于軍

摘 要 從語言信息含量和語言內(nèi)容兩個維度探究描述性信息與違約行為之間的聯(lián)系。實證結(jié)果表明：描述性信息的信息量越大，借款人越不容易違約；自我陳述中做出還款承諾（表明自己一定會按時歸還）的借款人、談及自己收入或財產(chǎn)的借款人以及介紹自己家庭的借款人更傾向于履約，而標(biāo)榜自己誠信可靠（用語言贊美自己擁有“誠信”這一道德品質(zhì)）并且用以前的借貸記錄表現(xiàn)其誠信的借款人更可能會違約。研究結(jié)論有助于P2P平臺以及投資者識別借款人違約風(fēng)險，同時豐富了我國的民間小額借貸尤其是P2P領(lǐng)域的研究。

關(guān)鍵詞 描述性信息； 違約行為； P2P

[中圖分類號]F832.4 [文獻標(biāo)識碼] A [文章編號]1673-0461（2017）05-0086-07

一、引 言

2007年我國第一家P2P平臺“拍拍貸”在上海注冊成立，由此拉開了互聯(lián)網(wǎng)金融在中國的發(fā)展帷幕。此后，“紅嶺創(chuàng)投”、“人人貸”、“翼龍貸”、“宜人貸”等大批平臺爭先恐后的注冊成立。截止2016年1月份，不到十年的時間我國P2P平臺就從2007年的1家發(fā)展到3 917家，2015年全年增加近2 000家平臺，可見其發(fā)展勢頭①。

發(fā)展至今，該行業(yè)在我國演化出多種模式，但不論采用哪種模式，平臺都必須建立起征信體系將借款人和貸款人網(wǎng)羅到一起。需要借入資金的人要向P2P平臺提供房產(chǎn)證等一系列材料，平臺審核通過后將借款人的有關(guān)信息發(fā)布在網(wǎng)站上，形成一份借貸標(biāo)。有意向貸出款項的人基于網(wǎng)站發(fā)布的信息對借款人進行篩選并投標(biāo)，一份借款標(biāo)可由多個投資者投標(biāo)，借款人的標(biāo)額全部被投資人“認(rèn)領(lǐng)”則視為“滿標(biāo)”。標(biāo)滿后平臺將投資人的款項劃轉(zhuǎn)至借款人賬戶，到期后，借款人向貸款人歸還利息和本金。

網(wǎng)站發(fā)布的借款人信息一般包括信用等級、個人資料、是否提供擔(dān)保、歷史借貸記錄等。信用等級是平臺對借款人的審核評價；個人資料提供借款人的基本信息：姓名、年齡、家庭情況、個人財產(chǎn)等；擔(dān)保又分為第三人提供的擔(dān)保、房擔(dān)保增額、車擔(dān)保增額；歷史借貸記錄是指該借款人此前在該平臺上的交易信息。上述信息被稱為“硬信息”②，除此之外，P2P平臺上還有“軟信息”——描述性信息。

描述性信息是指在P2P平臺上，除平臺與投資人要求的“資信等級”、“基本信息”、“個人資料”等必須填寫的“硬信息”外，借款人還可自愿以文字形式陳述與己相關(guān)的其他信息。如：“本人自建有房產(chǎn)，現(xiàn)在當(dāng)?shù)亟?jīng)營一家陶瓷商行，收入穩(wěn)定，此次借款用于商行資金周轉(zhuǎn)，誠信借款，保證按時還款，請大家多多支持，謝謝。”與前述的P2P平臺硬性要求借款人給出的“數(shù)字型”信息不同，描述性信息是在P2P平臺上僅有的語言型信息，由借款人傳達給潛在投資者。因此，描述性信息更加獨特和主觀。借款人可以通過描述性信息解釋自己的借款意圖、表述自己的還款決心、標(biāo)榜個人道德品質(zhì)，以此來吸引更多的投資者。P2P平臺的交易以互聯(lián)網(wǎng)為媒介，投資者對借款人缺乏直觀審視，描述性信息作為借款人的主觀、主動的表達可以幫助投資者對借款人產(chǎn)生一定的直觀感受，在一定程度上降低兩者之間的信息不對稱程度，提高網(wǎng)絡(luò)借貸成功率。

