李 鑫 田秀娟

（對外經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院，北京 100029）

小微企業(yè)是我國最具活力的企業(yè)族群，同時(shí)也是解決就業(yè)的主力軍。然而小微企業(yè)融資難是一個(gè)長期存在的熱點(diǎn)問題。由于信息不對稱、金融制度等原因，傳統(tǒng)金融機(jī)構(gòu)在小微企業(yè)融資過程中存在服務(wù)缺位、產(chǎn)品缺失、價(jià)格不合理等問題，制約了小微企業(yè)的長足發(fā)展。然而，這為互聯(lián)網(wǎng)金融的發(fā)展提供了良好的契機(jī)。互聯(lián)網(wǎng)金融的加入更加有效地使資金脫虛向?qū)?，緩解了小微企業(yè)融資難、融資貴的問題，其中尤以P2P網(wǎng)絡(luò)借貸（Peer-to-peer Network Lending）深受廣大小微企業(yè)青睞。自2007年從國外引入P2P網(wǎng)絡(luò)借貸平臺(tái)模式以來，P2P網(wǎng)絡(luò)借貸在我國蓬勃發(fā)展，迅速形成了一定的規(guī)模，豐富了金融產(chǎn)品供給，從資產(chǎn)端和負(fù)債端盤活了資金。但是P2P網(wǎng)絡(luò)借貸平臺(tái)在經(jīng)營過程中也存在著征信不足、違約率較高等問題，在一定程度上制約著網(wǎng)絡(luò)借貸平臺(tái)的發(fā)展。為此，加強(qiáng)網(wǎng)絡(luò)借貸平臺(tái)的信用風(fēng)險(xiǎn)管理勢在必行，相關(guān)部門于2016年出臺(tái)了《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動(dòng)管理暫行辦法》，從政策和制度層面對網(wǎng)絡(luò)借貸平臺(tái)的信用風(fēng)險(xiǎn)予以監(jiān)督和控制，從而推動(dòng)我國信用體系的建設(shè)［1］。

一、問題的提出

作為傳統(tǒng)金融的補(bǔ)充，以P2P網(wǎng)絡(luò)借貸為代表的互聯(lián)網(wǎng)金融憑借其高效、便利的優(yōu)勢迅速成為小微企業(yè)融資的重要渠道之一?；ヂ?lián)網(wǎng)金融除了改善金融機(jī)構(gòu)的多樣化，很大程度上彌補(bǔ)了資金供給的缺口，緩解了對小微企業(yè)的信貸配給壓力［2-3］。與此同時(shí)，互聯(lián)網(wǎng)金融以更低的成本提高經(jīng)濟(jì)資源的配置效率來促進(jìn)經(jīng)濟(jì)發(fā)展，這也將產(chǎn)生巨大的社會(huì)效益［4］。以互聯(lián)網(wǎng)為媒介的資金融通成本是融資效率的重要體現(xiàn)［5］，主要包括資金成本和時(shí)間成本兩個(gè)方面。此處的資金成本即借款利率，時(shí)間成本是指借款人在P2P平臺(tái)籌集資金所花費(fèi)的時(shí)間，即從訂單發(fā)起到訂單生成的時(shí)間間隔，也即滿標(biāo)時(shí)間［6］。在2017年6月網(wǎng)貸之家公布的513家P2P平臺(tái)中，剔除數(shù)據(jù)更新不全的15家平臺(tái)，剔除12家滿標(biāo)時(shí)間為0的平臺(tái)，有效數(shù)據(jù)486家平臺(tái)，平均滿標(biāo)時(shí)間為1 583.91分鐘，即借款訂單平均26.40小時(shí)滿標(biāo)，這一融資時(shí)間成本相比傳統(tǒng)資金借貸已顯著減少。P2P網(wǎng)絡(luò)借貸作為一種正規(guī)金融工具的補(bǔ)充，在一定程度上降低了金融媒介的成本，同時(shí)也降低了借貸資金的價(jià)格［7］，緩解了小微企業(yè)融資難問題。

目前，大多數(shù)已有研究主要集中在資金成本，即借款利率。借款利率受到很多因素的影響，借款人信用等級(jí)越高則借款成本越低［8-9］。線上和線下綜合認(rèn)證方式也可以降低借款成本，歷史流標(biāo)次數(shù)相反則有正向影響借款成本的作用［10］。同時(shí)，由于我國P2P網(wǎng)絡(luò)借貸平臺(tái)信息披露質(zhì)量不高，導(dǎo)致網(wǎng)絡(luò)借貸中存在顯著的身份歧視，這種身份歧視直接體現(xiàn)在借款利率的高低上，借款人身份等級(jí)越高，借款成本越低［11］。另外，借款人的主觀認(rèn)知也會(huì)影響借款資金成本。借款人對于系統(tǒng)性風(fēng)險(xiǎn)的認(rèn)知錯(cuò)誤會(huì)導(dǎo)致市場利率低于實(shí)際利率，這種偏差也由于借款人年齡、性別等個(gè)體特征不同而增加了不確定性［12］。P2P網(wǎng)貸借款人中存在的干中學(xué)效應(yīng)使得借款經(jīng)驗(yàn)的增加可以顯著降低借款資金成本［13］。在此基礎(chǔ)上，借款利率也反映了借款人的部分違約風(fēng)險(xiǎn)，即借款利率正向影響借款人違約風(fēng)險(xiǎn)［14］，但更大比例的違約風(fēng)險(xiǎn)反映在其他信息中［15］。

