張 笑 胡金焱

一、引言

近年來，P2P網(wǎng)絡(luò)借貸平臺(tái)發(fā)展迅速，網(wǎng)絡(luò)借貸在給人們帶來更多投資機(jī)會(huì)的同時(shí)，風(fēng)險(xiǎn)問題也日益凸顯。一方面平臺(tái)借助互聯(lián)網(wǎng)技術(shù)能夠以較低的成本獲取信息，另一方面網(wǎng)絡(luò)中存在大量的虛假信息，使得信息可靠性大打折扣。目前，國家要求P2P平臺(tái)作為信息中介，而不是信用中介，如果平臺(tái)不能獲取更多有效的信息或者不能很好地識(shí)別信息的真?zhèn)?，就無法實(shí)現(xiàn)信息中介的職能。為了解決信息不對稱的問題，部分平臺(tái)在線下設(shè)立網(wǎng)點(diǎn)(1)目前，一些P2P平臺(tái)如人人貸、翼龍貸等都紛紛在線下鋪設(shè)網(wǎng)點(diǎn)。其中人人貸截至2018年已在近100個(gè)城市建立了300個(gè)線下網(wǎng)點(diǎn)，而翼龍貸已在全國200多個(gè)城市設(shè)立運(yùn)營中心，各級營業(yè)網(wǎng)點(diǎn)1000余家。方便獲取借款人的有效信息以及貸后追蹤(2)《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》第十六條規(guī)定：網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)在互聯(lián)網(wǎng)、固定電話、移動(dòng)電話等電子渠道以外的物理場所只能進(jìn)行信用信息采集、核實(shí)、貸后跟蹤、抵質(zhì)押管理等風(fēng)險(xiǎn)管理及網(wǎng)絡(luò)借貸有關(guān)監(jiān)管規(guī)定明確的部分必要經(jīng)營環(huán)節(jié)。。理論上貸款人與借款人之間的地理距離越遠(yuǎn)，其信息的收集和監(jiān)測成本就越高，進(jìn)而會(huì)對違約概率產(chǎn)生影響。在網(wǎng)絡(luò)借貸市場中，越來越多的平臺(tái)采取線上線下相結(jié)合的方式進(jìn)行借貸，地理距離是否也會(huì)對借款人的違約風(fēng)險(xiǎn)產(chǎn)生影響，目前尚沒有文獻(xiàn)進(jìn)行分析。

現(xiàn)有文獻(xiàn)對于P2P平臺(tái)能否解決信息不對稱問題存在爭議。由于網(wǎng)絡(luò)借貸大多是純信用借貸，沒有抵押品，部分學(xué)者認(rèn)為P2P平臺(tái)在獲取信息的成本上有優(yōu)勢，且借款人存在聲譽(yù)約束，但是本文認(rèn)為這些因素的作用有限。盡管P2P平臺(tái)網(wǎng)上審核信息的成本很低，但借款人可能存在提供虛假信息和隱瞞重要信息的行為，信息的可靠性很難保證，平臺(tái)在有效信息獲取上并不一定就有優(yōu)勢。所以越來越多的平臺(tái)建立線下網(wǎng)點(diǎn)，用于信息收集和貸后追蹤，以解決信息不對稱問題。

本文有以下創(chuàng)新之處：一是目前的研究較少從實(shí)證的角度去檢驗(yàn)P2P平臺(tái)中是否存在信息不對稱問題，主要是因?yàn)樾畔⒉粚ΨQ程度難以進(jìn)行度量，本文將借款人到平臺(tái)線下網(wǎng)點(diǎn)的距離作為平臺(tái)信息收集和監(jiān)測成本的代理變量來進(jìn)行檢驗(yàn)；二是本文研究發(fā)現(xiàn)借款人距離網(wǎng)點(diǎn)越遠(yuǎn)，違約概率越高，地理距離增加了平臺(tái)監(jiān)測和緩解道德風(fēng)險(xiǎn)的成本，為平臺(tái)防范信用風(fēng)險(xiǎn)、建立合理的貸后審查機(jī)制提供支持；三是本文發(fā)現(xiàn)當(dāng)借款利率由借款人設(shè)定時(shí)，利率不能充分反映借款人的違約風(fēng)險(xiǎn)，而當(dāng)借款利率改為平臺(tái)設(shè)定后，利率可以反映地理距離帶來的違約風(fēng)險(xiǎn)。

