中国P2P小额贷款市场借贷成功率影响因素分析，本文主要内容关键词为：成功率论文,中国论文,小额贷款论文,因素论文,市场论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
信息通讯技术的发展极大地促进了小额贷款的发展并且在模式上进行了创新，发达国家首先将网上拍卖机制引入其中出现了一种新的小额贷款市场模式(Kamins等，2004)，即Peer-to-Peer(P2P)小额贷款模式。从2005年Zopa建立以来，P2P贷款模式得到了很快的发展，它成了现代金融业务的一个分支。目前国外的P2P小额贷款平台主要有KIVA、MICROPIACE、Zopa、Prosper等，其核心特征是：无需传统金融中介的参与，资金充裕者和资金需求者可以自由的进入市场，借款人提交借款订单，投资者在众多的借款订单中选择订单并通过利率竞标的方式进行投资，会在其所能承受的风险范围内进行小额度的投标，便于分散风险，直到订单完成或者持续期期满订单没有完成而被自动取消。这种模式可以很方便地使资金充裕者的资金到达缺乏资金会员的手中，降低了市场的运作成本，提高了资金配置效率，同时借贷过程也更加透明化。
中国的P2P小额贷款市场从2006年开始也得到了很快速的发展，国内的P2P小额贷款平台主要有宜信、拍拍贷、人人贷等，提供的服务模式、服务种类也多种多样，在一定程度上满足了中国市场的小额信贷业务需求，政府也制定了一些积极的政策措施来监督和促进P2P小额贷款市场的发展。本文以拍拍贷(http://www.ppdai.com/)市场为例，主要研究中国P2P小额贷款市场的基本特征，以及这些特征对借贷成功率的影响，同时对投标者的行为进行分析。
二、相关研究评述
小额贷款市场的快速发展，引起了学术界的广泛关注。Freedman和Jin(2011)，Lin等(2009，2013)指出，借款人的基本信息是投资者对其还款可能性进行评估的主要参照因素。Herzenstein等(2008)和Iyer等(2009)发现借款人的财务状况对其借款成功率有显著影响。Lin等(2009)指出借款人的信用等级越低，其借款成功率越低，违约率比较高。Herzenstein等(2008)利用Prosper上的数据实证得出借款人信用、个人背景特征、努力程度对借款成功率有影响。Pope和Sydnor(2011)也利用Prosper上的数据发现很明显的种族差异，即黑人不容易借到款，而且利率一般较高。Ravina(2012)的研究指出种族差异对利率有显著影响，长相漂亮的借款人更容易借到款项，而且利率一般比较低。Puro等(2010)在研究哪些措施能够帮助借款人成功地借到款项时，认为借款成功率的主要影响因素包括：信用得分、总负债偿还比率、当前拖欠记录。
还有一些研究集中在借款人在社会网络中的角色和交互对借款成功率的影响。Hope和Stiglitz(1990)，Udry(1994)，Ferrara(2003)研究发现非正式的投资者和金融机构利用借款人的社会网络因素来确定借款人的违约风险，故借款人的社会网络因素在P2P贷款市场中也发挥着重要的作用。Herrero-Lopez(2009)评估了社会互动对P2P小额贷款市场的影响，结论指出借款人在加入“可信社团”后，其借款成功率提高了2倍。Lin等(2013)指出社会互动作为一种软信息资源能够在一定程度上降低信息不对称和道德风险。Zhang和Liu(2012)实证研究了Prosper市场中投资者的理性羊群行为。
上述研究都是基于国外的数据，但是由于历史文化、宗教信仰、经济发展阶段等的不同，使得中国市场环境跟国外市场环境有所不同。张玉梅(2010)分析了小额网络贷款迅速发展的原因，探讨了我国小额网络贷款存在的问题并给出了一些政策性建议。孙之涵(2010)概括总结了国内外(国外4家、国内3家)具有代表性的小额贷款网站的运营特色，进而针对网站运营及发展的机遇与风险提出了一些合理化对策建议。应起翔(2010)对中印小额贷款的发展历史和需求分析、发展模式和供给、风险与监管进行了比较分析，并针对我国小额贷款的发展现状给出了一些政策性建议。李东荣(2011)对拉美国家小额信贷业务的发展及监管经验进行了总结，并探讨了对我国小额贷款业务的启示。郭阳(2012)以拍拍贷市场为例，对其借款订单的基本属性进行了统计研究。
