彭紅楓, 楊柳明

抱團(tuán)是否可以取暖？
——群組制度對(duì)P2P借貸行為的影響研究

彭紅楓, 楊柳明

（武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430072）

銀行和企業(yè)通過抱團(tuán)、組建聯(lián)盟來充分運(yùn)用和整合市場資源，抱團(tuán)能給銀行、企業(yè)注入競爭與發(fā)展的強(qiáng)大活力，使其攜手應(yīng)對(duì)嚴(yán)峻形勢(shì)，度過“寒冬”，那么在互聯(lián)網(wǎng)金融領(lǐng)域，借款人通過抱團(tuán)、加入群組，是否能夠像銀行或企業(yè)那樣“取暖”。本文選取Prosper網(wǎng)絡(luò)借貸平臺(tái)上的交易數(shù)據(jù)為樣本，從五個(gè)視角實(shí)證分析群組制度對(duì)P2P網(wǎng)絡(luò)借貸行為的影響，結(jié)果顯示不同借款人選擇是否抱團(tuán)的策略不同，借款人抱團(tuán)在一定程度上可以“取暖”，但不同借款人的“取暖效果”不同。具體而言：信用等級(jí)越低的借款人更傾向于加入群組，并且加入群組對(duì)其借款成功率和借款利率的影響更為明顯；加入群組可以顯著地提高借款成功率，降低借款利率，提高籌資效率，但加入群組的借款人的事后還款表現(xiàn)欠佳，違約率偏高。本文的研究為國內(nèi)P2P網(wǎng)絡(luò)平臺(tái)借貸的健康發(fā)展提供了有益借鑒。

群組制度；借款成功率；借款利率；籌資效率；違約率

一、引 言

隨著現(xiàn)代信息科技的高速發(fā)展，基于移動(dòng)支付、社交網(wǎng)絡(luò)、搜索引擎和云計(jì)算等的互聯(lián)網(wǎng)金融模式正在改變傳統(tǒng)金融體系的價(jià)值創(chuàng)造和服務(wù)方式，其中Peer-to-Peer（P2P）網(wǎng)絡(luò)借貸正是一種融合互聯(lián)網(wǎng)技術(shù)的新型金融模式（謝平和鄒傳偉，2012；皮天雷和趙鐵，2014）。P2P借貸模式從歐美國家興起并在世界各地快速發(fā)展，以英國的Zopa、美國的Prosper和Lending Club、德國的Auxmoney、日本的Aqush及內(nèi)地的宜信、拍拍貸和人人貸為代表。

P2P網(wǎng)絡(luò)借貸具有貸款門檻低、覆蓋面廣、信息流通快、交易手續(xù)便捷、涉及金額小、借款期限較短等特點(diǎn)，這些是相對(duì)于正規(guī)金融機(jī)構(gòu)無可比擬的競爭優(yōu)勢(shì)，在一定程度上更好地滿足了小微企業(yè)和創(chuàng)業(yè)者的融資需求。但是與線下借貸市場相比，P2P網(wǎng)絡(luò)借貸市場中借貸雙方信息不對(duì)稱的現(xiàn)象更加突出，由于網(wǎng)絡(luò)的虛擬性、平臺(tái)的風(fēng)險(xiǎn)控制不健全等問題，逆向選擇和道德風(fēng)險(xiǎn)成為P2P運(yùn)行的最大障礙。為了使投資者能夠基于有效信息做出明智的決定，P2P網(wǎng)絡(luò)借貸平臺(tái)要求借款人提供由外部機(jī)構(gòu)驗(yàn)證的財(cái)務(wù)信息，例如月收入、住房認(rèn)證、借款陳述等；此外，平臺(tái)還要求用戶提供個(gè)人信息，例如性別、年齡、照片等。Stein（2002）將以上信息劃分為硬信息和軟信息，硬信息是能被客觀量化和證實(shí)的內(nèi)容，如借款的財(cái)務(wù)因素、個(gè)人特征因素等，而軟信息一般不能像硬信息那樣完全用一個(gè)數(shù)字或分?jǐn)?shù)來總結(jié)（Petersen，2004），如借款人的借款陳述等。Lin等（2013）指出以上基本信息是投資者評(píng)估借款人還款可能性的主要參照因素，對(duì)于借貸行為有著重要的影響。

基于此，許多學(xué)者研究了財(cái)務(wù)因素、個(gè)人特征因素和借款陳述等對(duì)P2P平臺(tái)網(wǎng)絡(luò)借貸行為的影響。在財(cái)務(wù)因素方面，Puro等（2010）通過分析Prosper的數(shù)據(jù)發(fā)現(xiàn)借款額度會(huì)對(duì)借款成功率產(chǎn)生較為明顯的影響，借款人通常會(huì)通過降低借款額度來提高借款成功率，并且借款人提供的初始利率與借款成功率成正比。此外，他們根據(jù)回歸分析理論設(shè)計(jì)了一個(gè)決策輔助系統(tǒng)來幫助借款人做出有效決策，進(jìn)而提高借款成功率。在個(gè)人特征因素方面，Pope和Sydnor（2011）研究表明種族、年齡、性別、體重和外貌美麗對(duì)借款成功有顯著影響，即非裔美國人比其他信用相近的白人更難獲得貸款，并且35～60歲的借款者比年齡小于35歲的借款者更容易獲得貸款。此后，Ravina（2012）發(fā)現(xiàn)外貌可信、種族、年齡及個(gè)人特征都會(huì)影響貸款人的決策，在違約率相同的情況下，外貌可信的借款者比相貌一般的借款者的借款成功率高1.59%，相對(duì)于白人而言，黑人更難獲得貸款，且違約概率比白人高。在借款陳述方面，Sonenshein等（2011）研究表明信用等級(jí)較低的借款人可以通過合理的借款解釋贏得貸款人的信任，影響貸款人的行為決策，但往往對(duì)借款目的和自身情況描述詳細(xì)的借款人更可能發(fā)生逾期違約事件，因此他們認(rèn)為根據(jù)借款陳述的內(nèi)容決定是否投資可能并不合理。王會(huì)娟和廖理（2014）以人人貸的交易數(shù)據(jù)研究了借款陳述對(duì)P2P借貸行為的影響，結(jié)果表明，借款人的借款描述字?jǐn)?shù)越多，越不容易獲得借款，而借款描述展現(xiàn)的人格越多，越能吸引投標(biāo)人，滿標(biāo)時(shí)間越快，據(jù)此他們建議借款人更應(yīng)注重借款描述的質(zhì)量而不是數(shù)量。

此外，P2P網(wǎng)絡(luò)借貸平臺(tái)將Facebook、Twitter等社交網(wǎng)絡(luò)與傳統(tǒng)民間借貸市場的社交借貸融合，將線下的社會(huì)關(guān)系轉(zhuǎn)移到線上，在平臺(tái)引入群組（groups）制度，鼓勵(lì)借貸雙方在平臺(tái)上建立群組關(guān)系，組員之間可能具有某些相同的背景，例如相同的職業(yè)或相似的教育背景。Krumme和Sergio Herrero（2009）指出，平臺(tái)可以充分利用組員的社會(huì)關(guān)系，促進(jìn)借款人和投資者之間的信息交流，投資者可以通過這種社會(huì)資本深入了解借款人，從而更好地做出投資決策。Lin等（2009）將社交網(wǎng)絡(luò)的相關(guān)信息歸為“軟信息”，發(fā)現(xiàn)社會(huì)網(wǎng)絡(luò)在P2P借貸市場中發(fā)揮著重要作用，加入“可信群組”的借款人的借款成功率往往比較高。同時(shí)，Greiner和Wang（2009）研究表明加入群組的借款人更容易借款成功。此外，群的級(jí)別提高和群內(nèi)人數(shù)的增加也都有利于降低借款人的借款利率。

