三大產業借款人在P2P網貸市場中的融資可得性研究

孫慶蓉 合肥工業大學經濟學院

一、引言

P2P網絡借貸在中國已經發展了11個年頭，截止2018年年底，中國P2P網貸歷史累積成交金額已經突破了8萬億①，P2P網絡借貸在一定程度上實現了資金適配，拓寬融資渠道的作用，其存在和發展豐富了我國金融市場的多樣性。

但是，P2P網絡借貸市場中也存在許多問題，例如金融排斥、金融歧視的現象。根據信息不對稱理論 ，由于我國P2P融資市場尚未成為弱式有效市場[1]，投資人不具備完全的信息和風險識別能力，只能更多地依照自己的經驗和偏好進行投資，因此造成許多信用良好的借款人無法獲得貸款或融資成本增高。而很多資信狀況較差的借款人為了提高借款可能性會虛構自己的信息，進而造成逆向選擇、信用風險和道德風險提升、資金配置效率下降等諸多問題。

在此背景下，本文選擇借款人的行業信息作為研究對象，探究分屬三大產業的借款人在P2P網貸市場中進行融資活動時是否受到來自投資人的歧視。中國在古代是典型的身份社會，“士農工商”的劃分深入國民思想；在世界范圍內，人們對于個人所從事的職業、所屬行業也廣泛存在偏見。因此，關注不同產業類型劃分下的借款人的網貸融資情況具有重要意義。

二、文獻綜述

首先，學界對于P2P網絡借貸中信貸歧視現象已經有了多方面的研究。結果發現投資人對于借款人在年齡、地域、性別、收入、學歷、婚姻狀態等諸多方面都存在非理性歧視。高收入地區借款人更容易獲得貸款而低收入地區借款人則傾向于設置更高的借款利率[2]，已婚人士相較于離異的借款人的借款成功率顯著為高[3]，低收入群體并沒有更差的履約表現，但是更難獲得資金且融資成本更高，說明存在對于低收入借款人的非理性歧視[4]。

其次，在傳統金融領域，針對于企業或個人借款人的行業（產業）信息也存在著信貸歧視，傳統銀行偏好貸款給房地產、重化工產業這樣能夠提供固定資產抵押的行業。而信貸歧視會導致金融資源高度集中于部分行業，造成產業多樣化降低，經濟體風險增加[5]。因此，本文基于借款人行業（產業）信息的角度研究其在網貸市場中的受歧視程度和融資可得性，豐富了這一研究領域的內容。

三、實證研究

（一）研究假設和模型構建

本文將“人人貸”網貸平臺中的借款人按照其工作行業劃分為從事第一產業、第二產業和第三產業②，將其作為核心變量。借款成功與否和違約與否作為被解釋變量，前者反映借款人的融資可得性，后者反映違約可能性。其余信息作為控制變量，具體設置如下。

核心變量為是否為第幾產業，primary/secondary/ tertiary分別為是否是第一、第二、第三產業，是取1，不是取0。

成功與否和違約與否作為被解釋變量。訂單成功/違約取1，不是取0。

訂單信息包括：ln_amount借款人借款數額取對數處理；rate借款人利率；term 借款期限，分別在3-36個月；level 借款人信用評級，AA、A、B、C、D、E、HR分別取7-1。

借款人基礎信息包括：age 借款人借款時年齡；gender 借款人性別，男性取1，女性取0；edu 借款人學歷。高中或以下、大專、本科、研究生或以上分別取1-4；marry 借款人婚姻狀況，未婚取0，其他為1；region 借款人所在地域。根據省份分為東部、中部、西部和東北部。

借款人財產信息包括：income 借款人收入，1千元以下、1千-2千元、2千-5千元、5千-1萬元、1萬-2萬元、2萬-5萬元、5萬元以上分別取1-7；experience 借款人參加工作時間，1年（含）以下、1-3年（含）、3-5年（含）、5年（含）以上分別取1-4；companysize 借款人供職公司規模，10人以下、10-100人、100-500人、500人以上分別取1-4；workiden 借款人工作類型，私營企業主和網絡商家取1，工薪階層取0；car/card 有車產/車貸取1，沒有取0；house/housed 有房產/房貸取1，沒有取0。

借款人所處的產業類型與借款成功率和違約率之間的回歸系數能夠展現它們的關系。第一產業、第二產業和第三產業在性質、結構、投入產出比、壟斷程度等方面均存在較大不同，其從業人員也在經濟收入、社會地位、工作環境等方面存在較大差異。因此本文希望檢測P2P網貸平臺上是否存在對于借款人所處產業的歧視性投資行為，模型設定為：