通过对现有文献的收集整理，我们发现目前针对中国P2P小额贷款市场的定量研究较少，并且现有研究大多关注于机制设计、风险因素的定性分析，或者对现有P2P小额贷款模式进行定性的比较，但是对于P2P小额贷款市场的一些内在规律并没有进行深入的挖掘和研究(例如，中国P2P小额贷款市场有哪些特征，以及市场中影响投资者决策的因素等)。针对这一现状，本文将利用交易比较活跃的拍拍贷市场上的真实交易数据来研究中国的P2P小额贷款市场的基本特征以及有哪些因素会对借款成功率产生影响。
三、数据选取与基本统计特征分析
(一)数据选取与特征描述
拍拍贷成立于2007年8月，是中国首家P2P小额无担保网络借贷平台。本文选用了拍拍贷网站页面记录的自其建立到2012年5月1日期间所有发布的有效借款订单以及会员信息作为统计分析的样本，共包含76259个有效订单、41584位注册会员。对于每一个借款订单和每一个会员，我们记录了一系列可获取的属性数据。
拍拍贷市场的用户主要分布于经济较发达的东部沿海地区(华东地区16098人、华南地区8427人、华北地区4766人)，其中广东省最多(占到总数的29%)，从地区分布来看，华东地区和华南地区占到了总数的61%；从用户的年龄来看以青年人为主，30岁以下的用户占到总用户量的67.6%；借款订单的借款额度在0～50万元之间，借款利率的均值为18.62%，其中62 %的订单借款人的借款信用得分在35分以下，说明小额贷款市场中借款人主体是那些很难从银行等传统金融机构获得贷款的没有财产可以抵押、信用等级不高的低收入群体；另外在所有借款订单中，有推荐的借款订单占到25%，所有订单的总投标量达到总借款额度的45.9%，满标的订单数占订单总数的1/4(郭阳，2012)。上述基本统计特征说明中国的P2P小额贷款市场的交易还是比较活跃的，在很大程度上能满足借款者的需求。
通过对订单中的借款用途进行关键词提取，本文对比分析了以下比较普遍的七类借款用途的借款订单成功率：投资、个人消费、资金周转、创业、扩大经营、交学费、体验标。由图1可以看出，所有借款订单中，用途为资金周转的借款订单比例最高，占到了所有订单总数的30%。不同借款目的的借款订单满标比例差别很大，说明借款目的是投资者关注的一个重要方面，第一次在拍拍贷上体验借款的借款人订单的满标率达到81.6%，说明投资者很愿意贷款给初次借款的人，因为初次借款的人一般借款额度都比较小，而且为了之后能顺利借到款项一般都会积极还款。用于创业投资的借款订单满标率最低，为14.1%，说明投资者对于创业投资的借款订单很慎重，因为创业风险较大，投资者一般不倾向于投资创业订单，其次，投资者也不倾向于投资给个人消费用的借款订单。所有订单中有1.9%是用于交学费，其借款订单满标率达到了29.3%，说明拍拍贷平台也为在校学生提供了一个获得助学贷款的途径。
图1 不同借款目的类型的借款订单比例和满标订单比例
通过对所有借款订单上借款人的信用等级进行统计(表1所示)可以发现80%以上的借款订单上借款人的信用得分都在75分以下，说明在这个市场中，借款人主体是信用等级不高、无法从传统金融机构获得贷款的低收入者群体，在这种情况下，P2P小额贷款平台无疑为其提供了一种便捷有效的贷款方式，这也是小额贷款网站得以迅速发展的基础。通过对所有借款订单按照满标订单和未满标订单两种情况下订单借款人的信用等级分布状况进行统计(表1所示)，我们发现，随着借款人信用等级的降低，标准均差①呈递减趋势，即随着订单借款人信用等级的降低，满标订单比例逐渐减小，而未满标订单比例逐渐增大。说明随着借款人信用等级的降低，借款人的借款订单越不容易达到满标，即信用等级高的借款人更容易借到款项，因为信用等级越高，借款人的违约风险就越小，所以投资者倾向于贷款给那些信用等级较高的借款人。
通过对所有借款订单按满标订单与未满标订单分别进行分析可知(表2所示)，满标订单的平均借款金额远小于未满标订单，但是未满标订单借款金额的波动很大；满标订单的借款利率与未满标订单的借款利率并没有表现出很大的差别，但是满标订单的平均风险值远小于未满标订单，说明风险值越小的订单越容易达到满标，而且满标订单的有推荐比例要高于未满标订单，说明有推荐的借款订单相较无推荐的订单更容易达到满标；并且满标订单在第一个小时和最后一个小时的平均投标量和平均投标人数都远高于未满标订单。总体上，未满标订单仅有535.23元的平均投标量，远小于其平均借款额度12840.71元，仅完成了借款额度的9.18%。
