借款人聲譽與風險識別

李鑫

摘 ? 要：P2P網絡借貸和傳統借貸都存在著信息不對稱，借款人聲譽作為一種信號緩解了信息不對稱程度，提升了借貸效率。本文以借款人過往逾期次數與成功借款次數作為聲譽變量，實證研究了借款人聲譽對違約風險的識別效應，同時發現隨著借款人還款能力的增加，這種風險識別效應也在增強，因此投資人和P2P平臺可借助分析借款人聲譽指標做出合理的投資和監控決策，降低P2P網絡借貸風險，使得P2P網絡借貸成為傳統借貸的有力補充。

關鍵詞：P2P網絡借貸;借款人聲譽;違約風險

中圖分類號：F830 ?文獻標識碼：A ?文章編號：1674-2265（2019）06-0003-09

DOI：10.19647/j.cnki.37-1462/f.2019.06.001

一、問題提出

聲譽是個人或組織源于其過去行為的一組特性（Weigelt和Camerer，1988），是個人或組織的無形資產（Tadelis，2002）。明顯地，一個借款人如果有良好的聲譽，可以較便利地或者以較低的成本獲得借款，即聲譽的價格效應。因此，聲譽對借貸市場具有十分重要的意義。借貸市場最典型的聲譽機制便是以關系型融資為代表的雙邊聲譽機制。國外很多學者發現關系型融資能夠增加金融機構對企業的了解，有效降低信息不對稱程度（Agostino等，2012;Berger和Black，2011），國內很多學者也得到了類似的結論（尹志超、錢龍和吳雨，2015;張曉玫和宋卓霖，2016）。對于企業而言，企業家聲譽直接影響著企業融資的可得性，企業家聲譽越高，其以低成本獲得融資的可能性越高（張敏和李延喜，2014），同時企業家聲譽的良好改善也有助于提升企業融資的可得性（蔣薇薇和王喜，2015）。但這種聲譽效應和市場化程度之間存在替代關系，即企業所在地區市場化程度越高，聲譽對融資的影響就越弱，金融機構轉而更加注重正式契約（葉康濤、張然和徐浩萍，2010）。對于個人而言也是如此。聲譽反映了借款人在借貸行為中的還款能力和還款意愿，向金融機構傳遞了一種信號，因此金融機構可以依據借款人聲譽做出放貸決策從而影響借款人的借貸結果，一定程度上緩解借貸雙方的信息不對稱（黃曉紅，2008、2009）。非正規金融由于信息渠道較少或有待完善，因此借貸參與方更多的是通過軟信息來做出決策，其中最看重的就是借款人聲譽（匡樺、李富有和張旭濤，2011），以農戶為代表的借款人聲譽也同樣影響著借款人的行為，并且是影響效應最強的因素（侯英和陳希敏，2014）。