然而，語言表述亦真亦假，借款人可以借助自我陳述使投資人更全面的了解自己，也可以通過語言對自己進行偽裝，這就可能誤導(dǎo)投資者，使投資者承擔(dān)額外的違約風(fēng)險。本文旨在探索借款人描述性信息與借款人違約行為之間的關(guān)系：描述性信息的信息量是否與違約有關(guān)？某一種描述性信息的提供者是否更有可能違約？通過實證檢驗發(fā)現(xiàn)，在控制其他相關(guān)變量后，描述性信息的信息量與違約行為顯著相關(guān)，即描述性信息的信息量越大，借款人越不容易違約。本文還發(fā)現(xiàn)，描述性信息中的某些語言內(nèi)容與違約行為確實關(guān)系顯著，即在自我陳述中做出“承諾”的借款人、談及自己收入或財產(chǎn)的借款人以及介紹自己家庭的借款人更傾向于履約；表明自己誠信可靠并且用以前的借貸記錄表現(xiàn)自己誠信的借款人更容易違約。雖然國內(nèi)外也有文獻研究這兩者之間的關(guān)系，但此類研究大多并未得出統(tǒng)一的結(jié)論，因而本文也在一定程度上豐富了關(guān)于描述性信息與違約行為之間的關(guān)系研究方面的文獻。

二、文獻綜述

對P2P平臺上借款人描述性信息、借款人違約現(xiàn)象進行研究的文獻并不多。此類文獻可分為三類：第一，研究借款人描述性信息與借款成功率之間的關(guān)系；第二，研究借款人違約率與借款人特征的關(guān)系；第三，探索描述性信息的語言長度與借款人違約傾向之間的關(guān)聯(lián)。

李焰等（2014）中指出描述性信息提供的信息量的多少對借款人是否能成功借款有顯著影響?；赑2P網(wǎng)貸線上交易的性質(zhì)，投資者無法充分接觸、了解借款人，而P2P平臺對借款人的信息披露又不全面，這就導(dǎo)致了借貸雙方存在嚴(yán)重的信息不對稱，而解決這種信息不對稱的方法之一就是由借款人對其借款行為進行自由描述，以此“拉近”借貸雙方之間的距離、緩解這種信息不對稱。實證結(jié)果表明描述性信息的信息量越多，借款越容易成功。文章以“拍拍貸”中兩千余條借貸信息為樣本，歸納出“試一試”、“誠信”、“刷信用”、“顧家”、“有事業(yè)心”、“穩(wěn)定”等八個語言維度，研究顯示，描述性信息中提及“穩(wěn)定”的借款人更容易成功，而表明自己“顧家”的借款人往往不被投資人看好。肖俊曼等（2015）對各種可能影響違約行為的因素進行了實證分析，研究表明，借款人的人口特征、信用評級、歷史記錄、借款金額、借款期限等均對違約行為有顯著影響。廖理、吉霖等（2015）則是從語言的可信度出發(fā)探索描述性信息在P2P網(wǎng)貸中的作用。文章以“人人貸”2012年和2013年的借貸信息為樣本，設(shè)置了語言長度與語言維度兩個變量。語言長度即為描述性信息的中文字?jǐn)?shù)，語言維度包括“誠信”、“家庭”、“創(chuàng)業(yè)”、“急迫”四類特征信息。研究表明描述性信息的語言長度越長，借款成功率越高，借款人越不容易違約。這表明投資者能有效利用描述性信息的語言長度來判斷借款人的違約風(fēng)險。在語言維度方面，自我陳述中包含“創(chuàng)業(yè)”的借款人更容易成功借款，而“急迫”會降低借款成功率；文章還指出這四種語言維度與借款人違約傾向無顯著關(guān)系。

