基于社交網(wǎng)絡(luò)的P2P借貸信用風(fēng)險緩釋機(jī)制研究

楊 立，趙翠翠,陳曉紅,

(1. 湖南商學(xué)院湖南省移動電子商務(wù)協(xié)同創(chuàng)新中心，湖南 長沙 410205;2. 湖南商學(xué)院大數(shù)據(jù)與互聯(lián)網(wǎng)創(chuàng)新研究院，湖南 長沙 410205;3. 中南大學(xué)商學(xué)院，湖南 長沙 410083)

1 引言

風(fēng)險管理是金融業(yè)健康發(fā)展的核心問題，而金融創(chuàng)新往往伴隨著風(fēng)險的產(chǎn)生。近年來，一股互聯(lián)網(wǎng)金融浪潮席卷中國。受社交網(wǎng)絡(luò)、平臺經(jīng)濟(jì)[1]和小額借貸發(fā)展的啟發(fā)，P2P網(wǎng)絡(luò)借貸這一創(chuàng)新型融資模式得以產(chǎn)生。得益于我國“兩多兩難”的社會現(xiàn)實(shí)，P2P借貸野蠻式成長，年增速在300%左右。然而，由于技術(shù)因素、管理能力、法制環(huán)境和信用環(huán)境等方面存在缺陷，P2P借貸風(fēng)險事件頻發(fā)。2014年開始出現(xiàn)P2P跑路潮，截止2016年08月31日，P2P借貸問題平臺高達(dá)2644家。2015年末國內(nèi)的e租寶事件，2016年5月行業(yè)標(biāo)桿lending club的違規(guī)事件等國內(nèi)外案例均暴露出P2P借貸面臨的信用風(fēng)險。如何有效控制P2P借貸中的信用風(fēng)險是行業(yè)和監(jiān)管層關(guān)注的核心問題。

社交網(wǎng)絡(luò)在緩解P2P借貸信用風(fēng)險上的作用日益受到重視。為緩解信用風(fēng)險，眾多P2P平臺引入擔(dān)保、抵押、線下考核等風(fēng)險補(bǔ)救措施，但傳統(tǒng)的風(fēng)險補(bǔ)救措施需要大量的線下人員和外部機(jī)構(gòu)的參與，邊際成本過高，拓展難度大，導(dǎo)致效率損失，難以應(yīng)對互聯(lián)網(wǎng)時代的風(fēng)險管理挑戰(zhàn)。小微信貸理論表明,社交網(wǎng)絡(luò)可以減少借貸中的信息不對稱，一方面有利于信用的識別，另一方面形成了對個人違約的約束，激勵借款人償還貸款[2]。此外，社交網(wǎng)絡(luò)中快捷傳播和熟人圈子的特性，可以形成有效的風(fēng)險的分擔(dān)機(jī)制。Lenddo和拍拍貸等大量在線借貸公司均已開展實(shí)踐，嘗試運(yùn)用Facebook、微博等社交網(wǎng)絡(luò)進(jìn)行信用評級和風(fēng)險控制。

與實(shí)務(wù)界的積極探索相同，學(xué)者們同樣對社交網(wǎng)絡(luò)在金融領(lǐng)域的應(yīng)用進(jìn)行了廣泛而深入的研究。社交網(wǎng)絡(luò)即社會性網(wǎng)絡(luò)，是社會資本中最重要的內(nèi)容，具有易于度量、影響最為直接的特點(diǎn)。在企業(yè)經(jīng)營和勞動力市場領(lǐng)域，研究發(fā)現(xiàn)，社交網(wǎng)絡(luò)有利于分擔(dān)風(fēng)險[3-4]、提高收入[5-6]、促進(jìn)就業(yè)[7-8]、提高績效[9-10]。在傳統(tǒng)信貸領(lǐng)域，社交網(wǎng)絡(luò)作為“軟信息”的一種被廣泛的運(yùn)用于個人小微借貸與小微企業(yè)借貸。社交網(wǎng)絡(luò)的軟信息[11]、網(wǎng)絡(luò)識別[12]、社會處罰[13]、信息傳播[14]等作用機(jī)制促進(jìn)了小微企業(yè)的融資可得。社交網(wǎng)絡(luò)在個人小微貸款的篩選、監(jiān)督和借款履行中發(fā)揮著作用，能夠有效的減少借款中的成本和風(fēng)險，許多小微金融機(jī)構(gòu)還采用連帶責(zé)任促使團(tuán)隊成員利用社會資本來減輕信息不對稱[15-16]。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，在線社交網(wǎng)絡(luò)興起，信息傳播越來越廣，數(shù)據(jù)可大規(guī)模采集，為社交網(wǎng)絡(luò)關(guān)系在電子商務(wù)和借貸領(lǐng)域的深入研究提供了契機(jī)。在P2P借貸領(lǐng)域，對社交網(wǎng)絡(luò)的研究主要集中于驗證朋友和群體對借貸決策的影響。對于借款可得性，學(xué)者們普遍認(rèn)為社交網(wǎng)絡(luò)有助于提高借款成功率。Kumar[17]、Lin Mingfeng等[18]應(yīng)用Prosper平臺的數(shù)據(jù)進(jìn)行實(shí)證，發(fā)現(xiàn)群組內(nèi)“朋友”背書可以提升借款人信用，提高借款成功率。Liu De等[19]實(shí)證驗證借款人的朋友，尤其是密切或線下的朋友，可以充當(dāng)金融“管道”(Pipes)，通過投標(biāo)引發(fā)羊群效應(yīng)，提高借款可得性。對于借款利率，研究結(jié)果尚存分歧。Greiner和Wang[20]以及Brandes等[21]通過研究Prosper平臺發(fā)現(xiàn)，成為群體中的一員能夠顯著地降低借款所需承擔(dān)的借款利率。同樣采集來自Prosper的數(shù)據(jù)，Berger 和 Gleisner[22]、Collier和Hampshire[23]研究卻發(fā)現(xiàn)降低利率的條件更為苛刻。只有當(dāng)“朋友”積極參與投標(biāo)時才可能降低借款利率。Freedman和Jin[24]甚至得出相反的結(jié)論，證明群體負(fù)責(zé)人的背書以及投標(biāo)實(shí)際上會增加借款的平均利率水平，這就意味著群體負(fù)責(zé)人的投標(biāo)行為實(shí)際上被當(dāng)成了一個消極信號。對于違約率，Li Mingfeng[18]等研究發(fā)現(xiàn)，可驗證的網(wǎng)上友誼對事前和事后的結(jié)果都有正面影響，友誼不僅增加了成功融資的概率，也降低了貸款違約率。但Freedman和Jin[25]認(rèn)為朋友背書可能只是出于同情，嵌入社交關(guān)系的借款并沒有更好的還款表現(xiàn)。Chen Xiangru等[26]實(shí)證得出社交關(guān)系對借款違約的作用不大。