從現(xiàn)有研究來看，雖然有學(xué)者研究了群組制度對(duì)P2P借貸行為的影響，但研究角度較為局限，并且不能將研究的問題納入一個(gè)整體分析框架，缺乏系統(tǒng)和邏輯性，并且，這些研究大多缺乏理論模型和理論分析?；诖耍疚膶睦碚摵蛯?shí)證兩方面深入分析群組制度與借貸行為之間的關(guān)系，以期更加全面地考察借款人的“群組信息”對(duì)P2P網(wǎng)絡(luò)借貸行為的影響。具體而言，本文旨在探究以下幾個(gè)問題：在P2P網(wǎng)絡(luò)借貸中，哪些借款人更傾向于加入群組？借款人加入群組能否增加投資者的信任，提高借款成功率？對(duì)于成功借款的樣本來說，其借款利率和單位時(shí)間的籌資額不盡相同，那么加入群組是否能降低借款利率，提高籌資效率？在前一個(gè)問題成立的前提下，加入群組對(duì)哪部分信用等級(jí)的借款人影響更大？最后，對(duì)于成功借款的借款人，如果繼續(xù)追蹤其還款表現(xiàn)，那么加入群組與不加入群組的兩部分借款人的還款表現(xiàn)是否存在差異？

鑒于國內(nèi)P2P網(wǎng)貸平臺(tái)的發(fā)展尚處于初級(jí)階段，幾乎所有的平臺(tái)都尚未建立群組制度，因此本文選取美國Prosper網(wǎng)絡(luò)借貸平臺(tái)的數(shù)據(jù)作為研究樣本，考察群組制度對(duì)于網(wǎng)絡(luò)借貸行為的影響。實(shí)證結(jié)果表明，信用等級(jí)較低的借款人更傾向于加入群組，加入群組可以提高借款成功率；對(duì)于成功借款的人來說，加入群組的借款人借款利率較低、籌資效率更高；進(jìn)一步地，信用等級(jí)較低的借款人加入群組對(duì)其借款成功率和借款利率的影響更為明顯，但加入群組的借款人的事后還款表現(xiàn)不盡如人意，違約率偏高。

本文的研究貢獻(xiàn)主要體現(xiàn)在以下幾個(gè)方面：首先，本文通過構(gòu)建模型，刻畫了群組這一社會(huì)資本對(duì)借貸行為的影響；其次，本文的實(shí)證結(jié)論對(duì)于借款人和投資者參與網(wǎng)絡(luò)借貸具有重要啟示，例如，一方面，借款人可以通過加入群組提高借款成功率，另一方面，投資者不能偏向于具有群組屬性的借款人，因?yàn)榇祟惤杩钊说氖潞筮`約風(fēng)險(xiǎn)偏高；最后，本文對(duì)于國內(nèi)P2P平臺(tái)群組制度的設(shè)計(jì)提供了經(jīng)驗(yàn)證據(jù)，有助于P2P網(wǎng)貸平臺(tái)的健康發(fā)展。

二、理論分析與研究假設(shè)

（一）加入群組與借款人的信用等級(jí)、借款成功率

Collier和Hampshir（2010）運(yùn)用信號(hào)理論研究了P2P平臺(tái)借貸利率的影響因素，他們將信號(hào)分為群組的結(jié)構(gòu)性信號(hào)（structural signals）、個(gè)人信號(hào)（individual signals）和群組的行為信號(hào)（behavioral signals），結(jié)構(gòu)性信號(hào)包括群組的規(guī)模、等級(jí)、加入條件，個(gè)人信號(hào)代表借款人的信用等級(jí)，行為信號(hào)包括群組的背書、成員交易及學(xué)習(xí)效應(yīng)。廖理等（2014）提出，解決P2P平臺(tái)信息不對(duì)稱的重要方式是要借助信息披露和信號(hào)理論，并將P2P平臺(tái)上借款人披露的信息分為硬信息和軟信息，群組信息屬于軟信息的一種。因此，借助國內(nèi)外學(xué)者的研究結(jié)果，本文根據(jù)信號(hào)傳遞理論，分析哪些借款人更傾向于加入群組及加入群組的借款人的借款情況。

考慮市場中存在一個(gè)借款人和投資人，借款人的信用等級(jí)θ存在兩種可能的取值，一種為低信用等級(jí)，記為θ=1；另一種為高信用等級(jí)，記為θ=2。假設(shè)借款人知道自己的信用等級(jí)情況，而投資者不知道借款人具體的信用等級(jí)情況，認(rèn)為該借款人信用低（θ=1）或信用高（θ=2）的概率為0.5。借款人是否加入群組s∈{0，1}，其中，s=0代表不加入群組，s=1代表加入群組。如果借款人要加入群組，首先需要通過群組組長審核，因此需要花費(fèi)一定的時(shí)間和精力去組織、完善自己的資料，這部分成本記為C(s，θ)=s/θ，表達(dá)式C(s，θ)表明，信用等級(jí)越高，加入群組的成本越低，這意味著不同信用等級(jí)的人加入群組的成本不同，因此是否加入群組有可能成為傳遞借款人信用等級(jí)的信號(hào)。通過觀察借款人是否加入群組，投資者決定其投資水平invest(s)。因此，借款人效用可以表示為U(s，θ)=invest(s)-C(s，θ)。

模型唯一、合理的均衡(是以下分離均衡①具體見Spence（1973）。：

在分離均衡中，信用等級(jí)低的借款人選擇不加入群組（s(θ=1)=0），信用等級(jí)高的借款人選擇加入群組（s(θ=2)=1）。信用等級(jí)高的借款人加入群組的成本低于信用等級(jí)低的人，因此，通過觀察借款人是否加入群組可以將信用等級(jí)高和低的借款人區(qū)分開來，即是否加入群組可成為傳遞借款人信用等級(jí)的信號(hào)；并且，投資者更傾向于投資加入群組的借款人（invest(s=1)＞invest(s=0)）?；谛盘?hào)理論，在分離均衡滿足的條件下，即當(dāng)較低信用等級(jí)的人加入群組的成本比較高時(shí)，我們提出如下兩個(gè)假設(shè)：

H1：信用等級(jí)高的人越傾向于加入群組。

H2：加入群組的借款人的借款成功率相對(duì)較高。

（二）加入群組與借款人籌集資金效率、借款利率

P2P中的借款人可以分為兩部分，一部分借款人加入群組，另一部分借款人未加入群組。加入群組的借款人會(huì)獲得群組內(nèi)組員的出資，因?yàn)槲挥谌航M中的投資者對(duì)借款人的個(gè)人信息掌握更多，信息不對(duì)稱程度小，其投資行為類似于“眾籌”活動(dòng)中“領(lǐng)投人”的作用。這種行為會(huì)給其他投資者釋放信號(hào)：此借款人屬于信用等級(jí)較高的籌資者，省去了投資者搜集和整理借款人信息的成本（Samuelson，1985），從而吸引更多投資者參與投資，因此對(duì)于加入群組的借款人來說，成功募集資金所需時(shí)間更少、效率更高。基于信息不對(duì)稱理論，我們提出如下假設(shè)：