本文的結(jié)構(gòu)如下：第二部分為理論分析和研究假設(shè)；第三部分為數(shù)據(jù)來源和變量描述；第四部分為實(shí)證分析；第五部分是結(jié)論。

二、理論分析和研究假設(shè)

在銀行借貸市場中，地理距離對借款人違約率的作用主要是通過影響平臺(tái)獲取信息的成本。在信息不透明的信貸市場中，地理距離會(huì)對銀行獲取和使用私人信息產(chǎn)生影響，距離削弱了貸款人收集借款人軟信息的能力，而地理距離越遠(yuǎn)，貸款人在放貸之前收集信息的成本就越高，信息不對稱程度就越高，這是事前的信息不對稱。貸款人與借款人之間的地理距離越遠(yuǎn)，會(huì)增加貸后監(jiān)測的成本，越無法監(jiān)測借款人的貸后行為，這是事后的信息不對稱。在傳統(tǒng)的民間借貸市場中，地緣和人緣是貸款人考慮的重要因素，這是因?yàn)樵谝欢ǖ牡赜?、人際關(guān)系范圍內(nèi)，民間借貸有其信息優(yōu)勢，這種優(yōu)勢使得貸款人在放貸之前能夠以低成本獲取借款人的信息，同時(shí)在貸后也以較低的成本進(jìn)行管理。

P2P網(wǎng)絡(luò)借貸具有一定的特殊性，以人人貸為例，信用認(rèn)證標(biāo)是在線上進(jìn)行信息審核，線下會(huì)通過網(wǎng)點(diǎn)進(jìn)行貸后管理。這種事前線上審核、事后線下管理的方式使得地理距離會(huì)影響平臺(tái)的貸后信息搜集成本。在市場交易中，當(dāng)事人簽約之后，由于存在信息不對稱問題導(dǎo)致委托人不能直接觀測代理人行為或因觀測成本較高時(shí)，代理人行為的變化使委托人利益受到損害。代理人(借款者)的事后行為將直接影響委托人(出借人)的利益，但是在網(wǎng)絡(luò)借貸市場中，一個(gè)借款人往往對應(yīng)著多個(gè)出借人，出借人很難對借款人的行為進(jìn)行有效管理，而平臺(tái)作為信息中介，貸后追蹤是其應(yīng)盡的責(zé)任。如果不能做好貸后審查工作，借款人就可能利用這種不對稱信息做出對出借人不利的行為選擇，道德風(fēng)險(xiǎn)就此產(chǎn)生。

防范事后信息不對稱的有效方法就是貸后追蹤，但這需要極高的成本，P2P網(wǎng)絡(luò)借貸主要借助互聯(lián)網(wǎng)進(jìn)行線上借貸，大部分平臺(tái)都沒有線下網(wǎng)點(diǎn)，且網(wǎng)絡(luò)借貸跨區(qū)域、廣覆蓋的特征使得借款人分布在全國各地，貸后追蹤很難實(shí)現(xiàn)。即使平臺(tái)擁有線下網(wǎng)點(diǎn)，也只是在少數(shù)城市，不可能像銀行等金融機(jī)構(gòu)那樣廣泛。因此距離網(wǎng)點(diǎn)城市越遠(yuǎn)，平臺(tái)的信息獲取成本就會(huì)越高。例如，兩個(gè)完全相同的借款人A和B，其中A所在地有網(wǎng)點(diǎn)，B距離網(wǎng)點(diǎn)城市較遠(yuǎn)，平臺(tái)對B貸后跟蹤時(shí)就需要支付更高的交通費(fèi)和人工費(fèi)，當(dāng)這個(gè)成本高于平臺(tái)的收益時(shí)(手續(xù)費(fèi)和管理費(fèi))，平臺(tái)就不會(huì)對B貸后追蹤，由于“天高皇帝遠(yuǎn)”，借款人B更容易發(fā)生道德風(fēng)險(xiǎn)。此外，即使兩個(gè)借款人都在同一城市，借款金額不同也會(huì)影響平臺(tái)是否貸后追蹤，當(dāng)借款金額較低時(shí)，即使借款人距離網(wǎng)點(diǎn)很近，由于成本較高平臺(tái)選擇監(jiān)測則無法獲得收益，此時(shí)平臺(tái)不會(huì)進(jìn)行貸后管理；而當(dāng)借款金額較高時(shí)，即使借款人距離網(wǎng)點(diǎn)較遠(yuǎn)，平臺(tái)監(jiān)測依然可以獲得收益，此時(shí)平臺(tái)會(huì)進(jìn)行貸后管理。目前，國家要求P2P平臺(tái)遵守“小額分散”的原則，而小額借貸可能導(dǎo)致平臺(tái)獲取信息和貸后追蹤的相對成本較高，信息不對稱問題就越嚴(yán)重。