綜上，雖然現(xiàn)有研究已經(jīng)顯示社交網(wǎng)絡(luò)對借貸決策會產(chǎn)生影響，但多是從實(shí)證入手，鮮有文獻(xiàn)探討其內(nèi)在機(jī)理，目前還沒有形成社交網(wǎng)絡(luò)對P2P借貸信用風(fēng)險緩解機(jī)制的理論框架。

那么，社交網(wǎng)絡(luò)是否能夠緩解P2P借貸的信用風(fēng)險？對應(yīng)的風(fēng)險緩釋機(jī)制如何？哪些因素影響市場均衡水平？平臺應(yīng)如何設(shè)計信貸契約及運(yùn)營策略？本文在對P2P平臺進(jìn)行考察的基礎(chǔ)上，構(gòu)建信息不對稱的理論模型，對上述問題進(jìn)行分析和闡釋。研究發(fā)現(xiàn)在引入社交網(wǎng)絡(luò)后，社交網(wǎng)絡(luò)的三個機(jī)制能有效緩解P2P借貸的信用風(fēng)險，這三個機(jī)制為：事前信息獲取機(jī)制、事中連帶責(zé)任機(jī)制和事后違約約束機(jī)制。本研究拆解社交網(wǎng)絡(luò)如何對信用風(fēng)險產(chǎn)生影響的“理論黑箱”,提出了社交網(wǎng)絡(luò)對信用風(fēng)險緩釋機(jī)制的理論框架，為P2P這種新型融資模式的運(yùn)行機(jī)理和發(fā)展方向提供了理論基礎(chǔ)。

2 P2P借貸信用風(fēng)險的產(chǎn)生機(jī)制

研究社交網(wǎng)絡(luò)緩解P2P借貸信用風(fēng)險的影響機(jī)理首先需要明確P2P借貸信用風(fēng)險的產(chǎn)生機(jī)制。Johnson等[27]指出P2P借貸信用風(fēng)險的根源在于借貸雙方的信息不對稱。Weiss等強(qiáng)調(diào)了網(wǎng)絡(luò)借貸的“匿名性”使得信息不對稱更為嚴(yán)重。張正平等探討了國內(nèi)征信不完善、監(jiān)管缺位對信用風(fēng)險的影響。陳冬宇等[28]研究了感知社會資本對信任和風(fēng)險的影響，指出制度設(shè)計不完善時社會資本的重要性更顯著。牛豐和楊立[29]提出較為系統(tǒng)的理論框架論證P2P借貸信用風(fēng)險成因：信用體系不完善導(dǎo)致逆向選擇、缺乏有效監(jiān)督導(dǎo)致事中道德風(fēng)險、缺乏有效約束導(dǎo)致事后道德風(fēng)險。本文依據(jù)Stiglitz和Weiss[30]、Ghatak和Guinnane[31]，Armendariz和Morduch等[32]學(xué)者的理論，借鑒牛豐和楊立的思路建立研究假設(shè)，對社交網(wǎng)絡(luò)風(fēng)險緩釋機(jī)制的分析及具體討論、對市場均衡水平及其決定因素的分析是本文的理論貢獻(xiàn)，對P2P平臺契約設(shè)計及運(yùn)營策略的建議是本文的現(xiàn)實(shí)意義。

3 社交網(wǎng)絡(luò)事前信息獲取機(jī)制分析

3.1 理論基礎(chǔ)與基本假設(shè)

沒有社交網(wǎng)絡(luò)引入時，P2P借貸實(shí)際上是一種典型的民間借貸形式，即便存在很多投資人，也無法實(shí)現(xiàn)對借款人信用的有效識別。在這種情形下，可以簡化的假設(shè)這個市場涉及兩方市場參與者，一方是投資人，另一方是借款人，而P2P借貸平臺僅作為信息中介，不參與借貸交易。

3.1.1 對借款人的假設(shè)

