曾劍秋，謝嘉潤(rùn)

（北京郵電大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100876）

一、引言

網(wǎng)絡(luò)借貸是長(zhǎng)尾人群融資的有效渠道，對(duì)實(shí)踐普惠金融有重要意義?！豆鹕虡I(yè)評(píng)論》將之視為未來(lái)十年最重要的金融創(chuàng)新。然而，在經(jīng)歷了十年的野蠻生長(zhǎng)之后，網(wǎng)絡(luò)借貸迎來(lái)監(jiān)管的強(qiáng)出手。這場(chǎng)愈演愈烈的強(qiáng)監(jiān)管旨在“風(fēng)險(xiǎn)出清”，客觀上也是對(duì)行業(yè)的“減量增質(zhì)”。正如打著區(qū)塊鏈幌子兜售“空氣幣”一樣，網(wǎng)絡(luò)借貸行業(yè)的“騙貸”“套路貸”現(xiàn)象有過(guò)之而無(wú)不及。自2007 年國(guó)內(nèi)第一家網(wǎng)貸企業(yè)拍拍貸成立運(yùn)營(yíng)之后，2017 年中國(guó)網(wǎng)絡(luò)借貸份額已占全球總份額的75%。行業(yè)快速成長(zhǎng)背后折射出來(lái)的是個(gè)人消費(fèi)者和小微企業(yè)日益增長(zhǎng)的融資需求和不平衡、不充分的信貸供給市場(chǎng)之間的矛盾。在經(jīng)歷近四年的專項(xiàng)整治特別是近兩年的嚴(yán)監(jiān)管之后，行業(yè)風(fēng)險(xiǎn)大幅出清。截至2019 年11 月，生存下來(lái)的400 余家網(wǎng)貸平臺(tái)處在轉(zhuǎn)型的十字路口，探尋正確的價(jià)值創(chuàng)造模式以實(shí)現(xiàn)企業(yè)和用戶的共贏不僅必要，而且十分緊迫。

目前學(xué)術(shù)界關(guān)于網(wǎng)絡(luò)借貸的研究大致分為三類：影響借貸行為的因素、貸款人羊群行為和社交媒體對(duì)網(wǎng)絡(luò)借貸的影響［1］。這些文獻(xiàn)為我們研究網(wǎng)絡(luò)借貸提供了很好的借鑒，但是其中絕大部分研究只涉及“點(diǎn)和線”，鮮少有“面”的研究。從理論上剖析網(wǎng)絡(luò)借貸的機(jī)制設(shè)計(jì)，研究網(wǎng)絡(luò)借貸價(jià)值創(chuàng)造模式的文獻(xiàn)十分缺乏，這是網(wǎng)絡(luò)借貸研究最核心、最亟需解決的問(wèn)題。以銀行為代表的金融中介機(jī)構(gòu)取得了巨大成功，是因?yàn)榻鹑谥薪榛臋C(jī)制設(shè)計(jì)能夠降低投融資的交易成本、減少信息不對(duì)稱，以及風(fēng)險(xiǎn)分擔(dān)功能［2］。

美國(guó)的Lending Club 是目前全球最大、最成功的網(wǎng)絡(luò)借貸平臺(tái)，它于2014 年在美國(guó)納斯達(dá)克上市。截至2019 年11 月，Lending Club 服務(wù)超過(guò)300萬(wàn)用戶，發(fā)放了超過(guò)500 億美元的貸款。既然網(wǎng)絡(luò)借貸已成為直接融資的有效渠道，其背后一定蘊(yùn)藏成功的機(jī)制設(shè)計(jì)和價(jià)值創(chuàng)造模式。本文試圖以Lending Club 為例實(shí)證研究網(wǎng)絡(luò)借貸的價(jià)值創(chuàng)造模式，希望對(duì)網(wǎng)絡(luò)借貸中的價(jià)值創(chuàng)造研究作出貢獻(xiàn)，為我國(guó)相關(guān)企業(yè)發(fā)展轉(zhuǎn)型及行業(yè)監(jiān)管提供借鑒。

二、研究綜述

商品主導(dǎo)邏輯下的價(jià)值創(chuàng)造模式通常強(qiáng)調(diào)企業(yè)的價(jià)值獨(dú)創(chuàng)。價(jià)值共創(chuàng)則是價(jià)值創(chuàng)造主體通過(guò)服務(wù)交換和資源整合，共同創(chuàng)造價(jià)值的動(dòng)態(tài)過(guò)程［3］。2004 年Vargo 和Lusch 首次提出價(jià)值共創(chuàng)的概念，此后這一概念迅速得到豐富和發(fā)展，研究視角從顧企間的二元互動(dòng)逐漸拓展至多經(jīng)濟(jì)主體參與的動(dòng)態(tài)網(wǎng)絡(luò)互動(dòng)，大致經(jīng)歷了從強(qiáng)調(diào)顧客體驗(yàn)、服務(wù)主導(dǎo)邏輯、服務(wù)邏輯、服務(wù)科學(xué)到服務(wù)生態(tài)系統(tǒng)的研究發(fā)展脈絡(luò)［3］。整體來(lái)看，有關(guān)價(jià)值共創(chuàng)的研究主要聚焦在Who、What 和How 三方面，即價(jià)值共創(chuàng)的主體及主體間的關(guān)系研究，價(jià)值共創(chuàng)的價(jià)值內(nèi)涵研究，價(jià)值共創(chuàng)的模式研究。