H3a：加入群組可以降低借款人籌集資金的時(shí)間，提高籌資效率。

另外，由于信息不對(duì)稱的存在，普通投資者總是持謹(jǐn)慎與懷疑態(tài)度，而群組內(nèi)組員之間信息不對(duì)稱的程度會(huì)由于組內(nèi)的相互交往而削弱。當(dāng)群組內(nèi)組員投資于群組內(nèi)的借款人時(shí)，這種行為對(duì)外界釋放一種信號(hào)，普通投資者常常會(huì)跟進(jìn)，羊群效應(yīng)開始顯現(xiàn)，更多投資者的出資使得借款利率下降，即借貸成本下降?；诖?，我們提出如下假設(shè)：

H3b：加入群組的借款人的借款利率更低。

（三）加入群組對(duì)不同信用等級(jí)借款人的影響

在上述假設(shè)成立的前提下，即加入群組可以提高借款成功率、降低借款利率，那么這些影響對(duì)哪部分信用等級(jí)的借款人更大呢？

借款人的信用等級(jí)能直觀地體現(xiàn)借款人的信用情況，已有研究表明，在眾多影響借貸行為的因素中，借款人的信用等級(jí)對(duì)借款利率影響最大，具體表現(xiàn)為借款人信用等級(jí)越高，越容易獲得貸款，借款利率越低，并且違約率越低（Klafft，2008；Lin等，2013），這說明信用等級(jí)是揭示借款人信用風(fēng)險(xiǎn)的重要指標(biāo)。當(dāng)借款人的信用等級(jí)較低時(shí)，其信用風(fēng)險(xiǎn)較大，此時(shí)借款人可通過加入群組來增加投資者的信任度，降低交易風(fēng)險(xiǎn)，從而提高其借款成功率并降低交易成本；而對(duì)于信用等級(jí)較高的借款人，其借款成功的可能性本來就較大，并且風(fēng)險(xiǎn)溢價(jià)較低，加入群組的邊際效用相對(duì)較小，因此我們推測(cè)，當(dāng)借款人的信用等級(jí)較低時(shí)，借款人加入群組更能提高借款成功率并降低借款成本。據(jù)此，我們提出本文的第四個(gè)假設(shè)：

H4：當(dāng)借款人信用等級(jí)較低時(shí)，加入群組更能提高借款成功率并降低借款利率。

（四）加入群組與借款人的還款表現(xiàn)

對(duì)于成功借款的借款人，如果繼續(xù)追蹤其還款表現(xiàn)，那么加入群組與不加入群組的兩部分借款人的還款表現(xiàn)是否會(huì)存在差異？

以欺詐為目的的借款人會(huì)在P2P借貸平臺(tái)上注冊(cè)多個(gè)賬號(hào)，每個(gè)賬號(hào)提交一筆詐騙標(biāo)的，借款成功后此賬號(hào)不再使用。因此，他們不會(huì)關(guān)心自己的賬號(hào)信用問題，更不會(huì)花費(fèi)大量的時(shí)間和精力去申請(qǐng)加入群組（裴平和蔡越，2016），因此，未加入群組借款人的違約率相對(duì)較高。另外，Karlan（2007）和Berger（2009）等學(xué)者的研究表明，對(duì)于加入群組的借款人來說，一方面，違約會(huì)對(duì)借款人和該群組的聲譽(yù)造成顯著的負(fù)面影響；另一方面，群組組長監(jiān)督和督促組內(nèi)成員進(jìn)行還款。此外，具備群組屬性的借款人若出現(xiàn)違約行為，群組成員將對(duì)其實(shí)施一定的懲罰措施（Bestley 和 Coate，1995）?；谝延醒芯浚覀兲岢鋈缦录僭O(shè)：

H5：加入群組的借款人還款表現(xiàn)更好，即借款的違約率更低。

三、數(shù)據(jù)描述及變量定義

（一）數(shù)據(jù)選取

Prosper于2006年2月5日上線，是美國第一家P2P網(wǎng)絡(luò)借貸交易平臺(tái)，目前有超過220萬名注冊(cè)會(huì)員和超過20億美元的交易額。Prosper運(yùn)作模式可以概括如下：借款人通過Prosper尋求個(gè)人貸款，貸款額度為2 000～35 000美元，期限為3年或5年，貸款利率根據(jù)借款人的Prosper評(píng)級(jí)等確定；投資者（包括個(gè)人和機(jī)構(gòu)）可以購買貸款關(guān)聯(lián)的票據(jù)進(jìn)行出借，最低出借金額為25美元；平臺(tái)負(fù)責(zé)借款人的信用審核、貸款資金發(fā)放和追討等，并將借款人的還款轉(zhuǎn)給投資者，向借款人一次性收取服務(wù)費(fèi)，向投資者收取管理年費(fèi)。

一方面，由于網(wǎng)站成立之初交易記錄較少，組織架構(gòu)并不完善，排除此時(shí)期樣本對(duì)研究的干擾；另一方面，近期借款樣本如2012年后的借款標(biāo)的大多還未到期，處于還款狀態(tài)，其還款表現(xiàn)未知，因此選取美國最大的網(wǎng)絡(luò)借貸交易平臺(tái)Prosper網(wǎng)站上2007年至2012年的借貸交易數(shù)據(jù)為樣本，在此時(shí)期的借款標(biāo)的多，數(shù)據(jù)的完整性高，且樣本數(shù)據(jù)都是競標(biāo)處于完成狀態(tài)的借貸信息，以確保實(shí)證結(jié)果的準(zhǔn)確性。初始樣本為34 876個(gè)觀測(cè)，本文對(duì)獲取的樣本進(jìn)行如下預(yù)處理：（1）剔除Prosper平臺(tái)未提供信用等級(jí)的8 077個(gè)觀測(cè)；（2）剔除借款人信息中收入、工作狀態(tài)及期限不完整或顯示負(fù)數(shù)的觀測(cè)9 837個(gè)；（3）剔除訂單信息中借款金額、借款期限及訂單結(jié)束時(shí)間缺失的觀測(cè)2 731個(gè)觀測(cè)，去除噪聲數(shù)據(jù)后整理得到14 231個(gè)有效交易數(shù)據(jù)。

表1從是否加入群組的角度報(bào)告了借款人的基本情況，總觀測(cè)中有1 732個(gè)觀測(cè)加入群組，占比12.17%，12 499個(gè)觀測(cè)未加入群組，占比87.83%；總觀測(cè)的借款成功率為66.095 1%。

Panel A是借款人信用等級(jí)的分布情況，對(duì)于AA信用等級(jí)的借款人，其加入群組的比例最高，為22.39%，而其他信用等級(jí)的借款人加入群組的比例均明顯小于該值，但比例基本相當(dāng)，因此需要做進(jìn)一步回歸分析。此外，信用等級(jí)為AA的觀測(cè)最多，占比為22.978%，較低信用等級(jí)的觀測(cè)較少，說明觀測(cè)樣本中借款人的信用風(fēng)險(xiǎn)整體較??；而國內(nèi)學(xué)者提供的人人貸數(shù)據(jù)表明國內(nèi)借款人的信用等級(jí)普遍偏低，信用風(fēng)險(xiǎn)較高，這在一定程度上解釋了國內(nèi)外P2P平臺(tái)借款成功率差異的根源。

Panel B是借款人的借款成功率分布情況，樣本中共有1 732個(gè)觀測(cè)加入群組，其中成功借款的觀測(cè)有1 724個(gè)，占加入群組觀測(cè)總數(shù)的99.54%，加入群組而未成功借款的觀測(cè)僅有8個(gè)；未加入群組的觀測(cè)借款成功率為61.46%，遠(yuǎn)低于加入群組的借款成功率，可以初步推斷加入群組的借款人借款成功率相對(duì)較高。