从表3可以看出，随着信用等级的降低，平均借款额度有递减的趋势，这是因为对于不同信用等级的借款人，拍拍贷对其借款的最高额度有所限制；借款订单的利率有递增的趋势，这是因为信用等级不高的借款人一般会提供较高的利率来吸引投资者进行投资；借款订单有推荐的比例越来越小，即借款订单有推荐的借款人一般信用等级都比较高，两者之间正相关。另外，随着借款人信用等级的降低，借款订单投标的第一个小时和最后一个小时的平均投标量显著递减，例如借款人信用等级为A的借款订单第一小时的平均投标量为4301.37元，远高于借款人信用等级为HR的318.0元，最后一小时的平均投标量为4147.17元，而HR等级为398.0元，并且在投标人数上也呈现出明显递减的趋势，而且随着借款人信用等级的降低，借款订单投标量与借款额度之间的比值也呈现出明显的递减趋势，如借款人信用等级为A的借款订单的投标量与借款额度之间的比值为87.21%，而借款人信用等级为HR的借款订单的投标量与借款额度之间的比值仅为10.91%，说明借款人信用高的借款订单更容易吸引投资者进行投资，特别是这些订单在第一个小时就对投资者表现出了很强的吸引力，这些发现与表2的统计结果相一致。
(二)信用等级对订单持续期②的影响
由上述分析可知借款人的信用等级越高，其订单越容易达到满标，那么较高的信用等级是否能缩短其借款订单达到满标所持续的时间？我们通过选取所有的满标订单作为一个新的统计样本，研究了订单的持续期是否会受到信用等级的影响。
图2给出了各信用等级下，各借款订单持续期的订单数占该信用等级下总借款订单数的比例，总体来看，满标订单的订单持续期并没有因为借款人信用等级增高而显著缩短，并且各个信用等级下的订单大约90%是在订单发布后的3天内完成的。图3统计了不同信用等级下订单持续期为一天的借款订单数占该信用等级下总借款订单数的比例，从中可以看出这是一个近似递增的趋势，借款人信用等级为A的借款订单中，一天内满标的借款订单所占比例是最小的，即从借款订单的完成速度来看，随着信用等级的降低，借款订单的完成速度反而有所提高，这一方面可能由于市场中信用较高等级的订单比较少有关，提高了投资者的寻找成本，因而完成时间较长，另外更重要的可能是在中国P2P小额贷款市场上投标者的投资意愿较强，同时小额投标所承担的风险较小，因而在无法对一个借款订单的违约风险做出判断时，投资者容易产生羊群行为(Shiller，1999)，即选择那些已有人投标的借款订单或者投标人数较多的借款订单。
图2 各信用等级的满标订单持续时间(天)
图3 各信用等级下一天内完标的订单比例
四、投标结果的影响因素研究
本文使用所有有效借款订单的数据来分析订单属性、借款人基本信息以及借款人的社会资本对投标结果的影响，这里选取的投标结果统计量包括：借款订单借款额完成比率③、借款订单投标人数、借款订单成交利率。根据拍拍贷网站公布的数据，订单属性(OA)包括：借款金额、借款利率④、借款期限、借款用途、竞标时间⑤；借款人基本信息(BI)包括：借款人信用、成功借款次数、借款人年龄、是否为校学生；借款人的社会资本(SC)是指借款人有无朋友推荐。
(一)借款订单借款额完成比率的影响因素分析
借款订单借款额完成比率，是指借款订单持续期满时，订单的已投标金额占借款金额的百分比，是衡量投标结果的一个重要且直接的指标。通过建立以借款订单完成比率为因变量的回归模型来研究借款订单基本信息、借款人基本信息、借款人的社会资本对借款订单完成情况的影响。回归模型如式(1)所示：
其中，CP为借款订单借款额完成率，OA为借款订单属性组，BI为借款人基本信息属性组，SC为借款人的社会资本属性，e为残差项。
为待估计的系数向量。
由回归结果可以看出(表4所示)，借款利率、借款人信用、成功借款次数对借款订单完成比率有显著的正的促进作用，跟Lin等(2009，2013)、Herzenstein等(2008)的结论基本一致。借款额度对借款成功率的影响可以认为为0，这是由于P2P小额贷款市场的借款额度一般比较小，而且每一位投标者的投标额度也比较小，因而投标者对借款额度的关注不大，而更关注的是借款人的基本信息。订单的竞标时间与投标结果呈反向作用，即订单的投标时间越久，一方面投资者在投资的时候会更加慎重，另一方面投资者通过观察会认为该订单存在潜在的风险从而导致其他投资者没有投标，此时该订单达到满标的可能性就越小。借款人的社会资本(有推荐)也对投标结果有正的促进作用，说明借款人的社会资本有助于借款人借到款。但是借款期限、在校生身份对订单完成率有副作用，说明投标人倾向于投资借款期限较短的订单，且不倾向于把钱借给在校生，投资者可能会认为学生没有一个稳定的工作，因而没有一个稳定的收入来源，其创造财富的能力也有限。