每個借款人都有1單位的勞動，其項目需要1單位的勞動投入和1單位的資本投入。借款者的風(fēng)險類型可以劃分為安全型和風(fēng)險型兩類。安全型借款人Br的項目成功率高，風(fēng)險型借款人Br的項目成功率低。Pi為i(i=s，r)類型借款人項目成功的概率，Pi∈(0，1]，Ps>Pr。設(shè)安全型借款人的比例為q，則風(fēng)險型借款人的比例為1-q，q∈(0，1]。

3.1.2 對投資人的假設(shè)

投資人每單位資金的機(jī)會成本是ρ，機(jī)會成本包括資金的籌集成本和交易成本，投資人要求的“毛利率”為r，ρ>1且r>1。放款人由于市場競爭而獲得零利潤[31，33-34]，稱之為零利潤約束。(也可以假設(shè)追求一個非零固定利潤，此處假設(shè)利潤為零不影響最終結(jié)論。后面的分析中亦是如此。)

3.1.3 借貸行為分析——不存在社交網(wǎng)絡(luò)的情景

牛豐和楊立的研究已證明，在我國的P2P借貸市場中，信用體系不完善導(dǎo)致事前逆向選擇，具體結(jié)果如下：

由于我國并沒有形成完善的征信體系，投資人無法獲得借款人的風(fēng)險類型信息，高風(fēng)險的借款人Br將偽裝成Bs，在混合均衡市場，投資人不得不選擇高利率。

接下來，關(guān)注立足互聯(lián)網(wǎng)基因的P2P借貸能否通過獨(dú)特的機(jī)制設(shè)計緩解信用風(fēng)險？平臺運(yùn)營策略又會對金融市場均衡形成何種影響？

3.2 引入社交網(wǎng)絡(luò)信息獲取機(jī)制后的分析

3.2.1 社交網(wǎng)絡(luò)信息可以直接甄別借款人風(fēng)險類型時的市場均衡

命題1 當(dāng)社交網(wǎng)絡(luò)信息可以甄別借款人信用風(fēng)險類型且信息獲取成本極小(趨于0)時，市場由混合均衡變成兩種類型借款人都參與的分離均衡。

上述設(shè)定符合投資人的零利潤約束條件：

Piri=p,i=s,r

假設(shè)兩種風(fēng)險類型借款人的項目收益在統(tǒng)計上是無關(guān)的。在純中介型的P2P借貸中，借款人不提供任何實(shí)物資產(chǎn)或者金融資產(chǎn)作抵押，因此，借款人的項目收益大于被要求的還款，即Y>r，借款人在項目成功時，有能力進(jìn)行還款，我們稱之為有限責(zé)任約束。在有限責(zé)任約束下，當(dāng)利率給定，市場均衡時，借款人的預(yù)期收益是：

借款人的預(yù)期成本是:

(4)

顯然，Es=Er，Ts=Tr。投資人可以針對特定風(fēng)險類型借款人要求不同的利率，因此，借款人具有相同的預(yù)期收益和預(yù)期成本。

由于項目具有社會生產(chǎn)性，即：

(5)

將成本公式 (4) 代入式 (5) ，得到借款人借款的前提條件，即借款人的參與約束條件：

(6)

因此，所有借款人都會進(jìn)行借款，市場的均衡還款率為：

(7)

綜上，由于社交網(wǎng)絡(luò)的引入，投資人可以知曉借款人的風(fēng)險類型，低風(fēng)險型借款人會有低利率，高風(fēng)險型借款人會有高利率。每個借款人都會進(jìn)行借款，這樣便有效的緩解了事前逆向選擇。安全型借款人具有社會利潤的項目參與其中，P2P市場效率提高。

由此，基于數(shù)據(jù)驅(qū)動的風(fēng)險控制是有效的。P2P平臺通過開發(fā)基于社交網(wǎng)絡(luò)數(shù)據(jù)的風(fēng)險模型或聯(lián)合專業(yè)的數(shù)據(jù)分析公司為投資人提供社交網(wǎng)絡(luò)數(shù)據(jù)分析服務(wù)，幫助投資人對來自社交網(wǎng)絡(luò)(如微博、微信)、電商平臺(如淘寶、京東)的內(nèi)容進(jìn)行分析，實(shí)現(xiàn)借款人風(fēng)險甄別，利用社交網(wǎng)絡(luò)“軟信息”進(jìn)行風(fēng)險定價。

3.2.2 當(dāng)社交網(wǎng)絡(luò)信息不足以甄別借款人風(fēng)險類型時的契約設(shè)計及均衡條件

然而，由于技術(shù)及成本制約，目前僅依靠直接地社交網(wǎng)絡(luò)信息不足以可靠地甄別借款人風(fēng)險類型。傳統(tǒng)金融機(jī)構(gòu)通過要求提供抵押品的契約自動甄別借款人風(fēng)險類型。劉征馳(2015)[35]指出社交網(wǎng)絡(luò)信譽(yù)資產(chǎn)可以作為“虛擬抵押品”。由此，我們關(guān)注P2P市場能否通過合理的契約設(shè)計，利用社交網(wǎng)絡(luò)信譽(yù)充當(dāng)“虛擬抵押品”實(shí)現(xiàn)借款人風(fēng)險甄別。