Panel C是借款人籌集資金的效率、借款利率均值檢驗(yàn)。Prosper平臺(tái)上每個(gè)借款人提出的借款金額不同，數(shù)額大的借款資金需要很長時(shí)間才能籌集完成，為了避免這種情況，本文采用每一筆借款的金額/借款存續(xù)時(shí)間來衡量籌集資金的效率。T檢驗(yàn)的結(jié)果表明，相比于沒有加入群組的借款人而言，加入群組的借款人籌集資金所需時(shí)間更少，效率更高；另外，成功借款樣本中，加入群組的借款人的利率均值明顯低于未加入群組的借款利率均值。Prosper平臺(tái)上的利率是通過投資者競價(jià)產(chǎn)生的，當(dāng)滿標(biāo)時(shí)投資者可以繼續(xù)競標(biāo)，直到產(chǎn)生一個(gè)合適的利率為止，這種市場化的利率機(jī)制有別于國內(nèi)P2P平臺(tái)借款人自行設(shè)定利率的機(jī)制（廖理等，2014）。

Panel D是不同信用等級(jí)借款人與借款成功率檢驗(yàn)、利率均值檢驗(yàn)?？梢钥吹?，無論是借款成功率還是借款利率，隨著信用等級(jí)的下降，加入群組與不加入群組兩種情況下的均值差距越大，這種均值差異在1%顯著性水平下是顯著的，表明了加入群組對(duì)較低信用等級(jí)的借款人影響更大，即當(dāng)借款人信用等級(jí)較低時(shí)，加入群組更能提高借款成功率并降低借款利率。

Panel E是借款人違約的分布情況，對(duì)于成功借款的樣本，其還款狀態(tài)可以分為全額償還（completed）、正在還款（current）、注銷賬戶（charge off）、違約（default）四種情形，本文借鑒Emekter等（2015）的做法，剔除正在還款的樣本，選擇借款到期的觀測(cè)作為研究樣本，將注銷賬戶和違約兩種情形定義為借款人違約，可以看到，加入群組的借款人違約率反而高出未加入群組的違約率，與原文假設(shè)并不一致。

注：均值t檢驗(yàn)在1%顯著性水平下都是顯著的。

上述基于統(tǒng)計(jì)描述的分析還不足以證明本文的五個(gè)假設(shè)是否正確，因?yàn)榻杩畛晒β?、籌集資金的時(shí)間、利率、違約情況等變量除了受到群組因素影響外，還可能受到訂單自身信息變量（借款期限、借款金額等）、借款人的各類信息變量（每月負(fù)債、收入水平、工作狀態(tài)等）、歷史信用信息變量（歷史借入本金、未償還本金、違約次數(shù)等）等因素影響，因此在考察群組的作用時(shí)，需要加入以上控制變量，在保證其他條件不變的情況下進(jìn)行計(jì)量分析。

（二）模型構(gòu)建

為了進(jìn)一步檢驗(yàn)前文提出的假設(shè)，基于Klafft（2008）、Michels（2012）、廖理等（2014）等學(xué)者的研究，在控制訂單自身信息變量、借款人的各類信息變量、歷史信用信息變量的影響下，本文分別構(gòu)建如下模型：

本文將根據(jù)模型（1）至（7），在控制了相關(guān)變量的影響之后，研究加入群組與借款人信用等級(jí)、借款成功率、籌集資金效率、借款利率、還款表現(xiàn)之間的關(guān)系以及研究加入群組對(duì)不同信用等級(jí)的借款人的影響。

為了驗(yàn)證H1設(shè)計(jì)模型（1），被解釋變量Group代表借款人是否加入群組，加入時(shí)取1，否則取0；解釋變量Credit代表借款人的信用等級(jí)，共有7個(gè)評(píng)級(jí)，從高到低依次為AA至HR。為了驗(yàn)證H2設(shè)計(jì)模型（2），被解釋變量Success代表借款成功率，若滿標(biāo)則取1，否則取0。為了驗(yàn)證H3a和H3b分別設(shè)計(jì)模型（3）和（4），模型（3）和模型（4）的被解釋變量Efficient和Rate分別代表借款人籌資效率和投資者競價(jià)之后的借款利率。為了驗(yàn)證假設(shè)H4，借鑒Jeremy Michels（2012）做法，通過在模型（5）和模型（6）中加入交叉項(xiàng)（Group×Credit）來研究加入群組對(duì)不同信用等級(jí)借款人的借款成功率和借款利率的影響。為了驗(yàn)證H5設(shè)計(jì)模型（7），被解釋變量Default代表借款人的還款情況，到期借款的還款狀態(tài)可以分為全額償還、注銷賬戶和違約三種情形，若最終狀態(tài)為注銷賬戶和違約則取1，全額償還狀態(tài)取0。此外，X、W、H、Y分別代表訂單自身信息變量、借款人的各類信息變量、歷史信用信息變量和時(shí)間變量，考慮到借款人是否加入群組主要受借款人個(gè)人信息支配，因此模型（1）的控制變量選取借款人的各類信息變量W和歷史信用信息變量H，通過多元回歸分析進(jìn)一步檢驗(yàn)本文提出的五個(gè)假設(shè)。

（三）變量說明

根據(jù)已有文獻(xiàn)對(duì)P2P借貸行為影響因素的研究以及Prosper網(wǎng)站的設(shè)計(jì)，我們選取以下四類控制變量進(jìn)行分析：訂單自身信息中的訂單總時(shí)間、借款金額和借款期限；借款人各類信息中的信用等級(jí)、債務(wù)收入比、每月負(fù)債、收入水平、工作狀態(tài)、工作期限和有無房產(chǎn)；歷史信用信息中的先前借款筆數(shù)、Prosper借入本金、Prosper未償還本金、當(dāng)前違約賬戶數(shù)目等以及時(shí)間變量。下面對(duì)本文的研究變量做進(jìn)一步說明。

1. 本文需要研究的核心變量

（1）借款成功（Success）：是否得到全額資金，其中籌集比例（percent funded）表示已籌集到的資金與目標(biāo)金額的比值，滿標(biāo)時(shí)取1，即為借款成功，凡是不為1的取0，代表借款失敗。

（2）籌資效率（Efficient）：定義變量，為滿標(biāo)金額/滿標(biāo)時(shí)間。

（3）借款利率（Borrower Rate）：不包含任何其他費(fèi)用，是籌資者付給投資人的報(bào)酬，也是融資最直接和最主要的成本。

（4）是否加入組（Currently In Group）：借款人在創(chuàng)建借款標(biāo)時(shí)是否加入了群組的虛擬變量，若加入群組，該值取1。群組意味著社交關(guān)系，組內(nèi)成員會(huì)存在一定的監(jiān)督和相互投籌資，有些組會(huì)對(duì)組員的加入設(shè)置一定的條件。因此，加入群組會(huì)使投資者更加信任借款人。

2. 訂單自身信息變量

（1）訂單總時(shí)間：包括兩部分，一部分是發(fā)標(biāo)時(shí)間（Listing Start Date），另一部分是標(biāo)的結(jié)束時(shí)間（Listing End Date），二者間隔即訂單的滿標(biāo)時(shí)間。

