董辰珂

(清華大學(xué) 五道口金融學(xué)院，北京 100083)

0 引言

當(dāng)前網(wǎng)絡(luò)借貸的發(fā)展已經(jīng)進(jìn)入新的歷史階段，對網(wǎng)絡(luò)借貸的研究逐漸引起學(xué)術(shù)界的重視。網(wǎng)絡(luò)借貸提供的獨(dú)特?cái)?shù)據(jù)結(jié)構(gòu)為研究社會、經(jīng)濟(jì)、金融問題提供了新的樣本，如長相偏好[2]、羊群行為[3]、本土偏好[4]等。這一類研究利用網(wǎng)絡(luò)借貸的數(shù)據(jù)特點(diǎn)研究了原本難以界定的問題。

網(wǎng)絡(luò)借貸作為一項(xiàng)金融創(chuàng)新，在發(fā)展過程中經(jīng)歷了探索與變革的過程。平臺對自身風(fēng)險和機(jī)制設(shè)計(jì)的認(rèn)識逐漸深入，許多網(wǎng)絡(luò)借貸平臺的利率定價機(jī)制逐漸發(fā)生演變。伴隨著網(wǎng)絡(luò)借貸的現(xiàn)實(shí)發(fā)展，學(xué)者們逐漸深入對網(wǎng)絡(luò)借貸的學(xué)術(shù)研究，開始關(guān)注網(wǎng)絡(luò)借貸所體現(xiàn)的機(jī)制特點(diǎn)。利率定價是網(wǎng)絡(luò)借貸機(jī)制設(shè)計(jì)的核心，體現(xiàn)了金融的本質(zhì)——對風(fēng)險的定價。好的機(jī)制應(yīng)當(dāng)能夠降低信息不對稱，提高交易效率并降低運(yùn)營成本。網(wǎng)絡(luò)借貸的利率定價機(jī)制演變值得學(xué)術(shù)研究，這類演變孰優(yōu)孰劣需要公正的評判。

美國領(lǐng)先的網(wǎng)絡(luò)借貸平臺Prosper曾發(fā)生過利率定價機(jī)制的變化。2010年12月20日，Prosper未加預(yù)期的將原先的利率定價的競價拍賣(auction，投資人根據(jù)貸款人信用評級進(jìn)行利率競價)轉(zhuǎn)變?yōu)槠脚_標(biāo)價(postedprice，平臺根據(jù)貸款人信用狀況標(biāo)定利率)。Wei和Lin記錄并分析了這次變化。他們對利率定價機(jī)制變更前后四個月的初始利率、成交利率、成交率和違約率進(jìn)行傾向性分?jǐn)?shù)匹配對比分析，發(fā)現(xiàn)競價轉(zhuǎn)變?yōu)闃?biāo)價后，成交利率和成交率均高于標(biāo)價時期，相應(yīng)的違約率也高于標(biāo)價時期。但是由于平臺賺取的是成交服務(wù)費(fèi)，且不承擔(dān)違約風(fēng)險，所以機(jī)制變更后的平臺的凈收益是正的。文章也考察了投資人投注行為的變化，發(fā)現(xiàn)競價轉(zhuǎn)變?yōu)闃?biāo)價后，羊群效應(yīng)有所減弱，這說明投資人更少的觀察、跟隨其他人的行動，投標(biāo)更快且投標(biāo)金額更大。這說明Prosper的利率定價機(jī)制變化確實(shí)帶來了各參與方的行為變化。由于Prosper的收益來源于對每筆貸款收取的服務(wù)費(fèi)或者分成，因此變更利率定價機(jī)制的出發(fā)點(diǎn)是提高成交速度或者提高成交率，這一變更被證明是有效的，標(biāo)價機(jī)制延續(xù)至今。

在我國，網(wǎng)絡(luò)借貸也經(jīng)歷了一系列探索和變革，并發(fā)展出與美國網(wǎng)絡(luò)借貸不同的機(jī)制特點(diǎn)。以人人貸為例，人人貸是我國排名前三的網(wǎng)絡(luò)借貸平臺，截止到2017年2月7日，累計(jì)成交額超過257億元，累計(jì)交易2932萬人次，累計(jì)為用戶賺取收益24億元。從交易額、投資人數(shù)、借款人數(shù)到運(yùn)營年限都在國內(nèi)具有代表性。本文將以人人貸為例探索國內(nèi)網(wǎng)絡(luò)借貸平臺利率定價機(jī)制發(fā)生變化的特點(diǎn)。由于中美兩國網(wǎng)絡(luò)借貸發(fā)展環(huán)境的不同，人人貸和Prosper的機(jī)制設(shè)計(jì)導(dǎo)致了不同的行為特點(diǎn)，表1簡述了兩個平臺交易設(shè)計(jì)的異同。

表1 Prosper.com與人人貸交易設(shè)計(jì)的異同

人人貸的貸款流程分為申貸、交易、貸后三個環(huán)節(jié)。借款人向人人貸申請借貸，提交自己的信用證明和各項(xiàng)信息描述，在平臺給定的利率范圍內(nèi)自行選擇符合自身風(fēng)險水平的利率。平臺從所有借款申請人中根據(jù)提交的各項(xiàng)信息進(jìn)行審核篩選，將合格借款人的標(biāo)的公布上網(wǎng)，供投資人選擇。平臺依據(jù)成交貸款收取服務(wù)費(fèi)。投資人自行選擇符合自身風(fēng)險偏好的貸款，并決定投注金額。如果貸款如期還款，則投資人獲得約定收益；如果借款人逾期或者違約，則由平臺和投資人共同承擔(dān)損失。其中平臺承擔(dān)大頭損失，向投資人賠償本金墊付，平臺向借款人另行催債；投資人自行承擔(dān)剩余利息損失，相當(dāng)于本金的機(jī)會成本。

