差項。

首先，經Wald聯合顯著性檢驗，解釋變量全體與被解釋變量K之間顯著相關，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，結果如表1所示。

表1 融資可獲得性的Logistic回歸分析結果

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。其中，從具體系數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，互聯網金融作為新型投融資方式，多數投資者在選擇P2P指標時更注重安全性，傾向于投資有抵押擔保、借款信用等級高、歷史表現好的標，而不會僅由于借款利率高而放貸。但隨著互聯網金融的發展，特別是《網絡借貸信息中介機構業務活動管理暫行辦法》等監管法規的落地，在合法合規的前提下，借款利率也將會成為影響投標成功的關鍵因素。另外，借款成功次數對投標成功的影響為正、流標次數對投標成功的影響為負，說明互聯網金融作為一種大眾金融，存在“馬太效應”，歷史借款成功次數越多的小微企業越容易再獲融資，而流標次數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的融資成本分析應以融資成功為前提，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果，即朋友之間的借貸，共897條；二是普通模式下的競標結果，共4318條。以代表融資成本的實際年利率Y2為被解釋變量，分別對這兩類數據進行逐步回歸分析，結果見表2和表3。

表2 普通模式下逐步回歸結果

表3 友情模式下逐步回歸結果

從表2看，經十步逐步回歸，借出信用分CC、是否提現標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，被引入了多元回歸模型，并且，除流標次數與實際年利率正相關外，其余均為負相關。其中，認證分、借出信用分、借入信用分越高的小微企業融資成本越低；同時，非提現標、凈值標、抵押標成交利率較低，這一結果與傳統信貸市場基本一致。但借款金額與利率負相關則是由于Y平臺的規定：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RS、借款期限RT與實際年利率相關性不顯著，未進入回歸模型，這與傳統借貸模式中貸款歷史記錄良好，利率越低；借款期限越長，利率越高的定價規律和期限結構不一致。

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，被引入了逐步回歸模型，說明在友情模式下，借款人的多數“硬”信息基本無效，不會對實際年利率產生顯著影響，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”信息會對小微企業的融資成本產生怎樣的影響呢？筆者對兩種模式下的利率數據進行描述性統計對比分析，結果見表4。

表4 兩種模式下借款利率描述性統計特征

根據表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的利率定價，因為借款人在社交網絡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，從而降低小微企業融資成本。這就能解釋為什么多數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，互聯網金融可看作是民間融資的網絡化。其實，企業的“軟”信息在傳統金融與互聯網金融時代都存在，但互聯網金融利用大數據、云計算、區塊鏈等技術將存在于經濟運行中的不同渠道的大量數據收集起來形成“數據工廠”并充分利用，同時通過網絡迅速實現信息共享，能有效降低非對稱信息導致的逆向選擇和逆向激勵問題，提高小微企業融資可獲得性，同時降低其融資成本。

五、結論與建議

在回顧現有文獻基礎上，本文基于信息不對稱視角，構建了理論與實證相結合的研究互聯網金融支持小微企業融資的信息處理機制的完整框架，重點回答了互聯網金融是如何降低小微企業融資中信息不對稱這一核心問題。理論分析表明，信息不對稱導致的逆向選擇和逆向激勵是小微企業融資難的根本原因。而以P2P網貸為代表的互聯網金融運用大數據、云計算、區塊鏈等新技術，使小微企業的“軟”信息，通過Zi→Pi→￡i→R渠道，反映在均衡利率中，同時通過網絡傳播迅速共享，實現了私人信息向共享信息的轉化，從而降低了小微企業與投資者之間的信息不對稱。以理論分析為基礎，通過收集和篩選國內某著名P2P平臺的58766條小微企業借款信息，以此為大數據樣本，運用Logistic回歸和逐步回歸實證檢驗，結果驗證了借款金額、利率、期限等“硬”信息對小微企業融資的影響要明顯弱于實名認證、信用表現等“軟”信息?；ヂ摼W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絡中的“軟”信息，減輕信息不對稱程度，提高小微企業融資可獲得性，同時降低其融資成本。另外，互聯網金融還存在“馬太效應”，歷史借款成功次數越多的小微企業越容易再獲融資，而流標次數越多越不可能成功融資。

在新常態下，我國互聯網金融發展正經歷從野蠻生長到逐步納入監管框架的歷程，而小微企業也逐漸接受以P2P平臺為代表的各類互聯網金融企業，將其作為拓寬融資渠道的重要突破。但由于我國互聯網金融尚沒有形成完善的信息共享機制和風險防控體系，其利用自身信息資源優勢服務小微企業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：一是完善大數據信息共享機制?；ヂ摼W金融大數據，特別是各類“軟”信息能否實現廣泛共享，直接關系到支持小微企業融資的效率和效果。多樣化是大數據的核心，要擴充數據來源，豐富數據類型，建立包括電商數據、信用卡數據、社交網站數據、小額貸款數據、第三方支付數據和生活服務數據等來源的交叉驗證機制，積極推進數據整合，在大數據基礎上實現深層次數據挖掘，提高小微金融服務的針對性和滿足度。要繼續推進P2P平臺接入央行信用信息數據庫，通過信息共享與流通，提高整個網貸行業的征信水平和風控能力。二是強化信息安全風險防控。互聯網金融在發揮節省信息處理和傳播成本，降低信息不對稱優勢的同時，也伴隨著較大的信息安全風險隱患。我國互聯網金融信息風險防控能力較弱，黑客攻擊、隱私信息泄漏、網絡金融犯罪等問題時有發生，嚴重影響小微企業互聯網融資的生態環境，制約互聯網金融健康發展。因此，要提高互聯網金融信息安全風險防范能力，加強對互聯網金融終端設備和數據傳輸中的信息安全風險防范；促進互聯網金融信息安全監管法規和技術標準的制定；探索區塊鏈、可信計算、生物識別等新興技術在互聯網金融信息風險防范中的應用。

*本文系江蘇省保險學會課題“互聯網保險產品創新與有效監管研究”（項目編號：SBX2016-2-F-04）、蘇州市職業大學科研基金“新常態下互聯網金融支持小微企業發展研究”（項目編號：SVU2015QN13）、蘇州市職業大學教改項目“基于任務驅動的高職互聯網金融項目化建材建設研究與實踐”（項目編號：SZDJG-16009）階段性研究成果。

［1］李朝暉：《我國P2P網絡借貸與小微企業融資關系的實證研究》，《現代經濟探討》2015年第2期。

［2］周雷：《小額信貸、農戶融資與農村金融改革》，東南大學2009年學位論文。

［3］謝平、鄒傳偉：《互聯網金融模式研究》，《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網金融研究》，《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綜合信用評價模型——面向互聯網金融服務平臺》，《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）