相比之下，對于時(shí)間成本的研究則較少。國外有些學(xué)者分別以平均時(shí)間間隔和PLB（最高借款利率-最低借款利率）為因變量建立Probit模型進(jìn)行分析，發(fā)現(xiàn)熟人投標(biāo)和投標(biāo)數(shù)量對于滿標(biāo)時(shí)間和利率有顯著影響，因此認(rèn)為存在“羊群效應(yīng)”，同時(shí)還發(fā)現(xiàn)貸款人雖然更青睞投標(biāo)數(shù)量多和有朋友投標(biāo)的借款，但他們的利益也隨之被削減了［16］。國內(nèi)也有學(xué)者認(rèn)為投資者的風(fēng)險(xiǎn)識(shí)別能力可以間接地反映在訂單滿標(biāo)時(shí)間上，借款人風(fēng)險(xiǎn)越高則需要更長的時(shí)間成本才能籌措到資金［15］，但該作者以違約風(fēng)險(xiǎn)為解釋變量，以訂單滿標(biāo)時(shí)間為被解釋變量有悖我們一般認(rèn)為的融資時(shí)間順序，即借款訂單生成后才會(huì)有發(fā)生違約的可能性。再者，利差反向影響著借款訂單滿標(biāo)時(shí)間，即利差越大，借款標(biāo)的滿標(biāo)所需時(shí)間越短［17］。同時(shí)，P2P網(wǎng)絡(luò)借貸平臺(tái)作為中介其是否參與籌資也顯著影響著借款人的時(shí)間成本，但對于不同金額和風(fēng)險(xiǎn)的借款，這種影響沒有顯著變化［6］。

綜上所述，現(xiàn)有研究更多關(guān)注融資資金成本以及相關(guān)因素對融資時(shí)間成本的影響，而較少關(guān)注融資時(shí)間成本和違約風(fēng)險(xiǎn)之間的關(guān)聯(lián)關(guān)系。因此，本文將采用國內(nèi)排名前十的某P2P網(wǎng)貸平臺(tái)數(shù)據(jù)實(shí)證分析融資時(shí)間成本對于小微企業(yè)違約風(fēng)險(xiǎn)的識(shí)別效應(yīng)，這一效應(yīng)可以幫助P2P借貸平臺(tái)和放貸人用借貸時(shí)間這一最直接的參數(shù)來識(shí)別借款人的違約風(fēng)險(xiǎn)，同時(shí)指出這種識(shí)別效應(yīng)呈現(xiàn)U型非線性關(guān)系，進(jìn)而可以通過這一指標(biāo)對借款人的違約風(fēng)險(xiǎn)進(jìn)行重點(diǎn)區(qū)分和監(jiān)管，具有重要的實(shí)用價(jià)值。

與已有研究相比，本文貢獻(xiàn)可能體現(xiàn)在以下兩個(gè)方面：第一，區(qū)別于以往采用個(gè)人特征信息、信用信息和訂單信息作為解釋變量，觀測其與違約風(fēng)險(xiǎn)的關(guān)聯(lián)關(guān)系，本文創(chuàng)新地引入借貸時(shí)間成本，即：訂單滿標(biāo)時(shí)間作為解釋變量，研究借貸時(shí)間成本對借款人違約風(fēng)險(xiǎn)的識(shí)別效應(yīng)。相比個(gè)人特征信息、信用信息和訂單信息等大多由借款人提供，訂單滿標(biāo)時(shí)間產(chǎn)生于借貸過程本身，其數(shù)據(jù)更加客觀，有很好的研究價(jià)值。第二，在實(shí)證分析中，本文不僅研究了借貸時(shí)間成本與違約風(fēng)險(xiǎn)的線性關(guān)系，同時(shí)，基于更多的變量之間存在非線性關(guān)系的事實(shí)，本文也系統(tǒng)、深入地研究了借貸時(shí)間成本與違約風(fēng)險(xiǎn)的非線性關(guān)系，分析結(jié)果具有較強(qiáng)的實(shí)踐意義。

二、研究假設(shè)與實(shí)證設(shè)計(jì)

首先，就本文研究的重點(diǎn)借款訂單滿標(biāo)時(shí)間與違約風(fēng)險(xiǎn)的關(guān)系給出相關(guān)假設(shè)，并以此為研究思路進(jìn)行后續(xù)探討；其次，在研究假設(shè)的基礎(chǔ)上，明確模型設(shè)定。

（一）研究假設(shè)

在P2P網(wǎng)絡(luò)借貸中，我們假設(shè)每位投資者都可以在P2P平臺(tái)上搜集信息，例如：借款人的性別、年齡等個(gè)體特征和借款期限、借款用途等借款訂單信息，在相同的時(shí)間面對相同的訂單信息并對相關(guān)訂單借款人的違約概率做出相應(yīng)判斷，進(jìn)而做出是否放貸的決策。這一決策的過程通過借款訂單滿標(biāo)時(shí)間體現(xiàn)出來。由于我們對放貸人風(fēng)險(xiǎn)厭惡的假設(shè)，對于兩個(gè)借款訂單，放貸人總是偏好風(fēng)險(xiǎn)較小的訂單，一方面表現(xiàn)為個(gè)體放貸人在風(fēng)險(xiǎn)較小訂單上投資更多的金額，另一方面表現(xiàn)為有更多的放貸人會(huì)選擇風(fēng)險(xiǎn)較小訂單進(jìn)行投資，這都會(huì)導(dǎo)致訂單滿標(biāo)時(shí)間減少。因此，我們可以提出如下假設(shè)：