在商業(yè)活動中，描述性語言往往會起到出人意料的作用，人們可以通過自我描述來影響經(jīng)濟事件的結(jié)果。比如Martens發(fā)現(xiàn)創(chuàng)業(yè)者能夠通過更好的描述語言獲得更多自己需要的資源。Michels與Herzenstein等（2011）提出，主動提供自己照片、種族等信息的借款人更受投資者青睞，雖然這些信息的真實性尚待考證，但其確能在一定程度上降低利率與滿標(biāo)時間。Barasinska（2010）認(rèn)為諸如性別、種族、年齡等人口特征可反映出借款人的信用風(fēng)險，Duarte（2012）發(fā)現(xiàn)長相看上去更可靠的人其違約風(fēng)險確實越低。Larrimore等（2011）的發(fā)現(xiàn)證實了描述性信息的內(nèi)容會影響借款成功率。Dholakia與Herzenstein等（2011）以平臺Prosper中的1 493條借款申請為樣本，歸納出“可靠”、“成功”、“經(jīng)濟困難”、“宗教信仰”、“品德高尚”、“勤奮”等六個語言維度。研究發(fā)現(xiàn)，信用級別低的借款人傾向于披露更多的描述性信息，而描述性信息的信息量越大越容易借款成功，但是其違約率卻越高。Herzenstein（2011）發(fā)現(xiàn)借款人陳述自己過去的成功經(jīng)歷將會提高其貸款成功率，描述的內(nèi)容越多越容易成功。

目前，國內(nèi)關(guān)于描述性信息語言內(nèi)容與違約行為的關(guān)系的研究很少，且沒有得出明確的結(jié)論。為了進一步探究這兩者的關(guān)系，本文重新設(shè)置語言維度中的多個解釋變量，試圖得出語言內(nèi)容與違約行為之間較為顯著的關(guān)系，以補充現(xiàn)有國內(nèi)研究，同時為國外研究結(jié)果提供一種基于文化差異的對比。

三、理論分析與研究假說

（一）語言內(nèi)容與違約行為

既然描述性信息是借款人的自我表述，那么這種自我表述就帶有主觀性，即借款人在做自我陳述時會有選擇性的展示一些信息而隱蔽另一些。從主觀和客觀的角度講，違約行為可分為三種：第一，借款人有意愿還款但沒有能力還款；第二，借款人有能力還款但沒有意愿還款；第三，借款人既沒有意愿還款，也沒有能力還款。這三種類型的人會不會在自我表述時更傾向于展示或隱蔽某一類信息呢？比如，有還款能力的人（如有動產(chǎn)或不動產(chǎn)抵押的借款人）相較于還款能力欠缺的人，是不是更喜歡做出如期還款的承諾呢？再比如，在描述性信息中提到自己家庭情況的人是不是有更強的還款意愿而違約行為更少呢？

許多心理學(xué)領(lǐng)域的學(xué)者認(rèn)為，語言具備五個社會功能：信息傳遞、表達、指示、酬應(yīng)以及美學(xué)功能，不同語言表達隱含著不同的主觀意愿；在訴求相同時，處于相似心理狀態(tài)和生存環(huán)境的人的語言表達內(nèi)容傾向于一致，即語言表達能在一定程度上區(qū)別處于不同心理狀態(tài)和生存環(huán)境的人③。本文從描述性信息中提取了八種語言特征，雖然具體某一種特征對違約率有怎樣的影響不好推測，但我們認(rèn)為，某種或某幾種語言特征被違約者采用得多，相應(yīng)的，某種或某幾種語言特征則更受履約者青睞，即描述性信息的某些語言特征對違約者和履約者有區(qū)別效應(yīng)。

