網貸信用指標的信息不對稱模型與實證

張聰慧 張成毅

（西安工程大學理學院，陜西 西安 710048）

一、引言

隨著信息科技和金融工程的發展,網絡借貸逐漸成為一種極其重要的金融交易形式。由于交易雙方信息的不對稱性,信用風險是網絡借貸行業的非常重要的風險。關于借款者信用指標對網貸的影響,許多國外的學者做了深入研究。2015年Everett[1]通過對14。000多個項目的數據分析借款者的社交關系與網貸市場中的違約風險和利率之間的關系發現,約束借款者社交中的行為可降低借款者的違約概率。關于信息不對稱的問題的網貸借貸研究,許多國內學者進入了深入的研究。2012年,孫英雋、蘇顏芹[2]通過分析網貸信息不對稱,研究影響網貸平臺的信用風險,并提出網貸在信息驗證方式中存在這很多的不確定性和不可靠性。2014年談超等人[3]研究認為是因為借貸雙方信息不對稱才導致逆向選擇和道德風險,使網貸平臺產生信用風險。2017年,王小明[4]以“P2P網絡借貸市場”為例,提出信息不對稱中的“道德風險”使投資者對于投資有著艱難的選擇。2011年周宏、李遠遠等人[5]通過研究我國企業債券市場中的信息不對稱,構建了信用評估模型。

二、模型設定

本文根據“銀聯商務”的測試數據,選取了2017年10月至2018年3月間共計11016個申請數據,篩選出4614個真實有效的測試數據,并將所選列表中有違約記錄的項目作為違約項目。

本文將運用變量進行描述:

（一）信息不對稱:網貸市場利率與官方貸款利率回歸后的殘差序列。

（二）成功還款筆數(虛擬變量):PAY表示不同期限。采取PAY1表示30天內成功還款筆數；PAY2表示90天成功還款筆數；PAY3表示180天成功還款筆數。

（三）申請貸款筆數(虛擬變量):D表示不同時期。本章節采取D1表示30天內申請貸款筆數；D2表示90天申請貸款筆數；D3表示180天申請貸款筆數。（四）控制變量。借款者的基本信息提取其中的3個：SEX為性別；AGE為年齡；DIK表示貸記卡數量。

本文構建雙對數回歸模型Ⅰ:檢測網貸市場利率(D K R)和上海銀行間拆借利率是否存在信息不對稱:

其中LnSHIBOR是上海銀行間拆借利率的自然對數,LnDKR是網貸市場利率的自然對數。為避免數據可能存在的異方差性,對各個變量進行的自然對數處理。從理論上講,若網貸市場是有效率的,則零假設應為:α=0，β=0。若市場效率低下時,也就是網貸市場存在信息非對稱問題,則有:α≠0,β≠1。本文運用對模型Ⅰ進行OLS估計得到的殘差RES變量代表信息不對稱。

殘差回歸模型Ⅱ:為了檢驗信息不對稱對申請貸款筆數的影響,建立回歸模型:

殘差回歸模型Ⅲ:為了檢驗信息不對稱對成功還款筆數的影響,建立回歸模型:

三、實證分析

（一）網貸市場利率是否存在信息不對稱的檢驗

如上所述,若網貸市場是有效的且不存在信息不對稱問題,則有α=0,β=0的零假設成立。反之,若存在信息不對稱問題,則假設α≠0,β≠1成立。下面通過EVIEWS8.0軟件對模型Ⅰ進行OLS估計并對系數進行Wald檢驗,我們可以得到模型Ⅰ的估計方程如下:

由t統計量可知,系數,t統計量均大于2。Wald檢驗結果可知:在0.05的顯著性水平下無論是t、F還是卡方統計量,其對應的p均小于0.05,故應拒絕原假設,說明,,說明市場效率低下,存在信息非對稱性。

（二）成功還款次數與信息不對稱之間關系的檢測

信息不對稱本文采用模型Ⅰ的殘差序列RES進行量化,運用EVIEWS8.0軟件得到參數估計,并對模型進行異方差性和自相關性檢驗,檢測結果可知:F統計量為1.31,且對應的p值為0.1358大于0.05,故應接受原假設,說明殘差序列不存在異方差性。F統計量為12506.4較大,且對應的P值小于0.05,說明殘差序列存在自相關性。因此本文對模型Ⅱ進行修正,消除自相關。修正后的估計結果可知:模型的擬合優度為0.845,說明信息不對稱性的變動84.5%可以由模型得到解釋。DW值為1.97接近2,說明修正后的模型不存在自相關性。根據前面的理論假設,短期成功還款次數越多有利于降低非對稱性,本實證中只驗證了部分的假設,90天還款次數對信息不對稱性具有抑制作用,180天還款次數對信息不對稱性具有促進作用,從某種意義上證明了短期還款次數能夠減少信息不對稱性。但是30天短期還款次數與信息不對稱的關系不顯著,說明了短期還款次數與信息不對稱性具有較復雜的關系。

（三）申請貸款次數與信息不對稱之間關系的檢測

通過對模型進行異方差性和自相關性檢驗可知:F統計量為1.62,且對應的p值為0.0244小于0.05,故應拒絕原假設,說明殘差序列存在異方差性。F統計量為12309.5較大,且對應的P值小于0.05,說明殘差序列存在自相關性。因模型Ⅲ中既存在異方差又存在自相關,導致估計量非有效,這種情況可以通過Newey-West估計得到參數估計量方差-協方差矩陣的一致估計,從而獲得檢驗統計量的真實值,對估計的結果做出正確判斷。HAC(Newey-West)估計可知:在0.05的顯著性水平下,90天申請貸款筆數與信息不對稱呈現顯著的正向變動關系,說明短期內申請貸款的筆數越多信息不對稱現象越嚴重。而180天申請貸款筆數與信息不對稱呈現顯著的反向變動的關系,說明180天申請貸款筆數對信息不對稱性具有抑制影響。上述估計表明短期內申請貸款筆數越多,則說明投資者了解到借貸者的信息越少,同時審查核實更加粗糙,容易產生信息非對稱性。

四、結論

根據網貸利率和上海銀行間拆借利率中存在的信息不對稱問題,構建了信息不對稱模型,該模型刻畫出在市場利率低下,存在信息非對稱性。通過借款者兩個信用指標與信息不對稱之間關系的檢測可知:90天成功還款次數對信息不對稱具有抑制作用,180天成功還款次數對信息不對稱具有促進作用;短期內申請貸款的筆數越多信息不對稱現象越嚴重,180天內申請貸款筆數對信息不對稱具有抑制影響。