利率作為資金的價(jià)格，在一定程度上反映了借款人的信用風(fēng)險(xiǎn)水平，借款人的違約風(fēng)險(xiǎn)越高，出借人要求補(bǔ)償?shù)娘L(fēng)險(xiǎn)溢價(jià)就越高，利率水平就越高。在市場化利率下，當(dāng)利率達(dá)到均衡時(shí)可以反映借款人的所有風(fēng)險(xiǎn)，即借款人所在地距離越遠(yuǎn)，其違約風(fēng)險(xiǎn)越高，則借款利率越高。此外，由于存在監(jiān)督成本，距離遠(yuǎn)的借款人可能需要支付一個(gè)更高的利率。本文基于上述分析，本文提出以下假設(shè)：

假設(shè)1：借款人距離線下網(wǎng)點(diǎn)越遠(yuǎn)，其違約概率越高。

假設(shè)2：借款人距離線下網(wǎng)點(diǎn)越遠(yuǎn)，其借款利率越高。

三、數(shù)據(jù)來源和變量描述

本文數(shù)據(jù)來自P2P網(wǎng)絡(luò)借貸平臺(tái)人人貸，從2010年10月19日至2016年12月31日(20)由于人人貸在2017年1月以后就沒有信用認(rèn)證標(biāo)，所以本文的樣本只能到2016年12月31日。所有已還清、已違約的數(shù)據(jù)。由于平臺(tái)中的標(biāo)的包括了實(shí)地認(rèn)證、機(jī)構(gòu)擔(dān)保等形式，而這些標(biāo)的相當(dāng)于為借款人提供了擔(dān)保，因此本文對樣本進(jìn)行處理，剔除實(shí)地認(rèn)證標(biāo)、機(jī)構(gòu)擔(dān)保標(biāo)和智能理財(cái)標(biāo)，僅使用信用認(rèn)證標(biāo)作為研究樣本。在剔除缺失值和異常值之后，本文最終的樣本為25744個(gè)標(biāo)的，其中已還清的筆數(shù)為21627，違約的筆數(shù)為4117個(gè)。

(一)被解釋變量

本文的被解釋變量為借款人是否違約，人人貸中顯示的借款狀態(tài)為借款失敗、已還清、還款中、嚴(yán)重逾期和已墊付。其中當(dāng)借款人逾期天數(shù)大于30天時(shí)，借款人的狀態(tài)為嚴(yán)重逾期，已墊付是指對于一些逾期時(shí)間過久的借款，平臺(tái)可能會(huì)墊付。本文違約的數(shù)據(jù)是指借款狀態(tài)為嚴(yán)重逾期或者已墊付的標(biāo)的，賦值為1；沒有違約的數(shù)據(jù)是指已還清的標(biāo)的，賦值為0。

(二)關(guān)鍵解釋變量

人人貸采取線上和線下相結(jié)合的方式，線下與人人友信合作設(shè)立網(wǎng)點(diǎn)。本文以借款人工作所在地到本省網(wǎng)點(diǎn)城市的距離作為平臺(tái)信息獲取成本的代理變量，部分省份在多個(gè)城市有網(wǎng)點(diǎn)(21)以下省份擁有多個(gè)網(wǎng)點(diǎn)：遼寧(沈陽和大連)，山東(濟(jì)南、煙臺(tái)和青島)，江蘇(南京和蘇州)，福建(福州和廈門)，廣東(廣州和深圳)，貴州(貴陽和遵義)。這些省份均選取借款人所在城市到最近的網(wǎng)點(diǎn)城市的距離。，我們使用最近的距離，同時(shí)，新疆、西藏和寧夏均沒有網(wǎng)點(diǎn)。我們認(rèn)為省會(huì)城市交通更為便利，其信息獲取成本也應(yīng)小于本省其他城市，所以這三個(gè)自治區(qū)使用到省會(huì)城市的距離。Chen使用鐵路距離和機(jī)場距離作為兩城市間的實(shí)際距離，由于部分城市沒有機(jī)場，所以本文使用兩城市間的鐵路距離(22)各城市間距離的數(shù)據(jù)來自于www.huochepiao.net。(千公里)。若借款人距離網(wǎng)點(diǎn)越遠(yuǎn)，平臺(tái)信息獲取成本越高，就越難觀測到借款人的貸后行為，信息不對稱問題就越嚴(yán)重。