根据上述的分析结果，进一步通过极差分析探寻关键因素，将借款利率、借款期限、借款信用、成功借款次数、年龄分别分为3个水平，将是在校生和有推荐分别分为两个水平(表5所示)。极差的大小代表了各因素在各个不同水平变化时对最终指标的影响程度，因而可以利用极差的大小来对各因素的影响程度进行排序。由于篇幅限制，这里只给出正交实验计算的最后结果，各因素对借款成功率的影响力度可排序为：在校生(0.55)＞借款信用(0.44)＞借款利率(0.38)＞借款期限(0.37)＞成功借款次数(0.26)＞年龄(0.23)＞有推荐(0.01)，与上述的分析结果基本一致。其中借款人的基本信息中在校生身份和借款信用对借款成功率的影响最大；投资者倾向于投资信用等级较高的借款人，因为高的信用等级通常意味着较低的违约率，借款人提供的利率对借款成功率的影响也比较大，因为投资者的投资初衷是在可接受的风险范围内，使最终收益最大化。总体来看，借款人的基本信息(BI)对投标结果有较大的影响。
(二)借款订单投标人数的影响因素分析
订单投标人数也是投标结果的另一个重要指标。利用选取的借款人基本信息、借款订单基本信息、借款人的社会资本等变量建立借款订单投标人数的回归模型，如式(2)所示：
其中，BN代表借款订单的投标人数，OA代表借款订单属性组，BI代表借款人基本信息属性组，SC代表借款人的社会资本属性，u代表残差项。
分别表示待估计的系数向量。由回归结果(表6所示)可以看出，对借款订单投标人数影响比较大的有借款利率、借款人信用、成功借款次数，这些因素都对借款成功率有正的促进作用。借款额度对借款成功率的影响可以认为为0，这是由于投资者的投标额度较小，其更关心的是借款人的信用风险。订单的竞标时间与订单投标人数正相关，即投标时间越久，订单的投标人数越多。借款人的社会资本(有推荐)也对订单投标人数有显著的正的促进作用，说明借款人的社会资本有助于吸引投资者进行投资。但是借款期限、在校生身份对订单投标人数有显著的副作用，说明投标人倾向于投资借款期限较短的订单，且不倾向于把钱借给在校生。
(三)满标订单成交利率的影响因素分析
借款订单的成交利率是借贷双方关心的重要因素，事关借款人的借款成本和投资者的投资收益，因此也是借贷市场中的一个重要研究方向。这里选取所有的满标订单(共有26990个)来进行分析，以最终成交利率(FI)为因变量，本文选取的自变量也是由前面所述的三部分组成，其中订单属性(OA)包括：借款金额、借款期限、竞标时间；借款人基本信息(BI)包括：借款人信用、成功借款次数、是在校学生；借款人的社会资本(SC)包括：借款人有无朋友推荐。回归模型如式(3)所示：
从回归结果(表7所示)可以看出，借款金额对成交利率没有显著影响；借款期限越长，成交利率越小，与在银行贷款时期限越长利率越高的情况相反；在校生的满标订单利率较低，这是因为在满标订单中，在校生提供的最低利率一般都比较低；竞标时间越久，成交利率就越小，这是竞标过程中投资者对利率进行竞价的结果；此外，借款人信用越高、成功借款次数越多、有推荐可以在一定程度上降低成交利率，因为由前面的极差分析可知，投资者更看重的是借款人的本质信用，其次才会考虑预期收益率。
(四)投资者羊群行为特征分析
