信息披露、投資偏好與大眾創業的互聯網金融支持
——基于人人貸數據的研究

王子敏，李嬋娟，季仁春

(1.南京郵電大學經濟學院，江蘇 南京 210023;2.中國農業銀行南通分行，江蘇 南通 226300)

信息披露、投資偏好與大眾創業的互聯網金融支持
——基于人人貸數據的研究

王子敏1，李嬋娟1，季仁春2

(1.南京郵電大學經濟學院，江蘇 南京 210023;2.中國農業銀行南通分行，江蘇 南通 226300)

基于抓取的P2P網貸平臺人人貸中借款目的為“企業用途”的數據，在文獻梳理基礎上，建立二元邏輯回歸方程，對小微企業在互聯網融資過程中投資者形成的身份偏好問題進行了研究。通過將借款人身份分為工薪階層和小微企業主兩類，發現投資者存在對借款人的身份歧視現象，進而從信息披露的角度提出相應的解釋。研究認為，由于信息披露不足與信息不可信，投資者認為具備“小微企業主”這一身份的借款人的借款存在較高的風險，從而形成了投資者更愿意支持“工薪階層”借款的投資偏好。基于上述研究結論，從P2P網貸平臺和政府部門的角度，提出了相應的政策建議。

信息披露；風險；身份偏好；人人貸

一、引 言

大眾創業是政府強力推行的在新常態下促進我國經濟轉型和長期健康發展的重要舉措[1]。從金融角度，大眾創業要取得成功，離不開資金的支持。一個充分發育的金融市場，應當盡量滿足大眾創業中不斷增加的資金需求。以P2P網絡借貸為代表的互聯網金融近些年來飛速發展，產生了諸如陸金所、人人貸、拍拍貸等知名的交易平臺，成為金融市場中重要的組成部分。P2P的一個重要特征就是平臺的借貸雙方往往都是小微個體，這為小微企業發展提供了資金支持的渠道。

P2P既延伸了投資者的區域范圍，也拓展了借款者的區域覆蓋，雖然在一定程度上降低了資金融通的交易成本，但同時由于信息不對稱，網絡借貸過程中的道德風險以及逆向選擇問題也很容易被放大。很多P2P平臺的跑路事件，一方面是平臺自身的經營管理問題所致，另一個重要的原因就是上述問題所導致的。因而提升信息披露質量，減少信息不對稱成為互聯網金融領域的重要工作。

互聯網P2P交易中，雙方的資金量“小”這一特征，決定了網貸平臺在信息披露監管中的成本也要小，因而難以對于借款人在借款時信息披露的可信度進行更為全面的衡量，更難以對事后資金使用過程中的潛在風險進行跟蹤和監管。雖然有平臺會通過一定渠道對于借款人進行事前的“實地認證”，但仍然無法做到對借款的事后監督。上述特征決定了互聯網P2P交易中信息披露的不完全性，由此導致投資者會根據一定的信號，如根據借款人的身份特征、借款期限、借款利率等，判斷投資風險，形成投資偏好。

二、研究基礎

(一)大眾創業

本文研究的數據來源于人人貸平臺。根據數據特點和研究需要，將大眾創業分為兩類，一類是工薪階層的大眾創業，另一類是小微企業主的大眾創業。如果研究對象的身份是工薪階層，且收入主要來源于工資性收入，通過互聯網融資不是為了消費，而是為了滿足企業創立或者發展需要，那么這類人的經營行為可以認定為工薪階層的大眾創業。如果身份是擁有或者共同擁有小微企業的小企業主，且借款目的是為了創立企業或者使現有企業做大做強，那么這類人的經營行為可以認定為小微企業主的大眾創業。