(三)控制變量

本文從4個(gè)角度去考慮控制變量：借款信息、借款人特征、借款人資產(chǎn)以及借款人信用。借款信息包括借款利率、借款金額和借款期限等3個(gè)變量，借款人特征包括年齡、婚姻狀況和受教育程度等3個(gè)變量。具體來說，借款人未婚、離異和喪偶賦值為1，已婚賦值為0；按照借款人受教育程度的高低依次賦值，高中或以下賦值1、大專賦值2、本科賦值3、研究生或以上賦值4。借款人資產(chǎn)包括收入、有無房產(chǎn)和有無車產(chǎn)等3個(gè)變量，根據(jù)人人貸的數(shù)據(jù)將收入分為7個(gè)等級，收入為1000元以下賦值1，1001-2000元賦值2、2000-5000元賦值3、5000-10000元賦值4、10000-20000元賦值5、20000-50000元賦值6、50000元以上賦值7。借款人有房產(chǎn)賦值為1、沒有賦值為0、有車產(chǎn)賦值為1、沒有賦值為0。借款人的信用狀況為借款人的信用等級，平臺(tái)根據(jù)借款人提交的材料全面審核，并根據(jù)審核結(jié)果給出對應(yīng)的信用評級，信用評級從高到低依次為AA、A、B、C、D、E、HR。本文將信用評級為HR的賦值為1、E賦值2、D賦值3、C賦值4、B賦值5、A賦值6、AA賦值7。此外，人人貸在2014年12月進(jìn)行了較大幅度改版，為避免平臺(tái)改版帶來的影響，本文設(shè)置時(shí)間虛擬變量，若借款人在2015年1月1日以前貸款的賦值為0，2015年1月1日以后貸款的賦值為1。表1為各變量的變量說明。

表1變量說明

四、實(shí)證分析

首先需要檢驗(yàn)借款人到網(wǎng)點(diǎn)的距離是否會(huì)影響違約概率，本文中的被解釋變量為0，1變量，且數(shù)據(jù)類型為橫截面數(shù)據(jù)，本文使用Probit模型進(jìn)行研究，模型的回歸形式為：

(1)

(一)基準(zhǔn)回歸結(jié)果及解釋

表2為地理距離對借款人違約概率的影響，回歸(1)為單獨(dú)回歸的實(shí)證結(jié)果，顯示借款人到網(wǎng)點(diǎn)的距離與借款人違約概率顯著正相關(guān)，說明借款人距網(wǎng)點(diǎn)越遠(yuǎn)，其違約概率越高?；貧w(2)為控制其他變量的情況下，地理距離對違約率的影響，與原結(jié)果一致。根據(jù)理論分析，借款人到網(wǎng)點(diǎn)的距離與平臺(tái)信息獲取成本正相關(guān)，距離越遠(yuǎn)，平臺(tái)監(jiān)測時(shí)需要支付的費(fèi)用越高。而平臺(tái)的信息獲取成本越高，平臺(tái)越不會(huì)對借款人進(jìn)行貸后追蹤，由于“天高皇帝遠(yuǎn)”，借款人與平臺(tái)之間的信息不對稱問題就越嚴(yán)重，其違約率也就越高。因此，假設(shè)1是正確的。

表2地理距離對借款人違約風(fēng)險(xiǎn)的影響(基于Probit模型的回歸)

注：***、**和*分別表示變量在1%、5%和10%的水平上顯著，括號內(nèi)表示z-Statistic。以下各表含義相同。

(二)不同借款金額下地理距離對違約率的影響

根據(jù)前文的理論分析，地理距離越遠(yuǎn)，平臺(tái)的信息獲取成本就越高。但平臺(tái)是否選擇監(jiān)測不僅取決于絕對成本，還取決于相對成本。比如有兩個(gè)借款人a和b在同一座城市，a的借款金額為La，b的借款金額為Lb，且La>Lb，其他條件均相同。平臺(tái)網(wǎng)點(diǎn)到該城市的信息獲取成本為C，同時(shí)平臺(tái)收取費(fèi)率為f的手續(xù)費(fèi)。只有當(dāng)Lbf-C>0時(shí)，平臺(tái)才會(huì)對兩個(gè)借款人進(jìn)行監(jiān)測，如果Lbf-C<0且Laf-C>0，平臺(tái)只會(huì)對借款人a監(jiān)測，如果Laf-C<0，平臺(tái)均不會(huì)監(jiān)測。不同的借款金額其相對信息獲取成本也不同，借款金額越小，相對信息獲取成本越大，平臺(tái)越不會(huì)進(jìn)行貸后追蹤，信息不對稱問題就越嚴(yán)重。