投资者的羊群行为是指投资者在进行投资时，无法确定某一订单借款人的借款信用时，倾向于投资那些已有人投标或投标人数较多的借款订单。以上分析结果显示，借款订单基本属性、借款人基本信息、借款人的社会资本对订单完成率的解释程度仅达到23%左右，而且在所有满标的订单中，借款人信用等级对投标持续期并没有显著的影响，因此必然还有其他非客观的因素对借款订单的完成产生影响。此处我们从投资者的投资行为角度出发，研究投资者的羊群行为对投标结果的影响。羊群行为是金融市场中十分典型的现象，个体投资者之间彼此模仿从而形成一致的聚集行为，崔巍(2009)基于BHW模型对风险规避投资者的羊群行为进行了分析，发现只有在能够保证好的投资结果时投资者才有动力进行投资，这种投资者的行为特征与P2P小额贷款市场中的投资者行为十分类似，在针对P2P小额贷款市场中投资者行为的研究中Devenow和Welch(1996)、Duan等(2009)、Lee和Lee(2012)、Zhang和Liu(2012)指出投资者的投资行为也会受他人的影响。那么是否在中国P2P小额贷款市场中投资者行为是否存在着明显的羊群行为？针对这个问题，通过选取所有的满标订单作为统计样本来进行分析。此处选取竞标持续时间为5天的所有满标订单作为样本进行回归分析。对于每个借款订单，提取出其每天的投标人数和投标量。
本文通过检验订单投标量的序列相关性的方法对羊群效应进行衡量，回归模型如式(4)所示：
由表8可以看出，投资者表现出了明显的羊群行为特征，并且羊群效应对借款订单的投标量的解释程度达到49.3 %，说明投资者表现出的羊群效应确实是影响借款订单成功率的一个重要因素，截至前一天的总投标量和投标人数对当天的投标量有显著的正的影响，即截至前一天的总投标量越大，总投标人数越多，第t天的投标量就会越大，截至前一天末订单的未完成比例越大，第t天的投标量就越小，这是投标者之间的支付外部性影响的结果，因为在实际情况中，投标者还面临这样一种风险：投标的借款订单可能会流标，最终不能形成借贷关系，对于投标者而言就造成了时间机会成本的浪费。
五、总结与展望
P2P小额贷款市场具有一些传统信贷机构所不具有的优点和缺点，它的市场有效性能在一定程度上改善部分人的生存状况，这也是小额贷款市场创立的初衷，同时对于投资者来说，小额贷款能够有效地分散投资、降低风险。本文以中国P2P小额贷款市场的真实交易数据为基础，通过对数据进行统计分析，发现中国P2P市场的用户主要集中在东部沿海地区，市场中大约88 %的用户信用等级在C级以下，即小额贷款市场借款人的主体是信用等级不高的低收入群体。而且随着信用等级的降低，完标比例递减，未完标比例递增，说明信用等级高的用户更容易借到款，并且借款人信用高的订单往往一开始就吸引了大量的投标者，但是订单的持续期并没有随着借款人信用等级递增而递减。此外，借款目的也是投资者进行投资所关注的一个重要方面。
通过回归模型的分析，发现在中国P2P小额贷款市场中借款订单基本属性、借款人信息和借款人的社会资本都对借款成功率有显著的影响。这些因素中，借款利率、借款人信用等级、成功借款次数、有推荐对借款成功率有正的促进作用，借款期限、竞标时间、年龄、在校生身份对借款成功率有负的作用。并且通过极差分析发现在校生身份对借款成功率的影响最为显著，其次是借款人信用等级、借款利率等。所以借款人可以通过上传认证资料提高信用等级、邀请朋友加入并为自己的借款订单投标来提高其借款成功率。
基于上述的实证研究，我们发现借款订单基本属性、借款人个人信息、借款人的社会资本共同影响着借款订单的投标结果，但它们对借款成功率的解释力度仅达到23%左右，在进一步的投资者行为分析中，发现中国P2P小额贷款市场中投资者表现出明显的羊群行为特征，通过分析投资者的羊群效应，发现模型对订单的投标量的解释度达到了49.3%，这说明投资者的羊群行为是影响订单完成的一个重要的因素。因此，市场中应该还存在着其他直接或间接影响借贷结果的因素(例如：投资者特定的心理或行为等)，而关于投资者行为等方面的因素对P2P小额贷款市场的影响也是本文进一步的研究方向。
①标准均差的计算方法是用满标订单中各信用等级借款订单数占满标订单总数的比例(列4)与未满标订单中相应信用等级借款订单数占未满标订单总数的比例(列6)之差除以相应借款人信用等级的借款订单数占所有借款订单总数的比例(列3)。
②订单持续期是指借款订单从发布到满标或者因为最长持续期满仍未满标而被撤销所经历的时间。
③订单完成率是指到订单持续期满时投标总额占借款额度的百分比。
④借款利率是指借款订单持续期满时的利率。
⑤竞标时间，从数据获取的方式上来讲，指借款订单从发布到最后一个投标者投标所经历的时间。
标签：拍拍贷论文; 信用等级论文; p2p网贷论文; p2p论文; 拍拍贷借款论文; 信用贷款论文; p2p网络借贷平台论文; 投资资本论文; 社会风险论文; p2p模式论文; 信用政策论文; 投资论文; 投标人论文; p2p信贷论文; p2p金融论文;