(二)文獻梳理

互聯網P2P借貸平臺在融通資金過程中，所起的作用本質上是信息中介與信用中介的作用。Freedman and Jin(2011)認為P2P平臺相對于傳統融資平臺而言，信息不對稱更為嚴重，且會導致逆向選擇，原因在于信息平臺很難獲取借款者的信用記錄、收入以及就業等硬信息[2]，國內學者談超等(2014)[3]通過建立理論模型也證明了這一點。同時，由于投資者的風險識別能力不同，在信息不對稱環境下，投資者的投資收益會受到較為顯著的影響[4]。Wang and Greiner(2011)認為信息不對稱，會導致互聯網借貸平臺產生比預期更高的違約率和風險[5]。信息不對稱和不完全也會導致投資者形成非常顯著的羊群效應[6]，這種羊群行為有可能是一種理性行為[7]，也有可能是一種非理性的行為[8]。在信息不對稱環境下，投資者也會形成特定的投資偏好：如本地市場偏好[9]、個人形象的偏好[10]、身份偏好[11]、種族偏好[12]、地域偏好[13]、借款用途偏好[14]等等。

信息不足和不對稱使得投資者更重視軟信息的作用。李焰等(2014)通過對P2P平臺拍拍貸的研究，發現描述性信息會對投資人決策產生影響，認為提供更多描述性信息的借款人更容易成功借款[15]。Yum et al.(2012)認為在信息嚴重不對稱時存在羊群效應，但當信息量逐步豐富后，投資者會逐步形成自己的判斷[16]。Iyer et al.(2015)認為通過軟信息渠道，投資者可以更好的了解借款人，尤其對于那些信用評級比較低的借款而言，軟信息對于借款成功率尤為重要[17]。彭紅楓等(2016)的研究也發現借款利率與借款描述間存在顯著的關系[18]。Dorfleitner et al.(2016)基于對歐洲兩大P2P平臺中軟信息的研究，認為借款描述中的拼寫錯誤、描述字數長度、借款描述中喚起正向情緒的詞匯，能夠顯著影響到借款成功率[19]。Herzenstein(2011)研究了軟信息中的借款描述傾向對于借款成功率的影響，認為即使是不能驗證的軟信息，只要能夠給投資者描繪一個好的故事，提升投資者對于借款人的身份認同度，就能顯著提升借款成功率，這種影響甚至超過了可以驗證的信息的作用[20]。

如果借款人要進行創業，那么信息披露中就要涉及到創業和企業經營的信息，但目前的P2P平臺由于交易成本原因，披露的信息主要是借款人的信息，這就導致了創業融資的借款標的的信息披露不完全，投資者要對交易風險進行評估將不得不更多的借助于軟信息，此時交易雙方的信息不對稱程度會更加嚴重，同時也可能存在借款人在軟信息披露中弄虛作假的激勵，又進一步減低了軟信息的可信度。因而最終會導致投資者形成特殊的投資偏好和投資行為。本文的主要貢獻在于，力求從大眾創業這一視角，分析由于信息披露不完全和不可信所導致的投資者特殊偏好，進一步深化現有研究中對于投資者投資偏好的研究，并結合中國實際情況，為大眾創業提供政策支持。

三、直覺與數據的矛盾

(一)一個直覺假設

假設有兩個借款人，所借款項主要用于企業設立或者滿足企業的擴大經營的需要。兩個借款標的其他方面均完全相同，唯一不同的地方在于，一個借款人的身份為小微企業主，有一定的企業運營經驗；另一個借款人的身份為工薪階層，主要收入來源是工資性收入，借款目的是為了投資創業，但缺乏企業的運營經驗。那么在同等條件下，投資者會更愿意借款給誰？

一個直觀的回答是，由于小微企業主有一定的企業運營經驗，借款給小微企業主的話，企業投資失敗導致無法收回本息的風險會小，因而投資者應該更愿意將資金拆借給小微企業主。由此做出如下直覺假設：