Prosper的機(jī)制設(shè)計(jì)中，平臺對交易干涉較少，交易行為主要以借款人和投資人為主導(dǎo)；人人貸屬于平臺主導(dǎo)型網(wǎng)絡(luò)借貸，平臺是識別和承擔(dān)風(fēng)險的主體?？梢哉f平臺主導(dǎo)是我國特有的網(wǎng)絡(luò)借貸形式，在國際上具有的獨(dú)特性。但由于國內(nèi)金融環(huán)境的“隱形剛兌”特點(diǎn)，平臺主導(dǎo)型的網(wǎng)絡(luò)借貸在國內(nèi)具有代表性。

人人貸于2014年12月19日平臺變更了利率定價機(jī)制，具體的變化體現(xiàn)在收窄了借款人可選利率區(qū)間，使得借款人在對自身風(fēng)險定價利率的范圍變小。這一變化同時引起了平臺、借款人和投資人行為的變化，并對平臺風(fēng)險產(chǎn)生了相應(yīng)影響。一般來說，平臺進(jìn)行機(jī)制變更通常基于提高交易效率、減低運(yùn)營成本等因素考慮，我們假設(shè)人人貸調(diào)整利率區(qū)間是出于良好的出發(fā)點(diǎn)。因此，收窄利率區(qū)間是否能降低信息不對稱，提高風(fēng)險識別效率是作者關(guān)注的問題。這次利率定價機(jī)制的調(diào)整及產(chǎn)生的影響尚未有學(xué)者予以記錄和分析。網(wǎng)絡(luò)借貸作為新興發(fā)展又處在成長階段的借貸市場，需要規(guī)范的學(xué)術(shù)研究對其利率定價機(jī)制進(jìn)行剖析。由于樣本平臺與Prosper的平臺機(jī)制性質(zhì)不同，“中國特色”環(huán)境下的利率機(jī)制變化在Prosper也未曾出現(xiàn)，本文豐富了網(wǎng)絡(luò)借貸領(lǐng)域關(guān)于利率定價機(jī)制的文獻(xiàn)。

從實(shí)踐角度來說，利率定價機(jī)制是國內(nèi)網(wǎng)絡(luò)借貸平臺共同面對的問題。有業(yè)者認(rèn)為國內(nèi)網(wǎng)絡(luò)借貸平臺的利率定價機(jī)制存在較大缺陷，利率定價未能充分實(shí)現(xiàn)市場定價，不能體現(xiàn)貸款風(fēng)險。造成這一問題的原因是多樣的，如網(wǎng)絡(luò)借貸平臺尚未形成大規(guī)模信用風(fēng)險數(shù)據(jù)，難以設(shè)計(jì)有效定價機(jī)制，也有業(yè)者認(rèn)為即使累積了足夠風(fēng)險數(shù)據(jù)，平臺自身能力有限，也難以進(jìn)行效率定價設(shè)計(jì)。因此本文對于人人貸的利率定價研究將對這次演變進(jìn)行評價分析，從而為網(wǎng)絡(luò)借貸平臺的利率定價機(jī)制演變進(jìn)行評價和建議。

文章余下部分將安排如下：第一部分推導(dǎo)基本假設(shè)；第二部分為數(shù)據(jù)描述及變量定義；第三部分為實(shí)證結(jié)果；第四部分為穩(wěn)健性檢驗(yàn)；第五部分探討利率標(biāo)準(zhǔn)差的意義；第六部分為結(jié)論和建議。

1 基本假設(shè)

1.1 利率定價機(jī)制簡述

人人貸成立于2010年5月，目前人人貸累積實(shí)現(xiàn)交易額超過257億，是中國排名前三的P2P網(wǎng)絡(luò)借貸平臺。截止到2016年10月，人人貸共成交信用標(biāo)的29232筆。信用標(biāo)是指借款人無需向平臺抵押物資，通過向平臺提交貸款訴求、信用情況、個人信息等，獲得投資人貸款的網(wǎng)絡(luò)借貸形式。本研究使用人人貸的信用標(biāo)的數(shù)據(jù)，由于利率區(qū)間收窄發(fā)生在2014年12月19日，因此本文選擇該日前后三個月的數(shù)據(jù)信息。本文選用的數(shù)據(jù)來自清華大學(xué)五道口金融學(xué)院互聯(lián)網(wǎng)金融實(shí)驗(yàn)室。

借款金額從3000元到500000不等，借款期限分為3月期、6月期、9月期、12月期、15月期、18月期、24月期、36月期，共八種期限。平臺根據(jù)積累的信用風(fēng)險數(shù)據(jù)結(jié)合借款人信息進(jìn)行信用打分，進(jìn)行信用評級。信用評級分為AA、A、B、C、D、E、HR七個等級,其中AA表示信用情況最佳，HR表示信用情況最差。

