P2P網絡借貸中信息披露對出借意愿的影響分析

姚香秀 李澤輝 李金

摘 ? ? ? ? ?要：本文利用國內P2P借貸平臺的交易數據，構建Stepwise_Logistic回歸模型研究P2P網絡借貸中信息披露對出借意愿的影響。研究表明性別、婚姻狀態、學歷水平、月均流水、信用卡單卡額度、本公司工作年限、是否有車、聯系人數量、信息公開程度共計9個因素對出借人的出借意愿具有影響顯著。

關鍵詞：信息披露;出借意愿;Stepwise_Logistic

1.引言

依托于強大的互聯網平臺與大數據、云計算技術，P2P借貸（Peer to Peer Lending）在原有民間借貸范圍有所突破，成為國內的第三種金融融資模式。憑借速度快、成本低、無抵押的特點，P2P借貸迅速吸引了中低層收入人群的關注，也成為解決此類人群資金短缺的重要平臺。P2P借貸創新模式搭建了經營消費個貸需求和大眾理財橋梁，也促進了信用體系的建立。

受制于時間與空間限制，P2P借貸雙方的正常交易完全依賴于出借人、借款人的信息傳遞。然而在P2P借貸中，信息不對稱是普遍存在的。在這種信息不對稱的環境下，很容易引發借款人的道德風險，降低出借人的出借意愿。探索影響P2P借貸平臺出借人出借意愿因素，能夠促進P2P借貸平臺的交易正常，提升平臺運營效率，穩固互聯網金融市場健康發展。

2.文獻綜述

國外學者認為借貸結果受到借款人“軟信息”“硬信息”的影響。Iyer R，Khwaja A I，Luttmer E F P等人通過研究借款人“軟、硬信息”對借款結果成功率的影響，發現無論是線上或是線下，個人的信息對于借款成功率的確有顯著影響，出借人會謹慎衡量個人的信息。Galak J，Small D A，Stephen A T發現出借人更信任與自己狀態相似的借款人，如與自己的年齡、性別、種族、職業相似的借款人;但Gonzalez L， Loureiro Y K的研究更有趣，即便出借人、借款人個人屬性相似，但容貌差異過大也會導致借貸失敗，這是一種“美是一種錯誤”的現象;Herzenstein M， Andrews R L研究發現借款人“軟信息、硬信息”影響借款人意愿的深層途徑，借款人信息是通過出借人的風險感知與信任程度中介變量來影響對于出借意愿。

國內學者與國外學者的研究結果類似。借助于國內借貸平臺的公開數據，眾多學者研究均表明平臺公開的借款人信息對出借人出借意愿也有著不同的影響。陳建中，寧欣等通過收集人人貸平臺數據，證明借款人的信用等級、性別、年齡、地域等對出借人出借意愿具有正向影響;除此之外，P2P借貸平臺的處理能力、借款人的歷史訂單交易信息也會對出借人的出借意愿造成一定的影響，溫小霓，武小娟的研究表明歷史借款成功次數越多、借款金額數目越大，借款成功率就越高，出借人更愿意為借款人籌集資金。同時，通過Stepwise_Logistic與Lasso_Logistic回歸模型結果的對比分析，處理平臺顯示信息外，出借人的工作情況、借款用途等變量也顯著影響借貸成功率。以上的研究均也證明了降低信息不對稱，有助于交易的成功運行。總而言之，在P2P網絡借貸過程中，對借款人的信任程度才是真正影響出借人出借意愿和出借行為的核心，如何去支撐這種信任關系是借款人需要慎重考慮的內容，重點需依靠個人的信用資質和資本能力。

3.實證分析

3.1 數據描述與處理

本文從后臺獲取了國內某平臺4515條個人借款申請數據，并已對用戶敏感信息做了嚴格的處理和保護。其中借款成功與借款失敗比例接近1[∶]1，包括16個變量，覆蓋借款人個人屬性、經濟、信用、資金用途等指標信息，如表1所示。個人借貸結果即借款成功或借款失敗代表出借人出借意愿。