假設1：同等條件下，相對于普通工薪階層而言，投資者更愿意將資金出借給小微企業主進行創業。

(二)假設檢驗

為了對上述假設進行檢驗，筆者通過爬蟲軟件抓取了人人貸平臺2015年上半年部分公開的交易數據信息。人人貸是中國P2P網絡借貸中比較具有代表性的交易平臺，在這個平臺上，借款人根據要求披露相應的身份信息，并提供必要的各種信息認證資料，人人貸會對借款人所提交的信息通過網絡進行信用等級評分和認證，部分借款人還會由人人貸在各個地區的信用認證代理機構進行實地認證，最終投資者根據借款人在平臺上設定的借款利率和借款描述等信息，決定是否進行投資。在剔除了不合格和不需要的樣本后，選取了141749份信用認證標進行分析，信用認證標的借款期限為3到24個月。141749份信用認證標中借款成功(包括借款成功后正常還款以及借款成功后還款違約)的比例為2.8%，借款失敗的比例為97%*目前人人貸網站上的借款以實地認證標和機構擔保標為主，這些借款標的的借款成功率幾乎為100%，因而通過訪問人人貸網站，見到的幾乎均為借款成功的標的。，正處于借款期還沒有滿標等其他情況占比為0.02%。

人人貸平臺中借款利率由借款人設定，并明確給出借款期限和借款用途，以及要對借款進行詳細的文字描述，最后投資人選擇投資還是不投資，從而最終決定借款是否成功，因此將借款成功與否設為被解釋變量。人人貸會要求投資人報告自己的工作身份，共計有“工薪階層”“私營企業主”“網絡店主”三類，其中后兩類統一歸集為“小微企業主”，便得到了反映借款人身份的二元分類變量，將此作為解釋變量。如果解釋變量在解釋借款成功率方面存在顯著的差異性，比如在控制了其他因素的影響后，小微企業主身份相對于工薪階層身份而言，借款成功率存在顯著提升，那么直覺假設就可得證。在抓取的樣本數據中，根據借款用途，如果是工薪階層借款為了企業用途，那么認為這部分樣本數據是有關工薪階層的大眾創業的；如果小微企業主借款為了投資創業，或者為了保證所擁有的小微企業正常運行或做大做強，那么認為這部分樣本數據是有關小微企業主的大眾創業的。

人人貸平臺還要求投資人報告必要的個人身份、收入財產、信用等信息，這些信息對于投資人而言是重要的投資風險參考。眾多研究，如王會娟和廖理(2014)[21]、廖理等(2014)[22]、Lee and Lee(2012)[23]等已經確認這些信息對于借款是否成功有著重要的影響，因而在建立計量模型時要將這些變量設定為控制變量?？刂谱兞恐饕巳丝诮y計信息、借款標的信息、財產收入信息、信用信息和信用記錄情況等四個大類，共計25個變量。

由于計量模型的被解釋變量為二元分類變量，解釋變量和控制變量中也涉及到眾多的分類變量，因此建立二元邏輯回歸模型。表1報告了各個變量的賦值規則和描述性統計指標。

表1 變量的說明與統計

根據表1中的數據處理和變量設定，選取了工薪階層和小微企業主創業借款的樣本，通過建立二元邏輯回歸方程，基于SPSS22.0計算了回歸結果，詳見表2。

(三)身份偏好

根據表2中的數據，可以發現在控制了相關因素的影響后，解釋變量“工作身份”在取值為1時，相對于取值為0時存在顯著差異性，系數為0.646，1%水平下顯著為正。這表明當借款人的身份為工薪階層時，相對而言，能夠獲得更高的借款成功率，但這與前文中的直覺假設1是相矛盾的。在控制其他因素的影響后，投資者在同等條件下應當更支持小微企業主的借款，畢竟他們的企業運營經驗要相對多些，借款給他們所帶來的違約風險應當更低一些。

第一種可能的解釋是，由于數據限制，表2在回歸中并沒有將小微企業主的歷史經營情況納入到解釋變量中去，導致存在遺漏重要變量，而這種變量可能對于回歸結果會產生重要的影響，導致上述回歸結果并不能準確反映出投資者的真實投資偏好，上述回歸結果反映的是一種表象的投資偏好；另一種可能的解釋是投資者確實存在對于借款人身份的偏好，即使借款人的所有相關信息披露是完全的，投資者仍然更愿意支持工薪階層的創業融資?；诮灰壮杀究紤]，P2P平臺本身在促進

表2 借款者身份與借款成功率

信息披露方面的能力是有限的。在互聯網借貸過程中完全的信息披露幾乎是不可能的，很難在控制了所有相關信息的情況下，去論證投資者的投資偏好，因而對投資偏好第二種解釋的證明比較困難。本文的工作是從第一種解釋的角度，論證這種遺漏信息的影響，特別是應當披露而沒有披露的企業歷史經營信息被遺漏以后，投資者對這類借款的風險判斷以及相應的投資偏好。