（一）共創(chuàng)主體：從二元關(guān)系到多元關(guān)系

大部分價(jià)值共創(chuàng)的研究聚焦于顧客和企業(yè)之間的二元關(guān)系。服務(wù)主導(dǎo)邏輯下，企業(yè)和顧客在價(jià)值共創(chuàng)中的作用被重新定義［4］。Prahalad et al.［5］認(rèn)為價(jià)值的基礎(chǔ)是顧客體驗(yàn)，價(jià)值共創(chuàng)的主體是顧客和企業(yè)，核心是顧企互動(dòng)。Vargo et al.［6］提出一切經(jīng)濟(jì)都是服務(wù)經(jīng)濟(jì)，價(jià)值由顧客和企業(yè)共同決定和創(chuàng)造。Gr?nroos［7］提出了兩種顧企價(jià)值共創(chuàng)模型——價(jià)值促進(jìn)模型和價(jià)值實(shí)現(xiàn)模型。促進(jìn)模型中，顧客是價(jià)值創(chuàng)造者，企業(yè)是價(jià)值促進(jìn)者；實(shí)現(xiàn)模型中，顧客是價(jià)值創(chuàng)造者，企業(yè)是價(jià)值創(chuàng)造的促進(jìn)者和合作者，通過(guò)積極參與價(jià)值共創(chuàng)過(guò)程成為價(jià)值創(chuàng)造者?？傊?，在顧企二元關(guān)系的價(jià)值創(chuàng)造中，企業(yè)被視為服務(wù)提供方，擁有對(duì)象性資源；顧客是服務(wù)接收者，擁有對(duì)象性資源；他們能夠?qū)⒓寄芎椭R(shí)整合到價(jià)值創(chuàng)造過(guò)程中［6，8］，充當(dāng)思想者、設(shè)計(jì)者和中介［9］。從商品邏輯到服務(wù)主導(dǎo)邏輯，價(jià)值共創(chuàng)的主導(dǎo)權(quán)逐漸從企業(yè)轉(zhuǎn)移到顧客。

服務(wù)科學(xué)和服務(wù)生態(tài)系統(tǒng)將價(jià)值共創(chuàng)的主體從二元關(guān)系拓展至多元關(guān)系。Spohrer et al.［10］提出，服務(wù)科學(xué)視角下的價(jià)值共創(chuàng)系統(tǒng)是一個(gè)由人、組織和技術(shù)共同組成的動(dòng)態(tài)網(wǎng)絡(luò)。相比于早期服務(wù)主導(dǎo)邏輯，服務(wù)科學(xué)視角下的價(jià)值共創(chuàng)強(qiáng)調(diào)更廣泛的系統(tǒng)資源配置和主體互動(dòng)，同時(shí)也更加強(qiáng)調(diào)技術(shù)對(duì)獲取共創(chuàng)價(jià)值的重要作用［3］。2010 年，Vargo et al.［11］提出了服務(wù)生態(tài)系統(tǒng)視角下的價(jià)值共創(chuàng)，指出其是復(fù)雜網(wǎng)絡(luò)下的多元參與主體基于各自價(jià)值主張，通過(guò)制度、技術(shù)和溝通所進(jìn)行的價(jià)值共創(chuàng)活動(dòng)。此后，服務(wù)生態(tài)系統(tǒng)視角下的價(jià)值共創(chuàng)成為研究熱點(diǎn)，其中大部分是結(jié)合典型企業(yè)的案例研究。例如，Agrawal et al.［12］研究了農(nóng)村健康保險(xiǎn)活動(dòng)中政府、保險(xiǎn)公司、醫(yī)院等六個(gè)利益相關(guān)者的價(jià)值共創(chuàng)模式。江積海等［13］以Airbnb 為例，研究了平臺(tái)型商業(yè)模式創(chuàng)新中連接屬性對(duì)價(jià)值共創(chuàng)的影響機(jī)理。楊學(xué)成等［14］分析了共享出行平臺(tái)Uber 上司機(jī)、乘客和平臺(tái)三者的價(jià)值共創(chuàng)機(jī)制，提出了共享經(jīng)濟(jì)中用戶價(jià)值共創(chuàng)的概念，并闡釋了各參與主體的角色與作用。

（二）價(jià)值內(nèi)涵：從交換價(jià)值到顧客參與和使用價(jià)值

商品主導(dǎo)邏輯下的價(jià)值主要指交換價(jià)值，強(qiáng)調(diào)顧客購(gòu)買行為為企業(yè)創(chuàng)造價(jià)值［15］，顧客資產(chǎn)是該研究視角下的核心概念，定義為公司當(dāng)前和未來(lái)顧客的折現(xiàn)預(yù)期現(xiàn)金流量之和［16-17］。

服務(wù)主導(dǎo)邏輯認(rèn)為價(jià)值由企業(yè)和顧客共同創(chuàng)造，結(jié)果由兩者共享，這里的價(jià)值被大部分學(xué)者定義為使用價(jià)值或情景價(jià)值。Vargo et al.［6］認(rèn)為價(jià)值由消費(fèi)者根據(jù)使用價(jià)值感知和確定，它既可以來(lái)自對(duì)操作性資源的有效利用，也可以通過(guò)對(duì)象性資源傳輸獲得，價(jià)值是顧企交換技能和服務(wù)而獲得的效用。Gr?nroos［18］認(rèn)為企業(yè)只能創(chuàng)造潛在價(jià)值，顧客創(chuàng)造的使用價(jià)值才是真正的價(jià)值。Prahalad et al.［5］認(rèn)為，價(jià)值共創(chuàng)的根本是企業(yè)和顧客共同創(chuàng)造顧客體驗(yàn)，顧客體驗(yàn)是價(jià)值的基礎(chǔ)。Kumar et al.［19］用顧客參與價(jià)值來(lái)描述價(jià)值共創(chuàng)過(guò)程中顧客為企業(yè)創(chuàng)造的價(jià)值，具體包括四部分：顧客終身價(jià)值，反映顧客購(gòu)買行為；顧客推薦價(jià)值，吸引新顧客的價(jià)值；顧客影響價(jià)值，通過(guò)交流互動(dòng)影響已有和潛在顧客行為的價(jià)值；顧客知識(shí)價(jià)值，即顧客向公司提供反饋的價(jià)值。

