大數據視角下信號和搜索成本對P2P借貸中信息不對稱的影響

章雷 胡建新

[摘 要]P2P網貸平臺顛覆了過去貸款行業由商業銀行主導的格局，基于大數據的金融信息技術是這種變革的核心驅動力。本文從信息經濟學的視角研究大數據如何推動貸款行業的轉型，聚焦于如何減少大數據時代下的信息不對稱，即通過P2P借貸信用風險識別的大數據分析如何降低P2P網貸中的信號和搜索成本。提出了基于借貸平臺的大數據經濟學理論，并探討了該領域日后的重點研究方向和挑戰。

[關鍵詞]P2P借貸;大數據經濟學;金融科技;信息經濟學

[中圖分類號]F830.5

[文獻標識碼]A

[文章編號]2095-3283（2019）05-0128-03

Abstract： In the past decade， online Peer-to-Peer （P2P） lending platforms have transformed the lending industry， which has been historically dominated by commercial banks. Information technology breakthroughs such as big data-based financial technologies （Fintech） have been identified as important disruptive driving forces for this paradigm shift. In this paper， we take an information economics perspective to investigate how big data affects the transformation of the lending industry. By identifying how signaling and search costs are reduced by big data analytics for credit risk management of P2P lending， we discuss how information asymmetry is reduced in the big data era. Rooted in the lending business， we propose a theory on the economics of big data and outline a number of research opportunities and challenging issues.

Keywords： P2P Lending; Economics of Big Data; Fintech; Information Economics

[作者簡介]章雷（1987-），男，湖南湘鄉人，講師，經濟學碩士，研究方向：互聯網金融;胡建新（1979-），男，湖北鄂州人，講師，工程碩士，研究方向：國際金融。

[基金項目]廣東省普通高校創新人才類項目“互聯網金融背景下P2P融資模式在區縣發展的調研-基于增城的創新實踐研究”（項目編號：2017WQNCX180）。

一、引言

中小企業是全球經濟發展的重要命脈，融資能力是維系中小企業生存的關鍵。然而，中小企業融資對傳統銀行而言是一項極具挑戰的任務，因為這類企業比大企業具有更高的信息透明度、財務約束性、銀行依賴性和風險性[1]。具體而言，掌控完全信息的借款者通常回避自身的劣勢信息，讓貸款人很難預測實際的風險;而這些網貸平臺在績效和成本的雙重約束下，通常很難實現盡職調研。長此以往，貸款者就依據較大的風險來評估融資項目，獲取較高的借貸利率，從而將一些低風險、低利率的標的從資金市場中排擠掉，使某些具備較強償還能力的融資者被迫退出融通市場。P2P網貸是資金交易雙方借助貸款平臺形成的無抵押貸款方式，它重新界定了金融中介的功能，互聯網借貸平臺上的融資方大多數是受傳統信貸分配的長尾群體[2]。本文擬借助信息經濟學原理研究信號和搜索成本對貸款行業信息不對稱的影響，并分析大數據將如何減少P2P借貸中的信息不對稱。

二、文獻綜述

國內文獻針對融資可得性主要有兩種不同的闡述：某些學者將資金可得性界定為籌資效益，即不同融資方式的收益、成本和風險等;另一派的學者將資金可得性界定為資金利用率，是指融資方在最終募資后怎樣實現最高的企業效益[3]。因為P2P借貸平臺的核心作用是籌措資本，因此這種條件下的籌資效益主要包括成交效率。信息不對稱條件下P2P 行業的探討主要從貸款人決策的某一項指令開始，來測度該項指令對決策是否產生了影響，即通過借款人的還款步驟來評估決策人是否發現了欺詐信息的風險。但是，這種考察依舊忽視了借款人刻意隱藏部分信息的作用。因為隱蔽的信息和欺詐的信息不同，因此它或許更難以辨別。有效的違約風險數據包括借款者的信用評分、個人基本信息和社交網絡等[4]。這些研究表明日后需要深入對P2P借貸中大數據的分析。本文將探討大數據在P2P網絡借貸領域的應用。