本文按照借款金額在20000元以下、20000- 50000元以及50000元以上分組回歸?；貧w(3)、(4)、(5)為不同金額下，借款人到網(wǎng)點(diǎn)的距離對違約概率的影響。表3結(jié)果顯示借款金額在20000元以下以及20000- 50000元時(shí)，借款人距離網(wǎng)點(diǎn)越遠(yuǎn)，違約概率越高，而借款金額在50000元以上的不顯著。這與理論分析是一致的，借款金額越小，其相對信息獲取成本越大，平臺(tái)越不會(huì)選擇監(jiān)測，越容易造成信息不對稱。當(dāng)借款金額較大時(shí)，平臺(tái)的收益較大，且若借款人違約會(huì)給借款人帶來較大的損失，所以平臺(tái)才有動(dòng)力進(jìn)行監(jiān)測。

目前，國家要求P2P平臺(tái)堅(jiān)持“小額分散”的經(jīng)營策略，防范信貸集中風(fēng)險(xiǎn)，但如果不能解決市場中的信息不對稱問題，小額借貸也會(huì)提高平臺(tái)貸后監(jiān)測的相對成本，使得借款人違約風(fēng)險(xiǎn)上升，不利于平臺(tái)自身的發(fā)展。

表3不同借款金額下地理距離對違約率的影響(基于Probit模型的回歸)

(三)改版前后地理距離對違約率的影響

至此，本文研究發(fā)現(xiàn)P2P平臺(tái)中借款人距離網(wǎng)點(diǎn)越遠(yuǎn)，違約概率越高。人人貸在2014年12月底對平臺(tái)進(jìn)行了大幅度改版，平臺(tái)重新調(diào)整了信用標(biāo)借貸的規(guī)則，使得信用借貸的審核標(biāo)準(zhǔn)更為嚴(yán)格，大幅度地增加了AA和A信用等級的人數(shù)，利率由借款人自己設(shè)定改為平臺(tái)設(shè)定。本文考慮平臺(tái)能不能通過線上改版來解決信息不對稱問題。

由于樣本是截面數(shù)據(jù)，本文只能逐年回歸。將樣本按照借款人的借款時(shí)間劃分為兩個(gè)時(shí)間段：2015年以前(2010年10月19到2014年12月31日)和2015年以后(2015年1月1日到2016年12月31日)，從而研究在平臺(tái)改版前后借款人到網(wǎng)點(diǎn)的距離與違約概率的關(guān)系。

表4為回歸結(jié)果，2015年以前和2015年以后的樣本均為借款人到網(wǎng)點(diǎn)距離越遠(yuǎn)違約概率越高。P2P平臺(tái)作為信息中介，向出借人提供有效信息，解決借貸雙方信息不對稱的問題，撮合兩者交易。信息不對稱的存在使得出借人的利益受到損失，目前來看，平臺(tái)僅通過線上改版無法徹底解決這一問題。

表4改版前后地理距離對違約率的影響(基于Probit模型的回歸)

(四)借款利率與地理距離的關(guān)系

在借貸市場中，利率表示信貸資金的價(jià)格，借款人的風(fēng)險(xiǎn)越高，就需要支付一個(gè)更高的風(fēng)險(xiǎn)溢價(jià)，即利率越高，那么信息不對稱的風(fēng)險(xiǎn)是否反映在利率之中了呢？本文進(jìn)一步研究借款人到網(wǎng)點(diǎn)的距離對借款利率的影響，回歸模型如(2)所示，其中R表示借款利率。

Ri=β0+β1Distancei+∑βnControli+μi

(2)

由于借款利率不是二值選擇變量，本文使用OLS進(jìn)行回歸，表5為回歸結(jié)果?；貧w(8)的結(jié)果顯示，借款人到網(wǎng)點(diǎn)的距離越遠(yuǎn)，其借款利率反而越低，說明利率并沒有充分反映借款人潛在的違約風(fēng)險(xiǎn)，假設(shè)2錯(cuò)誤。