(1)當(dāng)社交網(wǎng)絡(luò)信譽(yù)可以充當(dāng)足額抵押時

借款人擁有的社交網(wǎng)絡(luò)信譽(yù)資產(chǎn)為d。P2P平臺設(shè)計利率和抵押品合約γ=(r,g)為借款人融資。r表示合約利率(投資人要求的收益)，g表示要求借款人提供的抵押資產(chǎn)。0≤g≤d。假設(shè)平臺和投資人對抵押品的估值與借款人不同，平臺和投資人對抵押品的估值為βg，0<β<1。

如果借款人項目成功，將獲得收益yi，支付給投資人ri，如果項目失敗，收益為0，借款人抵押品g歸投資人。借款人i在合約γ=(r,g)下的期望收益為：

Ei(γ)=pi(yi-ri)-(1-pi)g

投資人在合約γ=(r,g)下的期望收益：

φi(γ)=piri-(1-pi)(βg-1)

借款人i在合約γ下對r和g的邊際替代率為：

可見，P2P平臺可以通過不同的信貸契約設(shè)計來實(shí)現(xiàn)借款人的“自我選擇”：安全型借款人較風(fēng)險型借款人更傾向于提供更多的網(wǎng)絡(luò)信譽(yù)作為“虛擬抵押品”以獲取利率減讓，而風(fēng)險型借款人因為更易承擔(dān)網(wǎng)絡(luò)信譽(yù)資產(chǎn)損失而放棄P2P融資。

證明：由于要求提供抵押品有成本(0<β<1)，均衡市場不要求風(fēng)險型借款人提供抵押品，即gr*=0。

由投資人零利潤約束條件：

φr(γr)=prrr-(1-pr)(βgr-1)=0

φs(γs)=psrs-(1-ps)(βgs-1)=0

同時，由兩種契約對于風(fēng)險型借款人無差異，即

聯(lián)合以上四等式可得：

命題2 可用圖1直觀闡釋。

圖1 虛擬抵押品充足時的市場均衡

圖1中，Us和Ur分別代表安全型和風(fēng)險型借款人的無差異曲線，由于安全型借款人較風(fēng)險型借款人傾向于支付更多的抵押品以獲得利息減讓，因此安全型借款人的無差異曲線更為平緩。us和ur為對應(yīng)的零利潤線。A點(diǎn)對應(yīng)合約γr*，B點(diǎn)對應(yīng)合約γs*，此時風(fēng)險型借款人沒有激勵偽裝，不同類型借款人實(shí)現(xiàn)“自我選擇”，市場實(shí)現(xiàn)分離均衡。

(2)當(dāng)社交網(wǎng)絡(luò)信譽(yù)不能提供足額抵押時

目前，社交網(wǎng)絡(luò)賬戶變現(xiàn)為網(wǎng)絡(luò)信譽(yù)資產(chǎn)的估值較低，借款人可提供的虛擬抵押品價值有限。當(dāng)gs*≥d，即安全型借款人無法足額抵押時，市場分離均衡不復(fù)存在，如圖2所示。圖2的資產(chǎn)約束d虛線位于B點(diǎn)的左邊，此時B點(diǎn)不再是合約可行，可行合約處于風(fēng)險型借款人的無差異曲線之下，風(fēng)險型借款人沒有激勵偽裝，市場無法實(shí)現(xiàn)分離均衡。

圖2 虛擬抵押品不足時的市場均衡

綜上，當(dāng)社交網(wǎng)絡(luò)信息足以區(qū)分借款人風(fēng)險類型或借款人網(wǎng)絡(luò)賬戶可作為充足“虛擬抵押品”時，社交網(wǎng)絡(luò)有助于緩解P2P借貸市場逆向選擇風(fēng)險，P2P平臺可通過設(shè)計不同的契約緩解信用風(fēng)險。當(dāng)考慮到數(shù)據(jù)分析技術(shù)和成本制約，以及對網(wǎng)絡(luò)信譽(yù)估值的重視程度，僅依靠借款人直接的社交網(wǎng)絡(luò)信譽(yù)而不深入挖掘社交網(wǎng)絡(luò)內(nèi)容則不足以規(guī)避逆向選擇。這也解釋了實(shí)證研究中社交網(wǎng)絡(luò)對違約作用的分歧結(jié)論。社交網(wǎng)絡(luò)信息采集成本、是否深入分析社交賬戶內(nèi)容、網(wǎng)絡(luò)嵌入強(qiáng)度及社交網(wǎng)絡(luò)“數(shù)字資產(chǎn)”價值變現(xiàn)等直接影響市場均衡水平。

在傳統(tǒng)信貸中，當(dāng)借款人無法提供足額抵押時，傳統(tǒng)金融機(jī)構(gòu)引入團(tuán)體貸款、擔(dān)保人等契約設(shè)計規(guī)避風(fēng)險。那么，接下來，我們討論P(yáng)2P借貸中，能否進(jìn)一步利用借款人社交網(wǎng)絡(luò)中的朋友、社群等網(wǎng)絡(luò)關(guān)系結(jié)構(gòu)緩解信用風(fēng)險。

4 社交網(wǎng)絡(luò)事中連帶責(zé)任機(jī)制分析

4.1 理論基礎(chǔ)與研究假設(shè)

4.1.1 研究假設(shè)