四、風險衡量與身份偏好

(一)風險衡量

由于信息披露不完全和不對稱，投資者除了根據接觸到的各類信息進行投資風險衡量以外，還有一個非常重要的渠道就是投資者對于利率的判斷。利率水平的高低，既代表了投資者所能獲取的收益高低，但同時也代表了風險水平的高低，高利率意味著高風險。同時，借款人也會有相對理性的預期，為了獲取盡可能高的借款成功率，在設定借款利率時，既不能太高，也不能太低。設定的利率太高，投資者會認為借款人越需要資金，投資風險越高；設定的利率太低，投資者缺乏獲取高收益的激勵，借款成功率會大打折扣。因而應當存在一個最優利率水平，該水平在綜合了投資收益與投資風險以后，能夠最大可能提升借款成功率。通過觀察最優利率與實際成交利率之間的關系，可以判斷出風險水平的高低。

為此，表3重新設定二元邏輯回歸計量模型，將研究樣本分為兩類，一類是有關工薪階層創業借款的數據，另一類是小微企業主創業借款的數據。對上述兩部分數據，設定相同的解釋變量和控制變量。表3中除了利率以及平方項作為解釋變量以外，還將人口統計信息、借款標的信息、財產收入信息、信用信息和信用記錄等均作為解釋變量，各變量的處理方式與表1相同。

表3中無論是工薪階層的借款還是小微企業主的借款，借款利率以及利率的平方項兩個變量的系數均在5%水平下顯著。由于二次項系數顯著為負，一次項系數顯著為正，因而有一個開口向下的利率的二次函數，使得存在最優的利率水平，該利率水平在綜合了借款的風險與收益后，能夠使得借款成功率最高。表3中給出了計算出的最優利率水平，工薪階層的最優利率水平為11.41%，小微企業主的最優利率水平為10.33%。通過表2中利率以及平方項的系數數據，也可以計算出整體的最優利率水平為10.77%。如果實際成交的借款利率水平高于上述最優利率，那么意味著投資者索取更高的風險回報，即投資者認為該類借款是高風險的。

表3最后四行報告了根據不同方法計算出的利率水平，其中前2行計算了無論借款成功與否，不考慮利率的期限結構問題，整體而言借款人給出的利率均值和中位數，后2行計算了成功的借款平均利率和中位數。用上述指標減去最優利率，即可得出風險回報。表4報告了相關結果。

表3 不同用途借款中利率對借款成功率的影響

注：**表示在5%水平下顯著，*表示在10%水平下顯著。

表4 不考慮期限結構的風險回報

根據表4中數據可知，無論采用何種方法，發現小微企業主創業借款的風險回報水平均高于工薪階層的風險回報水平。即小微企業主借款的利率，已經超過了最優利率，該利率已經不利于提升借款成功率，同時也反映出投資者對于小微企業主的借款，會索取更高的風險回報。因而認為小微企業主借款的風險是更高的。

(二)利率的期限結構與風險

由于利率存在期限結構問題，不同期限的利率水平是不同的，由于樣本量限制，筆者無法計算出不同期限下的最優利率水平，進而判斷在不同的期限下投資者對于不同類型人群借款的風險判斷。同時，由于不同期限的借款人數比例不同，與利率的期限結構相疊加，使得上文中基于利率均值和中位數的判斷方法說服力有待提高。為此，表5給出了成功的借款在不同期限的利率水平，以進一步對增強上述對于風險水平的判斷。

表5 兩類人群成功借款的利率期限結構 (單位：%)

對比兩類人群在不同期限下成功借款的平均利率，由表5可以發現，除了樣本量占比較低的9個月借款以外，其余期限下工薪階層均低于小微企業主借款的利率水平。結合前文中計算的小微企業主借款的最優利率水平較低的結果，仍然可以判斷出，投資者會向小微企業主索取更高的利率，以彌補風險，即小微企業主的借款風險是更高的。

