P2P网络借款投标成功率影响因素实证分析.docVIP

3.1财务因素的影响 Klafft在2008年的研宄报告巾表明，P2P网络借贷的投资者在各项借款人的财务信息 上，更看重的是借款人的信用评级。他对Prosper平台上的3万多条借款信息进行了回归分 析，结果得出借款人的信用等级对借款利率影响程度最大，而对于借款人的其他财务指标， 虽然在M归结果屮都品著，但是影响程度都不人，甚至有些财务信息的影响可以忽略不计。 Klafft做的第二个实证分析将因变量改为借款是否成功，借款人的信用等级的影响程度也很 大，但是借款人的银行账户信息对借款是否成功的影响程度却超过Y借款人的信用等级『31。 自从Klafft在2008年发表了这篇实证研究报告后，越来越多国外学者也对影响P2P网 络借贷因素的影响感兴趣。例如：Lin等人在2009年发表的研宂报告中，通过对Prosper数 据的分析后，再一次证明了借款者的信用评级越低，借款成功率就越低，借款利率也就越高， 同时贷款的风险也加大。这一次的数据是在Prosper运营了 2年时间后搜集的，数据上基本 上包含了所以情况，所以准确性来说应该比Klafft的要好l4j; Pum等人在2010年的研究报 告中表明，借款成功率和贷款人决定的借款利率对借款人来讲都是十分重要的影响因素，借 款人必须要在这两者之间进行权衡。而且借款金额会对借款成功率和借款利率产生影响，为 了能够降低借款利率并且提高借款成功率，借款人则必须降低借款金额的额度。并且Puro 还对几个比较显著的自变量进行回归分析，创建了一个辅助贷款人分析的借贷工具|5］。 根据国内外各研宂学者的分析，影响P2P网络借贷的财务因素主要包括：借款金额、 借款利率、借款期限、借款人信用等级以及各种收入和身份认证。本文根据国内P2P网络 借贷平台的特征，加入了儿个国闪特有的影响因素，并且将影响P2P M络借贷的财务因素 分为五大类： 图2财务影响因素的分类 3.2社会资本因素的影响 除了财务因素这类“硬变外，M外学者还对“软变也就是社会资本对P2P借 贷过程的影响。但是由于这些“软变量”是不能够直接通过数据进行测呈得到的，所以国外 的研究人员通过对借款人网络上的“朋友圈”以及社区网络上的人际关系进行调查分析。 Klafft在2008年的实证研究巾有提到：个人之间的社交网络可以减少逆向选择，并使得整 个贷款过程得到更好的结果而Mingfeng Lin等人在2009年的研宂结果也表明：在线社 区网络上的人际关系，特别是关于借款人的社会资本，能够有效的减轻借贷过程屮巾于信息 不对称所导致的逆向选择问题，并且能够很好的提高贷款的效率l6］; Seth Freedman在2010 年则是通过Prosper上的数据对社会资本的影响进行分析。他选取了从2006年6月1曰到 2008年7月31日的交易数据，研究发现P2P在线网络借贷平台相对于其他的线下借贷平台 （银行，民间借贷等），出借方获得借款方的“硬信息”的难度很大，而且信息获得不全面， 但是通过社区网络上的“软信息”能够有效的缓解这种信息不对称的状况，以补偿“硬信息” 不足的缺陷17］。 结合国外学者的研宄分析结果，影响P2P网络借贷投标成功率的社会资本影响因素大 致可以分为三类，如图3所示： 阁3社会资本影响因素的分类 由于M内P2P网络借贷平台并没有开放借款人朋友圈功能，主要原因可能是巾于国內 的M络信用评级功能不够成熟，无法准确无误的获取借款人以及借款人朋友的信用信息。所 以本文不将社会资本的影响因素列入分析的变量。 P2P网络借款投标成功率影响因素实证分析 4.1模型的理论分析 4.1.1信息不对称理论 信息不对称理论是指在市场经济活动屮，各类人员对有关信息的了解是有差异的；掌握 信息比较充分的人员，往往处于比较有利的地位，而信息贫乏的人员，则处于比较不利的地 位。信息不对称最终可能导致逆向选择，Akerlof在1970年解释“柠檬市场”的吋候曾经有 提到：在市场经济条件下，市场的买卖主体不可能完全占有对方的信息，这种信息不对称必 定导致信息拥有较多者获取更大的利益而且会使得信息拥有较少者的利益受到损失。并且 Akerlof通过对旧车市场的模型建立分析，验证了此结论，而且将结论推广于许多行业，某 屮就包括信贷行业18］。而P2P网路借贷是基于互联W线上的一种新型借贷模式，出借方不拥 有或者不完全拥有借款者的个人信息，从而使得两方获得的信息不对称，这种情况就会产生 逆向选择。举个简单的例子：假设P2P网络借贷平台上，存在借款人A和B，他们的“硬” 信息基本上是一样的，包括：他们的信用等级都是D,都通过了身份认证，手机认证，视频 认证和学历认证）。他们同时在网络借贷平台上发布了借款信息，并且借款期限都为12个月。 唯一的区别就是借款人A的借款利率为12%,借款人B