三、大數據在P2P網貸行業的應用

隨著互聯網金融行業的大力創新，對大數據的運用變得愈加深入和具體，它在產品研發和征信體系層面的應用尤為顯著。首先，客戶利用移動端口或PC終端進行交易會生成大量的原始數據，然后再把搜集的信息通過分配中心依據特定的原則進行分配，所有的集群服務器都會接收到這些信息。最后，這些信息經過進一步的篩選會形成可被運用的商業模式。在信用征信方面，它主要包括網絡購物、基本信息和社交群體三個方面。基本信息主要包含個人收入、資產狀況、職業信息、社交關系、個人技能和教育背景等[5]。拍拍貸是國內最早對個人基本情況進行評估的網貸中介，該平臺交易數量的劇增主要得益于對基本信息精準有效的統計。科技進步使得人類對于社交應用軟件的依賴程度與日俱增，社交媒介信息正是大數據的獲取渠道之一，因此基于大數據的P2P網貸借款人的信用評級的完善將有利于整體網貸行業的良性競爭和發展。

技術革新加速了數據的生成速度，如何運用數據創建新型商業模式引起了社會極大的關注。大數據研究側重于將大數據轉換為實用、相關、及時信息的技術、系統、實踐、方法和應用程序等，它可以幫助企業更好地了解其業務特征和市場形勢并做出理性決策。P2P借貸平臺（或其他類似的在線小額貸款網站）需要大數據，并且可能最有效地利用它。由于P2P借貸交易在線進行，因此我們可以有效利用互聯網和在線數據來協助信用風險管理。在線P2P借貸中的信用評估流程很簡單，但在做出貸款決策時，它比傳統銀行獲得的數據要多得多[6]。以阿里巴巴的阿里金融為例，它可以輕松訪問潛在借款人的數據和信用信息。大數據可以收集阿里巴巴、淘寶、天貓、支付寶等平臺借款人的交易信息及第三方認證信息。

四、信息披露機制與信息不對稱的關系

在雙邊市場中，信息系統可以作為買方和賣方之間的中介，信息中介可以降低買方必須支付的搜索成本，以獲取市場上的價格和產品信息以及賣方必須支付的信息成本，進而將平臺的產品、價格和質量信息告知消費者。在線P2P借貸平臺作為貸方和借方之間的代理商，可以降低搜索和信號成本[7]。因此，大數據技術可以顯著減少P2P借貸中的信息不對稱。通過各種數據源檢索的具有不同數據格式的大數據，可以對借款人的資質進行更精準的評估[7]。P2P借貸平臺正在使用各種數據來評估信用風險，而傳統銀行可能缺乏技術或評估能力而不能有效處理這些數據。德國在線P2P網貸平臺Kreditech會考慮潛在借款人的行為數據，包括填寫在線申請表的方式，使用大寫字母的頻率，或鼠標移動的速度等。事實上，大多數領先的P2P借貸平臺都使用大數據技術來構建更全面、更可靠的信用檔案。借貸平臺Lending Club開發了獨有的信用評分模型和一種稱為模型等級的獨特算法，以確定每個貸款等級的最終利率。

雖然信息發布規則對于解決信息不對稱現象具有非常重要的作用，金融科技和雙邊市場理論的廣泛運用也被視為解決信息缺失問題的主要工具。目前學者們普遍認為P2P網貸行業中依然存在嚴重的信息不對稱現象，主要表現為融資方掌握關鍵違約信息。當前的P2P網貸信息披露平臺缺乏相應的標準和法律約束，占據信息主導地位的平臺所披露的信息不一定真實可信，因此筆者認為，網貸平臺所披露的信息量越大，投資者對于網貸平臺的信任度反而會減少。假如資金供給雙方與網貸平臺之間互不信任，我國P2P網貸行業可能會呈現持續衰退的形勢，但現實并非如此，這說明貸款人和借款人并不完全相信平臺發布的信息。此外，從需求互補性、交互網絡外部性和利率非中性的角度來看，P2P網貸行業充分滿足雙邊市場的特性。按照雙邊市場理論的觀點，網貸企業的核心價值體現在互補效益上，而互補效益又依賴于平臺的數量[8]。由此，筆者認為，債權流動性、平臺規模以及融資方和投資方的分散等級對于網貸機構集聚人氣具有正面影響。