隨著互聯網技術的突飛猛進，以P2P網絡借貸為代表的互聯網金融憑借其高效、便利的優勢迅速成為融資的重要渠道之一。P2P網絡借貸除了改善金融機構的多樣化，很大程度上也彌補了資金供給的缺口，緩解了信貸配給程度（Freedman和Jin，2011;王馨，2015）。與此同時，互聯網金融以更低的成本提高經濟資源的配置效率來促進經濟發展，將會產生巨大的社會效益（謝平、鄒傳偉和劉海二，2012）。P2P網絡借貸由于其互聯網的屬性在傳統的接觸性借貸基礎上實現了非接觸性借貸模式，而借助P2P平臺發布的借款人過去行為信息是投資人做出放貸決策的重要依據之一，因此借款人聲譽在P2P網絡借貸中將會發揮更大的作用?，F有研究主要就P2P平臺聲譽和借款人聲譽對融資可得性與便利性方面進行了初步的探討。P2P網絡借貸的參與人包括投資人、借款人和P2P平臺。投資人作為資金供給者基本不涉及聲譽問題，那么他在選擇平臺實施投資行為時會著重考慮該平臺的聲譽問題，例如：平臺提供的信息質量，平臺已有用戶反饋等。P2P平臺的聲譽作為信號，從博弈的視角可以有效地向投資人傳遞其平臺內在信息的質量，弱化信息不對稱的影響從而提升借貸效率（黃曉紅、樊艷甜和呂睿，2017），有效抑制平臺的信用風險（高覺民和趙沁樂，2017）。同時，投資人在選擇是否放貸時也會考慮借款人聲譽、收入、借款用途等因素，其中影響投資人做出放貸決策第一位的因素便是借款人聲譽（吳慶田、盧香和潘彬，2016），因此借款人聲譽最直接的影響便是融資可得性和便利性。融資可得性可以通過中標概率等指標體現，融資便利性則可以通過融資利率等指標體現，由于借款人聲譽受到其所在行業的影響，那么網絡借貸對借款人所處行業便會有一定的傾向性（莊雷和趙成國，2017），同樣以借款目的構成的借款人聲譽也影響著融資可得性（Cinca、Nieto和Palacios，2015）。聲譽不同的借款人，其借款成本有顯著差異，即借款成本的聲譽激勵機制顯著（錢炳，2015），但作為軟信息的聲譽，其與硬信息存在替代效應，也存在著聲譽不同的借款人其借款成本并沒有顯著差異的現象（王博、張曉玫和盧露，2017）。

綜上所述，現有文獻針對P2P網絡借貸中借款人聲譽的研究主要集中在融資可得性和融資成本方面。然而，借款人聲譽不僅影響融資可得性和成本，也會影響其后續的違約風險（Brown和Zehnder，2007;Sakai等，2010）。因此，本文將采用國內排名前十的某P2P平臺數據實證研究借款人聲譽對于違約風險的識別作用。如果這一識別作用成立，那么P2P借貸平臺和投資人即可在一定程度上通過借款人聲譽的相應指標來識別借款人的違約風險并做出相應決策。同時借款人聲譽是如何影響違約風險的也是本文研究的內容，通過研究借款人聲譽作用于違約風險的機制可以有效甄別重點風險監管訂單或借款人，進而有區別地實施風險管控，最終形成良好的P2P網絡借貸氛圍。

二、理論分析與研究假設

（一）理論分析

P2P網絡借貸作為傳統金融市場的延伸，信息不對稱程度同樣較高。投資人從個人效用最大化的角度出發，除了獲取資本利得，最重要的便是按時收回借貸本金，為了保證這一點，投資人會選取一系列指標來保證自己放貸的安全性，借款人聲譽作為一種信號可以向投資人傳遞此類信息。一般情形下，投資人會挑選聲譽好的借款人予以放貸。投資人的決策方程為：

上式中投資人效用為財富的凹函數，而財富是在初始財富w0基礎上的積累，收入y和資本利得可以增加財富，資本利得為利率r與本金a之積，消費c減少財富，除此之外還受到是否能收回本金的影響。status為訂單的狀態，借款人若違約，即沒有歸還本金，取值為1，否則取值為0。訂單狀態受到借款人還款能力和還款意愿的影響。借款人的還款能力可以通過收入、資產等指標體現，還款意愿有主動還款意愿和被動還款意愿之分，其中被動還款意愿受違約成本影響，主動還款意愿則受到其借貸聲譽的影響，借貸聲譽好則還款意愿強，反之亦然。借款人過往借貸行為是分析其借貸聲譽的最客觀的指標，因此將借款人過往逾期次數和成功借款次數作為衡量借款人聲譽的代理變量。于是，我們有：

投資人為了實現效用最大化，傾向選擇信用風險小的訂單，所以關鍵是投資人是否可以通過借款人聲譽來有效識別其違約風險，這將是本文研究的重點。如果借款人聲譽可以識別違約風險，那么借款人聲譽則向投資人傳遞了重要信號，緩解了P2P網絡借貸的信息不對稱程度。