假設(shè)1：借款訂單滿標(biāo)時(shí)間越長，該借款訂單違約風(fēng)險(xiǎn)越大。

但是，訂單滿標(biāo)時(shí)間和很多因素有關(guān)，尤其是訂單金額。假設(shè)同一借款人申請了利率、期限相同但金額不同的兩筆借款，一般我們認(rèn)為金額較大的借款需要更多的時(shí)間來籌集，訂單金額越大，訂單風(fēng)險(xiǎn)也越大。因此，我們引入單位借款金額訂單滿標(biāo)時(shí)間，即每融資1元錢所耗費(fèi)的時(shí)間。那么同樣，單位借款金額訂單滿標(biāo)時(shí)間體現(xiàn)的是放貸人對于每放貸1元錢的決策過程的長短，但通過單位借款金額訂單滿標(biāo)時(shí)間來識(shí)別訂單風(fēng)險(xiǎn)便不會(huì)受到訂單金額大小的影響。因此，我們可以提出如下假設(shè)：

假設(shè)2：單位借款金額訂單滿標(biāo)時(shí)間越長，該借款訂單違約風(fēng)險(xiǎn)越大，且單位借款金額訂單滿標(biāo)時(shí)間比訂單滿標(biāo)時(shí)間能更好地識(shí)別訂單違約風(fēng)險(xiǎn)。

由于非線性的普遍存在，我們也會(huì)考慮訂單滿標(biāo)時(shí)間或單位借款金額訂單滿標(biāo)時(shí)間對訂單違約風(fēng)險(xiǎn)是否存在非線性影響。部分學(xué)者通過非線性方法驗(yàn)證了網(wǎng)絡(luò)借貸能否成為實(shí)現(xiàn)普惠金融的有效途徑［18］；也有學(xué)者通過非線性方法檢驗(yàn)了平臺(tái)參與度對借款人融資效率的影響［17］。由于P2P平臺(tái)的羊群效應(yīng)［19］以及放貸人在他人身上學(xué)習(xí)行為的存在［20］，一旦放貸人中有人識(shí)別訂單違約風(fēng)險(xiǎn)作出決策，其他放貸人便會(huì)效仿，由于理性投資人的假設(shè)，那么隨著訂單融資時(shí)間的增加，訂單違約風(fēng)險(xiǎn)會(huì)加速增大。因此，我們提出如下假設(shè)：

假設(shè)3：訂單時(shí)間成本對訂單違約風(fēng)險(xiǎn)存在U型非線性識(shí)別效應(yīng)。

（二）模型設(shè)定

根據(jù)上文，我們可以得到借款訂單滿標(biāo)時(shí)間反映了訂單違約風(fēng)險(xiǎn)的大小，或者在借貸市場均衡時(shí)，通過借款訂單滿標(biāo)時(shí)間我們是可以推測到借款人違約概率的，因此，我們可以得到公式（1）：

在信息對稱且市場均衡的情形下，理性的放貸人在合適的時(shí)間里可以做出正確的決策。因此，同樣的訂單滿標(biāo)時(shí)間應(yīng)該預(yù)示著同樣的違約風(fēng)險(xiǎn)。但借貸市場最大的特征便是信息不對稱，以小微企業(yè)為代表的借款人準(zhǔn)確地知道自身的經(jīng)營情況，而放貸人則無法了解這些關(guān)鍵信息。但放貸人可以通過P2P借貸平臺(tái)提供的借款人個(gè)人特征和借款訂單等信息分析判斷，事實(shí)上訂單滿標(biāo)時(shí)間體現(xiàn)的就是放貸人根據(jù)平臺(tái)提供的已有信息判斷的過程。由于放貸人受到教育、年齡、性別等自身因素的限制，其決策的有效性也會(huì)受到局限，也就是說放貸人并不能有效地利用平臺(tái)提供的信息作出決策，因此那些平臺(tái)提供的但沒有被放貸人有效利用的，除了訂單滿標(biāo)時(shí)間的信息，也蘊(yùn)含著借款人違約風(fēng)險(xiǎn)的潛在因素。因此，我們得到公式（2）：

如果公式（2）訂單其他信息的系數(shù)顯著，說明放貸人受到了自身的局限性未能有效利用平臺(tái)提供的借款人信息，也就是說訂單其他信息中還有尚未被放貸人有效挖掘但能識(shí)別違約風(fēng)險(xiǎn)的潛在因素。

三、數(shù)據(jù)及變量描述

（一）數(shù)據(jù)來源

鑒于網(wǎng)商、私營企業(yè)主是典型的小微企業(yè)，本文選取了國內(nèi)P2P綜合排名前十的某平臺(tái)2015年5月—2016年6月期間的網(wǎng)商和私營企業(yè)主的借款標(biāo)的作為研究對象，共46 500條數(shù)據(jù)樣本，其中，申請借款成功的數(shù)據(jù)樣本為17 389條，剔除訂單滿標(biāo)時(shí)間為0的數(shù)據(jù)122條，有效數(shù)據(jù)樣本共17 267條。