五、大數據信息經濟學

大數據是當代信息科技快速發展的結果，信息經濟學與大數據的融合也體現了歷史的必然性。古典經濟學更加側重研究不同經濟現象之間的因果關聯性，但大數據經濟學則更傾向于發掘經濟現象間的潛在關系。大數據分析的關鍵在于數據或信息的實時加工與運用，借以便捷的獲取信息，提升社會效益與企業價值。P2P網貸平臺作為新型融資渠道，借助云計算對網購行為、成交信息、資金交易和交互數據等進行實時信息加工，記錄網絡用戶在電商交易中的資信信息，為借款人提供資金融通業務[9]。此外，大數據推動了風險控制理念的轉型和調整。傳統風險管理主要借助抵押物、權證評估或財務報表來評估融資者的風險等級。然而大數據對于交易行為的真實性需求更為強烈，對于風險定價技術的要求更加復雜。大數據同時提升了P2P網貸平臺的理性決策標準和和風險預警作用。大數據可以在一定程度上解決風險預測、信用授權甚至是違約識別等問題。基于資金交易行為的大數據也能夠及時計算出信用評級和違約率等指標，有利于金融風險管理。

正如信息經濟學所強調的那樣，信息的貨幣價值必須以創造機會的方式呈現。大數據分析使P2P借貸平臺能夠更好地評估借款人并做出快速貸款決策。因此，大數據不是免費的，因為大數據的獲取需要付出更高的信息搜集費用和風險評估成本。因此，在收集、分析和應用數據時考慮數據的質量和搜集成本非常重要。因此假設1：數據質量將影響信息不對稱。具體而言，可以通過容量、類型、速度和準確性來確保大數據的質量。容量表示數據的大小，即交易記錄的數量。例如，對于同一借款人，每日交易記錄的次數將大于每月交易。我們相信更高的數據量能夠更好地評估借款人資質。因此假設2：更大的數據容量將降低信息不對稱性。多樣性指的是結構化和非結構化的眾多數據源和類型。對于同一借款人而言，包括移動電話和網購記錄在內的數據比僅有手機記錄的數據更多樣化。因此假設3：類型豐富的數據將減少信息不對稱。速度是指數據流入的速度，實時高頻信息的速度高于滯后的低頻信息[10]。

六、結論

以大數據為基礎的金融創新已被視為顛覆金融服務業的驅動力。本文從信息經濟學的角度研究了大數據如何影響貸款行業的轉型。通過在P2P借貸中應用大數據分析來確定信號和搜索成本的降低，展示了大數據如何減少貸款行業的信息不對稱。從大數據經濟學的角度對P2P借貸研究的理論框架進行了假設和拓展，并計劃在未來的研究中進行實證分析，以驗證本文中提出的建議，希望為今后深入研究大數據金融創新提供參考和借鑒。

[參考文獻]

[1]Riggins F J， Weber D M. Information asymmetries and identification bias in P2P social microlending[J]. Information Technology for Development， 2017，23（1）：107-126.

[2]Faia E， Paiella M. P2P Lending： Information Externalities， Social Networks and Loans Substitution[J]. Social Science Electronic Publishing， 2017，3（11）：340-349.

[3]Lin M， Zhao X， Zhou Z， et al. A New Aspect on P2P Online Lending Default Prediction using Meta-level Phone Usage Data in China[J]. Decision Support Systems， 2018（111）：24-34.

[4]Westland J C， Phan T Q， Tan T. Private Information， Credit Risk and Graph Structure in P2P Lending Networks[J]. 2018， 2（2）：124-128.

[5]Zhao H， Qi L， Zhu H， et al. A Sequential Approach to Market State Modeling and Analysis in Online P2P Lending[J]. IEEE Transactions on Systems Man & Cybernetics Systems， 2017（99）：1-13.

[6]周愛民， 彭俊華. 信息不對稱、交易成本與互聯網融資平臺發展——以P2P網絡借貸為例[J]. 金融理論探索， 2017（3）：3-12.

[7]閆琳. 大數據背景下的校園P2P網絡借貸平臺風險分析與防范[J]. 時代金融， 2017（33）：263-264.

[8]李愛婧. 大數據時代下P2P網絡借貸的風險及監管研究[J]. 時代金融， 2018（2）：299-299.

[9]喻意. P2P網絡借貸中的信息不對稱及其解決方法[J]. 現代經濟信息， 2017（16）：252-254.

[10]郭梁鈺. 基于信息不對稱的網絡借款利率研究[J]. 現代商業， 2017（29）：171-172.

（責任編輯：顧曉濱 馬琳）