圖1給出了兩類人群借款的利率期限結構。期限上升，利率水平也隨之提升，同時圖1還線性和指數擬合了利率的期限結構曲線圖(圖中細實線)，并給出了公式。從圖1可見，線性方程擬合時，小微企業主借款的系數高于工薪階層的系數；指數擬合時，小微企業主的利率增長率也高于工薪階層的增長率。由此也可以得出，伴隨著借款期限的延長，投資者認為小微企業主借款的風險會上升更快，從而印證了前文小微企業主借款風險更高的判斷。

基于前面幾方面的分析，可以綜合得出投資者認為小微企業主的創業借款是更高風險的，因而形成了投資者更支持工薪階層的創業借款的投資偏好。這種投資偏好是為了規避風險，因而是一種理性的行為。

圖1 利率期限結構圖

五、信息披露與風險衡量

(一)理論假設

為什么投資者認為小微企業主的創業投資借款的風險更高？下文嘗試從不同身份借款人的信息披露特征與投資者信息需求預期之間的關系嘗試進行分析。

從原理上來看，如前文所述，由于工薪階層缺乏企業運營經驗，對于投資者而言，無法評估他們的企業經營能力和經營風險，進而判斷出投資風險，因而最合理的風險評估手段，就是根據借款人自身相關的信息，綜合做出相應的風險預期，此時借款人自身的信用好與壞直接關系到投資者對于借款風險的評估。但對于小微企業主而言，由于他們有企業運營的經驗，那么投資者所期望得到的信息就不僅僅是他們的個人相關信息，投資者更關心的是他們的企業運營信息，即投資者對于借款信息的期望提升了。但人人貸平臺并沒有提供權威的企業運營方面的可信賴信息，根據文獻綜述部分相關研究中的結論，可知此時投資者只能依靠軟信息進行判斷。基于上述分析，可以認為小微企業主信息披露不足，與投資者預期之間存在差距，會使得投資者認為小微企業主的借款可能存在更大的不確定性。

此外，而“無奸不商”這一信念在中國是深入人心的，為了獲取資金，小微企業主借款人存在信息的虛假陳述可能，因而小微企業主借款中所提供的這些軟信息是否是可信的，尚值得商榷。當然工薪階層的軟信息陳述也存在虛假陳述的可能性，但通過計算工薪階層借款的成功率，發現如果工薪階層在借款用途描述中明確表明是用于個人消費的話，那么借款成功率整體為3.6%，而如果表示為要去投資于企業的話，成功率只有3.2%，一個聰明的借款人此時應當直接表明借款是為了個人消費即可獲得更高的成功率，事后偷偷將借款資金進行挪用即可，沒有必要去表明借款是為了創業，并且進行虛假陳述。因而基于上述分析，判斷小微企業主借款描述信息的可信度可能更低。

因此根據上述論述，做出如下兩個假設：

假設2：投資決策中，投資者更關心工薪階層借款人的個人信用信息，更關注小微企業主借款人的企業運營信息。

假設3：投資決策中，針對借款人的借款描述軟信息，投資者更相信工薪階層的描述。

(二)假設驗證

從客觀數據來看，表3計量結果給出了上述假設的一些有意思的印證。對比表3第三列工薪階層借款與第4列小微企業主借款成功率影響因素方程中系數的顯著性，發現系數顯著性不同的變量中，有兩個變量是與上述假設相關的，一個是個人“信用分類”變量，另一個是“借款描述傾向”變量。

由表3數據發現，對工薪階層創業借款而言，個人“信用分類”變量在5%水平下顯著為正，即認為個人信息水平為A級及以上的高信用等級的人群相對于低信用等級的人群而言，借款成功率明顯提升，即認為對于投資者而言，更愿意支持高信用等級的借款人的借款，認為他們借款的風險水平可能更低。而對于小微企業主借款而言，發現個人信用分類變量在5%水平下不顯著，即對于小微企業主的創業借款，投資者并不太看中借款人的信用等級，投資者可能更想掌握的信息是他們企業運營情況的信息。因而假設2得到印證。