（三）共創(chuàng)方式：從顧企互動(dòng)到平臺(tái)多主體資源整合

價(jià)值共創(chuàng)的過(guò)程和模式是價(jià)值共創(chuàng)研究的最主要方面。隨著網(wǎng)絡(luò)平臺(tái)的崛起和研究視角的演進(jìn)，價(jià)值共創(chuàng)的方式也從聚焦顧企互動(dòng)［5-7］到強(qiáng)調(diào)平臺(tái)多主體的資源整合。服務(wù)主導(dǎo)邏輯將價(jià)值共創(chuàng)的所有參與者視為資源整合者［9］，企業(yè)通過(guò)操作性平臺(tái)整合市場(chǎng)資源、人力資源和公共資源［20］，顧客則通過(guò)整合社交資源、個(gè)人特質(zhì)（如知識(shí)和經(jīng)驗(yàn)）等來(lái)參與價(jià)值共創(chuàng)［9］。企業(yè)不能傳遞價(jià)值只能提出價(jià)值主張，通過(guò)與顧客互動(dòng)及資源整合共創(chuàng)價(jià)值。Ar?thur［21］解釋了價(jià)值共創(chuàng)為何需要通過(guò)資源整合來(lái)實(shí)現(xiàn)：一方面，參與者獲得的任何資源都不能單獨(dú)使用，必須與其他資源組合或捆綁才有價(jià)值，例如，客戶需求是一種信息資源，但必須通過(guò)IT 技術(shù)的處理分析才能體現(xiàn)商業(yè)價(jià)值；另一方面，創(chuàng)新通常來(lái)自資源重組。Ramaswamy et al.［22］提出了交互平臺(tái)和互動(dòng)創(chuàng)造的概念。交互平臺(tái)是一個(gè)包含物理和數(shù)字資源、商業(yè)過(guò)程、交互界面和多角色參與者的實(shí)例。價(jià)值創(chuàng)造是價(jià)值的互動(dòng)創(chuàng)造。在平臺(tái)互動(dòng)日益數(shù)字化的世界中，它跨越傳統(tǒng)價(jià)值創(chuàng)造系統(tǒng)，將一個(gè)實(shí)體的活動(dòng)開(kāi)放給其他實(shí)體，跨越傳統(tǒng)價(jià)值創(chuàng)造系統(tǒng)，參與者則在交互平臺(tái)上扮演著不同角色。隨著研究視角的演進(jìn)，價(jià)值共創(chuàng)過(guò)程的特有因素從強(qiáng)調(diào)顧企互動(dòng)逐漸轉(zhuǎn)變?yōu)閺?qiáng)調(diào)服務(wù)、互動(dòng)、技術(shù)和制度［3］。

大部分關(guān)于價(jià)值共創(chuàng)模式的研究都采用案例研究法，通過(guò)一家或多家典型企業(yè)的業(yè)務(wù)研究歸納出價(jià)值共創(chuàng)的模式。Xie et al.［4］基于多個(gè)商業(yè)案例，研究了企業(yè)和客戶如何通過(guò)異質(zhì)性資源整合和相互協(xié)作，將大數(shù)據(jù)資源轉(zhuǎn)化為合作資產(chǎn)從而實(shí)現(xiàn)價(jià)值共創(chuàng)。此外，共享經(jīng)濟(jì)的興起似乎是推動(dòng)多邊平臺(tái)價(jià)值共創(chuàng)模式研究的一大動(dòng)力，大量關(guān)于平臺(tái)價(jià)值共創(chuàng)模式的研究均圍繞共享企業(yè)展開(kāi)。楊學(xué)成等［14］對(duì)Uber 的價(jià)值共創(chuàng)活動(dòng)進(jìn)行了案例研究，將出行平臺(tái)的價(jià)值共創(chuàng)過(guò)程總結(jié)為用戶連接階段、用戶接觸階段和用戶分離階段，三階段遵循不同的價(jià)值共創(chuàng)模式。周文輝等［23］、趙大偉等［24］均以滴滴出行平臺(tái)為例，研究數(shù)據(jù)賦能對(duì)平臺(tái)進(jìn)行價(jià)值共創(chuàng)和提升服務(wù)質(zhì)量的促進(jìn)作用。Nadeem et al.［25］對(duì)用戶參與共享平臺(tái)價(jià)值創(chuàng)造的意愿進(jìn)行問(wèn)卷調(diào)查，并利用結(jié)構(gòu)方程模型分析了影響用戶參與價(jià)值共創(chuàng)的因素，從而提出共享平臺(tái)價(jià)值共創(chuàng)的管理策略。Ma et al.［26］以我國(guó)的共享單車和共享汽車為研究對(duì)象，強(qiáng)調(diào)消費(fèi)者和共享企業(yè)之間的價(jià)值共創(chuàng)對(duì)可持續(xù)發(fā)展的重要作用。除共享平臺(tái)之外的其他多邊平臺(tái)，尤其是網(wǎng)絡(luò)借貸平臺(tái)的價(jià)值共創(chuàng)研究仍然相當(dāng)匱乏，其中吳慶田等［27］以我國(guó)網(wǎng)絡(luò)借貸平臺(tái)宜人貸為例分析了平臺(tái)、借款人和投資者三者的協(xié)同關(guān)系，認(rèn)為該平臺(tái)上的核心利益相關(guān)者協(xié)調(diào)發(fā)展程度較低，因而整合核心利益相關(guān)者的資源，促進(jìn)核心利益相關(guān)者協(xié)同發(fā)展并實(shí)現(xiàn)價(jià)值共創(chuàng)成為影響行業(yè)可持續(xù)發(fā)展的重要因素。