（2）借款金額（Amount）：借款人預(yù)期的借款金額，最低為1 000美元，最高為25 000美元。

（3）借款期限（Term）：借款人還款期限，按月衡量，借款人可以選擇三個(gè)借款期限，12個(gè)月、36個(gè)月和60個(gè)月。

3. 借款人的各類信息變量

（1）信用等級(jí)（Credit Rating）：平臺(tái)對(duì)借款人提交的材料進(jìn)行審核和判斷，并參照第三方信用評(píng)級(jí)機(jī)構(gòu)的評(píng)分及借款人歷史交易記錄進(jìn)行綜合信用評(píng)級(jí)。該指標(biāo)共包含7個(gè)級(jí)別，遵循大多數(shù)文獻(xiàn)關(guān)于信用等級(jí)的賦值方法，其數(shù)值及含義如下：1-AA，2-A，3-B，4-C，5-D，6-E，7-HR，根據(jù)數(shù)值從小到大，信用級(jí)別逐漸降低。信用等級(jí)是對(duì)籌資者既往社會(huì)活動(dòng)所體現(xiàn)出的信用水平的綜合評(píng)定，能夠反映其目前的總體信用狀況。

（2）債務(wù)收入比（Debt-to-Income Ratio）：信用資料提交時(shí)借款人總的債務(wù)收入比。該指標(biāo)值上界為10.01，Prosper平臺(tái)將所有債務(wù)收入比超過1 000%的歸入1 001%。

（3）每月負(fù)債（Monthly Debt）：借款人在創(chuàng)建借款標(biāo)時(shí)的月負(fù)債狀況。

（4）收入水平（Monthly Income）：借款人在創(chuàng)建借款標(biāo)時(shí)的月收入狀況，0美元取1，1～24 999美元取2，25 000～49 999美元取3，50 000～74 999美元取4，75 000～99 999美元取5，100 000美元以上取6。

（5）工作狀態(tài)（Employment Status Description）：借款人工作狀態(tài)分為三種，雇傭（employed）、自我雇傭（self-employed）以及其他（other），雇傭取1，其余兩種情形取0。

（6）工作期限（Months Employed）：借款人的工作期限，以月計(jì)。

（7）房產(chǎn)（Is Homeowner）：借款人是否有房產(chǎn)，擁有房產(chǎn)時(shí)取1，沒有取0。

4. 歷史信用信息

（1）先前借款筆數(shù)（Prior Loans）：借款人曾經(jīng)在Prosper平臺(tái)上歷史借款筆數(shù)。

（2）Prosper借入本金（Prosper Principal Borrowed）：借款人發(fā)布借款標(biāo)時(shí)曾在Prosper平臺(tái)上歷史借入總額。

（3）Prosper未償還本金（Prosper Principal Outstanding）：借款人發(fā)布借款標(biāo)時(shí)曾在Prosper平臺(tái)上歷史借入本金的未償還金額。

（4）當(dāng)前違約賬戶數(shù)目（Current Delinquencies）：一個(gè)借款者可以擁有多個(gè)信用賬戶，該數(shù)目代表借款人現(xiàn)有賬戶中總共違約的賬戶數(shù)。

（5）過去30天違約次數(shù)（Delinquencies_Over30_Days）：借款人過去30天違約次數(shù)。

（6）過去60天違約次數(shù)（Delinquencies_Over60_Days）：借款人過去60天違約次數(shù)。

（7）過去90天違約次數(shù)（Delinquencies_Over90_Days）：借款人過去90天違約次數(shù)。

（8）違約總金額（Amount Delinquent）：借款人個(gè)人賬戶中總共違約金額。

（9）過去6個(gè)月信用查詢次數(shù)（Inquires Last 6 Months）：借款人過去6個(gè)月被機(jī)構(gòu)查詢的次數(shù)，反映投資者利用信用活動(dòng)進(jìn)行資金周轉(zhuǎn)的頻率。

（10）總信用查詢次數(shù)（Total Inquiries）：借款人歷史信用查詢次數(shù)。

（11）過去12個(gè)月的公開記錄（Public Records Last 12 Months）：借款人過去12個(gè)月的公開記錄次數(shù)，即這一時(shí)期內(nèi)存在不良行為而被記錄的次數(shù)。

（12）信用卡使用（Bankcard Utilization）：借款人信用卡使用額度和總透支額度的百分比。

（13）總交易次數(shù)（Total Trade Items）：過去時(shí)間內(nèi)借款人相關(guān)交易的累計(jì)次數(shù)。

（14）發(fā)布借款標(biāo)時(shí)信用分?jǐn)?shù)變化（Score Change at Time of Listing）：信用資料提交時(shí)借款人信用分?jǐn)?shù)的變化。這是一個(gè)體現(xiàn)相對(duì)變化的量，如果籌資者信用變好則該值為正。

5. 時(shí)間變量

2008年11月，Prosper被SEC（美國證券交易委員會(huì)）要求暫停運(yùn)營。2009年7月Prosper重新運(yùn)營，相應(yīng)的機(jī)制有所改變，為了避免可能對(duì)借款成功率和利率存在的影響，研究過程中引入了年份Y這個(gè)虛擬變量。

（四）描述性統(tǒng)計(jì)分析

表2給出了所有變量的描述性統(tǒng)計(jì)。從表2可以看出，觀測(cè)樣本中12%的借款人加入了群組，66%的借款人成功獲得貸款；共有9 406個(gè)觀測(cè)成功獲得借款，其中，借款人平均借款利率為17%，最大值為35%，最大成本為平均成本的2.05倍，這表明在通過Prosper平臺(tái)進(jìn)行的籌資活動(dòng)中，由于多種因素的影響，不同借款標(biāo)的資金借貸成本存在較大差異；并且在籌款效率方面，標(biāo)準(zhǔn)差為413，借款標(biāo)的滿標(biāo)時(shí)間也存在較大的波動(dòng)；成功獲得借款的樣本中有8 690個(gè)借款標(biāo)的到期，其中違約率為25.1%，違約概率較低。借款者信用等級(jí)的均值為3.584，中位數(shù)為2，說明觀測(cè)樣本中借款人的信用等級(jí)處于中高地位。

表 2 主要變量的描述性統(tǒng)計(jì)

另外，從訂單自身信息來看，全部借款的借款金額的均值為7 720美元，最大值為35 000美元，即小額借款居多；借款期限的均值為兩年，說明Prosper平臺(tái)上籌資者大部分需要的是中長期借款。從借款人的各類信息來看，多數(shù)處于就業(yè)狀態(tài)且雇傭時(shí)間為3個(gè)月左右，多數(shù)人收入水平位于50 000～74 999美元之間，約有54.4%的借款人擁有住房。從歷史信用信息綜合看，觀測(cè)的大部分借款者擁有較低的違約記錄和較好的借款歷史。另外，可以看到，Prosper上的訂單數(shù)量在2007年至2009年呈遞減狀態(tài)，隨后至2012年達(dá)到最多，這說明了Prosper平臺(tái)改革前后的差別較大，引入“年份”作為控制變量是十分必要的。

（五）變量的相關(guān)性分析

表3給出了主要變量的Pearson相關(guān)系數(shù)矩陣。從表3中我們可以發(fā)現(xiàn)，Group和Credit之間的相關(guān)系數(shù)為0.123且在5%的水平下顯著，二者成正向關(guān)系，這表明信用等級(jí)越低，加入群組概率反而越大，與假設(shè)矛盾。同樣可以分析Group和Success、Rate、Efficient、Default之間的關(guān)系，從相關(guān)系數(shù)可以看到，加入群組的借款人其成功率更大、利率更低、效率更高，這和我們的假設(shè)比較相符，但加入群組的借款人事后違約率反而更大，這一定程度違反我們的直覺。然而，僅通過相關(guān)關(guān)系分析仍然無法證明本文假設(shè)的正確性，需要在控制其他變量不變的情況下進(jìn)行更為嚴(yán)謹(jǐn)?shù)膶?shí)證分析。