項目執(zhí)行中，借款人可以選擇是否努力工作。工作努力會帶來成本C=αp2/2，α是固定的成本因子，衡量借款人努力工作的邊際成本。

4.1.2 借貸行為分析——不存在社交網(wǎng)絡(luò)的情景

4.2 引入社交網(wǎng)絡(luò)連帶責(zé)任后的分析

由于社交網(wǎng)絡(luò)的引入，不僅僅借款人之間可以成為社交好友，借款人的親友關(guān)系也被引入到P2P借貸平臺中，在實(shí)際操作中，經(jīng)常出現(xiàn)好友或者親屬代為償還的情形，設(shè)R是毛利率，連帶責(zé)任償付A∈(0,R]，即項目成功的借款人會為項目失敗的好友或者親屬承擔(dān)部分債務(wù)，(R,A)表示親屬或者好友之間的隱性契約。一般而言，項目的收益Y>R+A。

假設(shè)兩個好友i和j進(jìn)行借款，i和j都會在各自工作努力水平上將其收益最大化。借款人i選擇的努力水平為pi，借款人j選擇的努力水平為pj，那么，借款人i的預(yù)期收益是：

其中，pipj(Y-R)表示i和j的項目同時成功時i的預(yù)期收益，pi(1-pj)(Y-R-A)表示i成功j失敗時i的預(yù)期收益。

根據(jù)Ei最大化一階條件，可得i的努力水平：

同理，可以得到i選擇努力工作的水平：

這一結(jié)果的合理解釋是，因為pi和pj是同增同減的，借款人經(jīng)過一系列的調(diào)整，最終達(dá)到上述穩(wěn)定均衡狀態(tài)。

接下來我們來分析個人責(zé)任貸款、隱性契約不合作貸款和隱性契約合作貸款三種情形下的借款人均衡工作努力水平。

4.2.1 個人責(zé)任情形下借款人均衡努力水平

考慮投資人的零利潤約束條件，得方程組：

求解得到兩個均衡解：

對于投資人而言，無論那種均衡，都滿足零利潤約束，這里只需要比較兩個均衡的預(yù)期收益大小。

因此，個人責(zé)任貸款中，借款人均衡努力水平為:

4.2.2 隱性契約不合作情形下借款人均衡努力水平

在隱性契約不合作情形下，借款人預(yù)期收益的最大化一階條件為:

考慮投資人的零利潤約束條件，得方程組:

類似個人責(zé)任貸款的分析，借款人的均衡努力水平為:

此時的均衡努力水平其實(shí)和個人責(zé)任借款下的水平一致。一個合理的解釋是，由于采取不合作策略，借款人并沒有考慮自身選擇對好友的影響，借款人會選擇使自己收益最大的工作努力水平。

4.2.3 隱性契約合作情形下借款人均衡努力水平

由投資人的零利潤約束條件可得:

類似個人責(zé)任貸款的分析，借款人的均衡努力水平為:

由此，可得如下命題：

命題3 隱性契約合作借款下，借款人將付出最高的均衡努力水平，連帶責(zé)任帶來的隱性契約合作有效的減少了事中道德風(fēng)險，使得借款人的成功率更高，還款幾率也更高。

此外，在連帶責(zé)任契約(R,A)下，一個為j類型借款人提供連帶責(zé)任的i類型借款人的期望成本為：

Eij(R,A)=pi[R+(1-pj)A]

連帶責(zé)任契約對于A和R的邊際替代率為:

圖3 連帶責(zé)任契約下借款人的無差異曲線

命題4 在信息不對稱下，P2P平臺可通過基于社交網(wǎng)絡(luò)朋友關(guān)系的連帶責(zé)任契約設(shè)計篩選不同風(fēng)險類型的借款人，進(jìn)一步克服逆向選擇。

5 社交網(wǎng)絡(luò)事后違約約束機(jī)制分析

5.1 理論基礎(chǔ)與研究假設(shè)

5.1.1 研究假設(shè)

假設(shè)借款人的監(jiān)督強(qiáng)度為m∈[0,1]，那么能覺察到借款人逃債行為的概率為m，無法覺察到的概率則為1-m。如果投資人覺察到借款人的策略拖欠行為，將不會再給借款人放款，與P2P借貸中的黑名單制度一致。

5.1.2 借貸行為分析——不存在社交網(wǎng)絡(luò)的情景

由于我國法制不健全，P2P借貸中借款人違約很難受到法律的制裁，而且缺乏擔(dān)保，難以形成一種有效的違約約束機(jī)制。假如借款行為只有一期，借款人如期還款的激勵相容條件為r<0，顯然與現(xiàn)實(shí)不符，借款人必定會拖欠。如果是兩期借款，可證借款人如期還款的激勵相容條件為r≤mV，顯然比僅有一期借款時的情形好。但是，由于借款人很難制定一個既滿足r≤mV條件，又滿足投資人零利潤約束條件的利率，這將使得事后道德風(fēng)險不可避免。

5.2 引入社交網(wǎng)絡(luò)違約約束后的模型分析

由于社交網(wǎng)絡(luò)的引入，如果借款人惡意違約，P2P借貸平臺將發(fā)布黑名單，借款人的違約信息將會被擴(kuò)散到其社交網(wǎng)絡(luò)，導(dǎo)致大眾制裁和輿論制裁，社交聯(lián)系的價值越高，違約約束機(jī)制帶來的成本越高，我們將這種損失設(shè)定為ω。

5.2.1 一期項目下借貸行為——靜態(tài)分析

假如借款行為只有一期，對于決定還款的借款人，其預(yù)期收益為:

E1=Y-r

對于決定拖欠的借款人，其預(yù)期收益為:

E2=m(Y-ω)+(1-m)Y

m(Y-ω)表示借款人逃債被人發(fā)覺時的收益，(1-m)Y表示借款人逃債沒有被人發(fā)覺時的收益。

借款人如期還款的激勵相容條件為:

E1>E2

即r

可見，在一期借款情形下，由于社交網(wǎng)絡(luò)的違約約束機(jī)制，借款人從之前的必定會拖欠(r<0)，變?yōu)楫?dāng)利率低于mω時才會拖欠。

5.2.2 多期項目下借貸行為——動態(tài)激勵

借款人不僅需要一期借款，一般需要多期借款，因此，討論兩期借款的情形，其管理含義與多期類似。如果借款人第一期債務(wù)如期償還，投資人將再次提供資金，如果借款人第一期債務(wù)不能如期償還，投資人將不再提供資金。假設(shè)折現(xiàn)率為δ，則借款人第二期的收益折現(xiàn)后為V=δY。

對于決定償還的借款人，其預(yù)期收益為:

E1=Y-r+V

對于決定拖欠的借款人，其預(yù)期收益為:

E2=m(Y-ω)+(1-m)(Y+V)

m(Y-ω)表示借款人逃債被人發(fā)覺時的收益，此時借款人無法獲得第二期的借款，所以第二期無收益；(1-m)(Y+V)表示借款人逃債沒有被人發(fā)覺時的收益。

借款人如期還款的激勵相容條件為:

Y-r+V≥m(Y-ω)+(1-m)(Y+V)

即r≤m(V+ω)。

因此，可得如下命題：

命題5 借貸中引入社交網(wǎng)絡(luò)違約約束，投資人可要求的利率比無社交網(wǎng)絡(luò)約束時的r≤mV更高，借款人也會降低其違約概率，從而緩解貸后道德風(fēng)險。違約約束配合動態(tài)激勵時，投資人可要求更高的利率，借款人還款概率也會提高。

6 連帶責(zé)任、違約約束、動態(tài)激勵與道德風(fēng)險

6.1 違約約束、動態(tài)激勵與事中道德風(fēng)險

在沒有連帶責(zé)任及違約社會制裁，只有動態(tài)激勵的兩期借貸中，借款人在第一期努力工作的激勵相容約束條件為:

可得：

當(dāng)社交網(wǎng)絡(luò)資產(chǎn)作為虛擬抵押品時，借款人違約將受到社會制裁，損失網(wǎng)絡(luò)信譽(yù)抵押ω，此時，借款人努力工作的激勵相容約束條件為:

由此可得如下命題：

命題6違約約束與動態(tài)激勵提高貸款人可要求的利率上限，即借款人事中道德風(fēng)險的激勵相容約束，放松了對借款人努力水平的要求。違約約束與動態(tài)激勵形成“自監(jiān)督效應(yīng)”，促進(jìn)借款人自我約束，努力工作。

6.1.2 社交網(wǎng)絡(luò)連帶責(zé)任、違約約束、動態(tài)激勵機(jī)制聯(lián)合效應(yīng)及其決定因素

接下來討論社交網(wǎng)絡(luò)的連帶責(zé)任機(jī)制、違約約束機(jī)制及動態(tài)激勵并用時對道德風(fēng)險的緩釋作用及其決定因素。

市場均衡時，可得：

綜上，借款人均衡努力水平的決定因素有：

命題7 在社交網(wǎng)絡(luò)連帶責(zé)任、違約約束機(jī)制及動態(tài)激勵聯(lián)合作用下，借款人的努力工作水平取決于連帶責(zé)任、動態(tài)激勵、監(jiān)督強(qiáng)度、利率、貸款額度、違約約束制裁大小和違約約束強(qiáng)度。

借款人均衡監(jiān)督水平的決定因素有：

命題8 在社交網(wǎng)絡(luò)連帶責(zé)任、違約約束機(jī)制及動態(tài)激勵聯(lián)合作用下，借款人的監(jiān)督水平取決于連帶責(zé)任、動態(tài)激勵、利率、貸款額度、違約約束制裁大小和違約約束強(qiáng)度。

7 結(jié)語

P2P借貸風(fēng)險事件頻發(fā)，學(xué)術(shù)界和實(shí)務(wù)界都在積極探索具有互聯(lián)網(wǎng)基因的P2P借貸能否利用行為信息、社交數(shù)據(jù)開展獨(dú)具特色的風(fēng)險控制。本文在對P2P進(jìn)行考察的基礎(chǔ)上，構(gòu)建信息不對稱的理論模型，從事前、事中、事后三個環(huán)節(jié)分析信用風(fēng)險成因，討論社交網(wǎng)絡(luò)緩解信用風(fēng)險的機(jī)制及其作用條件。研究發(fā)現(xiàn)，社交網(wǎng)絡(luò)的事前信息獲取機(jī)制、事中連帶責(zé)任機(jī)制和事后違約約束機(jī)制形成了社交網(wǎng)絡(luò)獨(dú)特的信用風(fēng)險緩釋機(jī)制。