經(jīng)過(guò)十多年的發(fā)展，價(jià)值共創(chuàng)理論已經(jīng)形成了豐富的研究體系。然而，基于互聯(lián)網(wǎng)、大數(shù)據(jù)開(kāi)展服務(wù)生態(tài)系統(tǒng)價(jià)值共創(chuàng)的研究，探索多邊平臺(tái)參與者如何通過(guò)整合自身資源實(shí)現(xiàn)價(jià)值共創(chuàng)，特別是實(shí)證研究依然相當(dāng)缺乏［3］，盡管數(shù)字信息系統(tǒng)在價(jià)值共創(chuàng)中扮演著越來(lái)越重要的角色，讓經(jīng)濟(jì)參與者不受時(shí)空限制進(jìn)行互動(dòng)和資源整合［28］。網(wǎng)絡(luò)借貸平臺(tái)已成功在傳統(tǒng)金融中介機(jī)構(gòu)之外另辟戰(zhàn)場(chǎng)，在直接融資領(lǐng)域開(kāi)創(chuàng)先河，成長(zhǎng)為一個(gè)依托信息技術(shù)和大數(shù)據(jù)資源服務(wù)個(gè)人消費(fèi)者和小微企業(yè)的繁榮金融生態(tài)。在此背景下，對(duì)國(guó)外成熟網(wǎng)絡(luò)借貸平臺(tái)的價(jià)值共創(chuàng)模式進(jìn)行實(shí)證研究，不僅能夠豐富網(wǎng)絡(luò)借貸和價(jià)值共創(chuàng)理論體系，而且有利于國(guó)內(nèi)相關(guān)企業(yè)學(xué)習(xí)借鑒國(guó)外的成功經(jīng)驗(yàn)和模式。

三、理論分析

Lending Club 平臺(tái)上的主要參與者包括平臺(tái)、投資者和借款人。借貸流程大致是：借款人在平臺(tái)上發(fā)起借款申請(qǐng)，平臺(tái)基于信息搜集和分析能力對(duì)借款人進(jìn)行信用審核，將合格借款訂單留在平臺(tái)。訂單內(nèi)容不僅包含借款人提供的個(gè)人和借款信息，還包括平臺(tái)給出的信用評(píng)級(jí)和借款利率。投資者根據(jù)訂單信息，綜合自己的投資偏好、知識(shí)經(jīng)驗(yàn)確定投資標(biāo)的和投資數(shù)額。如果之后借款人能夠按期還本付息直到還清債務(wù)，則平臺(tái)、投資者和借款人三者成功實(shí)現(xiàn)了價(jià)值共創(chuàng)。該過(guò)程中價(jià)值共創(chuàng)的主體是平臺(tái)、投資者和借款人，三者耦合共軛發(fā)揮各自資源優(yōu)勢(shì)，任何一方都不可或缺。投資者付出資金成本和用于甑別風(fēng)險(xiǎn)的知識(shí)技能，獲得投資收益；平臺(tái)制定交易規(guī)則，提供交易場(chǎng)所和技術(shù)支持，獲得服務(wù)收入；借款人付出利息成本，獲得滿足自身效用最大化所需的流動(dòng)性支持。Lending Club 的價(jià)值共創(chuàng)模式如圖1 所示。

圖1 網(wǎng)絡(luò)借貸價(jià)值共創(chuàng)模式

首先，借款人在平臺(tái)上發(fā)起借款申請(qǐng)，提供必要的個(gè)人和借款信息，這些信息是平臺(tái)審核和投資者進(jìn)行投資決策的信息基礎(chǔ)。一方面，訂單信息決定借款人能否通過(guò)平臺(tái)審核，并最終得到投資者的投資；另一方面，平臺(tái)上海量的用戶信息客觀上形成了一筆寶貴的大數(shù)據(jù)資源，這是平臺(tái)和用戶價(jià)值共創(chuàng)必不可少的兩大資源基礎(chǔ)之一［4］，平臺(tái)基于此可以訓(xùn)練更加強(qiáng)大的分類算法，降低對(duì)守信和違約用戶的誤分類率，從而更好地促進(jìn)價(jià)值共創(chuàng)。用戶提供的信息不僅服務(wù)了自己，也間接服務(wù)了其他用戶（包括其他借款人和投資者）。因而，借款人不僅是服務(wù)的接受者，也是資源的貢獻(xiàn)者，他們提供了價(jià)值共創(chuàng)所需的大數(shù)據(jù)資源。

其次，平臺(tái)對(duì)借款人的借款申請(qǐng)進(jìn)行審核，對(duì)通過(guò)審核的借款人進(jìn)行信用評(píng)級(jí)并設(shè)定借款利率。信息技術(shù)的發(fā)展使得企業(yè)能夠處理用戶大數(shù)據(jù)，捕捉關(guān)鍵信息和市場(chǎng)變化并快速作出反應(yīng)［29］。該過(guò)程平臺(tái)主要通過(guò)數(shù)據(jù)賦能促進(jìn)價(jià)值共創(chuàng)［30］：平臺(tái)充分利用自身的信息搜集能力、資源整合能力和大數(shù)據(jù)分析能力識(shí)別潛在違約用戶，評(píng)估借款人信用風(fēng)險(xiǎn)并設(shè)定風(fēng)險(xiǎn)利率，從而有效降低借貸雙方的信息不對(duì)稱；基于大數(shù)據(jù)算法評(píng)估借款人信用風(fēng)險(xiǎn)，風(fēng)險(xiǎn)評(píng)估模型一旦成熟并投入使用，此后平臺(tái)對(duì)借款人信用評(píng)估的邊際成本近乎為零，規(guī)模經(jīng)濟(jì)極大降低了交易成本。信息不對(duì)稱和交易成本正是傳統(tǒng)金融中介機(jī)構(gòu)存在的最主要原因［2］，網(wǎng)絡(luò)借貸平臺(tái)通過(guò)數(shù)據(jù)賦能甚至以更有效的方式解決了這兩個(gè)問(wèn)題。因而，平臺(tái)既是資源整合者，也是價(jià)值共創(chuàng)的促進(jìn)者和合作者［7，9，20］，通過(guò)制度（借貸規(guī)則）、技術(shù)（大數(shù)據(jù)分析能力） 和互動(dòng)（連接借貸雙方） 促進(jìn)價(jià)值共創(chuàng)［11］。