表 3 Pearson相關(guān)系數(shù)矩陣

四、實(shí)證結(jié)果及討論

為了驗(yàn)證上述假設(shè)，本文將以五個(gè)部分對(duì)實(shí)證結(jié)果展開分析和討論。

（一）加入群組與借款人的信用等級(jí)——假設(shè)1的分析討論

為了分析P2P借貸中哪些信用等級(jí)的借款人更傾向于加入群組，本文運(yùn)用模型（1）來檢驗(yàn)假設(shè)1，以是否加入群組為被解釋變量，以借款人信用等級(jí)為解釋變量，考察借款人信用等級(jí)對(duì)是否加入群組有無影響。為了排除其他因素的作用，將“借款人的各類信息變量”和“歷史信用信息變量”作為控制變量加入模型。由于被解釋變量Group是二元虛擬變量，因此本文采用Probit模型對(duì)模型（1）進(jìn)行回歸，表4的第一、二列給出了回歸的結(jié)果。

從表4第一列可以看出，當(dāng)模型（1）中只加入信用等級(jí)（Credit）時(shí)，Credit的系數(shù)在1%的水平下顯著為正，表明Credit數(shù)值越大，Group數(shù)值越大，意味著信用等級(jí)越低的借款人越傾向于加入群組，該結(jié)果與我們的研究假設(shè)相反。這可能有兩方面的原因，一方面在Prosper平臺(tái)上，分離均衡的條件不滿足，即較低信用等級(jí)的人加入群組的成本未必很高，因此是否加入群組失去了傳遞借款人信用等級(jí)的信號(hào)的功能；另一方面，信用等級(jí)低的人為了獲得貸款，愿意承擔(dān)加入群組的成本，但獲得貸款的收益遠(yuǎn)遠(yuǎn)大于此，這會(huì)促使信用等級(jí)低的人加入群組。表4第二列是加入兩類控制變量的回歸結(jié)果，從Credit的系數(shù)可以看出，加入兩類控制變量之后，該系數(shù)在1%的水平下依然顯著為正，與我們研究假設(shè)相悖。

（二）加入群組與借款成功率——假設(shè)2的分析討論

為了分析P2P網(wǎng)貸中加入群組的借款人的借款情況如何，本文運(yùn)用模型（2）來檢驗(yàn)假設(shè)2，以借款是否成功為被解釋變量，以是否加入群組為解釋變量，考察群組對(duì)借款是否成功有無預(yù)測(cè)功能。為了排除其他因素的影響，將X、W、H、Y作為控制變量加入回歸，同樣采用Probit模型對(duì)模型（2）進(jìn)行回歸，表4的第三、四列給出了回歸的結(jié)果。

從表4第三列可以看到，當(dāng)模型（2）中僅加入群組（Group）變量時(shí)，Group的系數(shù)在1%的水平下顯著為正，說明加入群組可以顯著提高借款人的借款成功率，這主要因?yàn)榻M內(nèi)的成員之間往往存在親人或者朋友關(guān)系，組內(nèi)借款人獲得群組內(nèi)組員出資的概率更大，比僅僅依靠外部陌生投資者更容易滿標(biāo)，從而獲得貸款。表4第四列是加入四類控制變量的回歸結(jié)果，主要研究變量中，信用等級(jí)對(duì)借款成功率的影響與大部分文獻(xiàn)結(jié)果相符（Klafft，2008；廖理等，2014），即信用等級(jí)越高，借款成功率越高；相反，利率對(duì)借款成功率的影響是負(fù)向的，利率是由資金供求情況決定的，在一定程度上能夠反映交易風(fēng)險(xiǎn)，高利率可能意味著高風(fēng)險(xiǎn)，該結(jié)果說明投資者并不偏好于風(fēng)險(xiǎn)較大的項(xiàng)目。從Group的系數(shù)來看，其在1%的水平下依然顯著為正，證明了假設(shè)2的推斷，即加入群組的借款人的借款成功率相對(duì)較高。

（三）加入群組與借款人籌集資金效率、借款利率——假設(shè)3的分析討論

為了考察在借款人加入群組是否能夠提高其籌資效率并降低借款利率，本文運(yùn)用模型（3）和（4）來檢驗(yàn)假設(shè)3，以成功借款的9 406個(gè)觀測(cè)為樣本，分別以籌資效率和借款利率為被解釋變量，以是否加入群組為核心解釋變量，同時(shí)加入四類控制變量以確保結(jié)果的準(zhǔn)確性，探究加入群組對(duì)借貸行為的影響。籌資效率定義為借款金額/借款時(shí)間，描述了單位時(shí)間內(nèi)隨機(jī)事件發(fā)生的次數(shù)，適用于Poisson回歸；利率變量是連續(xù)變量，適用于OLS回歸，兩個(gè)模型的回歸結(jié)果如表5第一、二列所示。

由表5第一列可知，Group的系數(shù)在1%的水平下顯著為正，說明加入群組可以提高借款人籌資效率，這主要是因?yàn)榧尤肴航M的借款人會(huì)獲得群組內(nèi)組員的出資，而這種組內(nèi)出資行為對(duì)外界釋放信號(hào)，引起投資者的關(guān)注和投資；主要研究變量中，信用等級(jí)越高，籌資效率越快；利率越高，籌資效率越慢，這同樣說明投資者并不偏好投資于風(fēng)險(xiǎn)較大的標(biāo)。

由表5第二列可知，Group的系數(shù)在1%的水平下顯著為負(fù)，說明加入群組的借款人的借款利率更低，這主要是因?yàn)榧尤肴航M可以提高借款人籌資效率，羊群效應(yīng)使得普通投資者跟風(fēng)投標(biāo)，從而壓低了競標(biāo)利率；借款人信用等級(jí)越高，風(fēng)險(xiǎn)溢價(jià)越小，借款利率越低。

（四）加入群組對(duì)不同信用等級(jí)借款人的影響——假設(shè)4的分析討論

為了考察加入群組對(duì)哪部分信用等級(jí)的借款人的作用更大，本文通過加入交叉項(xiàng)Group×Credit，分別以全觀測(cè)和成功觀測(cè)為樣本，同時(shí)加入四類控制變量，運(yùn)用模型（5）和（6）檢驗(yàn)不同信用等級(jí)的借款人加入群組對(duì)借款成功率和借款利率影響的差異，兩個(gè)模型回歸結(jié)果如表5第三、四列所示。

由表5第三列可知，從核心變量的回歸系數(shù)看，Group的系數(shù)在1%的水平上顯著為正，且交叉項(xiàng)Group×Credit的系數(shù)在1%的水平也顯著為正，說明信用等級(jí)對(duì)Group與Success的關(guān)系存在調(diào)節(jié)效應(yīng)，具體而言，Credit取值越大，即當(dāng)信用等級(jí)比較低時(shí)，加入群組與借款成功率之間的正相關(guān)關(guān)系增強(qiáng)，表現(xiàn)為信用等級(jí)越差的借款人加入群組越可以明顯地增加借款成功率。

同理可以分析交叉項(xiàng)對(duì)借款利率的影響。由表5第四列可知，從核心變量的回歸系數(shù)看，Group的系數(shù)在1%的水平上顯著為負(fù)，且交叉項(xiàng)Group×Credit的系數(shù)在1%的水平上也顯著為負(fù)，說明信用等級(jí)對(duì)Group與Rate之間的關(guān)系存在調(diào)節(jié)效應(yīng)，具體而言，Credit取值越大，即當(dāng)信用等級(jí)比較低時(shí)，加入群組與借款成功率之間的負(fù)相關(guān)關(guān)系增強(qiáng)，表現(xiàn)為信用等級(jí)越差的借款人加入群組越可以明顯地降低借款利率。