本文對兩類語言特征的區(qū)別效應(yīng)進行了推測，并提出如下兩個研究假設(shè)：

研究假設(shè)1：相較于違約者，履約者更喜歡在自我陳述中做出到期還款付息的承諾。

研究假設(shè)2：履約者比違約者更傾向于在描述性信息中提及家庭。

（二）描述性信息的信息量與違約行為

描述性信息的信息量是指借款人自我陳述中包含的語言特征的數(shù)量。前文提到，已有研究表明借款人信用級別越低其描述性信息包含的語言特征越多。很多學(xué)者認(rèn)為，這是借款人展示更多信息、減少其與投資者之間的信息不對稱程度、“拉近”自己與投資者之間的距離、進而獲得更多投資的一種途徑。信用評級是P2P平臺通過線下考察、實地走訪、網(wǎng)絡(luò)調(diào)查等諸多方法對借款人違約風(fēng)險做出的綜合評價。相較于一般投資者，P2P平臺掌握著更多借款人信息，且平臺作為第三方，其對借款人的評價也是較為公允的。因此，我們認(rèn)為平臺提供的信用評級能較準(zhǔn)確的評價借款人違約風(fēng)險，即信用級別高的借款人違約風(fēng)險越低。

自我陳述中包含較多信息量的人常常是信用評級較低的人，而信用級別越低的人違約風(fēng)險越高，基于以上分析，本文提出：

研究假說3：描述性信息中包含的信息量越大，借款人違約風(fēng)險越高。

四、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文以“翼龍貸”2015年12月的借款信息為樣本進行實證檢驗，該平臺成立于2007年，是聯(lián)想集團控股戰(zhàn)略投資企業(yè)，開創(chuàng)了“同城O2O”互聯(lián)網(wǎng)金融模式④。目前有關(guān)借款人描述性信息的實證研究多以“人人貸”、“拍拍貸”數(shù)據(jù)為樣本，本文選取“翼龍貸”數(shù)據(jù)也能在一定程度上豐富現(xiàn)有研究的數(shù)據(jù)庫。

（二）被解釋變量

本文被解釋變量是借款人的違約行為。違約行為是指借款人在成功籌款后沒有歸還或沒有按時歸還的行為。“翼龍貸”平臺上顯示如約還清的記為1，顯示為“逾期還清”、“逾期未還”的記為0。

（三）解釋變量

本文從兩個方向探索描述性信息對違約率的影響：語言內(nèi)容和語言信息量。

語言內(nèi)容是借款人自我陳述中能明顯識別出來的語言內(nèi)容特征。借款人的自我陳述內(nèi)容豐富，需要人工提取信息，鑒于人工識別工作量較大，我們從“翼龍貸”2015年12月份的所有借款信息中隨機抽取了500個作為研究樣本進行變量識別和實證分析。已有研究中已經(jīng)提出的語言維度有“家庭”、“穩(wěn)定”、“創(chuàng)業(yè)”、“試一試”、“急迫”、“刷信用”、“宗教信仰”、“個人品質(zhì)”等，本文在前人研究的基礎(chǔ)上⑤，最終確定“收入”、“承諾”、“誠信”、“事業(yè)”、“急迫”、“家庭”、“個人品質(zhì)”、“有人擔(dān)?！钡劝藗€維度。對于上述八個變量，若描述性信息中包含該變量維度，記為1，反之記為0。變量定義如表1：

語言信息量則使用描述性信息的信息量衡量，即一條自我陳述所包含的語言維度個數(shù)。如一條描述性信息中同時包含“家庭”、“事業(yè)”、“承諾”三個語言維度，則這個樣本的語言長度記為3。