本文所用數(shù)據(jù)分為如下三類：（1）借款人個(gè)人特征，包括：借款人年齡、性別、婚姻狀態(tài)、學(xué)歷、資產(chǎn)狀況、用戶名和所在行業(yè)；（2）借款訂單信息，包括：借款金額、借款期限、借款利率、投標(biāo)人氣、滿標(biāo)時(shí)間以及訂單狀態(tài)；（3）借款人信用信息，包括：成功借款次數(shù)、逾期次數(shù)、逾期金額、信用報(bào)告、工作認(rèn)證、收入認(rèn)證和實(shí)地認(rèn)證；（4）訂單發(fā)生時(shí)間所在月份。

（二）變量描述

1.被解釋變量。本文的被解釋變量為借款訂單狀態(tài)（Status）。由于訂單成功后才有違約的可能，因此本文選取借款成功的數(shù)據(jù)樣本。那么，借款成功訂單的狀態(tài)共有壞賬（Bad_debt）、逾期（Over_due）和還款進(jìn)行中（In_progress）以及訂單結(jié)束（Closed）四種狀態(tài)。本文把借款訂單處于壞賬和逾期兩種狀態(tài)定義為違約訂單，status值為1，否則為0。

2.解釋變量。本文關(guān)注的解釋變量為訂單滿標(biāo)時(shí)間（Time）。訂單滿標(biāo)時(shí)間表示借款人融資時(shí)間成本，被定義為從訂單發(fā)起至訂單生成的時(shí)間間隔，單位為秒，它反映了放貸人分析、使用P2P平臺(tái)信息的過程。訂單滿標(biāo)時(shí)間越短，借款人融資時(shí)間成本越小，融資效率越高，反之亦然。

但是，我們知道訂單滿標(biāo)時(shí)間和該筆訂單申請金額的大小是密切相關(guān)的，因此，出于穩(wěn)健性考慮，本文也會(huì)引入單位借款金額訂單滿標(biāo)時(shí)間（Pertime）作為解釋變量，表示借款人每融資1元錢所耗費(fèi)的時(shí)間，即Pertime=log（Time/Amount）。那么單位借款金額訂單滿標(biāo)時(shí)間越短，則借款人融資時(shí)間成本越小，融資越有效率，反之亦然。由于訂單滿標(biāo)時(shí)間和訂單金額數(shù)值較為分散，本文將Time和Amount都取對數(shù)。

3.控制變量?，F(xiàn)有文獻(xiàn)表明借款人的個(gè)人特征信息、信用信息和訂單信息也會(huì)影響放貸人和P2P借貸平臺(tái)對于借款人違約風(fēng)險(xiǎn)的識(shí)別［21-23］，因此，引入個(gè)人特征信息（BI）、信用信息（CI）、訂單信息（OI）和訂單發(fā)生時(shí)間所在月份（T）作為控制變量。

個(gè)人特征信息（BI），包括借款人年齡、性別、婚姻狀態(tài)、學(xué)歷、資產(chǎn)狀況、用戶名和所在行業(yè)。借款人性別為虛擬變量，0為女性，1為男性；婚姻狀態(tài)有離異、喪偶、已婚和未婚，0為未婚，1為離異或喪偶或已婚；學(xué)歷狀態(tài)有高中及以下、大專、本科和研究生或以上，0為高中及以下，1為大專，2為本科，3為研究生或以上；資產(chǎn)狀況我們用有無房產(chǎn)和房貸來表示，0為無房產(chǎn)，1為有房產(chǎn)；0為無房貸，1為有房貸；用戶名根據(jù)有無漢字分為兩類，0為無漢字，1為有漢字；所在行業(yè)共分為20類，為了研究問題的便利，我們將所在20類行業(yè)按照三大產(chǎn)業(yè)進(jìn)行劃分①借款人所在行業(yè)類別包括：農(nóng)業(yè)、建筑工程、能源業(yè)、制造業(yè)、IT、餐飲/旅館業(yè)、房地產(chǎn)業(yè)、公共事業(yè)、公益組織、交通運(yùn)輸業(yè)、教育/培訓(xùn)、金融/法律、零售/批發(fā)、媒體/廣告、體育/藝術(shù)、醫(yī)療/衛(wèi)生/保健、娛樂服務(wù)業(yè)、政府機(jī)關(guān)、其他以及未提供相關(guān)信息，共20類。根據(jù)三大產(chǎn)業(yè)劃分標(biāo)準(zhǔn)，行業(yè)類別中的農(nóng)業(yè)為第一產(chǎn)業(yè)；建筑工程、能源業(yè)和制造業(yè)為第二產(chǎn)業(yè)，其他類別為第三產(chǎn)業(yè)。，0為沒有提交相關(guān)信息，1為第一產(chǎn)業(yè)，2為第二產(chǎn)業(yè)，3為第三產(chǎn)業(yè)。

信用信息（CI），包括成功借款次數(shù)、逾期次數(shù)、逾期金額、信用報(bào)告、工作認(rèn)證、收入認(rèn)證和實(shí)地認(rèn)證。成功借款次數(shù)、逾期次數(shù)和逾期金額表明借款人過去的客觀信用記錄；信用報(bào)告、工作認(rèn)證、收入認(rèn)證和實(shí)地認(rèn)證表明借款人是否提交相關(guān)認(rèn)證資料，0為沒有提交，1為提交。由于借款人都必須進(jìn)行身份認(rèn)證，因此本文不予考慮。