（二）研究假設

P2P網絡借貸與傳統借貸市場一樣存在信息不對稱。投資人處于信息劣勢，借款人處于信息優勢。借款人為了獲得資金支持，公開歷史信用信息可以降低資金成本，同時也降低了信息不對稱程度（Diamond，1991）。然而借款人的聲譽作為歷史信用信息的一部分，其建立是一個長期的過程，需要借款人堅持不懈的維護，因此一定程度上聲譽也是借款人的一種資產（Tadelis S.，1999）。借款人過往的借貸行為形成了當前的借貸聲譽，聲譽和借款人將來的借貸表現又息息相關（Stickel S E.，2012），那么通過借款人過往的借貸行為可以識別借款人將來的違約風險。如果借款人逾期次數越多，即聲譽越差，那么其違約風險越大。相反，如果借款人成功借款次數越多，即聲譽越好，那么其違約風險越小，原因在于借款人良好的聲譽得到投資人的認可其訂單才會成功獲得資金支持。因此，我們提出如下假設：

假設1：借款人逾期次數越多，其借款訂單違約風險越大。

假設2：借款人成功借款次數越多，其借款訂單違約風險越小。

建立和維護良好的聲譽是一個長期的、緩慢的過程，但是聲譽的消耗卻是在短時間內完成的，這與我們對聲譽的認知是一致的，原因在于借款人一旦出現逾期情況，即使是因為遺忘、經營不善等非主觀因素，投資者對于借款人聲譽的認可也將大幅度下降，那么借款人維護其良好聲譽的動力銳減，將導致其后續違約風險大幅增加。然而當借款人習慣性違約，即違約次數多到一定程度時，聲譽對于借款人便是可有可無，那么其違約風險將維持在一個較高水平，并不會隨著違約次數的增加而發生大幅度增加。因此，我們提出如下假設：

假設3：借款人聲譽對違約風險存在倒U形非線性識別效應。

借款人最終是否違約取決于還款能力和還款意愿兩個方面，借貸聲譽好則還款意愿強。那么借款人不同的還款能力，其借貸聲譽與違約風險的關系便很值得關注。通常借款人資產越雄厚，還款能力越強，那么借款人聲譽差是因為其主觀故意所導致的可能性增加，即更大程度地排除了由于還款能力不足所導致的違約情況，那么聲譽對違約風險識別效應也增加。因此，我們有如下假設：

假設4：不同還款能力的借款人，其聲譽對違約風險的識別效應不同。

三、數據及變量描述

（一）數據來源

本文選取了國內P2P綜合排名前十的某平臺2015年5月——2016年6月期間的借款標的作為研究對象，共46500條數據樣本，其中，申請借款成功的數據樣本為17389條，剔除訂單滿標時間為0的數據122條，由于借款成功的標的才存在違約風險，因此有效數據樣本為17267條。

本文所用數據分為如下三類：（1）借款人個人特征，包括：借款人年齡、性別、婚姻狀態、學歷、資產狀況和用戶名;（2）借款訂單信息，包括：借款金額、借款期限、借款利率、投標人氣以及訂單狀態;（3）借款人信用信息，包括：成功借款次數、逾期次數、信用報告、工作認證、收入認證和實地認證。

（二）變量描述

1. 被解釋變量。本文的被解釋變量為借款訂單狀態（Status）。由于訂單成功后才有違約的可能，因此本文選取借款已成功的數據樣本。那么，借款成功訂單的狀態共有壞賬（Bad_debt）、逾期（Over_due）和還款進行中（In_progress）以及訂單結束（Closed）四種狀態。本文把借款訂單處于壞賬和逾期兩種狀態定義為違約訂單，status 值為1，否則為0。

2. 解釋變量。現有文獻中，錢炳（2015）借助信用評分來區分借款人聲譽的高低。本文認為信用評分是P2P網絡借貸平臺基于某信用評分系統就借款人的信用予以打分，因此其不僅受到借款人聲譽的影響，信用評分系統是否完善也會影響借款人信用分數的高低。王博、張曉玫和盧露（2017）選取歷史借貸成功率和歷史如約還清借款比率來衡量借款人聲譽。類似的，基于數據庫信息，本文擬采用代表聲譽的借款人過往借款成功次數和逾期次數作為解釋變量。借款成功次數是借款人以往通過該平臺成功獲得資金支持的次數，是投資者和借款人長期博弈的結果，反映了投資者對借款人聲譽的認可程度;逾期次數是借款人過往通過該平臺成功獲得資金支持后，沒有按時歸還本金的次數。