（五）加入群組與借款人的還款表現(xiàn)——假設(shè)5的分析討論

為了分析加入群組的借款人的還款表現(xiàn)如何，本文運(yùn)用模型（7）來檢驗(yàn)假設(shè)5，以成功獲得借款的觀測(cè)中到期的8 690個(gè)借款標(biāo)為樣本，以借款是否違約為被解釋變量，以是否加入群組為解釋變量，同時(shí)加入四類控制變量，考察群組對(duì)借款是否違約有無預(yù)測(cè)功能，本文采用Probit模型對(duì)模型（7）進(jìn)行回歸，表5的第五列給出了回歸的結(jié)果。

由表5第五列可知，從核心變量的回歸系數(shù)看，Group的系數(shù)在1%的水平下顯著為正，表明加入群組的借款人不但沒有降低違約率，其還款表現(xiàn)反而惡化，與假設(shè)相矛盾。這可能是由于，一方面，借款人存在嚴(yán)重的道德風(fēng)險(xiǎn)，前文分析表明，信用等級(jí)越低的借款人越傾向于加入群組，低信用等級(jí)的借款人為了獲取自身利益，利用信息不對(duì)稱，通過加入群組把自己偽裝成高信用等級(jí)從而增大借款的成功率，這種“機(jī)會(huì)主義”和逐利行為促使借款人產(chǎn)生道德風(fēng)險(xiǎn)，所以大量低信用等級(jí)借款人的加入群組提高了違約率；另一方面，在Prosper平臺(tái)上，群組分為基于真實(shí)關(guān)系（親戚、朋友）一類和沒有實(shí)際聯(lián)系（校友集群、相同教育集群）一類，后者的群組負(fù)責(zé)人雖然獲得了提成，但是并沒有有效地管理和監(jiān)督組員，而此類群組的成員由于并不存在實(shí)際的社交紐帶，違約對(duì)于自己的實(shí)際信譽(yù)影響不大。

另外主要研究變量中，信用等級(jí)越低，意味著借款人信用風(fēng)險(xiǎn)越大，違約率越高；利率越高，違約風(fēng)險(xiǎn)越大。Emekter等（2015）運(yùn)用Lending Club上的借款數(shù)據(jù)證實(shí)了這點(diǎn)，他們認(rèn)為投資者對(duì)高風(fēng)險(xiǎn)借款人收取更高利率并不能彌補(bǔ)借款人違約后自身的損失，在逆向選擇和道德風(fēng)險(xiǎn)的雙重作用之下，更高的利率只會(huì)導(dǎo)致更高的違約風(fēng)險(xiǎn)和壞賬概率。

從前文的回歸結(jié)果來看，本文的五個(gè)假設(shè)中第二、三、四個(gè)假設(shè)得到了驗(yàn)證，但實(shí)證結(jié)果并不支持第一個(gè)和第五個(gè)假設(shè)。另外，從模型（1）至（7）回歸方差的方差膨脹因子看，最大的不超過10，因此不存在多重共線性；方程通過F檢驗(yàn)，并且控制變量的系數(shù)大多是顯著的，也證明了本文所選的控制變量的有效性。

五、穩(wěn)健性檢驗(yàn)

為了驗(yàn)證上述實(shí)證結(jié)果的穩(wěn)健性，本文將采用以下三種方法進(jìn)行檢驗(yàn)：一是計(jì)量方法選擇，二是選取不同的樣本，三是替換相關(guān)變量。

（一）計(jì)量方法

方程（1）、（2）、（5）中，二元虛擬變量如Group、Success作為被解釋變量，Probit回歸是基于殘差服從正態(tài)分布的假設(shè)，如果改變殘差分布函數(shù)的性質(zhì)可能會(huì)導(dǎo)致結(jié)論發(fā)生變化。為了排除計(jì)量方法的選擇偏誤，我們采用另一種二元回歸模型——Logit模型對(duì)方程（1）、（2）、（5）進(jìn)行穩(wěn)健性檢驗(yàn)，以進(jìn)一步考察加入群組與借款人信用等級(jí)和成功率之間的關(guān)系。結(jié)果如表6的第一、二、五列所示，可以看出，與之前的結(jié)果相比，主要研究變量的系數(shù)和符號(hào)都比較穩(wěn)定，其顯著性水平也沒有明顯變化，說明前文的結(jié)果具有較好的穩(wěn)健性。

表 6 穩(wěn)健性檢驗(yàn)

（二）重選樣本

方程（4）、（6）、（7）中，利率Rate、違約率Default作為被解釋變量，采用的樣本觀測(cè)的時(shí)間點(diǎn)跨度為2007年至2012年，期間受2008年金融危機(jī)的影響，一方面，平臺(tái)上投資者的風(fēng)險(xiǎn)要價(jià)較其他年份大有不同；另一方面，P2P平臺(tái)上的借款人收入狀況、負(fù)債余額、資金投資回報(bào)等存在較大波動(dòng)，這會(huì)影響其事后還款狀態(tài)。因此為排除宏觀經(jīng)濟(jì)影響，本文選取2012年的觀測(cè)為樣本，對(duì)方程（4）、（6）、（7）進(jìn)行穩(wěn)健性檢驗(yàn)，以進(jìn)一步考察加入群組對(duì)借款利率和違約率的影響，得到的回歸結(jié)果如表6的第四、六、七列所示，在重選樣本之后，主要研究變量的系數(shù)符號(hào)沒有發(fā)生變化，唯一不同的是各系數(shù)大小和顯著性水平存在局部差異，說明樣本時(shí)期的選擇對(duì)結(jié)果不會(huì)造成影響。

（三）變量替換

方程（3）中，籌資效率Efficient作為被解釋變量，測(cè)算時(shí)，本文采用每一筆借款的金額/借款存續(xù)時(shí)間來衡量，并且在控制變量將借款總額剔除，此處，借鑒廖理等（2014）的做法，直接采用借款存續(xù)時(shí)間衡量籌資效率，但將借款總額加入控制變量，對(duì)方程（3）進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如表6的第三列所示，Group的回歸系數(shù)表明加入群組可以降低籌資時(shí)間，進(jìn)一步證實(shí)了加入群組對(duì)籌資效率的影響。

綜上所述，無論是在計(jì)量方法、樣本選擇還是變量替換方面，我們都發(fā)現(xiàn)群組對(duì)P2P平臺(tái)上借貸行為的影響，而且按上述三種穩(wěn)健性檢驗(yàn)的方法所得回歸結(jié)果與前文分析結(jié)果一致，表明本文的研究結(jié)論是穩(wěn)健的。

六、結(jié)論與政策建議

（一）研究結(jié)論

本文選取Prosper網(wǎng)絡(luò)借貸平臺(tái)上2007年至2012年的借貸交易數(shù)據(jù)為樣本，實(shí)證分析了群組制度對(duì)P2P網(wǎng)絡(luò)借貸行為的影響，主要結(jié)論為：（1）信用等級(jí)較低的借款人更傾向于加入群組；（2）相對(duì)于未加入群組的借款人，加入群組可以提高借款人獲得貸款的概率；（3）加入群組可以顯著地降低借款利率、提高籌資效率；（4）對(duì)于信用等級(jí)較低的借款人，加入群組對(duì)借款成功率和借款利率對(duì)其影響更為明顯；（5）加入群組的借款人事后違約率偏高。