表3中“借款描述傾向”變量的顯著性在兩個計量方程中也不同。對于工薪階層而言，該指標5%水平下顯著為正，而對于小微企業主而言并不顯著。即當工薪階層在借款描述中表達了正向的信息，諸如“信譽良好”“還款能力強”等字眼所傳遞出的正向積極信息，會顯著提升他們借款的成功率，表明投資者會受到這些信息的影響；而對于小微企業主借款而言，當在其借款描述中出現諸如“信譽良好”“擴大生產規?！薄吧墦Q代”等表明個人信用以及企業經營情況的正向信息時，投資者并不會產生顯著不同的投資偏好。一種最可能的解釋就是，投資者認為小微企業主所提供的這些所謂正向信息，并不能降低投資者對于投資風險的預期，投資者認為這些信息是不可信的。因而假設3得到印證。

綜合上述研究假設2和假設3的分析以及數據分析的印證結論，可以判斷，信息披露的不完全和不可信，是投資者認為小微企業主的創業借款存在更高風險的重要原因。

六、研究結論與政策建議

根據前文的論述，可以看出由于信息披露的不足，導致了投資者對于不同借款人信息披露預期的期望不同，以及對不同借款人借款軟信息可信度的懷疑，使得投資者認為小微企業主借款存在較高的投資風險，最終形成了投資者的身份偏好，即投資者相對而言更愿意資助工薪階層的大眾創業。

根據上述研究結論，筆者認為上述身份偏好并不是最優的投資偏好，小微企業從設立，到做大做強是一個高風險的過程，有企業運營經驗的群體應當更容易獲得金融支持，也有助于降低金融風險。為此，一方面，對于P2P網絡借貸平臺而言，要強化資金去向的監管，探索合適的企業經營風險評估指標，建立相對應的風險認證機制，提升投資者的投資風險識別能力，同時建立對借款描述這類軟信息的認證機制，提升軟信息可信度；另一方面，在政府層面，應繼續完善現有的公共的小微企業信息認證平臺，促進小微企業信用認證市場的產業化，建立起權威的市場化第三方認證機制，從而形成投資者、借款人、網貸平臺、信用認證機構等多方良性發展的信貸市場。

[1] 張高麗.加快實施創新驅動發展戰略 深入推進大眾創業萬眾創新[N].人民日報,2015-10-20(1).

[2] Freedman S. M., Jin G. Z. Learning by Doing with Asymmetric Information: Evidence from Prosper. com[Z].National Bureau of Economic Research, 2011.

[3] 談超，王冀寧，孫本芝.P2P網絡借貸平臺中的逆向選擇和道德風險研究[J].金融經濟學研究, 2014,(5): 100-108.

[4] Klafft M. Online Peer-to-Peer Lending: A Lenders’ Perspective[J]. Social Science Electronic Publishing, 2009, 2(2):81-87.

[5] Wang H., Greiner M. E. Prosper: the eBay for Money in Lending 2.0[J]. Communications of the Association for Information Systems,2011, 29(1): 243-258.

[6] Shen D., Krumme .C, Lippman A. Follow the Profit or the Herd? Exploring Social Effects in Peer-to-Peer Lending[A]. Proceeding of the Second International Conference on Social Computing[C]. Minneapolis: IEEE, 2010: 137-144.

[7] Herzenstein M., Dholakia U. M., Andrews R. L. Strategic Herding Behavior in Peer-to-Peer Loan Auctions[J]. Journal of Interactive Marketing，2011, 25(1): 27-36.

[8] Prystav F. Personal Information in Peer-to-Peer Loan Applications: Is Less More?[J]. Journal of Behavioral and Experimental Finance，2016, 9(3): 6-19.

[9] Lin M., Viswanathan S. Home Bias in Online Investments: An Empirical Study of an Online Crowdfunding Market[J]. Management Science，2015, 62(5): 1393-1414.

[10] Duarte J., Siegel S., Young L. Trust and Credit: The Role of Appearance in Peer-to-Peer Lending[J]. Review of Financial Studies，2012, 25(8): 2455-2484.

[11] Riggins F. J., Weber D. M. A Model of Peer-to-Peer (P2P) Social Lending in the Presence of Identification Bias[A]. Proceeding of the 13th International Conference on Electronic Commerce[C]. Livepool: ACM, 2012: 1-8.

