小微企業(yè)在P2P網(wǎng)貸平臺(tái)的融資成功率影響因素研究

摘要：文章基于“拍拍貸”的借貸交易數(shù)據(jù)，對(duì)小微企業(yè)在P2P網(wǎng)貸平臺(tái)的融資成功率影響因素進(jìn)行了Logistic回歸分析。回歸結(jié)果顯示，小微企業(yè)的借款期限、借款金額、歷史借款流標(biāo)次數(shù)與融資成功率之間均存在顯著的負(fù)相關(guān)關(guān)系；而小微企業(yè)的借款利率、借入信用得分、借出信用得分與融資成功率之間則存在顯著的正相關(guān)關(guān)系。基于此，文章就如何提升小微企業(yè)在P2P網(wǎng)貸平臺(tái)的融資成功率提出了相應(yīng)的對(duì)策建議。

關(guān)鍵詞：小微企業(yè)；P2P網(wǎng)貸平臺(tái)；Logistic模型；融資成功率

小微企業(yè)在吸納就業(yè)、增加稅收和助推經(jīng)濟(jì)增長(zhǎng)等方面發(fā)揮著日益重要的作用。然而，自2019年以來，隨著中美貿(mào)易摩擦愈演愈烈，加之國(guó)內(nèi)經(jīng)濟(jì)“三期疊加”和疫情肆虐等不利因素沖擊，小微企業(yè)的“融資難、融資貴”問題日益凸顯。如果僅靠正規(guī)銀行金融機(jī)構(gòu)則很難有效解決小微企業(yè)的融資困境。為此，小微企業(yè)必須開拓新的融資渠道。而作為民間借貸與互聯(lián)網(wǎng)“耦合體”的P2P（Peer-to-Peer）網(wǎng)貸平臺(tái)憑借其獨(dú)特優(yōu)勢(shì)，拓寬了小微企業(yè)的融資渠道，緩解了小微企業(yè)的融資困境。然而，小微企業(yè)在P2P網(wǎng)貸平臺(tái)的融資成功率卻普遍較低。基于此，本文使用“拍拍貸”的真實(shí)借貸交易數(shù)據(jù)，對(duì)小微企業(yè)在P2P網(wǎng)貸平臺(tái)的融資成功率影響因素進(jìn)行了實(shí)證研究。

本文的邊際貢獻(xiàn)體現(xiàn)為，把“拍拍貸”借款人分類為個(gè)人借貸者和小微企業(yè)，并基于小微企業(yè)的借貸交易數(shù)據(jù)進(jìn)行了Logistic回歸分析。

一、文獻(xiàn)綜述

國(guó)內(nèi)外學(xué)者關(guān)于P2P 網(wǎng)絡(luò)借貸成功率的相關(guān)研究主要分為以下幾類。一是人口統(tǒng)計(jì)特征。Gonzalez et al.（2014）研究發(fā)現(xiàn)，顏值較高的女性借款人更容易籌集到大額可貸資金。此外，借款人的學(xué)歷越高，其融資成功率也越高（廖理等，2015）。二是軟信息。李焰等（2014）研究發(fā)現(xiàn)，借款人提供的描述性信息特征越多，越能增加出借人投標(biāo)，進(jìn)而提高其借款成功率。廖理等（2015）的研究則表明，借款申請(qǐng)人所使用的語言長(zhǎng)度和語言內(nèi)容均顯著影響其借款成功率。彭紅楓等（2016）基于美國(guó)Prosper平臺(tái)數(shù)據(jù)，實(shí)證分析了借款陳述在不同利率定價(jià)機(jī)制下對(duì)融資成功率的影響。總之，當(dāng)借款人的“硬信息”欠缺時(shí)，通過提供“軟信息”可提高其融資成功率（Dorfleitner et al，2016）。三是信用認(rèn)證機(jī)制。借款人提交的信用認(rèn)證指標(biāo)有助于提高其信用評(píng)級(jí)，進(jìn)而提升其融資成功率（王會(huì)娟，廖理，2014）。四是社會(huì)資本。在P2P網(wǎng)絡(luò)借貸中，借款人擁有的社會(huì)資本越多，就越能贏得出借人的信任與青睞，進(jìn)而提高其借款成功率（陳冬宇等，2013；黃文彬，2016）。

另外，Puro et al.（2010）研究發(fā)現(xiàn)，通過對(duì)借款利率的戰(zhàn)略性量化設(shè)定，借款人能在最優(yōu)借款利率與融資可獲得性之間做出理性選擇。