人人貸屬于平臺主導(dǎo)型的網(wǎng)絡(luò)借貸平臺。按照交易順序可以將一個貸款形成到完成的過程劃分為三個階段：申貸、交易和貸后。利率的形成發(fā)生在貸前階段，可以分為“①提交申請-②選擇利率-③審核借款人”三個環(huán)節(jié)。其中申請利率是由借款人選擇的，但成交利率的形成發(fā)生在③環(huán)節(jié)，由平臺決定這一利率的借款人是否能夠進(jìn)入交易環(huán)節(jié)。這一環(huán)節(jié)同時決定了合格借款人的資質(zhì)，是平臺識別風(fēng)險的最重要環(huán)節(jié)。在實(shí)際操作中，這一機(jī)制是樣本平臺最具有獨(dú)特性的部分，尚未被學(xué)術(shù)記錄和分析?？梢哉J(rèn)為這一機(jī)制是樣本平臺外在征信體系缺乏和內(nèi)在信用數(shù)據(jù)不足條件下的權(quán)衡與創(chuàng)新。本小節(jié)將對利率形成機(jī)制進(jìn)行深入探討。圖1描繪了貸前利率形成的各個環(huán)節(jié)。

圖1 利率形成機(jī)制示意

圖1可以看到，①貸款申請是借款人行為，須填寫借款事由、教育收入、信用狀況等個人信息，這類信息是平臺評估借款人信用風(fēng)險的重要指標(biāo)。同時借款人根據(jù)貸款期限在相應(yīng)利率區(qū)間內(nèi)②選擇利率，比如貸款額度為5000元、期限為6個月的貸款利率在10%～15%之間，借款人自行選擇匹配自身風(fēng)險和償債能力的利率。實(shí)際上①和②是同時發(fā)生的，隨著貸款申請一同提交。作者為了更清晰的描述這一過程，將其分解講述。

③審核借款人則屬于平臺行為，由一系列子環(huán)節(jié)構(gòu)成。下面對平臺的審核過程進(jìn)行分解：

首先，平臺梳理審核借款人的各項(xiàng)指標(biāo)，并評估借款人的信用狀況。根據(jù)信用水平拒絕或者吸收借款人。對于明顯不合格的貸款申請，包括信用狀況較差、個人信息不全或者其他明顯不符合要求的貸款申請予以拒絕。這一步拒絕了90%以上的貸款申請，余下是財(cái)務(wù)指標(biāo)基本符合要求的貸款，接下來通過利率進(jìn)行第二步審核。

當(dāng)平臺對借款人的信用狀況有了大致估計(jì)后，對該信用條件下應(yīng)當(dāng)匹配的利率水平也有相應(yīng)考慮。如果借款人自行選擇的利率水平與平臺對其估計(jì)的風(fēng)險利率水平較為一致，那么該借款申請可以最終通過。如果借款申請利率與平臺預(yù)估風(fēng)險利率水平有較大出入，那么該借款申請將不予通過?！拜^大出入”主要分為兩種情況：如果借款申請利率過高，可能超出此類借款人特征的償債能力，或者由于利率較高造成借款人主觀上失去償債意愿，從而形成違約風(fēng)險；如果借款申請利率過低，那么利率水平不能客觀反映借款人的信用風(fēng)險程度，也不符合平臺的授信原則，應(yīng)當(dāng)予以拒絕。

舉例說明：

例16月期額度為5000的貸款，其可選年化利率區(qū)間為(10%,15%)，期限利率區(qū)間長度為5%，平臺對于各風(fēng)險等級的預(yù)估貸款利率區(qū)間分布如下：

表2 期限利率區(qū)間中平臺預(yù)估利率可能分布

借款人甲自己選定利率為13%。平臺對借款人的各項(xiàng)信息進(jìn)行評估后，認(rèn)為其信用等級應(yīng)為D，利率應(yīng)在13%至14%之間。此時借款人利率落在估計(jì)區(qū)間內(nèi)(13%≤13%<14%，估計(jì)區(qū)間長度為1%)，因此貸款獲得通過。如果同樣條件借款人乙選定利率為12%或者15%，此時12%小于13%，不能體現(xiàn)相應(yīng)信用等級貸款人的風(fēng)險；如果15%大于14%，借款人借款成本高于估計(jì)水平，貸款也會被拒絕。

當(dāng)平臺將所有合格借款申請?jiān)诰€公布后，貸款流程進(jìn)入交易階段，投資人將依據(jù)自身對風(fēng)險和收益的偏好進(jìn)行投資決策。理性投資人對特定風(fēng)險應(yīng)當(dāng)獲得的收益有一定估計(jì)，可以是精確估計(jì)，也可以是模糊估計(jì)。當(dāng)貸款利率符合投資人對其風(fēng)險補(bǔ)償?shù)呐袛鄷r，投資人就會選擇投資。如果貸款利率與投資人風(fēng)險判斷不符，投資人可以不選擇投資。投資人對貸款利率的選擇與平臺審核過程有共通之處，差異在于平臺考量更多的是違約風(fēng)險，而投資人計(jì)較更多的是投資收益。

1.2 收窄

2014年12月19日，樣本平臺收窄了利率區(qū)間。由于無法采集到選擇利率頁面的信息，不能直接觀察期限利率定價區(qū)間及其變化，作者創(chuàng)造性的通過期限利率標(biāo)準(zhǔn)差(以一定時間期限為單位計(jì)算所有訂單利率的標(biāo)準(zhǔn)差)捕捉了期限利率定價區(qū)間及其變化情況。本文選擇2014年9月19日至12月18日(前期，寬利率區(qū)間)和12月19日至2015年3月18日(后期，窄利率區(qū)間)兩個時間段作為利率區(qū)間變化前后的樣本區(qū)間。在此期間共提交了181338個信用標(biāo)貸款申請，其中7016個標(biāo)的得到融資，截止到2017年2月，已還清4631例，正在還款1055例，逾期和違約1330例，墊付1294例。本文以兩個區(qū)間的所有信用標(biāo)的為樣本，研究變化前后的平臺行為、借款人質(zhì)量和投資人行為受到的影響。表3通過期限利率周度標(biāo)準(zhǔn)差描述了利率區(qū)間收窄的變化。