訂單信息（OI），包括借款金額、借款期限、借款利率和投標(biāo)人氣。其中，投標(biāo)人氣指該訂單中參與投標(biāo)的放貸人人數(shù)。

訂單發(fā)生時(shí)間所在月份（T），1—14分別對應(yīng)2015年5月至2016年6月。詳細(xì)變量及其說明見表1。

在表1的基礎(chǔ)上，我們將申請借款成功的訂單按照訂單狀態(tài)，分為逾期（Over_due）、壞賬（Bad_debt）、還款進(jìn)行中（In_progress）和完結(jié)（Closed）四種，并根據(jù)訂單狀態(tài)分析了成功訂單的分布情況，詳見表2。

在成功借款的訂單中，處于還款中的訂單數(shù)量最多，達(dá)到15 369單，逾期訂單最少，為16單。關(guān)于訂單平均滿標(biāo)時(shí)間，處于還款中的訂單平均值最大，原因在于現(xiàn)在處于還款中的訂單，將來有可能會(huì)成為逾期或者壞賬訂單，也就是說將來可能成為逾期或者壞賬的訂單現(xiàn)在處于按時(shí)還款狀態(tài)。已還款完畢的訂單平均滿標(biāo)時(shí)間為1 703.80秒，大于逾期和壞賬的平均值1 166.94秒和1 657.34秒，這和我們借款用時(shí)越長，違約風(fēng)險(xiǎn)越大的假設(shè)不符。關(guān)于單位借款金額訂單滿標(biāo)時(shí)間，我們同樣重點(diǎn)關(guān)注的是已完結(jié)訂單平均值和逾期、壞賬訂單平均值的比較。已完結(jié)訂單的單位借款金額訂單平均滿標(biāo)時(shí)間為-2.84，小于逾期和壞賬訂單的平均值-1.79和-1.57，這和我們的假設(shè)是相符的。

四、實(shí)證結(jié)果及分析

在前文數(shù)據(jù)描述性分析的基礎(chǔ)上，本文就借款時(shí)間成本與違約風(fēng)險(xiǎn)進(jìn)行深入的實(shí)證研究并驗(yàn)證前文的研究假設(shè)。

表1 變量說明及其描述性統(tǒng)計(jì)

表2 樣本期間成功訂單分布情況

（一）訂單滿標(biāo)時(shí)間（Time）回歸結(jié)果及分析

為了回歸模型的穩(wěn)健性，本文在基礎(chǔ)模型（1）的基礎(chǔ)上，逐漸控制借款人的個(gè)人特征信息（BI）、信用信息（CI）和訂單信息（OI），首先觀察訂單滿標(biāo)時(shí)間對違約風(fēng)險(xiǎn)的識(shí)別效應(yīng)。回歸模型如下：

模型中α為截距項(xiàng)，β為訂單滿標(biāo)時(shí)間的系數(shù)，β＞0說明訂單滿標(biāo)時(shí)間越長，其違約風(fēng)險(xiǎn)越大，反之亦然；γ，包含γ1和γ2為對應(yīng)控制變量的系數(shù)，γ＞0說明訂單違約風(fēng)險(xiǎn)隨控制變量的增大而增加，反之亦然；ε為隨機(jī)項(xiàng)，腳注i表示研究對象的第i個(gè)借款訂單?；貧w結(jié)果如表3所示。

通過表3的回歸結(jié)果，我們可以發(fā)現(xiàn)除了模型（3）和（5），訂單滿標(biāo)時(shí)間系數(shù)顯著為正，說明訂單滿標(biāo)時(shí)間對于違約風(fēng)險(xiǎn)有顯著的識(shí)別效應(yīng)，而且訂單滿標(biāo)時(shí)間越長，訂單違約風(fēng)險(xiǎn)越大，與上文的猜測是一致的。隨著控制變量的加入，當(dāng)控制借款人的個(gè)人信息（BI）或訂單信息（OI）時(shí)，訂單滿標(biāo)時(shí)間對于違約風(fēng)險(xiǎn)依然有顯著的識(shí)別效應(yīng)且系數(shù)仍然為正，同時(shí)McFadden R-squared由0.14增加到0.49和 0.31。 當(dāng)控制借款人信用信息（CI）時(shí)，只有模型（7）和（8）的系數(shù)顯著，而模型（3）和（5）的系數(shù)不顯著，因此，假設(shè)1不成立。但我們發(fā)現(xiàn)模型（3）和模型（5）的McFadden R-squared值較高，分別為0.95和0.96，說明借款人信用信息（CI）對違約風(fēng)險(xiǎn)有識(shí)別效應(yīng)，而對比其他模型，則說明訂單滿標(biāo)時(shí)間和信用信息存在替代效應(yīng)。另外，隨著控制變量類別的增加，訂單滿標(biāo)時(shí)間的系數(shù)有增加的趨勢，并在模型（8）中達(dá)到最大值1.82，說明伴隨控制變量的增加，違約風(fēng)險(xiǎn)對訂單滿標(biāo)時(shí)間的增加越來越敏感。

由于一般借款金額越多，所需要的時(shí)間越長，且通過表3的回歸訂單滿標(biāo)時(shí)間的系數(shù)存在著不穩(wěn)定性，因此我們引入了單位借款金額訂單滿標(biāo)時(shí)間作為解釋變量。