具體而言，當(dāng)社交網(wǎng)絡(luò)信息可以實(shí)現(xiàn)借款人風(fēng)險甄別或借款人網(wǎng)絡(luò)賬戶可作為充足“虛擬抵押品”時，社交網(wǎng)絡(luò)軟信息可形成市場分離均衡，有效緩解征信不完善導(dǎo)致的事前逆向選擇；當(dāng)考慮到數(shù)據(jù)分析技術(shù)和成本制約，以及“數(shù)字資產(chǎn)”的估值和變現(xiàn)局限使得“社交網(wǎng)絡(luò)無法提供足額抵押”時，僅依靠借款人直接的社交網(wǎng)絡(luò)信譽(yù)而不深入挖掘社交網(wǎng)絡(luò)內(nèi)容則不足以規(guī)避逆向選擇。社交網(wǎng)絡(luò)信息采集成本、社交賬戶內(nèi)容挖掘、網(wǎng)絡(luò)嵌入強(qiáng)度及社交網(wǎng)絡(luò)“數(shù)字資產(chǎn)”價值變現(xiàn)等將直接影響市場均衡水平?？傮w而言，基于數(shù)據(jù)驅(qū)動的運(yùn)營策略是有效的，P2P平臺通過開發(fā)基于社交網(wǎng)絡(luò)數(shù)據(jù)的風(fēng)險控制模型或聯(lián)合專業(yè)的數(shù)據(jù)分析公司為投資人提供社交網(wǎng)絡(luò)數(shù)據(jù)分析服務(wù)，幫助投資人對來自社交網(wǎng)絡(luò)(如微博、微信)、電商平臺(如淘寶、京東)的內(nèi)容進(jìn)行分析可在不同程度上緩解風(fēng)險，實(shí)現(xiàn)風(fēng)險定價。同時，社交網(wǎng)絡(luò)數(shù)據(jù)分析技術(shù)以及價值評估的發(fā)展將是決定社交數(shù)據(jù)在征信領(lǐng)域價值的關(guān)鍵。

進(jìn)一步，關(guān)注社交網(wǎng)絡(luò)的關(guān)系屬性，引入社交網(wǎng)絡(luò)朋友關(guān)系，討論社交連帶責(zé)任機(jī)制設(shè)計的作用。研究發(fā)現(xiàn)，在隱性契約合作下，借款人將付出最高的均衡努力水平，連帶責(zé)任帶來的隱性契約有效緩解缺乏監(jiān)督機(jī)制導(dǎo)致的事中道德風(fēng)險。此外，不同連帶責(zé)任水平的契約設(shè)計可進(jìn)一步規(guī)避逆向選擇。P2P平臺建可探索設(shè)計不同網(wǎng)絡(luò)嵌入強(qiáng)度(比如是否社交賬戶認(rèn)證、是否披露賬戶基本信息、是否加好友互動等)的契約進(jìn)行借款人風(fēng)險甄別。

對于事后道德風(fēng)險，社交網(wǎng)絡(luò)的事后違約約束機(jī)制可有效緩解P2P借貸市場缺乏有效約束導(dǎo)致的事后道德風(fēng)險，尤其對于當(dāng)違約約束配合停貸威脅的動態(tài)激勵時風(fēng)險緩釋作用更為顯著。建議改善黑名單制度及其披露途徑(如將披露信息傳播社交網(wǎng)絡(luò))以增大違約約束，由行業(yè)協(xié)會牽頭成立網(wǎng)貸“老賴”數(shù)據(jù)庫以嚴(yán)格控制違約約束強(qiáng)度，打擊在各大平臺“打游擊”的老賴。此外，違約約束與動態(tài)激勵聯(lián)合作用形成“自監(jiān)督效應(yīng)”，對于事中道德風(fēng)險也有緩解作用，且作用比連帶責(zé)任更為可行和有效。平臺應(yīng)更加注重社交網(wǎng)絡(luò)在重復(fù)借貸中的作用。

互聯(lián)網(wǎng)匿名環(huán)境加劇了網(wǎng)貸市場的信息不對稱水平。社交網(wǎng)絡(luò)軟信息的風(fēng)險緩釋水平是社交網(wǎng)絡(luò)所帶來的連帶責(zé)任、動態(tài)激勵、監(jiān)督強(qiáng)度、違約約束制裁大小、違約約束強(qiáng)度以及對社交信息的挖掘綜合作用的結(jié)果。本文為網(wǎng)絡(luò)借貸平臺運(yùn)用社交網(wǎng)絡(luò)進(jìn)行風(fēng)險控制提供新的理論支持和參考建議。如何分析和挖掘社交網(wǎng)絡(luò)數(shù)據(jù)、合理評估社交賬戶等數(shù)字資產(chǎn)的價值值得進(jìn)一步研究。

[1] 萬建華.金融e時代：數(shù)字化時代的金融變局[M]. 北京：中信出版社, 2013.

[2] Krumme K A, Herrero S. Lending behavior and community structure in an online peer-to-peer economic network[C]//Proceedings of the 16th International Conference on Computational Science and Engineering,Vancouver,Canada,August 29-31,2009.

[3] Fafchamps M, Gubert F. The formation of risk sharing networks[J]. Journal of development Economics, 2007, 83(2): 326-350.

[4] Munshi, K. and M. Rosenzweig. Why is Mobility in India So Low? Social Insurance, Inequality and Growth[R]. Working Paper,National Bureau of Econmic Research, 2009.

[5] Grootaert C. Social capital, household welfare, and poverty in Indonesia[R]. Policy Research Wroking paper the Wrold Bank,1999.