500個樣本的描述性統(tǒng)計見表2：

（四）控制變量

除了描述性信息外，影響被解釋變量的因素還有很多。從“翼龍貸”提供的硬信息來看，影響借款人違約行為的還可能有兩大因素：借款金額、借款人信息。借款金額包括借款本金、利率。借款人信息包括年齡、性別、婚姻狀況、信用級別、收入等級、長居住地等。性別為男性記為1，女性則記為0；婚姻狀況“已婚且有子女”、“已婚且無子女”、“單身”、“離異”依次記為4～1，信用級別分為十五個等級，AAA、AA+、AA、A+、A、BB+、BB、B+、B、CC+、CC、C+、C、D、HR，依次記為15～1；收入分為2萬元以下、2.1～6萬元、6.1～12萬元、12.1～24萬元、24.1～39萬元、40萬元以上等六個等級，依次記為1～6；長居住地有四類，城市居住區(qū)記為5，城鎮(zhèn)社區(qū)記為4、農(nóng)村居住區(qū)記為3、商業(yè)社區(qū)記為2、其他居住區(qū)記為1。教育程度分為初中或初中以下、高中（中專）、專科、本科、碩士研究生或以上等五個級別，分別記為1～5。控制性變量的描述性統(tǒng)計如表3：

（五）模型設(shè)定

與描述性信息有關(guān)的變量是本次研究的關(guān)鍵變量，包括信息量（X0）和“收入”（X1）、“承諾”（X2）、“誠信”（X3）、“事業(yè)”（X4）、“急迫”（X5）、“家庭”（X6）、“個人品質(zhì)”（X7）、“有人擔(dān)?！保╔8）。在回歸分析中還需控制的變量有：借款本金（principal）、利率（interest）、年齡（age）、性別（gender）、婚姻狀況（marry）、信用級別（level）、收入等級（income）、長居住地（residence）。因變量是借款人的違約情況（Y），該變量是虛擬變量，沒有違約用1表示，違約用0表示。此次實證檢驗的模型如下：

Y=α+β1X+β2principal+β3interest+β4age+

β5gender+β6marry+β7level+β8residence

Y=α+β0X0+β2principal+β3interest+β4age+

β5gender+β6marry+β7level+β8residence

第一個模型用來研究某種特定的語言內(nèi)容對違約者和履約者的區(qū)別效應(yīng)，即語言內(nèi)容與借款人違約風(fēng)險之間的關(guān)系；第二個模型用于探索描述性信息的信息量與違約風(fēng)險的關(guān)系。

五、實證結(jié)果

檢驗結(jié)果見表4～5。表4是自變量為語言特征時的檢驗結(jié)果，表5列示了信息量的檢驗結(jié)果，其中（1）列未引入控制變量，（2）列是引入控制變量之后的結(jié)果。

（一）語言內(nèi)容與違約行為

從表4可以看出，“收入”、“承諾”、“誠信”、“家庭”這四個變量的檢驗結(jié)果是顯著的，即這四種語言特征對借款人的違約行為有區(qū)別效應(yīng)。很顯然，“收入”、“承諾”、“家庭”這三種語言特征的人更不容易違約，“誠信”這種特征更多得被違約借款人提及。

提及收入的人更不容易發(fā)生違約行為，如何解釋這種現(xiàn)象呢？本文提出一種可能的解釋，前文已提到，借款人是否如期還款受到“還款意愿”和“還款能力”的影響。從借款人的還款能力上說，較高的收入在一定程度上代表了較高的還款能力。而根據(jù)借款人描述，提及收入的借款人的收入狀況多為“收入穩(wěn)定”、“有自建房一套”、“月收入豐厚，每月XXXX元”，可見愿意提及自己收入的人一般收入都有保障。也就是說，描述性信息中包含收入信息的借款人的還款能力一般較強，故而他們相比于沒有提及收入的借款人違約率更低。

做出承諾的借款人更傾向于如期還款。對于這一結(jié)果可以從“承諾發(fā)生前”和“承諾發(fā)生后”兩方面進行解釋。一方面，承諾發(fā)生前，還款能力強的人更有可能做出承諾，而還款能力相對較弱的人可能會更加猶豫。即做出承諾的借款人的還款能力可能更強。另一方面，承諾發(fā)生后，產(chǎn)生了一種 “承諾心理”⑥。心理學(xué)實驗證明，公開的承諾使承諾者更好地規(guī)范自己的行為⑦。借款人的描述性信息在P2P平臺是公開的，任何一個登錄該平臺的人都可以看到，這就使借款人自我陳述中的“承諾”成為了一種“公開承諾”，在這種公開承諾的約束下，借款人更傾向于履約。