（二）單位借款金額訂單滿標(biāo)時(shí)間（Pertime）回歸結(jié)果及分析

為了回歸的穩(wěn)健性，我們同樣采用逐步加入控制變量的方法，該模型同訂單滿標(biāo)時(shí)間的模型相同，不同之處在于用單位借款金額訂單滿標(biāo)時(shí)間（Pertime）替代訂單滿標(biāo)時(shí)間（Time）作為解釋變量，由于Pertime=log（time/Amount），所以不再引入訂單借款金額（Amount）作為控制變量。相關(guān)回歸結(jié)果如表4所示。

在表4的回歸結(jié)果中，隨著控制變量的增加，單位借款金額訂單滿標(biāo)時(shí)間的系數(shù)始終為正，且都顯著，說明單位借款金額訂單滿標(biāo)時(shí)間具有正向識(shí)別違約風(fēng)險(xiǎn)的作用，即單位借款金額訂單滿標(biāo)時(shí)間越長，則訂單違約風(fēng)險(xiǎn)越大，與表2中的統(tǒng)計(jì)性描述相一致，也意味著單位借款金額訂單滿標(biāo)時(shí)間相比訂單滿標(biāo)時(shí)間具有更好的識(shí)別違約風(fēng)險(xiǎn)的作用，同時(shí)McFadden R-squared值也隨著控制變量的增加而增加并在模型（8）中達(dá)到了最大值，說明單位借款金額訂單滿標(biāo)時(shí)間能識(shí)別部分違約風(fēng)險(xiǎn)，借款人的其他信息也能識(shí)別違約風(fēng)險(xiǎn)，由于模型（3）和（5）的單位借款金額訂單滿標(biāo)時(shí)間系數(shù)依然顯著，說明借款人信用信息在識(shí)別違約風(fēng)險(xiǎn)上已無法替代單位借款金額訂單滿標(biāo)時(shí)間，因此假設(shè)2成立。同樣，單位借款金額訂單滿標(biāo)時(shí)間的系數(shù)在模型（8）中達(dá)到了最大值4.37，說明當(dāng)同時(shí)控制借款人個(gè)人特征信息、信用信息、訂單信息和訂單發(fā)生月份時(shí)，單位借款金額訂單滿標(biāo)時(shí)間稍有增加，借款人的違約概率便有大幅度的上升，風(fēng)險(xiǎn)識(shí)別效應(yīng)顯著。

表3 訂單滿標(biāo)時(shí)間（Time）回歸結(jié)果

（三）單位借款金額訂單滿標(biāo)時(shí)間（Pertime）的非線性回歸

基于非線性的普遍存在，由于假設(shè)1不成立，假設(shè)2成立，下面我們主要研究單位借款金額訂單滿標(biāo)時(shí)間（Pertime）的非線性回歸，回歸模型如下：

模型中β2為單位借款金額訂單滿標(biāo)時(shí)間平方項(xiàng)系數(shù)，β2顯著則說明單位借款金額訂單滿標(biāo)時(shí)間對訂單違約風(fēng)險(xiǎn)的識(shí)別存在非線性效應(yīng)，否則不存在非線性效應(yīng)，其中若β2＞0說明單位借款金額訂單滿標(biāo)時(shí)間對違約風(fēng)險(xiǎn)存在U型非線性識(shí)別效應(yīng)，即隨著單位借款金額訂單滿標(biāo)時(shí)間的增加，訂單違約風(fēng)險(xiǎn)增加的速度逐漸增大；若β2＜0說明單位借款金額訂單滿標(biāo)時(shí)間對違約風(fēng)險(xiǎn)存在倒U型非線性識(shí)別效應(yīng)，即隨著單位借款金額訂單滿標(biāo)時(shí)間的增加，訂單違約風(fēng)險(xiǎn)增加的速度逐漸減小，其他系數(shù)與前文相同?；貧w結(jié)果如表5所示。

在同時(shí)控制借款人的個(gè)人特征信息、信用信息、訂單信息以及訂單發(fā)生月份的前提下，單位借款金額訂單滿標(biāo)時(shí)間一次項(xiàng)系數(shù)為正且顯著，說明單位借款金額訂單滿標(biāo)時(shí)間對于違約風(fēng)險(xiǎn)有正向識(shí)別作用，同時(shí)其二次項(xiàng)系數(shù)也為正且顯著，說明隨著單位借款金額訂單滿標(biāo)時(shí)間的增加，其對違約風(fēng)險(xiǎn)有加速識(shí)別的效應(yīng)，即違約風(fēng)險(xiǎn)增加的速度是逐步增大的，也就是單位金額時(shí)間成本對訂單違約風(fēng)險(xiǎn)存在U型非線性識(shí)別效應(yīng)，因此，假設(shè)3成立。其原因在于放貸人在投標(biāo)過程中存在著羊群效應(yīng)［24］，傾向于模仿之前放貸人的投資行為［25］，尤其是模仿決策行為而忽略其他信息［26］，同時(shí)P2P網(wǎng)絡(luò)借貸市場羊群有理性和非理性羊群之分［20］，這種羊群效應(yīng)通過放貸人的投資決策而間接影響借款人的借款是否成功［27-28］以及時(shí)間成本的大小，當(dāng)非理性羊群占主導(dǎo)時(shí)，顯然沒有被放貸人關(guān)注的訂單，其借款人融資時(shí)間在羊群效應(yīng)的影響下會(huì)更長，即時(shí)間成本更大，在監(jiān)管和違約懲戒制度有待提升以及借款人利益最大化的前提下，借款人后續(xù)違約的可能性就加速增大。