3. 控制變量?，F有文獻表明借款人的個人特征、信用信息和訂單信息也會影響投資人和P2P借貸平臺對于借款人違約風險的識別（Green和Jame，2013;于軍，2017;郭峰，2017），因此，本文引入個人特征信息（BI）、信用信息（CI）和訂單信息（OI）作為控制變量。

個人特征信息（BI），包括借款人年齡、性別、婚姻狀態、學歷、資產狀況和用戶名。借款人性別為虛擬變量，0為女性，1為男性;婚姻狀態有離異、喪偶、已婚和未婚，0為未婚，1為離異或喪偶或已婚;學歷狀態有高中及以下、大專、本科和研究生或以上，0為高中及以下，1為大專，2為本科，3為研究生或以上;資產狀況我們用有無房產和房貸來表示，0為無房產，1為有房產;0為無房貸，1為有房貸;用戶名用無漢字和有漢字表示兩類，0為無漢字，1為有漢字。

信用信息（CI），包括信用報告、工作認證、收入認證和實地認證。信用報告、工作認證、收入認證和實地認證表明借款人是否提交相關認證資料，0為沒有提交，1為有提交。由于借款人都必須進行身份認證，因此本文不予考慮。

訂單信息（OI），包括借款金額、借款期限、借款利率和投標人氣。其中，投標人氣指該訂單中參與投標的投資人人數。詳細變量及其說明見表1。

在表1的基礎上，我們將申請借款成功的訂單按照訂單狀態，分為逾期（Over_due）、壞賬（Bad_debt）、還款進行中（In_progress）和完結（Closed）四種，表2即是樣本期間借款成功訂單分布情況。

在借款成功訂單中，處于還款進行中的訂單數量最多，達到15369單;其次是正常履約結束的訂單，為1764單;違約訂單為134單，其中包含逾期16單和壞賬118單。還款進行中的訂單是目前還沒有出現違約現象，如期還款但還款還沒有結束的訂單，這其中的借款人將來有可能發生逾期、壞賬等違約風險，也有可能如期履約到訂單結束，因此還款進行中的訂單既包含將來有可能違約的訂單，也包含如期履約的訂單。那么我們將重點關注違約訂單和如期履約訂單聲譽指標的差異。逾期和壞賬訂單歸為違約訂單，逾期訂單借款人的平均逾期次數為6.00次，壞賬訂單借款人平均逾期次數為7.69次，均高于如期履約到期訂單借款人平均逾期次數0.38次，這和本文逾期次數越多、違約風險越大的預期是一致的。但是，逾期訂單借款人的平均成功借款次數為1.38次，壞賬訂單借款人的平均成功借款次數為1.63次，均高于如期履約到期訂單借款人平均成功借款次數1.24次，這與本文借款人成功借款次數越多、違約風險越小的預期不符。

四、實證結果分析

（一）聲譽回歸結果分析

為了檢驗模型及其穩健性，本文在模型（1）的基礎上逐漸控制借款人的個人特征信息（BI）、信用信息（CI）和訂單信息（OI）。回歸模型如下：

模型中α為截距項，β1為借款人過往逾期次數的系數，β1>0說明借款人逾期次數越多，其后續違約可能性越大，反之亦然;β2為借款人過往成功借款次數的系數，β2>0說明借款人成功借款次數越多，其后續違約可能性越大，相反如果β2<0則說明借款人成功借款次數與違約風險存在負相關關系;γ，包含γ1和γ2為對應控制變量的系數，γ>0說明訂單違約概率隨控制變量的增大而增加，反之亦然;ε為隨機項，腳注i表示研究對象的第i個借款訂單?；貧w結果如表3所示。