再次，投資者對(duì)通過(guò)審核的借款申請(qǐng)進(jìn)行篩選，決定投資標(biāo)的和投資金額。在以往的研究中，廖理等［31］證明了網(wǎng)絡(luò)借貸投資者能識(shí)別相同利率背后的不同風(fēng)險(xiǎn)；胡金焱等［32］證明網(wǎng)絡(luò)借貸投資者具有理性意識(shí)，表現(xiàn)為對(duì)收益的追求和對(duì)風(fēng)險(xiǎn)的規(guī)避。投資者效用由期望收益率和投資風(fēng)險(xiǎn)決定，即U=E，式中E(r)為期望收益率，σ2為投資風(fēng)險(xiǎn)，故投資者利用自身經(jīng)驗(yàn)知識(shí)排除潛在違約申請(qǐng)，再結(jié)合風(fēng)險(xiǎn)偏好等個(gè)人特質(zhì)選擇符合自身效用最大化的投資標(biāo)的組合，投資者利用擁有的對(duì)象性資源參與價(jià)值共創(chuàng)［4，9］。

最后，借款人能自主決定是否發(fā)起借貸申請(qǐng)及申請(qǐng)的內(nèi)容；投資者對(duì)自己的資金配置擁有主動(dòng)權(quán)和決定權(quán)，能夠自行決定接受和提供服務(wù)［33］；平臺(tái)通過(guò)規(guī)則設(shè)計(jì)和技術(shù)手段理解用戶需求，提供滿足用戶需求的服務(wù)；該過(guò)程體現(xiàn)的服務(wù)邏輯是顧客主導(dǎo)邏輯［34-35］。由于邏輯主體已從顧客轉(zhuǎn)變?yōu)橛脩簦瑑r(jià)值共創(chuàng)方式是遵循用戶主導(dǎo)邏輯的價(jià)值共創(chuàng)［14］。

四、研究假設(shè)與數(shù)據(jù)處理

1.研究假設(shè)。上文闡釋了網(wǎng)絡(luò)借貸的多邊參與者如何通過(guò)資源整合和能力互動(dòng)實(shí)現(xiàn)價(jià)值共創(chuàng)。然而，以上推導(dǎo)和闡釋實(shí)則蘊(yùn)含了兩個(gè)重要假設(shè)。

平臺(tái)能夠整合內(nèi)外部資源并利用自身技術(shù)能力識(shí)別出不同信用風(fēng)險(xiǎn)的借款人，根據(jù)信用評(píng)級(jí)對(duì)借款申請(qǐng)進(jìn)行差異化定價(jià)供不同風(fēng)險(xiǎn)偏好的投資者選擇。故提出假設(shè)1：

H1：平臺(tái)能有效識(shí)別不同借款人的違約風(fēng)險(xiǎn)，并通過(guò)信用評(píng)級(jí)提示投資者。

投資者能夠利用自身經(jīng)驗(yàn)知識(shí)，對(duì)借款人和平臺(tái)提供的信息進(jìn)行分析判斷，從而排除潛在違約訂單。故提出假設(shè)2：

H2：投資者能有效分析不同借款人的違約風(fēng)險(xiǎn)，并選擇低風(fēng)險(xiǎn)訂單進(jìn)行投資。

這兩個(gè)假設(shè)是以上價(jià)值共創(chuàng)模式推導(dǎo)成立的充分必要條件。

2.研究設(shè)計(jì)。為檢驗(yàn)以上兩個(gè)假設(shè)，本文研究設(shè)計(jì)的主要思路是：將假設(shè)轉(zhuǎn)化為具體可量化、可驗(yàn)證的科學(xué)問(wèn)題；搜集相關(guān)數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理和數(shù)據(jù)描述；選擇合適的模型以檢驗(yàn)假設(shè)，得出結(jié)論。

針對(duì)H1，平臺(tái)能有效識(shí)別不同借款人的違約風(fēng)險(xiǎn)，并通過(guò)信用評(píng)級(jí)提示投資者。平臺(tái)的風(fēng)險(xiǎn)識(shí)別和定價(jià)能力主要表現(xiàn)為信用評(píng)級(jí)是否準(zhǔn)確有效，如果平臺(tái)能準(zhǔn)確識(shí)別風(fēng)險(xiǎn)，那么借款人違約風(fēng)險(xiǎn)越高則其信用評(píng)級(jí)應(yīng)該越低，且借款利率越高，反之則反。故檢驗(yàn)H1等價(jià)于檢驗(yàn)：不同信用評(píng)級(jí)借款人的違約概率存在顯著差異，且信用評(píng)級(jí)越低違約風(fēng)險(xiǎn)越高，反之則反。