本文考慮到2014年底平臺(tái)改版前后的利率定價(jià)機(jī)制有較大變化，改版前利率是由借款人自己設(shè)定，改版以后利率是由平臺(tái)設(shè)定，因此進(jìn)一步將樣本按照借款人的借款時(shí)間分組?；貧w(9)和回歸(10)分別為改版前和改版后的回歸結(jié)果，可以看出在平臺(tái)改版以前，借款人到網(wǎng)點(diǎn)的距離越遠(yuǎn)，其借款利率越低，說明利率不能反映地理距離帶來的違約風(fēng)險(xiǎn)。由于借款利率是由借款人自己設(shè)定的，在這種非完全市場化利率機(jī)制下，有相當(dāng)高比例的違約風(fēng)險(xiǎn)未被反映在利率當(dāng)中。在平臺(tái)改版以后，借款利率是由平臺(tái)設(shè)定的，此時(shí)借款人所在地距離網(wǎng)點(diǎn)越遠(yuǎn)，借款利率越高，借款人的違約風(fēng)險(xiǎn)能夠反映在利率中，說明平臺(tái)在利率設(shè)定上考慮了借款人所在地到網(wǎng)點(diǎn)的距離。

表5地理距離對借款利率的影響(基于OLS的回歸)

(五)穩(wěn)健性檢驗(yàn)

盡管本文的關(guān)鍵解釋變量借款人到網(wǎng)點(diǎn)的距離(借款人工作所在地到本省網(wǎng)點(diǎn)城市的距離)為外生變量，但可能存在以下三種情況使得實(shí)證結(jié)果出現(xiàn)偏誤。

(1)本文使用借款人到網(wǎng)點(diǎn)的距離作為衡量平臺(tái)信息獲取成本的代理變量，因?yàn)榫嚯x越遠(yuǎn)平臺(tái)信息獲取成本越高，但是距離越遠(yuǎn)平臺(tái)上門催債的成本也越高，而催債成本可能會(huì)影響違約概率。比如A城市有網(wǎng)點(diǎn)，B城市沒有網(wǎng)點(diǎn)，若平臺(tái)不上門催債，A與B的違約概率一樣，由于A城市有網(wǎng)點(diǎn)其上門催債的成本較低，在借款金額相同時(shí)，平臺(tái)可能只對A城市的貸款進(jìn)行催債，而B城市的成本較高平臺(tái)不選擇催債，最終使得A城市的違約率低于B城市。在這種情況下，距離網(wǎng)點(diǎn)越遠(yuǎn)違約概率越高，不是由于信息不對稱引起的，而是催債成本不同導(dǎo)致的?？紤]兩種情況：一種是借款人先逾期(逾期小于30天的)，借款人再違約(本文定義逾期超過30天或平臺(tái)已墊付的是違約)，最后平臺(tái)上門催債；另一種是借款人先逾期，平臺(tái)上門催債，借款人選擇違約。如果是第一種情況催債成本不會(huì)影響借款人的違約概率，因?yàn)榻杩钊诉`約發(fā)生在催債之前，此時(shí)借款狀態(tài)已經(jīng)確定了，不管平臺(tái)能否追回貸款，借款人都是違約。如果是第二種情況，上門催債發(fā)生在借款人是否違約之前，若平臺(tái)追回貸款，則會(huì)對借款狀態(tài)產(chǎn)生影響。所以平臺(tái)是否上門催債可能會(huì)對違約概率產(chǎn)生影響。由于不知道人人貸是借款人逾期后立刻上門催債，還是借款人違約后上門催債，如果是前者則會(huì)對本文的實(shí)證結(jié)果產(chǎn)生影響。因此催債成本會(huì)影響平臺(tái)是否上門催債，而是否催債對違約率可能有影響，但可以確定的是借款人是否逾期一定發(fā)生在平臺(tái)催債之前，所以催債不會(huì)對逾期率產(chǎn)生影響。本文把被解釋變量替換為借款人是否逾期，若借款人發(fā)生過逾期賦值為1，沒有發(fā)生過逾期賦值為0。回歸(11)為實(shí)證結(jié)果，借款人到網(wǎng)點(diǎn)的距離越遠(yuǎn)其逾期率越高，與原結(jié)果一致。