根據表3所示回歸結果，我們發現借款人逾期次數的系數都顯著為正，說明逾期次數越多則違約風險越大，與前文統計描述相一致，即借款人逾期次數對違約風險存在識別效應，因此假設1成立。借款人成功借款次數的系數也都顯著，但為負值，意味著成功借款次數增加，違約風險會相應減少，那么借款人成功借款次數對違約風險也存在識別效應，因此假設2成立，但在前文統計描述中并未體現該屬性。由于逾期次數與成功借款次數都能有效識別違約風險，即借款人聲譽存在識別違約風險效應。仔細觀察逾期次數和成功借款次數的系數發現，逾期次數的系數值大約維持在0.70—0.91的范圍內，成功借款次數的系數值均在0.50以下，那么同時增加一次逾期記錄和增加一次成功借款記錄，借款人后續違約風險還是在增加的，說明逾期記錄對違約風險的影響要大于成功借款記錄對違約風險的影響，這也印證了前文的觀點，即借貸經濟行為具有一定的慣性，但這種慣性不是對稱的，也就是說良好聲譽對于短期投機行為的抑制作用小于較差聲譽借款人的行為慣性所帶來的影響。

以模型（8）為標準，借款人個人特征信息的系數都不顯著，尤其是借款人的年齡和學歷在所有回歸中系數都不顯著。一般地，我們認為借款人年齡越大，由于財富的不斷積累，其違約風險越小，同樣借款人學歷越高代表收入越高，那么其違約風險也應越小。同時，代表還款能力的房產和房貸系數也不顯著，說明隨著P2P網絡借貸市場的發展，其借款人大多是借貸長尾人群，其還款意愿已超越還款能力成為決定違約風險的首要因素。

在信用信息中，信用認證系數在模型（8）中顯著為正，這與我們的一般認知借款人進行信用認證比不進行信用認證的違約風險低的常識相違背，原因在于P2P網絡借貸的參與人群大多是在傳統借貸中信用并非良好的借款人，因此進行了信用認證反而傳遞了其信用不好的信號。代表還款能力的收入認證與房產的系數同樣不顯著，同時是否進行實地認證對違約風險也沒有影響。但是借款人工作認證所有回歸的系數均顯著為負，說明進行工作認證意味著較小的違約風險。信用報告、收入認證和實地認證都僅僅涉及借款人個人，而由于工作認證需要借款人提交勞動合同或在職證明以及相應銀行的流水，除了傳統金融機構的背書客觀可信以外，提交的勞動合同或在職證明揭示了借款人所在的社會組織信息，因此借款人會因為社會壓力而避免違約行為的發生。

借款人訂單信息的系數均顯著。訂單金額和利率的系數為正，隨著訂單金額和成本的增加，其違約風險也在增加。訂單期限的系數為負，即訂單期限越長，違約風險越小，這與P2P網絡借貸金額較小有關，期限越長，那么其籌措還款的時間越充足。投標人氣與違約風險負相關，在投資人理性經濟人假設的基礎上，標單被認可的人越多則說明其風險越小。

（二）聲譽非線性回歸分析

由于借款人逾期次數和成功借款次數都能有效識別違約風險，且系數相反，那么我們引入凈逾期次數作為聲譽變量來研究其與違約風險的非線性關系，其中凈逾期次數為：

模型中β2為凈逾期次數平方項系數，β2顯著則說明凈逾期次數對訂單違約風險的識別存在非線性效應，否則不存在非線性效應，其中若β2>0說明凈逾期次數對違約風險存在U形非線性識別效應，即隨著借款人凈逾期次數的增加，訂單違約風險增加的速度逐漸增大;若β2<0說明凈逾期次數對違約風險存在倒U形非線性識別效應，即隨著借款人凈逾期次數的增加，訂單違約風險增加的速度逐漸減小，其他系數與前文相同。回歸結果如表4所示。