本文所采用的樣本數據中數據缺失率偏低，可以采用單一填補法處理缺失變量。通過對比分析，本文所使用的數據不存在異常值。

3.2 模型估計

本文主要采用SAS軟件針對借款信息進行Stepwise_Logistic回歸模型算法迭代，根據經驗判斷和調整，將Stepwise_Logistic回歸模型的選入變量顯著性水平設置為0.15，剔除變量也設置為0.15，得到以下的變量選擇結果與參數估計。最終模型訓練結果如表2所示。

根據Stepwise_Logistic模型參數估計結果顯示，性別、婚姻狀態、學歷水平、月均流水、信用卡單卡額度、本公司工作年限、是否有車、聯系人數量、信息公開程度共計9個變量對借貸結果具有顯著地影響作用。

3.3 模型效果評估

對于Stepwise_Logistic回歸模型的效果檢測主要采用AUC與K-S指標，重點評估模型的預測準確度和對二分類結果的區分度。本模型的ROC曲線圖如圖1所示，K-S檢驗結果如表1、圖2所示，其中AUC=0.6649，K-S值為0.254。實際經驗表明，該模型效果較好，具有一定的實際應用價值。

4.結論與建議

本文利用P2P借貸平臺的借貸數據，通過構建Stepwise_Logistic回歸模型對P2P網絡借貸出借人出借意愿的影響因素進行了實證研究。研究發現，性別、婚姻狀態、學歷水平、月均流水、信用卡單卡額度、工作年限、是否有車、聯系人數量、信息公開程度共計9個變量對出借人的出借意愿影響明顯。通過以上分析，本文建議P2P借貸平臺應該加強對借款人關鍵信息的披露，為出借人提供更多更有用的信息參考，降低信息不對稱所帶來的影響;針對借款人，建議借款人在借貸平臺上盡可能展示能夠證明自己資信良好的信息以減少P2P本身的信息不對稱程度;對于出借人，建議出借人除確認借款人特征信息之外，還應尋找更多證據驗證信息的可信性，并且關注P2P借貸平臺的安全性與穩定性。

參考文獻：

[1]張郁.P2P網絡借貸的“大金融”品格及其監管創新[J].蘭州學刊，2020（04）：48-58.

[2]劉靜鳳.互聯網平臺下p2p金融借貸模式與風險管理[J].山東農業工程學院學報，2019，36（10）：43-44.

[3]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 & Applications，2012，11（5）：469-483.

[4]Iyer R， Khwaja A I， Luttmer E F P， et al. Screening in New Credit Markets： Can Individual Lenders Infer Borrower Creditworthiness in Peer-to-Peer Lending？[J].Ssrn Electronic Journal，2009，15242（rwp09-031）.

[5]Galak J， Small D A， Stephen A T. Micro-Finance Decision Making： A Field Study of Prosocial Lending[J].Journal of Marketing Research，2010，48（SPL）：S130.

[6]Gonzalez L， Loureiro Y K. When can a photo increase credit？ The impact of lender and borrower profiles on online peer-to-peer loans[J]. Journal of Behavioral & Experimental Finance，2014，2：44-58.

[7]Herzenstein M， Andrews R L.The democratization of personal consumer loans？ Determinants of success in online peer-to-peer loan auctions[J]. Bulletin of the University of Delaware，2008，15（3）：274-277.

[8]陳建中，寧欣， CHENJian-zhong，等.P2P網絡借貸中個人信息對借貸成功率影響的實證研究[J].財務與金融，2013（06）：13-17.

[9]溫小霓，武小娟.P2P網絡借貸成功率影響因素分析[J].金融論壇，2014（03）：3-8.

[10]姚香秀.P2P借貸平臺個人信貸申請風險評估研究[D].西安電子科技大學，2017.

[11]陳冬宇，朱浩，鄭海超.風險、信任和出借意愿[J].管理評論，2014，26（1）：150-158.

作者簡介：

姚香秀（1992- ?），女，陜西西安人，碩士，助教，研究方向：多維度數據分析。