(2)本文使用的借款人與平臺(tái)之間的距離為兩個(gè)城市間的鐵路距離，對于部分距離較短城市來說，汽車是最方便的出行方式，為了使回歸結(jié)果更穩(wěn)健，我們用兩個(gè)城市間的行車距離作為平臺(tái)信息獲取成本的代理變量，所用數(shù)據(jù)來自百度地圖。回歸(12)為實(shí)證結(jié)果，借款人工作所在地到網(wǎng)點(diǎn)城市的公路距離越遠(yuǎn)，違約概率越高，與原回歸結(jié)果一致。

(3)2016年銀監(jiān)會(huì)出臺(tái)的《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》中明確規(guī)定同一自然人在同一網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)平臺(tái)的借款余額上限不超過人民幣20萬元，為了確保回歸結(jié)果的穩(wěn)健性，本文剔除了借款金額在20萬以上的樣本?；貧w(13)為實(shí)證結(jié)果，借款人距離網(wǎng)點(diǎn)越遠(yuǎn)，違約概率越高，與原回歸結(jié)果一致。穩(wěn)健性檢驗(yàn)的實(shí)證結(jié)果如表6所示。

表6穩(wěn)健性檢驗(yàn)的實(shí)證結(jié)果(基于Probit模型的回歸)

五、結(jié)論和建議

本文將借款人工作所在地到線下網(wǎng)點(diǎn)的距離作為平臺(tái)信息獲取成本的代理變量，使用人人貸2010年10月至2016年12月的交易數(shù)據(jù)，運(yùn)用Probit模型，研究了地理距離對借款人違約率的影響，得出如下結(jié)論：(1)借款人到網(wǎng)點(diǎn)的距離越遠(yuǎn)，違約概率越高。借款人到網(wǎng)點(diǎn)的距離與平臺(tái)的信息獲取成本正相關(guān)，距離越遠(yuǎn)，平臺(tái)監(jiān)測時(shí)需要支付的費(fèi)用越高。信息獲取成本越高，平臺(tái)越無法觀測到借款人的行為，借款人更容易造成事后的信息不對稱。(2)只有借款金額較小時(shí)，借款人離平臺(tái)網(wǎng)點(diǎn)越遠(yuǎn)，其違約概率越高。不同的借款金額其相對信息獲取成本也不同，借款金額越小，相對信息獲取成本越大，信息不對稱問題越嚴(yán)重。(3)盡管平臺(tái)通過各種手段提高對借款人的線上審核力度，但目前平臺(tái)還無法徹底解決信息不對稱問題。(4)平臺(tái)改版前借款利率不能充分反映借款人的違約風(fēng)險(xiǎn)，但在平臺(tái)改版后利率可以反映借款人違約風(fēng)險(xiǎn)。最后本文考慮其他可能會(huì)對實(shí)證結(jié)果產(chǎn)生影響的因素，通過穩(wěn)健性檢驗(yàn)說明原結(jié)果是可靠的。根據(jù)本文所得結(jié)論，提出如下建議：

第一，發(fā)展線下網(wǎng)點(diǎn)，加強(qiáng)貸后跟蹤。解決道德風(fēng)險(xiǎn)問題的有效方法就是貸后追蹤，平臺(tái)一方面可以擴(kuò)大線下網(wǎng)點(diǎn)，另一方面可以與當(dāng)?shù)氐慕鹑跈C(jī)構(gòu)(如小額貸款公司等)合作，降低貸后信息獲取成本，定期對借款人的財(cái)務(wù)狀況、資金使用情況等信息跟蹤調(diào)查。

第二，對于平臺(tái)中的信用標(biāo)的，投資人一定要小心謹(jǐn)慎、仔細(xì)審查，盡量選擇那些提供了較多信息，且進(jìn)行了認(rèn)證的借款人，同時(shí)也應(yīng)注意借款人所在地是否有平臺(tái)的線下網(wǎng)點(diǎn)，從而可以降低信息不對稱所帶來的風(fēng)險(xiǎn)。

第三，建立信息共享機(jī)制。由于各個(gè)平臺(tái)的信息是相互獨(dú)立的，形成了信息孤島的問題。通過信息共享可以避免借款人在多個(gè)平臺(tái)借貸的行為，同時(shí)對于違約客戶建立黑名單制度，可以提高借款人的違約成本，有效防范借款人的信用違約風(fēng)險(xiǎn)。