在描述性信息中提及自己家庭情況的借款人更不容易違約。在描述性信息的提取過程中不難發(fā)現(xiàn)，描述家庭信息的借款人一般都是有妻子、丈夫、子女的，這些人的“違約成本”可能會比較高?？紤]到自己的違約會給家人帶來的額外負(fù)擔(dān)，有家室的人相比于單身狀態(tài)的更傾向于如期還款。

在前文定義中，“誠信”指“借款人描述自己是誠實、誠信的；介紹自己的借貸記錄來表明自己的誠信”，自我陳述中包含此類信息的借款人更容易違約。對于這一現(xiàn)象，本文目前還無法給出有說服力的解釋，作者在此僅提供一種猜想。在得到這一結(jié)論后，我們對八個變量做了自相關(guān)檢驗，檢驗結(jié)果表明“誠信”與“收入”、“誠信”與“承諾”呈負(fù)相關(guān)，也就是說，提及了“收入”、“承諾”這兩種信息的借款人往往不對“誠信”做陳述。本文猜想，明確自己有還款能力并做出承諾的人可能不再需要過多標(biāo)榜自己的“誠信”，而在還款能力上有欠缺的人可能更傾向于借助“美化”自己的人格來吸引投資者，因而在回歸關(guān)系上表現(xiàn)為提供“誠信”信息的借款人更容易違約。

綜上所述，自我陳述中描述了自己的收入情況、介紹了自己的家庭情況、并對如期還款做出承諾的借款人違約風(fēng)險更低，而沒有提及上述信息、但卻一直標(biāo)榜自己誠信、有良好的借貸記錄的人則更容易違約。

（二）描述性信息的信息量與違約率

從表5可以看出，借款人描述性信息的信息量越多，越傾向于如期還款。前文提到，Dholakia（2011）的研究結(jié)論是“描述性信息的信息含量越大，借款人違約率越高”，這與本文研究假設(shè)是一致的。但是，本文得出的實證結(jié)果卻與研究假設(shè)不相符，且與Dholakia（2011）研究結(jié)論相悖⑧。

為什么基于中國P2P的數(shù)據(jù)的研究結(jié)論與國外學(xué)者的研究結(jié)論相悖呢？筆者認(rèn)為可能的原因有以下幾點。第一，本文選取的樣本與西方學(xué)者選取的樣本存在中西方文化差異，中西方投資者、借款人對描述性信息的認(rèn)識、理解、判斷、運用上可能存在差異。第二，本文選取的語言內(nèi)容與西方學(xué)者不同，如國外的研究中常常把“提及宗教信仰”作為一個語言特征，國內(nèi)研究中很少設(shè)置這個變量。

為什么研究結(jié)論與研究假設(shè)不符呢？建立這一研究假設(shè)的邏輯基礎(chǔ)是：自我陳述信息量較高的人信用級別越低⑤，信用級別越低的人違約風(fēng)險越高⑨，上述結(jié)論在前人研究中均已被證實。在本文的回歸結(jié)果中，作為控制變量的信用級別與違約行為的回歸關(guān)系顯著，信用級別越低的人越傾向于違約，那么除了信用級別之外，應(yīng)該還有其他因素影響信息量和違約行為之間的關(guān)系。本文在此提供一種猜想。自我陳述的信息量可能反映了兩種信息：第一，借款人為此次借款付出的努力大??；第二，借款人對此次借款的重視程度以及認(rèn)真程度。在自我陳述中披露較多信息的借款人可能是更加重視和認(rèn)真看待借款行為的人，而且他們愿意在完成一件事時付出更多的努力，這在一定程度上表明他們或許是更加可靠和優(yōu)質(zhì)的借款人，他們更不容易違約。