以第三產業作為對照組進行Logit回歸，若primary或secondary與success的系數顯著為負，則說明處于第一或第二產業的借款人融資可得性更低，若與default系數為正，則說明第一或第二產業的借款人的違約率更高，投資人的決策理性，若與default系數為負或不相關，則說明第一或第二產業的借款人的違約率更低，或借款人違約與否與借款人處于哪一類產業無關，但由于其借款成功率更低，說明投資人存在非理性歧視。

（二）數據選取和描述性統計

本文選取2014-2015年“人人貸”網貸平臺中“信用認證標”（純信用借款，無實物或機構擔保）的交易數據，經刪除選取變量中有殘缺的訂單信息后整理得到141299條有效數據。進行描述性統計后得到以下結論③：（1）“人人貸”平臺的借款成功率約為5.89%，借款成功率較低，而成功借款的違約率約為18.45%，說明網絡借貸中的信用借款確實面臨較大的信用風險；（2）總樣本中借款人信用等級僅為1.09，而成功樣本中的信用等級為1.86，說明信用等級較高的借款人更容易獲得貸款；（3）借款的平均利率約為12.32%，男性借款人居多占到了86.56%，借款人的平均學歷約為大專水平，44.81%和25.95%的借款人擁有房產和車產；（4）經過計算，第一、第二和第三產業的借款人借款成功率分別為3.67%、5.55%和6.11%，違約率分別為31.07%、19.56%和17.74%。說明來自不同產業借款人的借款成功率和違約率確實存在差異。

（三）實證結果

使用模型（1）和模型（2）進行回歸，得到結果如表1所示。

表1 借款人產業信息對其融資可得性影響的檢驗

表3表明：（1）第一產業的借款人的產業信息只在10%的水平上與成功率顯著，與違約率不顯著，但是該結果的顯著性水平不高，不足以直接得出結論，因此將在后續進行進一步的分析。（2）第二產業的借款人的產業信息在1%的水平上與成功率負相關，與違約率無關，說明第二產業的借款人并沒有更高的違約率，借款成功率卻更低，說明投資人對其存在非理性歧視的投資行為。（3）其他控制變量的回歸結果表明，借款金額越高成功率越低，借款人身為男性借款成功率下降；借款利率、信用等級、收入水平、學歷越高，年齡越大，借款成功率越高；有房貸或車貸能夠提升借款成功率。

為進一步檢驗借款人所屬產業與融資可得性的關系，本文選取10萬元以下的訂單（網絡借貸主要功能仍為提供小額信貸為主），并將其分為1萬元及以下、1-3萬、3-5萬、5-10萬元（右側均為閉區間）四個細分樣本，使用模型（1）和模型（2）進行回歸。結果如表4所示。

表4 按借款金額細分樣本中借款成功率和違約率的檢驗

表4顯示從事第二產業的借款人借款金額在3萬元以下時成功率與行業信息負相關，但無論金額多少違約率與行業信息無關，說明投資人對于來自第二產業的借款人的投資行為存在非理性歧視，對于較高額的借款訂單則不會存在針對產業（行業）信息的歧視。第一產業借款人只在1-3萬元樣本中與成功率系數在10%的水平上顯著為負，與違約率在5%的水平上顯著為正，說明投資人對于借款1-3萬元的第一行業借款人的投資行為是理性的，且對于其他借款金額借款人也不存在歧視性投資行為。

為確保結果的穩健性，本文重新采取OLS線性模型再次對以上內容進行了回歸，結果一致，說明本文實證檢驗的設計和結果穩健。④

四、政策建議

基于“人人貸”網貸平臺的交易數據所作的檢驗結果表明，P2P網貸平臺中的投資者對于從事第二產業的借款人存在非理性歧視，對于從事第一產業的借款人不存在歧視性投資行為。說明對于借款人工作的行業（產業）信息是存在非理性歧視的。這是由于借款人的信息披露不全面、借款人無法準確識別信息背后的風險、平臺難以做到完全審查等原因共同造成的。

基于實證研究的結果，本文提出以下建議：首先，網貸平臺應加強對于借款人信息的審核和披露，以緩解市場中的逆向選擇；其次，投資人在選擇投資標的的時候，應該去除偏見，理性選擇，同時，網貸平臺應加強投資者教育，幫助投資者更好地理解市場和風險；最后，國家和相關網絡借貸行業應該努力建設和完善良好的征信體系，一個全面、有效、具有公信力的信用評級機制能夠有效減緩或消除金融市場中的信貸歧視，提高擁有良好資信狀況借款人的融資可得性。

注釋：

①數據來源：網貸之家發布的《2018年中國網絡借貸行業年報》

②依據國家統計局《三次產業分類》劃分。

③由于篇幅限制，描述性統計表未在文中展示。

④由于篇幅限制，穩健性回歸結果未在文中展示。