針對(duì)H2，投資者能有效分析不同借款人的違約風(fēng)險(xiǎn)，并選擇低風(fēng)險(xiǎn)訂單進(jìn)行投資。Zum et al.［36］認(rèn)為，投資者在進(jìn)行投資決策時(shí)，會(huì)根據(jù)借款人信用風(fēng)險(xiǎn)用腳投票，而訂單完成度可以作為投票結(jié)果。借款人在平臺(tái)的申請(qǐng)金額為loan＿amnt，最終實(shí)際籌得借款金額inv＿amnt，inv＿amnt≤loan＿amnt，可定義借款總額的“滿標(biāo)率”full＿rate=；full＿rate=1說(shuō)明借款人籌得全部資金，full＿rate＜1 說(shuō)明借款人未籌得全部資金。如果投資者確實(shí)能識(shí)別潛在違約者，那么潛在違約者將得不到投資，潛在還款者將得到更多投資人的青睞；或者說(shuō)滿標(biāo)率越高則說(shuō)明訂單受到更多認(rèn)可，訂單還款的概率也會(huì)越高。故檢驗(yàn)H2等價(jià)于檢驗(yàn)：滿標(biāo)率越高，借款人還款的可能性越高。

3.數(shù)據(jù)獲取與預(yù)處理。研究數(shù)據(jù)取自Lending Club 平臺(tái)上2007—2018 年的所有有效訂單，總計(jì)為2 260 701 條數(shù)據(jù)，內(nèi)容涵蓋借款人目前借款狀態(tài)（loan＿status）、最終募集金額（funded＿amnt＿inv）、平臺(tái)信用評(píng)級(jí)（grade）和借款利率（int＿rate）、借款人申請(qǐng)的借款金額（loan＿amnt）、借款期限（term）、債收比（dti）和房屋狀態(tài)（home＿ownership）等。變量名稱及含義見(jiàn)表1。

因?yàn)橹豢紤]整個(gè)價(jià)值共創(chuàng)最終是否成功實(shí)現(xiàn)，無(wú)法確定正在還款中的用戶最后是否會(huì)違約，故排除借款狀態(tài)為還款中的用戶，只保留已償還或違約的用戶。此外，針對(duì)不同類型的變量（有序型變量、數(shù)值型變量和名義型變量），數(shù)據(jù)預(yù)處理方法和步驟如下：為減少少量異常值對(duì)實(shí)驗(yàn)結(jié)果的影響，剔除債收比（dti）前后5%的截尾數(shù)據(jù)和借款金額超過(guò)25 000美元的用戶（占總樣本11.8%），將借款金額等間距劃分為5 個(gè)等級(jí)轉(zhuǎn)換為有序變量；對(duì)有n個(gè)等級(jí)的有序變量，分別賦值0～n-1；對(duì)名義型變量取虛擬變量。處理后總共獲得1 065 601 份訂單，變量名稱及說(shuō)明如表2。

表1 變量名稱及含義

表2 預(yù)處理后的變量說(shuō)明

表3 給出了預(yù)處理后變量的描述性統(tǒng)計(jì)。由表3 可知，全部訂單中有80.8%的借款人還清本息，19.2%的訂單出現(xiàn)違約；投資者的平均信用評(píng)級(jí)為1.66，介于B 和C 之間；借款利率平均為12.93%，最低5.31%，最高30.99%；債收比大致介于5 到33 倍之間，平均為18 倍；大部分借款人選擇的借款期限是36 個(gè)月，占比78.9%；47.7%的借款人房屋為抵押（按揭）狀態(tài)，10.6%為自有，剩下41.7%則是租賃。

表3 統(tǒng)計(jì)性描述

4.模型選擇。如果平臺(tái)能有效識(shí)別不同借款人的違約風(fēng)險(xiǎn)，并通過(guò)信用評(píng)級(jí)提示投資者，那么不同信用評(píng)級(jí)訂單的違約率應(yīng)該顯著不同，可統(tǒng)計(jì)不同信用評(píng)級(jí)中違約訂單的占比并進(jìn)行卡方檢驗(yàn)以初步驗(yàn)證假設(shè)。為檢驗(yàn)平臺(tái)信用評(píng)級(jí)的有效性，投資者能有效分析不同借款人的違約風(fēng)險(xiǎn)，將借款人的還款狀態(tài)作為因變量，信用評(píng)級(jí)、滿標(biāo)率分別作為核心解釋變量，借款人其他信息作為控制變量進(jìn)行擬合。借款人還款狀態(tài)只包括還款和違約兩種狀態(tài)，是一個(gè)典型的二分類問(wèn)題，同時(shí)需要擬合的樣本數(shù)（1 065 601份訂單）遠(yuǎn)大于自變量的個(gè)數(shù)，因而可通過(guò)機(jī)器學(xué)習(xí)中經(jīng)典的Logistic 回歸（LR）模型進(jìn)行擬合。

五、實(shí)證檢驗(yàn)

遵循上文研究設(shè)計(jì)的思路，綜合利用卡方檢驗(yàn)和Logistic 回歸模型分別對(duì)兩個(gè)研究假設(shè)進(jìn)行實(shí)證檢驗(yàn)。

（一）平臺(tái)風(fēng)險(xiǎn)識(shí)別及定價(jià)能力檢驗(yàn)

風(fēng)險(xiǎn)識(shí)別和定價(jià)能力是現(xiàn)代金融機(jī)構(gòu)的核心職能，也是網(wǎng)絡(luò)借貸平臺(tái)最重要的能力和核心競(jìng)爭(zhēng)力，它是支撐借貸雙方在網(wǎng)絡(luò)借貸平臺(tái)上有序、有效交易互動(dòng)，以及平臺(tái)參與和促進(jìn)價(jià)值共創(chuàng)的能力基礎(chǔ)。

為驗(yàn)證假設(shè)H1，平臺(tái)能有效識(shí)別不同借款人的違約風(fēng)險(xiǎn)，并通過(guò)信用評(píng)級(jí)提示投資者。我們統(tǒng)計(jì)了不同信用評(píng)級(jí)中借款人的違約比例，圖2表明借款人違約率隨信用評(píng)級(jí)的降低而升高。