通過梳理文獻(xiàn)，發(fā)現(xiàn)基于小微企業(yè)借貸交易數(shù)據(jù)，對(duì)小微企業(yè)在P2P網(wǎng)貸平臺(tái)的融資成功率進(jìn)行研究的文獻(xiàn)則寥寥無幾。鑒于此，希望本文的研究成果能對(duì)完善相關(guān)文獻(xiàn)作出貢獻(xiàn)。

二、數(shù)據(jù)說明與統(tǒng)計(jì)量描述

（一）數(shù)據(jù)說明

“拍拍貸”把其借款人劃分為私營(yíng)業(yè)主、網(wǎng)店賣家、工薪族、學(xué)生和其他等五類。本文為了實(shí)證分析的需要，有意將私營(yíng)業(yè)主和網(wǎng)店賣家歸類為小微企業(yè)，而其余借款人則歸類為個(gè)人借貸者。通過LocoySpider軟件，采集到“拍拍貸”2016年2月7日至2月26日的有效借貸數(shù)據(jù)87662條，其中小微企業(yè)交易數(shù)據(jù)為16202條。

（二）樣本統(tǒng)計(jì)量描述

1. 小微企業(yè)融資成功頻率統(tǒng)計(jì)

表1顯示了小微企業(yè)在“拍拍貸”的融資成功頻率較低，僅為23.30%。由此推及小微企業(yè)在P2P網(wǎng)貸平臺(tái)進(jìn)行融資成功的概率也普遍較低。

2. 不同信用等級(jí)小微企業(yè)的融資頻率統(tǒng)計(jì)

由表2可知，信用等級(jí)為E級(jí)的小微企業(yè)融資頻率最高，占比達(dá)到53.20%；A級(jí)以上信用等級(jí)的小微企業(yè)，其累計(jì)融資頻率僅占11.26%，而B級(jí)以上信用等級(jí)的小微企業(yè)，其累計(jì)融資頻率也僅為12.99%；C、D、E、F等四類低信用等級(jí)的小微企業(yè)，其累計(jì)融資頻率高達(dá)87.01%，這表明在“拍拍貸”進(jìn)行融資的小微企業(yè)其信用等級(jí)普遍較低。

3. 不同信用等級(jí)小微企業(yè)的融資金額統(tǒng)計(jì)

由表3可見，融資金額最多的是信用等級(jí)為E級(jí)的小微企業(yè)，其融資金額占比達(dá)到36.30%；A級(jí)以上高信用等級(jí)的小微企業(yè)其融資金額相對(duì)較少，僅為12.29%；而B級(jí)以上信用等級(jí)的小微企業(yè)，其累計(jì)融資金額占比僅為14.97%，這意味著B級(jí)以下低信用等級(jí)小微企業(yè)的融資金額累計(jì)百分比將高達(dá)85.03%。

表2與表3的統(tǒng)計(jì)數(shù)據(jù)恰好印證了在P2P網(wǎng)絡(luò)借貸中存在信息不對(duì)稱的逆向選擇問題，即低信用等級(jí)的小微企業(yè)通過提供較高的借款利率來吸引出借人投標(biāo)，而高企的借款利率必將推高小微企業(yè)的融資成本。信用等級(jí)較高的小微企業(yè)如若不愿支付較高的借款利率，則很難及時(shí)籌集到所需資金。為此，較高信用等級(jí)的小微企業(yè)可能會(huì)退出P2P網(wǎng)貸市場(chǎng)而另尋其他融資渠道。

4. 變量的描述性統(tǒng)計(jì)

由表4可知，借款利率（APR）均值高達(dá)17%，這意味著小微企業(yè)在“拍拍貸”的融資成本較高；借款期限均值為11.35個(gè)月，借款金額均值為2132元，這反映了小微企業(yè)在“拍拍貸”的融資以短期小額資金為主；借出信用得分均值是借入信用得分的67.75倍，這說明小微企業(yè)通過投資活動(dòng)積累了較多借出信用得分；歷史借款成功次數(shù)均值僅比歷史借款流標(biāo)次數(shù)多1.88次，但前者的標(biāo)準(zhǔn)差卻是后者的16.32倍。