同樣為了檢驗模型及其穩健性，采用逐漸加入控制變量的方法。隨著控制變量的加入，凈逾期次數的系數都顯著為正，與前文回歸結果一致，凈逾期次數平方項系數顯著為負，說明凈逾期次數與違約風險存在非線性識別效應，且該識別效應為倒U形，即隨著凈逾期次數的增加，借款人違約風險在增加，但增加的速度是遞減的，其McFadden R-squared值也均大于表3中對應回歸的McFadden R-squared值，因此假設3成立。由于聲譽難于建立、易于損毀的特點，當借款人由沒有逾期記錄至第一次逾期記錄產生，其影響是巨大的，一方面投資人認為借款人聲譽變差，投資人的這一認知使得借款人會自暴自棄，進而違約風險增加明顯，但是當凈逾期次數達到足夠多的數量時，借款人無心改變現狀，則違約風險維持在一個較高水平，并不會隨著凈逾期次數的增加而發生大幅度變化。

（三）不同還款能力的借款人聲譽回歸結果分析

由于借款人資產越多，則還款能力越強，同時，借款人收入越多，外在表現是傾向于進行收入認證，因此本文用房產（Estate）和收入認證（C_income）啞變量作為還款能力的代理變量研究還款能力與聲譽風險識別的關系，避免了連續變量的偽回歸?；貧w模型如下：

模型中β2為借款人凈逾期次數與房產或收入認證的交互項系數，β2顯著則說明借款人還款能力不同，其聲譽對違約風險的識別效應不同，否則不存在交互效應，其中若β2>0說明借款人還款能力越強，其聲譽對違約風險的識別效應越強;若β2<0說明借款人還款能力越強，其聲譽對違約風險的識別效應越弱，其他系數與前文相同?；貧w結果如表5所示。

回歸結果中凈逾期次數與房產或收入認證交互項的系數為正，說明借款人還款能力越強，其聲譽對違約風險的識別效應越大，因此，假設4成立。收入交互項系數略大于房產交互項系數且更加顯著，原因在于P2P網絡借貸大多提供的是小額借貸，且收入比房產的流動性更強，那么收入較高但聲譽較差的借款人，其主觀故意違約風險在增加。

五、穩健性分析

在穩健性分析方面，由于逾期金額與凈逾期次數高度相關，我們采用借款人逾期金額替換凈逾期次數作為聲譽變量重新進行回歸。表6為逾期金額的描述性統計。

因為借款人逾期金額有可能為0，有可能不為0，所以不采用對數形式?；貧w結果如表7所示。

本文結論依然成立，即借款人逾期金額系數和逾期次數、凈逾期次數系數一致，都顯著為正，且二次項系數也顯著為負，但由于逾期金額單位為元，而逾期一次有可能金額便上萬元，所以逾期金額的系數明顯小于逾期次數和凈逾期次數的系數。

六、結論

本文采用借款人過往逾期次數和成功借款次數作為聲譽變量，分析了借款人聲譽對違約風險的識別效應。本文研究結果表明良好的借貸聲譽可以起到抑制借款人短期投機行為的作用，違約風險較小;如果借款人沒有良好的借貸聲譽，由于缺乏維持聲譽的動力，違約風險較大。這意味著在投資人保護機制有待改善的情況下，借款人聲譽可以幫助投資人有效識別違約風險，做出正確的投資決策，緩解信息不對稱程度。本文研究還發現借款人聲譽和違約風險之間存在倒U形識別效應，隨著借款人聲譽的下降，其違約風險增加的速率在減小，這是由于聲譽難于建立、易于損毀的特性造成的。同時，不同還款能力的借款人其聲譽對違約風險的識別作用不同。

本文的研究具有一定的現實意義。除了聲譽對借款人違約風險存在識別效應，借款人是否進行工作認證以及訂單信息也同樣揭示著違約風險。這說明P2P網絡借貸平臺的信息披露機制一定程度幫助投資人識別了訂單風險，但同時我們也發現信息披露并非是全方位披露借款人相關信息，而是披露有效的信息。所謂有效信息就是能切實預警風險的信息，例如工作認證、逾期次數等。我們發現這些信息或是借款人客觀的行為歷史記錄，或是經過有公信力的第三方背書的信息。因此，P2P網絡借貸平臺不僅應著力改善自身的信息披露體系，建立一套行之有效的信息披露機制，還應打破傳統信息思維，與更多有公信力的機構建立信息互通互享模式，更大程度地保護投資人的合法權益不受侵害。