表3A顯示借款可選利率區(qū)間顯著收窄，表3B顯示通過審核的貸款利率區(qū)分度也顯著收窄。在“借款人選擇利率，平臺選擇借款人”的利率形成機(jī)制下，平臺收窄了期限利率區(qū)間。這意味著不同風(fēng)險利率之間的利率區(qū)分度降低，而利率區(qū)分度是平臺和投資人判斷具體貸款所處利率水平的重要條件。平臺審核具體貸款利率時需要判斷其處在利率區(qū)間的水平是否符合其風(fēng)險等級，利率區(qū)分度的下降勢必影響平臺識別風(fēng)險的效率。利率區(qū)分度是平臺呈現(xiàn)的貸款風(fēng)險水平的整體描述，是投資人判斷具體貸款風(fēng)險的重要參考，利率區(qū)分度的下降意味著平臺呈現(xiàn)的風(fēng)險信息質(zhì)量下降，勢必影響投資人的投標(biāo)行為。

表3A 所有申請訂單期限利率周度標(biāo)準(zhǔn)差在兩期的差異

表3B 成交訂單期限利率周度標(biāo)準(zhǔn)差在兩期的差異

同樣用貸款舉例說明，并與例1進(jìn)行對比：

例26月期額度為5000的貸款，年化利率區(qū)間由[10%,15%]收窄為[11%,12%]。此時借款人無論處在如何信用等級只有兩個選項(xiàng)。表4給出了各風(fēng)險等級預(yù)估利率的兩種可能分布。

表4A 期限利率區(qū)間收窄后各風(fēng)險等級預(yù)估利率的可能分布

表4B 期限利率區(qū)間收窄后各風(fēng)險等級預(yù)估利率的另一可能分布

假設(shè)借款人的信用等級仍然為D，那么借款人在(11%,12%)之間只有兩個選項(xiàng)。在第一種分布下如果選擇11%平臺接受，選擇12%則平臺拒絕。但是從AA、A到E的不同風(fēng)險利率沒有區(qū)分度。在第二種分布下選擇11%或者12%都會被接受，但是所有信用等級之間利率沒有區(qū)分度。兩種情形下利率都沒有體現(xiàn)風(fēng)險溢價的基本思想，不符合審核通過條件的風(fēng)險溢價條件?；貞浝?，如果借款人提供了超出預(yù)估區(qū)間的利率，平臺拒絕此類貸款。在本例中，由于不同風(fēng)險的利率區(qū)間的高度重合，使得平臺無法從利率的風(fēng)險溢價中篩選借款人對利率的正確評估。這意味著平臺無法從具體貸款利率在利率區(qū)間所處位置獲得更多信息。原本平臺可以從利率與風(fēng)險不匹配中篩選出劣質(zhì)貸款人，現(xiàn)在借款人無論怎樣選擇都在平臺可接受的利率區(qū)間，這意味著平臺無法通過篩選過程拒絕錯誤貸款，反而更有可能錯誤的接收錯誤貸款。

對于投資人來說，利率收窄前后平臺呈現(xiàn)的借款人信息種類和數(shù)量沒有變化，唯一的變化就是同一期限貸款的利率區(qū)分度下降。當(dāng)平臺展示的利率風(fēng)險區(qū)分度下降，意味著平臺呈現(xiàn)的風(fēng)險信息質(zhì)量下降。貸款利率是投資人進(jìn)行投資的重要參考依據(jù)，貸款利率區(qū)分度是投資人判斷具體貸款所處風(fēng)險水平的重要參考依據(jù)。投資人難以判斷具體貸款利率在利率區(qū)間所處的水平，換句話說平臺呈現(xiàn)的利率風(fēng)險信息不能準(zhǔn)確的衡量貸款的利率是否合理，這意味著平臺的信息不對稱程度反而惡化了。理性投資人敏銳的感知到這種變化，投資行為更加謹(jǐn)慎。

1.3 基本假設(shè)

當(dāng)利率區(qū)間變得非常狹窄后，借款人仍然自行決定利率。但是平臺在審核合格借款人時，失去了利率這一重要環(huán)節(jié)的信息價值。不同貸款的利率價格差別非常小，區(qū)分度下降，風(fēng)險識別難度變大，平臺難以根據(jù)利率區(qū)分出借款人的優(yōu)劣。據(jù)此提出假設(shè)：

假設(shè)1平臺收窄利率區(qū)間后，平臺的風(fēng)險識別部分失靈，貸款質(zhì)量下降，表現(xiàn)為后組的違約率高于前組。

投資者的投標(biāo)行為可以直接觀察。本文選擇滿標(biāo)時間、投標(biāo)比例和羊群行為考察投標(biāo)行為在不同信息效率條件下的差異。同樣的，當(dāng)投資人面對利率區(qū)分度變小的各類借款人時，利率是進(jìn)行投資決策的重要信息。當(dāng)利率的區(qū)分度變小時，投資人對借款標(biāo)的信心不足，更多參考其他借款人的行為進(jìn)行判斷，更易出現(xiàn)跟投和從眾現(xiàn)象。據(jù)此提出假設(shè)：