三、實(shí)證模型的構(gòu)建

（一）變量選擇

1. 被解釋變量

小微企業(yè)在“拍拍貸”的融資成功率用P表示，其對(duì)應(yīng)的融資失敗率則用（1-P）來表示。

2.P解釋變量

（1）借款金額（Amount）。“拍拍貸”規(guī)定，小微企業(yè)初次借款金額最高為10000元；倘若小微企業(yè)能按時(shí)還本付息，并且累積較高信用得分的話，則其后續(xù)借款金額可大幅提升至500000元。鑒于借款金額數(shù)值較大，故對(duì)借款金額的原始數(shù)據(jù)取自然對(duì)數(shù)。

（2）借款利率（Interate）。借款利率是小微企業(yè)讓渡給出借人使用其資金的價(jià)格。

（3）借款期限（Maturity）。“拍拍貸”設(shè)定的借款期限最長(zhǎng)為12個(gè)月。

（4）借入信用得分（Borcrscore）。小微企業(yè)的借入信用得分由其實(shí)名認(rèn)證、其他認(rèn)證、邀請(qǐng)?jiān)u價(jià)和交易記錄等四項(xiàng)得分組成。

（5）借出信用得分（lencrscore）。小微企業(yè)的借出信用得分由其實(shí)名認(rèn)證得分、投標(biāo)得分、回報(bào)得分和資料得分等組成。此外，小微企業(yè)還可通過提供可驗(yàn)證信息來提高其借出信用得分。鑒于借出信用得分?jǐn)?shù)值較大，故對(duì)借出信用得分的原始數(shù)據(jù)取自然對(duì)數(shù)。

（6）歷史借款成功次數(shù)（Sucnum）。小微企業(yè)只有在規(guī)定的融資時(shí)限內(nèi)足額籌集到所需資金，才算融資成功。

（7）歷史借款流標(biāo)次數(shù)（Fainum）。小微企業(yè)發(fā)布借款列表后，若未能在規(guī)定的融資時(shí)限內(nèi)籌措到足額資金，則預(yù)示著此次融資失敗。

（二）研究假設(shè)

H1：借款金額較大的小微企業(yè)，其違約風(fēng)險(xiǎn)也相對(duì)較高。出于風(fēng)險(xiǎn)規(guī)避的考慮，出借人一般不愿給借款金額較大的小微企業(yè)投標(biāo)，這勢(shì)必降低小微企業(yè)的融資成功率。

H2：一般來說，小微企業(yè)設(shè)定的借款利率越高，出借人為其借款投標(biāo)的積極性就越高，進(jìn)而提高小微企業(yè)的融資成功率。

H3：一般來說，借款期限越長(zhǎng)，出借人面臨的信用風(fēng)險(xiǎn)就越大。鑒于此，出借人往往會(huì)減少甚至拒絕給借款期限較長(zhǎng)的小微企業(yè)投標(biāo)，結(jié)果降低了小微企業(yè)的融資成功率。

H4：小微企業(yè)的借入信用得分越高，預(yù)示其違約風(fēng)險(xiǎn)越低，而這有助于提升小微企業(yè)的融資成功率。

H5：小微企業(yè)的借出信用得分越高，其信用等級(jí)也越高，這意味著小微企業(yè)的融資成功率較高。

H6：小微企業(yè)的歷史借款成功次數(shù)越多，表明其具有較高的信用等級(jí)和較低的違約風(fēng)險(xiǎn)，而這勢(shì)必提高其融資成功率。

H7：小微企業(yè)的歷史借款流標(biāo)次數(shù)越多，意味著其信用風(fēng)險(xiǎn)越高，而這必然降低其融資成功率。

（三）構(gòu)建Logistic模型

logit（P）＝β0+β1ln（amount）i1+β2interatei2+β3maturityi3+β4borcrscorei4+β5ln（lencrscore）i5+β6sucnumi6+β7fainumi7+εi

其中，logit（P）＝ln（■）；P和（1-P） 分別表示小微企業(yè)融資成敗的概率；ε為隨機(jī)擾動(dòng)項(xiàng)。

四、實(shí)證結(jié)果分析

表5的Logistic回歸結(jié)果顯示，一是借款金額與融資成功率之間存在負(fù)相關(guān)關(guān)系，回歸結(jié)果與H1相符。二是借款利率與融資成功率之間存在顯著的正相關(guān)關(guān)系，回歸結(jié)果與H2相符。三是借款期限與融資成功率之間存在不太顯著的負(fù)相關(guān)關(guān)系，回歸結(jié)果與H3相符。四是借出信用得分、借入信用得分與融資成功率之間均存在正相關(guān)關(guān)系，但借出信用得分對(duì)融資成功率的影響較借入信用得分更為顯著。回歸結(jié)果與H4、H5相符。五是歷史借款成功次數(shù)與融資成功率之間存在不太顯著的正相關(guān)關(guān)系。然而，歷史借款流標(biāo)次數(shù)卻對(duì)融資成功率產(chǎn)生了顯著的負(fù)向影響。回歸結(jié)果與H6、H7相符。