聲譽難于建立、易于損毀的特點也給予我們一些啟示。借款人與投資人、P2P平臺之間是多次博弈的過程，其初衷肯定是維護自身良好的信譽，但是百密而有一疏，現實中很多情況是借款人由于工作、生活等非主觀故意原因疏忽、忘記還款而留下損毀聲譽的記錄。因此，本文建議P2P網絡借貸平臺應就借款人按時還款建立提醒功能，例如通過手機短信、手機App或人工等方式在臨近還款日前對借款人進行還款提醒，有效避免非主觀故意違約行為的發生，從而有效降低平臺違約率。

與此同時，針對主觀故意違約的借款人應建立一套讓借款人對于違約望而卻步的懲罰機制，尤其是還款能力強的借款人。本文的樣本是借款成功的訂單，在這些訂單中平均逾期次數為0.12次，且仍然存在著逾期次數高達22次的借款人，說明借款人違約成本較小。因此，應建立相應的懲罰機制，增加借款人違約成本，例如：提高違約借款人后續借貸成本等。由于聲譽對于違約風險的倒U形識別效應，也可規定達到一定逾期次數的借款人禁止借貸，量化懲罰界線，增強借款人被動還款意愿。與之相反，對于聲譽良好的借款人可以考慮建立有效的激勵機制。良好聲譽對于短期行為的抑制作用小于較差聲譽借款人的行為慣性所帶來的影響，兩者之間的差距需要有效的聲譽激勵機制來彌補。例如，對于良好聲譽借款人的訂單，P2P網絡借貸平臺應優先發布，給予借貸成本優惠等，使得借款人有更大的動力維護自身良好的聲譽，營造優質的P2P網絡借貸環境。

參考文獻：

[1]Agostino，M.，F. Gagliardi，and F. Trivieri. 2012.Bank Competition， Lending Relationships and Firm Default Risk：An Investigation of Italian SMEs，International Small Business Journal，30（ 8）.

[2]Berger A N， Black L K. 2011. Bank size，lending technologies，and small business finance[J].Journal of Banking & Finance，35（3）.

[3]Diamond D W，Verrecchia R E. 1991. Disclosure， Liquidity，and the Cost of Capital[J].Journal of Finance，46（4）.

[4]Green T C，Jame R. 2013. Company name fluency， investor recognition， and firm value☆[J].Journal of Financial Economics，109（3）.

[5]Martin Brown，Christian Zehnder. 2007. Credit Reporting，Relationship Banking，and Loan epayment[J].Journal of Money，Credit and Banking，39（8）.

[6]Sakai，K.，I.Uesugi， and T. Watanabe. 2010. Firm Age and the Evolution of Borrowing Costs：Evidence from Japanese Small Firms[J].Journal of Banking&Finance，34（8）.

[7]Seth Freedman，Ginger Zhe Jin. 2011. Learning by Doing with Asymmetric Information：Evidence from Prosper.Com[J].Nber Working Papers.

[8]Carlos Serrano-Cinca，Bego?a Gutiérrez-Nieto，Luz López-Palacios. 2015. Determinants of Default in P2P Lending[J].Plos One，10（10）.

[9]Stickel S E. 2012. Reputation and Performance Among Security Analysts[J].Journal of Finance，47（5）.

[10]Tadelis S. 1999. What's in a Name？ Reputation as a Tradeable Asset[J].American Economic Review，89（3）.

[11]Tadelis S. 2002. The Market for Reputations As an Incentive Mechanism[J].Journal of Political Economy，110（4）.

[12]Weigelt K， Camerer C. 1988. Reputation and corporate strategy：A review of recent theory and applications[J]. Strategic Management Journal，9（5）.