假設(shè)2平臺收窄利率區(qū)間后，平臺呈現(xiàn)的信息效率下降，投資者的認(rèn)知加工時間延長，決策用時延長，表現(xiàn)為處理組的滿標(biāo)時間高于控制組。

相應(yīng)的，當(dāng)利率區(qū)分度收窄時，意味著投資者識別貸款風(fēng)險的難度增加，相當(dāng)于貸款風(fēng)險的不確定性增加。根據(jù)前景理論[5～7]，人們應(yīng)該選擇有確定性收益的選項(xiàng)，而不是有風(fēng)險但有更大收益的選項(xiàng)。因此，投資者更有可能采取保守的投資策略，減少投資支出，投資者的投標(biāo)行為更加謹(jǐn)慎。據(jù)此，推出與投資者行為相關(guān)的第二個假設(shè)：

假設(shè)3平臺收窄利率區(qū)間后，風(fēng)險信息質(zhì)量下降，投資者投資行為更加謹(jǐn)慎，表現(xiàn)為處理組的投標(biāo)比例少于控制組。

當(dāng)利率區(qū)分度收窄時，投資者識別貸款風(fēng)險的難度增加，平臺呈現(xiàn)的信息效率下降。Myer[8]認(rèn)為，當(dāng)個體對現(xiàn)實(shí)的信息知覺較為模糊時，其他人可能成為有價值的信息來源。因此，當(dāng)個體面臨信息不確定時，更有可能產(chǎn)生羊群行為。據(jù)此，提出最后一個假設(shè)：

假設(shè)4平臺收窄利率區(qū)間后，平臺呈現(xiàn)的信息效率下降，投資者更傾向于參考其他投資者的行為進(jìn)行投標(biāo)，表現(xiàn)為處理組的羊群行為高于控制組。

2 數(shù)據(jù)與樣本

2.1 樣本

本章數(shù)據(jù)來自國內(nèi)領(lǐng)先的網(wǎng)絡(luò)借貸平臺——人人貸。數(shù)據(jù)由清華大學(xué)互聯(lián)網(wǎng)金融實(shí)驗(yàn)室進(jìn)行收集整理。本章數(shù)據(jù)選用的是樣本平臺2014年9月19日至2015年3月18日的信用標(biāo)的樣本，其中樣本包含標(biāo)的數(shù)據(jù)集、投標(biāo)數(shù)據(jù)集和還款數(shù)據(jù)集。標(biāo)的數(shù)據(jù)集收錄借款人的借款信息，主要包括借款人申請貸款時填寫額貸款信息、個人情況和信用狀況；投標(biāo)數(shù)據(jù)集是指投資人的投注信息，記錄的是投資人對于貸款的投標(biāo)時間和金額；還款數(shù)據(jù)集涵蓋借款人的還款信息，包含借款人還款金額、應(yīng)還款時間和實(shí)還款時間等。

2.2 主要變量

2.3 變量描述

表6A是樣本區(qū)間內(nèi)所有申請標(biāo)的的按照利率區(qū)間收窄后的ttest統(tǒng)計(jì)，其中2014年9月19日～12月18日區(qū)間(控制組)包含申請標(biāo)的66350例，12月19日～2015年3月19日區(qū)間(診斷組)包含申請標(biāo)的114988例。

表6A 申請訂單統(tǒng)計(jì)描述

表6A可以初步看出，利率區(qū)間收窄后的借款人利率顯著低于收窄前(-0.47)。貸款成交率從5%降至3%，注意到收窄前共有66350人次借款申請，收窄后共有114988人次借款申請，由于這一階段的人人貸平臺的信用標(biāo)全部被秒搶。因此可以成交率的下降表明平臺放出的可投資標(biāo)的比率下降，這說明平臺對于借款人的審核篩選更加嚴(yán)格。期限的顯著下降是由于36月期貸款暫停交易。

從借款人年齡、婚姻狀況、住房、教育程度、工作年限等指標(biāo)看，利率區(qū)間收窄后的潛在借款人趨向更年輕、經(jīng)濟(jì)條件較弱、教育程度較弱且工作年限較短，這說明借款人質(zhì)量較前期有所下降，這在平臺申請貸款次數(shù)和成功還款次數(shù)等指標(biāo)也有印證。不過收入和信用排名高于利率區(qū)間收窄前。

表6B是成交訂單在利率區(qū)間收窄前后的對比。在這一時間段，平臺共成交7065例貸款訂單，其中利率收窄前3434例，收窄后3582例。

表6B 成交訂單的統(tǒng)計(jì)描述

從表6B可以看出后期的違約率略高于前期，但ttest并未報出顯著性，尚不能驗(yàn)證假設(shè)2。羊群行為顯著高于前期，單筆標(biāo)的每單投注比例顯著變低。這與假設(shè)3和假設(shè)4吻合。成交標(biāo)的的貸款額度有顯著下降。但是年齡、婚姻、住房、教育、工作等借款人描述變量不存在顯著區(qū)別，這說明投資人對于標(biāo)的的選擇具有一致性。但是借款人申請次數(shù)、成功還款次數(shù)等于所有訂單的變化趨勢一致。