在控制信用評級后，描述性信息與違約的關(guān)系是顯著的，描述性信息對違約行為有額外的解釋力，也就是說平臺提供的評級沒有完全考慮投資者的軟信息。既然P2P平臺提供的信用評級對借款人違約風(fēng)險的衡量并不完全，那么平臺或許應(yīng)該披露更多關(guān)于借款人的信息來幫助投資者更好地規(guī)避違約風(fēng)險。我國相關(guān)監(jiān)管部門也一直在設(shè)法加強關(guān)于借款者信息披露充分度。2016年3月10日，互聯(lián)網(wǎng)金融信息披露標(biāo)準(zhǔn)研討會對《互聯(lián)網(wǎng)金融信息披露規(guī)范》（初稿）（以下簡稱《規(guī)范》）進行了討論。文件規(guī)定了P2P信息披露的內(nèi)容，涉及平均滿標(biāo)時間、累計違約率、平臺項目逾期率、近三月逾期率、借款逾期金額、代償金額、借貸逾期率、借貸壞賬率、客戶投訴情況、借款人經(jīng)營狀況等二十一項。這些規(guī)定敦促P2P平臺加大對借款人信息的披露力度，有利于該行業(yè)的規(guī)范化發(fā)展。此外，筆者注意到《規(guī)范》中提出的二十一項披露內(nèi)容中并沒有涉及到描述性信息，而根據(jù)本文的研究發(fā)現(xiàn)，描述性信息是可以反映出一些違約風(fēng)險的?；诖吮疚尼槍Α兑?guī)范》提出一點個人建議：將描述性信息也引入到二十一項P2P平臺應(yīng)披露信息中。

（三）穩(wěn)健性檢驗

在基礎(chǔ)回歸之后，本文進行了穩(wěn)健性檢驗。在基礎(chǔ)回歸的結(jié)果中不難發(fā)現(xiàn)，“性別”與“長居住地”檢驗結(jié)果并不顯著，因此在穩(wěn)定性檢驗中，我們剔除了這兩個控制變量，新引入了“房產(chǎn)情況”、“信用卡額度”、“工作年限”這三種變量。數(shù)據(jù)處理方式與基礎(chǔ)回歸相同，結(jié)果見表6～8。表6中（1）列是未引入控制變量的檢驗結(jié)果，（2）列引入了新的控制變量，各解釋變量的顯著性不變，研究結(jié)論不變。

六、結(jié) 論

語言是一種重要的信息傳遞方式，在商業(yè)活動中有著十分重要的作用。在P2P平臺上，描述性信息是唯一的語言類信息，也是借款人直接向投資人傳遞信息的僅有渠道，故而描述性信息在P2P借貸關(guān)系中有著不可替代的作用。國內(nèi)國外的許多研究表明：借款人描述性信息的信息含量對借款成功率有顯著影響；某些特定的描述性信息會提高或降低借款成功率。在前人研究的基礎(chǔ)上，本文著眼于違約行為，從語言信息含量和語言內(nèi)容兩個維度探究描述性信息與違約行為的聯(lián)系，隨機選取了“翼龍貸”2015年12月的500條借款數(shù)據(jù)作為研究主體，得出了兩點結(jié)論。第一，描述性信息的信息量越大，借款人越不容易違約。第二，自我陳述中做出“承諾”的借款人、談及自己收入或財產(chǎn)的借款人以及介紹自己家庭的借款人更傾向于履約；表明自己誠信可靠并且用以前的借貸記錄表現(xiàn)自己誠信的借款人更容易違約。本文的研究結(jié)論有助于探索我國借貸市場規(guī)律，并基于國內(nèi)P2P平臺的數(shù)據(jù)為國內(nèi)關(guān)于P2P平臺描述性信息的研究做出補充。