圖2 不同信用級(jí)別借款人還款情況

統(tǒng)計(jì)結(jié)果的卡方檢驗(yàn)顯示p值小于0.01，說(shuō)明在99%的置信區(qū)間內(nèi)認(rèn)為不同信用評(píng)級(jí)借款人的違約情況存在顯著差異，信用評(píng)級(jí)越低則違約風(fēng)險(xiǎn)越高，反之則反?？ǚ綑z驗(yàn)在一定程度上說(shuō)明平臺(tái)通過(guò)信用評(píng)級(jí)為投資者提示風(fēng)險(xiǎn)，但仍然無(wú)法說(shuō)明信用評(píng)級(jí)和借款利率在投資者決策中的重要程度。換句話說(shuō)，投資者能否利用信用評(píng)級(jí)和借款利率幫助自己更好地識(shí)別風(fēng)險(xiǎn)呢？ 如果能，則平臺(tái)成功地促進(jìn)了價(jià)值共創(chuàng)。

Logistic 回歸是二分類任務(wù)中最常用且表現(xiàn)最穩(wěn)定的機(jī)器學(xué)習(xí)算法之一，尤其適用于解決樣本數(shù)量遠(yuǎn)大于自變量數(shù)量的分類任務(wù)。通過(guò)在線性回歸模型中引入Sigmoid 函數(shù)，將線性回歸不確定范圍的連續(xù)輸出值映射到（0，1）范圍內(nèi)，成為一個(gè)概率預(yù)測(cè)問(wèn)題。也就是，根據(jù)自變量預(yù)測(cè)因變量發(fā)生的概率，當(dāng)預(yù)測(cè)概率大于0.5 時(shí)輸出1，否則輸出0。其公式可抽象為：

其中，P（y=1 ｜x；θ）表示自變量為x時(shí)因變量y=1 的概率，θ是模型擬合參數(shù)，F(xiàn)θ（x）是參數(shù)為θ的Logistic 函數(shù)。

借鑒廖理等［31］對(duì)網(wǎng)絡(luò)借貸平臺(tái)投資者風(fēng)險(xiǎn)識(shí)別能力的研究，假設(shè)在沒(méi)有平臺(tái)參與的情況下，平臺(tái)沒(méi)有對(duì)借款人作出信用評(píng)級(jí)并給出相應(yīng)的借款利率，投資者根據(jù)借款人提供的信息就能推測(cè)其還款概率，即：

在平臺(tái)參與的情況下，投資者根據(jù)借款人的信息及平臺(tái)提供的信用評(píng)級(jí)和風(fēng)險(xiǎn)定價(jià)推測(cè)還款概率，即：

其中，loan＿statusi表示第i個(gè)借款人的還款狀態(tài)；bor＿infoi表示第i個(gè)借款人提供的信息，包括債收比dti、借款金額loan＿amnt、借款期限term和房屋狀態(tài)home＿ownership，為控制變量；plat＿infoi表示平臺(tái)對(duì)第i個(gè)借款人給出的信用評(píng)級(jí)grade和利率int＿rate，為核心解釋變量；F(x)=為L(zhǎng)ogistic 函數(shù)。根據(jù)公式（2）構(gòu)建模型A，根據(jù)公式（3）構(gòu)建模型B，選用梯度下降法（Gradient Descent）對(duì)預(yù)處理后的訂單數(shù)據(jù)進(jìn)行擬合，結(jié)果如表4。

表4 模型A 和模型B 擬合結(jié)果

由模型A 可知，借款人的各項(xiàng)信息均在1%的統(tǒng)計(jì)水平下顯著，模型解釋力度為4.3%。我們更想了解的是平臺(tái)在雙方借貸中所發(fā)揮的作用，在模型B 中，包括債收比、借款金額、借款期限和房屋狀態(tài)在內(nèi)的借款人信息為控制變量，平臺(tái)給出的信用評(píng)級(jí)和借款利率為核心解釋變量，回歸結(jié)果顯示所有變量均在1%的統(tǒng)計(jì)水平下顯著，模型的解釋力度大幅提升到7.6%，信用評(píng)級(jí)（grade）、借款利率（int＿rate）與還款狀態(tài)（loan＿status）均顯著負(fù)相關(guān)，且信用評(píng)級(jí)每下降一個(gè)等級(jí)（如從A 到B，B 到C，等等），全額還款的可能性降低23.3%（1-0.767=0.233），借款利率每提高1%，全額還款的可能性降低0.4%。實(shí)際上，以上訂單全額還款的概率為80.83%，因此以80.83%作為閾值［31］對(duì)以上兩個(gè)模型進(jìn)行判斷準(zhǔn)確度驗(yàn)證。Logistic 模型預(yù)測(cè)借款人還款概率超過(guò)80.83%就判定其會(huì)守信，否則就判定其會(huì)違約。模型A 預(yù)測(cè)借款人不會(huì)違約，且實(shí)際上沒(méi)有違約的正確率為85.94%，預(yù)測(cè)借款人不會(huì)違約，但實(shí)際上違約的錯(cuò)誤率為14.06%；模型B 中前者的預(yù)測(cè)準(zhǔn)確率提高到87.89%，后者的錯(cuò)誤率降低為12.11%。

綜上，我們驗(yàn)證了平臺(tái)在價(jià)值共創(chuàng)中的促進(jìn)作用，平臺(tái)通過(guò)信用評(píng)級(jí)成功提示風(fēng)險(xiǎn)，顯著降低了借貸雙方的信息不對(duì)稱。

（二）投資者風(fēng)險(xiǎn)識(shí)別能力檢驗(yàn)