[13]高覺民，趙沁樂.P2P網絡借貸平臺信用風險——博弈視角下聲譽機制的混同均衡[J].南京財經大學學報， 2017，（2）.

[14]郭峰.婚姻狀態與網絡借貸中的信用識別——來自“人人貸”平臺的經驗證據[J].當代經濟科學，2017，39（3）.

[15]侯英，陳希敏.聲譽、借貸可得性、經濟及個體特征與農戶借貸行為——基于結構方程模型（SEM）的實證研究[J].農業技術經濟，2014，（9）.

[16]黃曉紅.農戶聲譽對農村借貸市場中逆向選擇的約束研究[J].華東經濟管理，2008，22（1）.

[17]黃曉紅.基于信號傳遞的農戶聲譽對農戶借貸結果影響的實證研究[J].經濟經緯，2009，（3）.

[18]黃曉紅，樊艷甜，呂睿.聲譽信號傳遞與P2P網絡借貸平臺逆向選擇約束研究[J].鄭州輕工業學院學報：社會科學版，2017，（3）.

[19]蔣薇薇，王喜.企業家聲譽會影響民營企業商業信用融資嗎[J].貴州財經大學學報，2015，33（3）.

[20]匡樺，李富有，張旭濤.隱性約束、聲譽約束與農戶借貸行為[J].經濟科學，2011，（2）.

[21]錢炳.借款人聲譽對融資成本的影響研究——來自P2P網絡借貸平臺“拍拍貸”的經驗證據[J].東北大學學報（社會科學版），2015，17（2）.

[22]王博， 張曉玫， 盧露. 網絡借貸是實現普惠金融的有效途徑嗎——來自“人人貸”的微觀借貸證據[J].中國工業經濟，2017，（2）.

[23]王馨.互聯網金融助解“長尾”小微企業融資難問題研究[J].金融研究，2015，（9）.

[24]吳慶田，盧香，潘彬.P2P網貸出借人投資決策行為的影響因素及其監管要點——基于借款人信息的視角[J].中南大學學報（社會科學版），2016，22（2）.

[25]謝平，鄒傳偉，劉海二.互聯網金融模式研究[J].新金融評論，2012，（12）.

[26]葉康濤，張然，徐浩萍.聲譽、制度環境與債務融資——基于中國民營上市公司的證據[J].金融研究，2010，（8）.

[27]尹志超，錢龍，吳雨.銀企關系、銀行業競爭與中小企業借貸成本[J].金融研究，2015，（1）.

[28]于軍.描述性信息與違約行為的關系研究——基于P2P平臺的分析[J].當代經濟管理，2017，39（5）.

[29]張敏，李延喜.企業家聲譽對債務融資影響研究[J].大連理工大學學報（社會科學版），2014，（1）.

[30]王晶晶，劉振艷，陸旸，盧穎.我國P2P網絡借貸問題平臺風險影響因素框架構建——基于利益相關者理論視角[J].財會月刊，2018，（1）.

[31]張曉玫，宋卓霖.保證擔保、抵押擔保與貸款風險緩釋機制探究——來自非上市中小微企業的證據[J].金融研究，2016，（1）.

[32]莊雷，趙成國.間融延伸、行業聲譽與融資可得性——基于P2P網絡借貸[J].軟科學，2017，31（7）.

Abstract：Both P2P network and traditional lending have the same attribute of asymmetric information. The reputation of borrowers as a signal can ease the degree of information asymmetry to enhance the efficiency of borrowing. This paper uses borrowers' past number of overdue and successful loans as reputation variables to prove that the reputation of borrowers can identify the default risk，and this risk identification effect is enhanced with the increase of borrower's repayment ability. Therefore，investors and P2P platform can make reasonable investment and risk control decisions by analyzing the reputation index of borrowers，which reduces the risk of P2P network lending and makes P2P network lending as a supplement of traditional borrowing more powerful.

Key Words：P2P network lending，reputation of borrowers，default risk

（責任編輯 ? ?耿 ? 欣;校對 ? GX）