本文的局限性主要表現(xiàn)在兩個方面。第一，實證檢驗中只選取了一個平臺的數(shù)據(jù)，實證結(jié)果可能會因平臺自身特點產(chǎn)生一定偏差。比如相較于其他P2P平臺，“翼龍貸”借款人的構(gòu)成比例中農(nóng)村人口更多一些，如果農(nóng)村借款人和城鎮(zhèn)借款人做自我陳述時對描述性信息的語言內(nèi)容有偏好，那么本文實證分析的說服力就會遭到一定程度的削弱。第二，由于學(xué)科界限方面的原因，筆者對某些實證結(jié)果的分析并不充分。比如關(guān)于“誠信”這個語言內(nèi)容變量的實證結(jié)果本文尚無法給出充分解釋。

[注 釋]

① 數(shù)據(jù)來源——“網(wǎng)貸之家”。

② 硬信息是指能用準(zhǔn)確的硬指標(biāo)來表示的信息，是正式的、精準(zhǔn)的、符合邏輯的、可追溯的。

③ 黃亞平.語言的認(rèn)同性與文化心理.海洋大學(xué)學(xué)報，2008，6：78-81。

④ “翼龍貸”的獨特之處在于其在全國眾多城市設(shè)置的運營中心，這些運營中心會對借款用戶進行貸前盡職調(diào)查，借款用戶只可在設(shè)有“翼龍貸”運營中心的城市才可申請借貸。

⑤ 李焰：《借款人描述性信息對投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺的分析》，北京，《經(jīng)濟研究》2014年第1期，第143-第155頁。

⑥ 承諾會對承諾發(fā)出者產(chǎn)生約束作用、提醒人們退卻和逃避的危害，它激勵人們盡力克服種種困難去兌現(xiàn)自己所說，以此來促使人們對自己做出的承諾負(fù)責(zé)。

⑦ Herzenstein， M. S.， Dholakia， U. M.，"Tell Me a Good Story and I May Lend You Money；The Role of Narratives in Peer-to-Peer Lending Decisions，"Journal of Marketing Research，Vol.48， 2011， p.138-149.。

⑧ 李焰：《借款人描述性信息對投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺的分析》，北京，《經(jīng)濟研究》2014年第1期，第143-第155頁。

⑨ 我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素研究，基于排序選擇模型的實證分析，肖曼君，歐緣媛，李穎，財經(jīng)理論與實踐，第36卷第193期，2015年1月。

[參考文獻]

[1] Barasinska，N. Schafer，D..Does Gender Affect Funding Success at the Peer-to-Peer Credit Markets？ Evidence from the Largest German Lending Platform[Z] .Working Paper，2010.

[2] Duarte，J. .Siegel，S.Trust and Credit： The Role of Appearance in Peer-to-Peer Lending[J].Review of Financial Studies，2012，25（8） ：2455-2484.

[3] Herzenstein，Michal，Utpal M.，Dholakia，and Rick，L. Andrews.Strategic Herding Behavior in Peer-to-Peer Online Loan Auctions [J]. Journal of Interactive Marketing，2011，25（1）：27-36.

[4] Larrimore.L. ，JIANG Li.Peer to Peer lending： The relationship between language features，trustworthiness and persuasion success.[J]. Journal of Applied Communication Research，2011，.39（1）：19-37.

[5] Michels. J. Do Unverifiable Disclosures Matter？ Evidence from Peer-to-Peer Lending[J]. The Accounting Review，2012，87（4）：1385-1413.

[6] Michal Herzenstein.The Democratization of Personal Consumer Loans？ Determinants Of Success In Online Peer-To-Peer Lending Communities[J].Bulletin of the University of Delaware，2008，15（3）：274-277.

[7] 廖理.語言可信嗎？借貸市場上語言的作用——來自P2P平臺的證據(jù)[J].清華大學(xué)學(xué)報，2015（4）：413-421.

[8] 王會娟.中國P2P網(wǎng)絡(luò)借貸平臺信用認(rèn)證機制研究[J].中國工業(yè)經(jīng)濟，2014（4）：136-147.

[9] 曹亞廷.P2P網(wǎng)貸與征信系統(tǒng)關(guān)系研究[J].征信，2014（11）：15-18.