3 實(shí)證結(jié)果

由于平臺調(diào)整利率區(qū)間的出發(fā)點(diǎn)是更高的成交效率和更低的違約損失，我們認(rèn)為平臺的成交率應(yīng)當(dāng)至少不高于前期，即平臺的審核標(biāo)準(zhǔn)更加嚴(yán)苛；但是由于利率區(qū)分度的下降，平臺審核的合格借款人質(zhì)量反而沒有前期高，所以違約率有所上升。本文首先對這一部分進(jìn)行檢驗(yàn)。為了獲得更精確的對比和估計(jì)，本文借鑒Wei和Lin研究Prosper的利率定價機(jī)制變化時的方法，采用傾向性分?jǐn)?shù)匹配(PropensityScoreMatch)的方法進(jìn)行估計(jì)。

PSM估計(jì)需要樣本滿足共同支撐假設(shè)(commonsupport)和平行假設(shè)(balancing)，這意味著兩組樣本需要同時滿足整體上相似和各個維度的相似。因此統(tǒng)計(jì)上認(rèn)為PSM估計(jì)相對于OLS估計(jì)更加精確。

3.1 貸款質(zhì)量——平臺行為

利率區(qū)間收窄后的樣本區(qū)間是“診斷(treatment)”區(qū)間。因此在后期樣本區(qū)間的所有標(biāo)的視為診斷組，前期樣本區(qū)間的所有標(biāo)的視為控制組。選擇自由度為3的最近鄰傾向性得分匹配方法對前后兩期樣本標(biāo)的進(jìn)行估計(jì)。首先用logit估計(jì)匹配出診斷組與控制組所有標(biāo)的中各方面條件相似的部分。

p(xi)=Pr(Treatedi=1|X=xi)

(2)

Treatedi是虛擬變量，當(dāng)標(biāo)的來自后期診斷組時，Treatedi=1；當(dāng)標(biāo)的來自前期控制組時，Treatedi=0。X包含了標(biāo)的描述、借款人信息和信用狀況以及宏觀指標(biāo)。隨后根據(jù)傾向性得分對控制組的標(biāo)的調(diào)整后與診斷組進(jìn)行匹配，隨后估計(jì)出調(diào)整后控制組和診斷組之間的差異大小以及是否顯著。

表7 平臺行為和貸款質(zhì)量

在對模型進(jìn)行匹配時，本文選擇將借款人特征、信用描述加入匹配選項(xiàng)，具體可見表3和表4。表5給出了PSMatch的基本結(jié)果，模型(1)是所有潛在借款人利率，模型(2)是加入上證指數(shù)日回報率的估計(jì)；(3)是成功訂單占申請訂單比例，審核通過率即成交率；(5)是成交訂單的后續(xù)表現(xiàn)，即違約率，也可認(rèn)為貸款質(zhì)量。其中ATT(AverageTreatmenton Treated)是對前后兩個樣本進(jìn)行PSMatch后的值(即treatedvalue)進(jìn)行的pstest檢驗(yàn)。

表5 變量描述

模型(1)、(2)顯示在前后兩個樣本區(qū)間，后期的借款人利率顯著低于前期利率。這與表3的ttest的檢驗(yàn)結(jié)果一致，且與圖1所示的趨勢一致。這說明在診斷組，借款申請人的借款利率有所下降。但不排除利率的下降是由于平臺收窄區(qū)間時，整體下調(diào)了利率選項(xiàng)，因此不對此結(jié)論做過多分析。

模型(3)、(4)是對訂單成交率的考察，結(jié)果顯示在PSMatch環(huán)境下，樣本后期比前期的訂單成功率顯著低0.008，這與ttest檢驗(yàn)中的差異-0.02降低了不少，PSMatch降低了診斷組和控制組的差異。顯然匹配過程中選取了各方面特征更加接近的訂單，由于匹配后成交率仍然顯著低，我們有理由認(rèn)為利率區(qū)間收窄后，成交率確實(shí)降低了。這從側(cè)面反映了平臺對借款人的審核和篩選更加嚴(yán)格，在其他條件不變的情況下，暗示著貸款質(zhì)量可能更高。

模型(5)、(6)是在成交訂單中對違約率的考察，同時也是借款人質(zhì)量的側(cè)面反映。因此違約率的高低反映了平臺最初審核篩選借款人的水平。如果違約率變高，那么平臺審核趨于松弛；如果違約率變低，那么平臺審核趨于嚴(yán)格。在描述性統(tǒng)計(jì)的ttest中，后期違約率高于前期，但是統(tǒng)計(jì)上并不顯著。傾向性分?jǐn)?shù)匹配后的樣本顯示利率區(qū)間收窄后的顯著高于前期。如果是違約率是均衡分布的，并且同時存在未還清標(biāo)時，控制組比診斷組早三個月成交，更有可能出現(xiàn)違約。即控制組的違約概率應(yīng)該高于診斷組。但是PSM顯示后期的違約率更高，這更說明后期的貸款質(zhì)量更差。這證明了假設(shè)1，但與模型(3)、(4)暗示的結(jié)論是矛盾的。

[8]Samuel P. Huntington,The Clash of Civilizations and the Remaking of World Order, New York: Simon & Schuster, 1996, p.86, 165, 278.