（二）政策建議

Prosper平臺(tái)具有獨(dú)特的群組功能，這是國內(nèi)P2P網(wǎng)貸平臺(tái)尚不具備的。在目前我國征信體系尚不完善的背景下，本文的研究能夠?yàn)閲鴥?nèi)P2P網(wǎng)貸的進(jìn)一步發(fā)展提供有益的借鑒。根據(jù)本文的實(shí)證結(jié)論，我們提出以下三點(diǎn)政策建議：

（1）建立適合中國目前信用體系的P2P網(wǎng)貸平臺(tái)的群組制度，幫助實(shí)現(xiàn)“軟信息”的披露，從而降低信息不對(duì)稱程度，提高借款成功率、降低借款利率、提高籌資效率，為信用等級(jí)相對(duì)較低的借款人提供一種增加信任度的渠道。

（2）如果每個(gè)借款人都能以較低的成本加入群組，那么群組屬性的“分離作用”將會(huì)失效，因此對(duì)于信用等級(jí)較低的借款人，應(yīng)設(shè)置較高的加入門檻，實(shí)現(xiàn)“分離均衡”，讓群組具備傳遞借款人信用等級(jí)信號(hào)的功能。

（3）設(shè)計(jì)合理的群組組長激勵(lì)機(jī)制，鼓勵(lì)群組組長認(rèn)真預(yù)審群組成員的借款標(biāo)的。并非所有加入群組的信息都是真實(shí)可信任的，Prosper上的群組信息有一定比例是無效的，只有當(dāng)群組成員在真實(shí)生活中有聯(lián)系的時(shí)候，加入組群才能顯著地降低違約風(fēng)險(xiǎn)（Everett，2015），因此在重點(diǎn)監(jiān)管非真實(shí)關(guān)系的群組組員還款進(jìn)度的同時(shí)，需要設(shè)計(jì)合理的群組組長激勵(lì)機(jī)制，提高群組組長維護(hù)群組聲譽(yù)的積極性，促使群組組長嚴(yán)格監(jiān)控組員還款進(jìn)度，督促其按時(shí)還款。

[1]方先明, 李瑞文, 李小琳. 網(wǎng)貸平臺(tái)資金借貸價(jià)格影響因素研究——基于Prosper平臺(tái)數(shù)據(jù)的檢驗(yàn)[J]. 當(dāng)代經(jīng)濟(jì)科學(xué), 2016,（1）: 48–57.

[2]廖理, 李夢(mèng)然, 王正位. 聰明的投資者: 非完全市場化利率與風(fēng)險(xiǎn)識(shí)別——來自P2P網(wǎng)絡(luò)借貸的證據(jù)[J]. 經(jīng)濟(jì)研究, 2014,（7）: 125–137.

[3]廖理, 李夢(mèng)然, 王正位, 等. 觀察中學(xué)習(xí): P2P網(wǎng)絡(luò)投資中信息傳遞與羊群行為[J]. 清華大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）, 2015,（1）: 156–165.

[4]裴平, 蔡越. 群組制度對(duì)P2P網(wǎng)貸平臺(tái)借款成功率和借款利率的影響——基于Prosper.com樣本數(shù)據(jù)的實(shí)證檢驗(yàn)[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2016, 36: 5–15.

[5]皮天雷, 趙鐵. 互聯(lián)網(wǎng)金融: 范疇、革新與展望[J]. 財(cái)經(jīng)科學(xué), 2014, （6）: 22–30.

[6]王會(huì)娟, 廖理. 中國P2P網(wǎng)絡(luò)借貸平臺(tái)信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗(yàn)證據(jù)[J]. 中國工業(yè)經(jīng)濟(jì), 2014, （4）: 136–147.

[7]謝平, 鄒傳偉. 互聯(lián)網(wǎng)金融模式研究[J]. 金融研究, 2012, （12）: 11–22.

[8]Berger S C, Gleisner F. Emergence of financial intermediaries in electronic markets: The case of online P2P lending[J]. Business Research, 2009, 2（1）: 39–65.

[9]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.

[10]Emekter R, Tu Y B, Jirasakuldech B, et al. Evaluating credit risk and loan performance in online Peer-to-Peer （P2P）lending[J]. Applied Economics, 2015, 47（1）: 54–70.

[11]Guiso L, Sapienza P, Zingales L. The role of social capital in financial development[J]. American Economic Review, 2004, 94（3）: 526–556.

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

[13]Larrimore L, Jiang L, Larrimore J, et al. Peer to peer lending: The relationship between language features, trustworthiness, and persuasion success[J]. Journal of Applied Communication Research, 2011, 39（1）: 19–37.

[14]Lin M F, 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]Liu D, Brass D, Lu Y, et al. Friendships in online Peer-to-Peer lending: Pipes, prisms, and relational herding[J]. MIS Quarterly, 2015, 39（3）: 729–742.

[16]Loughran T, McDonald B. Measuring readability in financial disclosures[J]. The Journal of Finance, 2014, 69（4）: 1643–1671. [17]Michels J. Do unverifiable disclosures matter? Evidence from peer-to-peer lending[J]. The Accounting Review, 2012, 87（4）: 1385–1413.

[18]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.

[19]Spence M. Job market signaling[J]. The Quarterly Journal of Economics, 1973, 87（3）: 355–374.

[20]Sonenshein S, Herzenstein M, Dholakia U M. How accounts shape lending decisions through fostering perceived trustworthiness[J]. Organizational Behavior and Human Decision Processes, 2011, 115（1）: 69–84.

[21]Stein J C. Information production and capital allocation: Decentralized versus hierarchical firms[J]. The Journal of Finance, 2002, 57（5）: 1891–1921.

[22]Tan K W P, Swee D, Lim C, et al. The impact of language variety and expertise on perceptions of online political discussions[J]. Journal of Computer-Mediated Communication, 2007, 13（1）: 76–99.

Can Borrowers Hold Together for Warmth? The Effects of Group System on P2P Lending Behavior

Peng Hongfeng, Yang Liuming
（School of Economics and Management, Wuhan University, Wuhan 430072, China）

Banks and enterprises make full use of market resources and integrate them through“baotuan” and alliances. Holding together can push banks and enterprises to inject the strong vitality of competition and development, to join hands to cope with the grim situation, and to pull through the“economic winter”. Then in the field of internet finance, can borrowers hold together for warmth just like banks or enterprises? This paper uses lending transaction data from the Prosper network lending platform as the sample to test the impact of group system on lending behavior from five perspectives. The main results show that: different borrowers have different strategies on joining the groups. Borrowers can hold together for warmth to a certain extent, but the “warmth effect” varies with different borrowers. Specifically speaking, firstly, the borrowers with lower credit rating are more inclined to join the groups, and the effects of joining the groups on the success and interest rates of borrowing are more obvious; secondly, to join the groups can increase the success rate of borrowing, reduce interest rates and raise borrowing efficiency, but for the borrowers in the groups, their repayment performance is not good and they have higher default rates. It provides a useful reference for the healthy development of domestic P2P network platform lending.

group system; the success rate of borrowing; borrowing cost; borrowing efficiency; default rate

F270

A

1001-4950(2017)05-0085-15

（責(zé)任編輯：子 文）

10.16538/j.cnki.fem.2017.05.007

2016-07-28

國家自然科學(xué)基金重點(diǎn)項(xiàng)目（71631005）；湖北省教育廳哲學(xué)社會(huì)科學(xué)研究重大項(xiàng)目（16ZD003）；武漢大學(xué)人文社會(huì)科學(xué)青年學(xué)者學(xué)術(shù)團(tuán)隊(duì)建設(shè)計(jì)劃資助（16WSKTD008）

彭紅楓（1976—），男，武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院教授，博士生導(dǎo)師；

楊柳明（1991—），男，武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生（通訊作者）。