[12] Pope D. G., Sydnor J. R. What’s in a Picture? Evidence of Discrimination from Prosper. com[J]. Journal of Human Resources，2011, 46(1): 53-92.

[13] 廖理，李夢然，王正位. 中國互聯網金融的地域歧視研究[J]. 數量經濟技術經濟研究,2014,(5): 54-70.

[14] Lin M., Prabhala N. R., Viswanathan S. Judging Borrowers by the Company They Keep: Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending[J]. Management Science，2013, 59(1): 17-35.

[15] 李焰，高弋君，李珍妮，等. 借款人描述性信息對投資人決策的影響——基于P2P網絡借貸平臺的分析[J]. 經濟研究,2014,(S1): 143-155.

[16] Yum H., Lee B., Chae M. From the Wisdom of Crowds to My Own Judgment in Microfinance Through Online Peer-to-Peer Lending Platforms[J]. Electronic Commerce Research and Applications，2012, 11(5): 469-483.

[17] Iyer R., Khwaja A. I., Luttmer E. F., et al. Screening Peers Softly: Inferring the Quality of Small Borrowers[J]. Management Science,2015, 62(6): 1554-1577.

[18] 彭紅楓，趙海燕，周洋. 借款陳述會影響借款成本和借款成功率嗎?——基于網絡借貸陳述的文本分析[J]. 金融研究,2016,(4): 158-173.

[19] Dorfleitner G., Priberny C., Schuster S., et al. Description-text Related Soft Information in Peer-to-Peer Lending-Evidence from Two Leading European Platforms[J]. Journal of Banking & Finance，2016, 64: 169-187.

[20] Herzenstein M., Sonenshein S., Dholakia U M. Tell Me a Good Story and I may Lend You Money: The Role of Narratives in Peer-to-Peer Lending Decisions[J]. Journal of Marketing Research,2011, 48(SPL): S138-S149.

[21] 王會娟，廖理. 中國P2P網絡借貸平臺信用認證機制研究——來自“人人貸”的經驗證據[J]. 中國工業經濟,2014,(4): 136-147.

[22] 廖理，李夢然，王正位. 聰明的投資者:非完全市場化利率與風險識別——來自P2P網絡借貸的證據[J]. 經濟研究,2014,(7): 125-137.

[23] Lee E., Lee B. Herding Behavior in Online P2P Lending: An Empirical Investigation[J]. Electronic Commerce Research and Applications,2012, 11(5): 495-503.

InformationDisclosure,InvestmentBiasandInternetLoanSupportforMassEntrepreneurs——AnAnalysisbasedonRENRENDAI

WANG Zimin1, LI Chanjuan1, JI Renchun2

(1.School of Economics, Nanjing University of Posts and Telecommunications, Nanjing 210023, China； 2.Nantong Branch, Agricultural Bank of China, Nantong 226300, China)

Based on the data collected from the online loan platform RENREN DAI and literature review, this paper sets up binary Logistic Regression models to calculate the investment bias of investors in the creation and growing of startups between two kinds of borrowers, the salaried persons and small and micro businesses owners, and interpretations are presented to explain the bias from information disclosure aspect. The conclusions are as follows: Due to the information scarcity and low reliability of information about businesses owners, their borrowings are deemed as of high risk, and a rational investment bias in favor of salaried persons is thus formed. Based on the conclusions, some suggestions are presented from the prospectives of othe the P2P platform and the government.

Information Disclosure; Risk; Identity Bias; RENREN DAI

2016-12-16

國家社會科學基金青年項目(14CTQ019)；江蘇省社科基金專項課題(14SZB021)；江蘇省社科應用研究精品工程(16SYB-015)

王子敏(1981-)，男，山東淄博人，南京郵電大學經濟學院副教授；李嬋娟(1986-)，女，山東濟南人,南京郵電大學經濟學院講師；季仁春(1975-)，男，江蘇南通人，中國農業銀行南通分行中級經濟師。

F830.56

A

1004-4892(2017)11-0033-10

(責任編輯:原蘊)