首先模型(3)、(4)認(rèn)為平臺在第二階段的審核篩選更加嚴(yán)格，這暗示了貸款質(zhì)量可能更高。但是違約率的顯著性高又暗示了貸款質(zhì)量的下降。這種矛盾存在兩種可能的解釋，一是在第二階段平臺涌入了大量低質(zhì)量的潛在借款人，即使平臺以更嚴(yán)格標(biāo)準(zhǔn)進(jìn)行審核也難以避免漏網(wǎng)之魚；另一種解釋是利率機(jī)制的變化影響了平臺挑選合格借款人的有效性。但是表4的顯示診斷組和控制組成交訂單數(shù)量相差并不大，且標(biāo)的信息和借款人信息并不存在顯著差別，因此對于成交貸款來說，借款人之間的差異并不足以解釋大量低質(zhì)量潛在借款人。因此，有理由相信是平臺挑選合格借款人的有效性降低。

3.2 投資人行為(貸款視角)

不同的期限利率區(qū)間條件下，投資者的行為會產(chǎn)生怎樣的變化是本節(jié)研究的問題。當(dāng)期限利率區(qū)間收窄時，平臺審核后的成交貸款利率區(qū)分度也縮小，投資者可以直接觀察到利率區(qū)分度的收窄，這勢必會影響投資者的投標(biāo)行為。在樣本平臺的數(shù)據(jù)中，雖然成交率不能衡量投資者投標(biāo)與否，即“投不投”，但樣本數(shù)據(jù)可以觀察投資者投標(biāo)的速度、投資的金額比例，即“快與慢”和“多與少”，最后還可以通過羊群行為來觀察投資者行為，即“怎么投”。

本文根據(jù)投標(biāo)記錄計(jì)算出每筆貸款的滿標(biāo)時間，根據(jù)人人貸的投標(biāo)數(shù)據(jù)計(jì)算出每筆貸款成交所用時長。采用王正位關(guān)于羊群效應(yīng)的計(jì)算方法，計(jì)算出每筆成交標(biāo)的的Herding值。用PSM的方法對前后兩時間段的滿標(biāo)時間和單筆貸款投標(biāo)比例進(jìn)行估計(jì)。

表8 投資人行為(貸款視角)

前四組檢驗(yàn)分別是對單維度指標(biāo)滿標(biāo)時間和單筆貸款投標(biāo)比例的的PSM估計(jì)結(jié)果。結(jié)果顯示收窄后的滿標(biāo)時間顯著放緩，顯示投資人需要更多的時間進(jìn)行投資決策。相應(yīng)的單筆貸款投標(biāo)比例也減少，意味著投資人的投標(biāo)行為更加謹(jǐn)慎。后兩組檢驗(yàn)顯示當(dāng)匹配了借款人特征、信用狀況和宏觀經(jīng)濟(jì)環(huán)境后，利率區(qū)間收窄后的投資人的羊群行為也顯著高于前期。從兩個方面同時說明了投資人對標(biāo)的把握沒有信心，羊群行為更集中說明投資人對標(biāo)的信心不足，需要根據(jù)他人的投資判斷是否投標(biāo)。圖2從羊群行為的分布中也可看出這一趨勢。

圖2 羊群行為在兩期的差異

3.3 投資人行為(投資人視角)

樣本數(shù)據(jù)同樣支持從投資人的角度考慮投注行為。表9給出了前后兩期投資人的投注行為描述。表9A是樣本期內(nèi)所有投資人的投注狀況，其中后期的人均投注次數(shù)顯著大于前期，人均投注金額顯著大于前期，但是人均投注占比顯著小于前期。表9B是同時在兩期都有投注行為的投資人的投注狀況，能夠更準(zhǔn)確的對比前后兩期的投資行為變化。其中人均投注次數(shù)和人均投注占比相比所有投資人的前后差異更大，且更顯著。值得注意的是橫跨兩期的投資人人均投注金額顯著低于前期，更說明投資人在收窄利率區(qū)間后投注行為更加謹(jǐn)慎。

表9 投標(biāo)行為(投資人視角)

4 穩(wěn)健性檢驗(yàn)

傾向性分?jǐn)?shù)匹配考慮了股票市場的影響，但是未考慮其他經(jīng)濟(jì)因素的影響。貨幣發(fā)行水平和經(jīng)濟(jì)狀況都有可能影響借款人和投資人的交易行為。由于樣本期內(nèi)的M2和CPI都具有趨勢性，不符合傾向性分?jǐn)?shù)匹配的共同支撐假設(shè)，因此在穩(wěn)健性檢驗(yàn)部分選擇OLS檢驗(yàn)進(jìn)行估計(jì)。由于樣本已進(jìn)行PSM估計(jì)且同時滿足共同支撐假設(shè)和平行假設(shè)，進(jìn)行OLS也具有統(tǒng)計(jì)上的合理性。本文對診斷組和控制組進(jìn)行了最小二乘估計(jì)(OLS)，并對年、月、日控制了時間固定效應(yīng)。OLS與PSM所選變量完全一致，不同之處在于OLS估計(jì)增加了具有趨勢性的M2和CPI并控制了年、月、日的固定效應(yīng)。

(3)

式(3)構(gòu)建了OLS估計(jì)的回歸模型。其中Performance是交易行為對應(yīng)的變量，即違約率、滿標(biāo)時間、投標(biāo)比例、羊群效應(yīng)。Treated是標(biāo)記診斷組和控制組的0-1變量，X是所有控制變量，如貸款描述、借款人信用情況、宏觀形勢等。YMD分別是年、月、日等時間標(biāo)記。

表10給出了OLS的回歸結(jié)果?？刂屏素泿虐l(fā)行、消費(fèi)者指數(shù)和上證指數(shù)日回報率的結(jié)果顯示了與PSM一致的結(jié)果。仍然是診斷組更低的成交率、更高的違約率和更高的羊群效應(yīng)以及更低的每單平均單筆投注比例，并且都顯示了較強(qiáng)的顯著性?？梢哉J(rèn)為平臺審核通過率即成交率、違約率、羊群行為和每單平均單筆投注比例都相應(yīng)發(fā)生了變化。