網(wǎng)絡(luò)借貸價(jià)值共創(chuàng)模式成立的另一個(gè)充要條件是投資者能有效分析不同借款人的違約風(fēng)險(xiǎn)，并選擇低風(fēng)險(xiǎn)訂單進(jìn)行投資。換句話說(shuō)，投資者能在平臺(tái)提供信息的基礎(chǔ)上進(jìn)一步利用自身經(jīng)驗(yàn)知識(shí)等個(gè)人特質(zhì)識(shí)別出潛在違約申請(qǐng)并排除。我們因此構(gòu)建變量滿標(biāo)率full＿rate=，其中l(wèi)oan＿amnt為借款人申請(qǐng)金額，inv＿amnt為實(shí)際籌得金額。根據(jù)假設(shè)H2，如果投資者足夠聰明，能利用自身經(jīng)驗(yàn)知識(shí)識(shí)別潛在違約者，那么滿標(biāo)率越高則說(shuō)明該訂單受到更多認(rèn)可，訂單還款的概率也會(huì)越高。將以上問(wèn)題轉(zhuǎn)化為L(zhǎng)ogistic 模型C：

其中，核心解釋變量為full＿ratei，控制變量包括借款人信息bor＿infoi和平臺(tái)信息plat＿infoi。在模型B 的基礎(chǔ)上增加變量full＿rate并擬合模型C，結(jié)果如表5 所示。

表5 模型C 擬合結(jié)果

由表5 可知，滿標(biāo)率full＿rate在1%的水平下顯著，且系數(shù)為正，說(shuō)明在99%的情況下，滿標(biāo)率越高，借款人全額還款的可能性越高。優(yōu)勢(shì)比odds ra?tios等于1.367，說(shuō)明滿標(biāo)率每提高一個(gè)百分點(diǎn)，還款概率提高0.367 個(gè)百分點(diǎn)。換句話說(shuō)，那些最終全額還本付息的訂單，在一開(kāi)始也會(huì)受到更多投資者的投資，假設(shè)H2得證。同時(shí)，我們也注意到模型C 整體擬合優(yōu)度并無(wú)顯著提高，說(shuō)明該變量對(duì)模型預(yù)測(cè)效果貢獻(xiàn)較少，這可能跟樣本數(shù)據(jù)中未滿標(biāo)訂單占比太少（約占10%）有關(guān)。

六、結(jié)論與啟示

通過(guò)分析網(wǎng)絡(luò)借貸過(guò)程中平臺(tái)、借款人和投資者三者的互動(dòng)關(guān)系和價(jià)值共創(chuàng)模式，并利用Lending Club 上的兩百余萬(wàn)條真實(shí)訂單數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，研究得出的主要結(jié)論包括：（1）網(wǎng)絡(luò)借貸中，借款人不僅貢獻(xiàn)了投資者利息收入和平臺(tái)服務(wù)費(fèi)，還貢獻(xiàn)了價(jià)值共創(chuàng)所需的大數(shù)據(jù)資源，這是平臺(tái)有效運(yùn)轉(zhuǎn)，迭代增強(qiáng)技術(shù)服務(wù)能力的資源基礎(chǔ)；（2）平臺(tái)能有效利用大數(shù)據(jù)資源和能力對(duì)借款人進(jìn)行信用評(píng)級(jí)和風(fēng)險(xiǎn)定價(jià)，實(shí)證結(jié)果表明借款人信用評(píng)級(jí)每降低一級(jí)，全額還款的可能性降低23.3%，借款利率每溢價(jià)1%，全額還款可能性降低0.4%，這樣的風(fēng)險(xiǎn)提示在很大程度上降低了借貸雙方的信息不對(duì)稱和交易成本，因而對(duì)促進(jìn)網(wǎng)絡(luò)借貸生態(tài)的價(jià)值共創(chuàng)具有重要意義；（3）投資者不僅提供了借貸本金，而且能夠利用自身知識(shí)經(jīng)驗(yàn)識(shí)別潛在違約訂單并排除，進(jìn)一步降低了“檸檬市場(chǎng)”出現(xiàn)的可能性并弱化其程度。借款人、平臺(tái)和投資者通過(guò)互動(dòng)和資源整合成功實(shí)現(xiàn)了價(jià)值共創(chuàng)，三者缺一不可。

研究對(duì)平臺(tái)管理和行業(yè)監(jiān)管的啟示是：國(guó)內(nèi)網(wǎng)絡(luò)借貸平臺(tái)應(yīng)定位為信息中介及大數(shù)據(jù)服務(wù)者角色，聚焦于提高自身的信息整合和分析能力。為彌補(bǔ)傳統(tǒng)銀行信貸渠道不足，滿足民間旺盛的借貸需求，同時(shí)降低行業(yè)風(fēng)險(xiǎn)，促進(jìn)行業(yè)健康有序發(fā)展，行業(yè)監(jiān)管可以重點(diǎn)從以下三方面著手：（1）與行業(yè)共建共享個(gè)人身份驗(yàn)證、征信等公共服務(wù)平臺(tái)，保證價(jià)值共創(chuàng)資源基礎(chǔ)即用戶大數(shù)據(jù)資源的真實(shí)有效；（2）強(qiáng)化平臺(tái)的信息中介和大數(shù)據(jù)服務(wù)者角色，激勵(lì)平臺(tái)提高大數(shù)據(jù)分析能力，保證其能有效識(shí)別并提示借款人信用風(fēng)險(xiǎn)，更好地發(fā)揮信息中介作用；（3）加強(qiáng)投資者教育，灌輸“高收益高風(fēng)險(xiǎn)”觀念，鼓勵(lì)分散投資理念，打破剛性兌付心理預(yù)期，從而鞭策投資者提高風(fēng)險(xiǎn)識(shí)別和應(yīng)對(duì)能力。