表4 單位借款金額訂單滿標(biāo)時(shí)間（Pertime）回歸結(jié)果

五、穩(wěn)健性分析

為了檢驗(yàn)前文結(jié)果的穩(wěn)健性，我們將前文的訂單滿標(biāo)時(shí)間單位由秒替換為分鐘，由于替換之后的訂單滿標(biāo)時(shí)間有可能為0，所以單位借款金額訂單滿標(biāo)時(shí)間表示為：

以單位借款金額訂單滿標(biāo)時(shí)間為解釋變量，采用模型（8）進(jìn)行回歸分析，得到單位借款金額訂單滿標(biāo)時(shí)間的系數(shù)顯著為正，與前文結(jié)果一致，說明具有較強(qiáng)的穩(wěn)健性。

另外，觀察數(shù)據(jù)樣本描述性統(tǒng)計(jì)分析，控制變量中借款人年齡、逾期金額、借款期限和投標(biāo)人氣標(biāo)準(zhǔn)差均大于1，較為分散。在前文模型中，本文將這四個(gè)控制變量進(jìn)行的是數(shù)量統(tǒng)計(jì)，為了回歸的穩(wěn)健性，另外一種方式是將這四個(gè)控制變量替換為啞變量進(jìn)行回歸分析，但由于受擬完全分離的限制，我們僅將借款人年齡和投標(biāo)人氣替換為啞變量。以中位數(shù)為界，借款人年齡中位數(shù)為38歲，那么借款人年齡小于或等于38歲時(shí)，值為0，大于38歲時(shí)，值為1；同理，投標(biāo)人氣中位數(shù)為62人，若投標(biāo)人氣小于或等于62人時(shí)，值為0，大于62歲時(shí)，值為1。根據(jù)表6第三列穩(wěn)健性回歸結(jié)果，單位借款金額訂單滿標(biāo)時(shí)間系數(shù)顯著為正，與前文結(jié)果一致，結(jié)果依然穩(wěn)健。

表5 單位借款金額訂單滿標(biāo)時(shí)間（Pertime）非線性回歸結(jié)果

六、結(jié)論及啟示

近幾年P(guān)2P網(wǎng)絡(luò)借貸憑借其快速、高效、便捷等優(yōu)勢，作為傳統(tǒng)金融的補(bǔ)充，迅速得到小微企業(yè)甚至個(gè)人的青睞并得到迅猛發(fā)展。同時(shí)，已有研究在借貸行為中更多地關(guān)注借貸的資金成本而忽略時(shí)間成本，因此本文重點(diǎn)關(guān)注了P2P網(wǎng)絡(luò)借貸中小微企業(yè)融資的時(shí)間成本對其違約風(fēng)險(xiǎn)的識(shí)別效應(yīng)。經(jīng)過實(shí)證分析，本文發(fā)現(xiàn)小微企業(yè)融資時(shí)間成本能識(shí)別借款訂單的部分違約風(fēng)險(xiǎn)，其融資時(shí)間成本越大，違約風(fēng)險(xiǎn)就越大，尤以單位借款金額訂單滿標(biāo)時(shí)間作為解釋變量能更好地說明此論點(diǎn)。在此基礎(chǔ)上，借貸時(shí)間成本與訂單違約風(fēng)險(xiǎn)存在U型非線性識(shí)別效應(yīng)，即隨著借貸時(shí)間成本的增加，訂單違約風(fēng)險(xiǎn)加速上升。同時(shí)，本文也發(fā)現(xiàn)訂單的其他信息，即借款人過往的違約次數(shù)和借貸金額以及利率等信息也能識(shí)別部分訂單違約風(fēng)險(xiǎn)。

表6 穩(wěn)健性檢驗(yàn)結(jié)果

本文結(jié)論的理論意義在于通過實(shí)證分析指出小微企業(yè)作為借款人，其融資行為除了受到資金成本的影響，還受到時(shí)間成本的影響，即使P2P網(wǎng)絡(luò)借貸相對傳統(tǒng)金融已顯著縮短了借貸等待時(shí)間，這一影響仍然顯著。以小微企業(yè)為代表的借款人在成本一定的情況下，追求利潤最大化，那么借貸時(shí)間成本的增加使得其在利潤最大化目標(biāo)下選擇違約的可能性也增加。