[6] Narayan D, Pritchett L. Cents and sociability: Household income and social capital in rural Tanzania[J]. Economic Development and Cultural Change, 1999, 47(4): 871-897.

[7] Montgomery, J D. Social Networks and Labor Market Outcomes: towards an Economic Analysis[J]. American Economic Review, 1991, 81 (5):1408-1418.

[8] James S, Lahti T. Traditional institutions meet the modern world: Caste, gender, and schooling choice in a globalizing economy[J]. The American Economic Review, 2006, 96(4): 1225-1252.

[9] 王萌, 郭迅華,陳國青, 等. 在線關(guān)系對中小網(wǎng)商績效影響的實(shí)證分析[J]. 中國管理科學(xué), 2016, 24(10): 156-163.

[10] 譚云清, 馬永生, 李元旭. 社會資本, 動態(tài)能力對創(chuàng)新績效的影響: 基于我國國際接包企業(yè)的實(shí)證研究[J]. 中國管理科學(xué), 2013, 21(11): 784.

[11] Giné X, Karlan D S. Group versus individual liability: Long term evidence from Philippine microcredit lending groups[J]. Journal of Development Economics,2014,107:65-83.

[12] Feigenberg B, Field E M, Pande R. Building social capital through microfinance[R]. Work Paper,National Bureau of Economic Research, 2010.

[13] Berger A N, Saunders A, Scalise J M, et al. The effects of bank mergers and acquisitions on small business lending[J]. Journal of financial Economics, 1998, 50(2): 187-229.

[14] Okten C, Osili U O. Social networks and credit access in Indonesia[J]. World Development, 2004, 32(7): 1225-1246.

[15] Montgomery J D. Social networks and labor-market outcomes: Toward an economic analysis[J]. The American Economic Review, 1991, 81(5): 1408-1418.

[16] James S, Lahti T. Traditional institutions meet the modern world: Caste, gender, and schooling choice in a globalizing economy[J]. The American Economic Review, 2006, 96(4): 1225-1252.

[17] Kumar S. Bank of one: Empirical analysis of peer-to-peer financial marketplaces[C]//Proceedings of the 2007 America Conference on Information Systems, Keystone, Colorado, USA,2007.

[18] Lin Mingfeng, Prabhala N R, Viswanathan S. Judging borrowers by the company they keep: Social networks and adverse selection in online peer-to-peer lending[J]. Management Science,2013,59(1):17-35.

[19] Liu De, Brass DJ, Lu Yong, et al. Friendships in online peer-to-peer lending: Pipes, prisms, and relational herding[J]. 2015.

[20] Greiner M E, Wang H. The role of social capital in people-to-people lending marketplaces[J]. ICIS 2009 Proceedings, 2009: 29.

[21] Brandes U, Lerner J, Nick B, et al. Network effects on interest rates in online social lending[C]//Proceedings of the International Confereme on Information Systems,Phoenix,Arizona,USA,December,15-18,2009.

[22] Berger S C, Gleisner F. Emergence of financial intermediaries in electronic markets: The case of online P2P lending[J].Journal of VHB, 2010,2(1):39-65.

[23] Collier B C, Hampshire R. Sending mixed signals: Multilevel reputation effects in peer-to-peer lending markets[C]//Proceedings of the 2010 Conference on Computer Supported Cooperative Work, Savannah,Georgia,USA,February 6-10,2010.

[24] Freedman S, Jin G. Dynamic learning and selection: the early years of prosper. com[R].Working Paper, University of Maryland, 2008.

[25] Freedman S M, Jin G Z. The signaling value of online social networks: lessons from peer-to-peer lending[J]. Interational Jouranl of Industrial Organization,2017,51:185-222.

[26] Chen Xiangru, Zhou Lina, Wan Difang. Group social capital and lending outcomes in the financial credit market: An empirical study of online peer-to-peer lending[J]. Electronic Commerce Research and Applications, 2016, 15: 1-13.

[27] Johnson S, Ashta A, Assadi D. Online or offline?: The rise of “peer-to-peer” lending in microfinance[J]. Journal of Electronic Commerce in Organizations, 2010, 8(3): 26-37.

[28] 陳冬宇, 朱浩, 鄭海超. 風(fēng)險、信任和出借意愿——基于拍拍貸注冊用戶的實(shí)證研究[J]. 管理評論, 2014, 26(1):150-158.

[29] 牛豐, 楊立. 基于博弈理論的P2P借貸信用風(fēng)險產(chǎn)生機(jī)制分析[J]. 財務(wù)與金融,2016,(1):1-6.

[30] Stiglitz J E, Weiss A. Credit rationing in markets with imperfect information[J]. The American Economic Review, 1981, 71(3): 393-410.

[31] Ghatak M, Guinnane T W. The economics of lending with joint liability: Theory and practice[J]. Journal of Development Economics, 1999, 60(1): 195-228.

[32] Armendáriz B, Morduch J. The economics of microfinance[M].Cambridge,Massachusetts: MIT press, 2010.

[33] Aghion D, Armendariz B, Gollier C. Peer group formation in an adverse selection model[J]. The Economic Journal, 2000, 110(465): 632-643.

[34] 劉征馳, 賴明勇. 虛擬抵押品、軟信息約束與P2P互聯(lián)網(wǎng)金融[J].中國軟科學(xué), 2015,(1):35-46.

[35] Karlan D S. Social connections and group banking[J]. The Economic Journal, 2007, 117(517): 52-84.