表10 穩(wěn)健性檢驗(yàn)

5 利率標(biāo)準(zhǔn)差的意義

前文證明了利率收窄前后的交易行為發(fā)生了變化，那么這種變化是如何產(chǎn)生的呢？由于利率定價機(jī)制未發(fā)生根本變化，僅是利率定價區(qū)間收斂，那么有理由認(rèn)為利率區(qū)間的變化引起了變化。當(dāng)利率定價區(qū)間收窄后，各期限貸款的區(qū)間幾乎收窄到同一水平，利率的區(qū)分度急劇下降，利率作為衡量風(fēng)險的主要指標(biāo)失去了部分信息功能。平臺和投資人在進(jìn)行風(fēng)險識別時都損失了大量信息，可能產(chǎn)生行為的偏差，體現(xiàn)在結(jié)果上是貸款質(zhì)量的下降和羊群行為的集中。

基于以上邏輯，本文對利率區(qū)間的變化納入分析框架進(jìn)行討論。首先尋找合適的變量。本文選擇期限利率周度標(biāo)準(zhǔn)差作為利率區(qū)間的代理變量。期限是指將利率標(biāo)準(zhǔn)差以期限分組計(jì)算，以確保標(biāo)準(zhǔn)差來自統(tǒng)一類型標(biāo)的。周度是指選擇以周為單位度量標(biāo)準(zhǔn)差，樣本區(qū)間平均每周提交6000份貸款申請，約22%的申請可以獲得融資。這樣的數(shù)據(jù)規(guī)?？梢垣@得較為準(zhǔn)確的標(biāo)準(zhǔn)差。計(jì)算出每一種期限的標(biāo)的利率周度標(biāo)準(zhǔn)差后，再將其匹配到該周相應(yīng)期限的標(biāo)的獲得新變量。由于期限利率周度標(biāo)準(zhǔn)差具有趨勢性，不符合PSM共同支撐假設(shè)，此部分檢驗(yàn)將使用OLS估計(jì)。式(3)將期限利率周度標(biāo)準(zhǔn)差納入解釋變量，式(4)同時將期限利率周度標(biāo)準(zhǔn)差和Treated變量納入模型。

(4)

(3)

γXi+δYMDi+εi

表11匯報了加入期限利率周度標(biāo)準(zhǔn)差的OLS回歸結(jié)果。結(jié)果顯示單獨(dú)加入期限利率標(biāo)準(zhǔn)差能夠解釋違約率和羊群效應(yīng)變化，表明利率標(biāo)準(zhǔn)差越大，違約率越低，羊群行為越弱；標(biāo)準(zhǔn)差越小，違約率越高，羊群效應(yīng)越強(qiáng)。

這說明，利率標(biāo)準(zhǔn)差全部或部分解釋了違約率和羊群行為的差異，利率的區(qū)分度能夠?yàn)槠脚_和投資人識別風(fēng)險提供信息量。收窄利率區(qū)間的嘗試降低了利率區(qū)分度，反而提高了違約率并加重了羊群行為，未達(dá)到提高交易效率、降低運(yùn)營成本的原始目的。

6 結(jié)論與建議

學(xué)術(shù)界對網(wǎng)絡(luò)借貸的探討與研究是逐漸深入的。隨著行業(yè)發(fā)展的更加成熟，對網(wǎng)絡(luò)借貸的機(jī)制研究逐漸進(jìn)入學(xué)術(shù)的視野。本文以國內(nèi)領(lǐng)先網(wǎng)絡(luò)借貸平臺的一次利率定價調(diào)整為樣本，探討了平臺收窄利率區(qū)間后對各交易行為的影響。即使平臺收緊了對合格借款人的審核篩選，仍然出現(xiàn)了更高的違約率，即較差的貸款質(zhì)量，投資人的滿標(biāo)時間更長、投注的比例更小、羊群行為更集中。這暗示了平臺對標(biāo)的的風(fēng)險識別效率降低，投資人對標(biāo)的信心減弱。

本文繼而構(gòu)建了期限利率周度標(biāo)準(zhǔn)差作為利率區(qū)間的代理變量，對利率定價機(jī)制調(diào)整前后的行為差異進(jìn)行解釋，發(fā)現(xiàn)這一變量全部或部分解釋了網(wǎng)絡(luò)借貸交易行為的差異。當(dāng)利率區(qū)間收窄后，利率作為評估借款人風(fēng)險的重要指標(biāo)失去了一部分信號作用，從而使得平臺在審核篩選合格借款人時存在疏漏，導(dǎo)致借款質(zhì)量下降，投資人面臨利率區(qū)分度較低的標(biāo)的選擇了更謹(jǐn)慎保守的投資行為。

網(wǎng)絡(luò)借貸平臺利率定價機(jī)制的演變應(yīng)當(dāng)堅(jiān)持的是更深入的風(fēng)險識別以減輕信息不對稱，而不是簡單的調(diào)控利率。顯然人人貸認(rèn)識到了這個問題，并在2015年10月再次調(diào)整了利率定價機(jī)制，這次將利率定價權(quán)收歸平臺，實(shí)現(xiàn)了平臺識別風(fēng)險進(jìn)行標(biāo)價。這又產(chǎn)生了怎樣的變化，董辰珂[10]進(jìn)行了后續(xù)研究。