除此以外，研究形成的結(jié)果也具有一定現(xiàn)實(shí)意義。第一，由于通常我們關(guān)注的是借貸資金成本，P2P網(wǎng)絡(luò)借貸平臺(tái)提供的訂單滿標(biāo)時(shí)間對于廣大放貸人可能只是普通意義上的數(shù)字而已。本實(shí)證研究結(jié)果則說明，訂單滿標(biāo)時(shí)間不僅簡單表明了訂單生成的時(shí)間長短，同時(shí)可以對于違約風(fēng)險(xiǎn)產(chǎn)生很好的識(shí)別效應(yīng)。那么，對于放貸人而言，可以通過訂單滿標(biāo)時(shí)間識(shí)別借款人的潛在風(fēng)險(xiǎn)，有效篩選借款訂單，更好地保全資本；對于P2P網(wǎng)絡(luò)借貸平臺(tái)，可以追蹤訂單滿標(biāo)時(shí)間進(jìn)行有效的監(jiān)控，針對預(yù)期訂單滿標(biāo)時(shí)間過長的借款予以高風(fēng)險(xiǎn)警示，從而更好地降低平臺(tái)風(fēng)險(xiǎn)，提高P2P網(wǎng)絡(luò)借貸效率，在事前有效防范違約行為的發(fā)生，促進(jìn)網(wǎng)絡(luò)借貸的有序進(jìn)行。同時(shí)，本文指出單位借款金額訂單滿標(biāo)時(shí)間相比訂單滿標(biāo)時(shí)間能夠更好地識(shí)別違約風(fēng)險(xiǎn)。因此，建議P2P網(wǎng)絡(luò)借貸平臺(tái)在提供訂單滿標(biāo)時(shí)間信息的基礎(chǔ)上，增加單位借款金額訂單滿標(biāo)時(shí)間指標(biāo)。通過這一指標(biāo)，P2P網(wǎng)絡(luò)借貸平臺(tái)和放貸人可以直觀判斷訂單違約風(fēng)險(xiǎn)的大小，并相應(yīng)加強(qiáng)后續(xù)監(jiān)管。另外，放貸人的“羊群效應(yīng)”使得借貸時(shí)間成本對違約風(fēng)險(xiǎn)存在“U”型非線性識(shí)別效應(yīng)，因此，放貸人應(yīng)充分、有效地利用P2P網(wǎng)絡(luò)借貸平臺(tái)提供的借款人訂單信息和信用信息，做出理性判斷，避免盲目跟從放貸，這樣才能使良好信用的小微企業(yè)借款人花費(fèi)較少的時(shí)間成本獲得融資，避免其違約風(fēng)險(xiǎn)的增加，從而提高P2P網(wǎng)絡(luò)借貸效率。

第二，作為小微企業(yè)，應(yīng)加強(qiáng)規(guī)范企業(yè)經(jīng)營管理，完善信息披露。小微企業(yè)融資難的最根本原因在于小微企業(yè)經(jīng)營管理的不規(guī)范性。這種不規(guī)范性使得資金供給者很難全方位地獲得與小微企業(yè)借款人相關(guān)的真實(shí)信息。因此，小微企業(yè)應(yīng)規(guī)范企業(yè)經(jīng)營管理，為企業(yè)利益相關(guān)者提供多方位了解企業(yè)的渠道。

第三，作為網(wǎng)絡(luò)借貸的信息中介，P2P網(wǎng)絡(luò)借貸平臺(tái)憑借信息共享機(jī)制相比傳統(tǒng)金融機(jī)構(gòu)在緩解信息不對稱方面已有很大的提升，但仍有很大的改進(jìn)空間，可以在此基礎(chǔ)上繼續(xù)完善其信息共享的范圍和深度，例如：針對財(cái)務(wù)制度健全的小微企業(yè)借款人予以合規(guī)、定期公布財(cái)務(wù)報(bào)表。同時(shí)，P2P網(wǎng)絡(luò)借貸平臺(tái)的信息共享也不必拘泥于單一的形式，應(yīng)借助互聯(lián)網(wǎng)技術(shù)上的優(yōu)勢為放貸人全方位、直接了解借款人財(cái)務(wù)狀況提供技術(shù)支撐，創(chuàng)新互聯(lián)網(wǎng)交流方式，充分發(fā)揮借貸橋梁的作用，為借款人和放貸人搭建不同形式的信息溝通平臺(tái)。

第四，傳統(tǒng)金融機(jī)構(gòu)應(yīng)抓住經(jīng)濟(jì)戰(zhàn)略轉(zhuǎn)型機(jī)遇期，主動(dòng)求變，擺脫傳統(tǒng)的路徑依賴，以適應(yīng)新形勢下金融市場的需求。傳統(tǒng)金融機(jī)構(gòu)擁有強(qiáng)大的金融人才儲(chǔ)備和龐大的客戶基礎(chǔ)，應(yīng)以此為契機(jī)在日益激烈的金融市場中掌握最新金融科技，不斷開拓金融市場外沿，提高金融供給效率，實(shí)現(xiàn)對實(shí)體行業(yè)戰(zhàn)略升級(jí)的有效支撐。

第五，就政府而言，應(yīng)制定和完善鼓勵(lì)小微企業(yè)發(fā)展的優(yōu)惠政策體系；規(guī)范和促進(jìn)P2P網(wǎng)絡(luò)借貸平臺(tái)征信體系的建設(shè)。我國小微企業(yè)眾多，是經(jīng)濟(jì)發(fā)展的活力所在，但小微企業(yè)經(jīng)營卻困難重重。因此，政府應(yīng)制定有效針對小微企業(yè)發(fā)展的優(yōu)惠政策，為小微企業(yè)發(fā)展提供保障，同時(shí)促進(jìn)小微企業(yè)轉(zhuǎn)型升級(jí)，從根源上消除對小微企業(yè)的信貸歧視。P2P網(wǎng)絡(luò)借貸使得紓解小微企業(yè)融資困境成為可能，而交易者的信用信息對網(wǎng)絡(luò)借貸的發(fā)展至關(guān)重要，政府應(yīng)促進(jìn)金融科技的發(fā)展，規(guī)范P2P網(wǎng)絡(luò)借貸平臺(tái)建立行之有效的征信體系，降低違約風(fēng)險(xiǎn)，更大程度地保障放款人的權(quán)益。