綜上所述，借款利率、借款金額、歷史借款流標(biāo)次數(shù)和借出信用得分這四個(gè)解釋變量對(duì)融資成功率的影響較為顯著，其中借款利率對(duì)融資成功率的影響最為顯著。借款期限和借入信用得分對(duì)融資成功率的影響不太顯著，而歷史借款成功次數(shù)對(duì)融資成功率的影響最不顯著了。

五、結(jié)論及對(duì)策建議

樣本統(tǒng)計(jì)量描述表明，小微企業(yè)在“拍拍貸”的融資成功率僅為23.30%。Logistic回歸結(jié)果則顯示，小微企業(yè)的歷史借款流標(biāo)次數(shù)、借款期限、借款金額與融資成功率之間均存在顯著的負(fù)相關(guān)關(guān)系；而小微企業(yè)的借出信用得分、借入信用得分、借款利率與融資成功率之間則存在顯著的正相關(guān)關(guān)系。

為了提高小微企業(yè)在P2P網(wǎng)貸平臺(tái)的融資成功率，建議小微企業(yè)采取如下融資策略，首先，選擇實(shí)力雄厚、管理規(guī)范的P2P網(wǎng)貸平臺(tái)融資；其次，選擇借款利率較低、融資期限較長(zhǎng)、融資金額較大且服務(wù)收費(fèi)較合理的P2P網(wǎng)貸平臺(tái)融資；再次，社會(huì)資本有助于提高小微企業(yè)在P2P網(wǎng)貸平臺(tái)的信用評(píng)級(jí)。為此，小微企業(yè)應(yīng)重視其社會(huì)資本的積累；最后，小微企業(yè)除了保留其機(jī)密信息外，應(yīng)向P2P網(wǎng)貸平臺(tái)披露盡可能多的信用信息，而這有助于提高其在P2P網(wǎng)貸平臺(tái)的信用評(píng)級(jí)，進(jìn)而提高其融資成功率。

參考文獻(xiàn)：

[1]Laura Gonzalez，Yuliya Komarova Loureiro.When can a photo increase credit？The impact of lender and borrower profiles on online peer-to-peer loans[J].Journal of Behavioral and Experimental Finance，2014（02）：44-58.

[2]廖理，吉霖，張偉強(qiáng).借貸市場(chǎng)能準(zhǔn)確識(shí)別學(xué)歷的價(jià)值嗎？——來自平臺(tái)的經(jīng)驗(yàn)證據(jù)[J].金融研究，2015（03）：146-159.

[3]李焰，高弋君，李珍妮，才子豪，王冰婷，楊宇軒.借款人描述性信息對(duì)投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺(tái)的分析[J].經(jīng)濟(jì)研究，2014（01）：143-155.

[4]廖理，張偉強(qiáng).語言可信嗎？借貸市場(chǎng)上語言的作用——來自P2P平臺(tái)的證據(jù)[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2015（04）：413-421.

[5]彭紅楓，趙海燕，周洋.借款陳述會(huì)影響借款成本和借款成功率嗎？——基于網(wǎng)絡(luò)借貸陳述的文本分析[J].金融研究，2016（04）：158-173.

[6]Gregor Dorfleitner，Christopher P-

riberny，Stephanie Schuster，Johannes Stoiber，Martina Weber，Ivan de Castro，Julia Kammler.Description-text related soft information in peer-to-peer lending-Evidence from two leading European platforms[J].Journal of Banking & Finance，2016（64）：169-187.

[7]王會(huì)娟，廖理.中國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗(yàn)證據(jù)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014（04）：136-147.

[8]陳冬宇，賴福軍，聶富強(qiáng).社會(huì)資本、交易信任和信息不對(duì)稱——個(gè)人對(duì)個(gè)人在線借貸市場(chǎng)的實(shí)驗(yàn)研究[J].北京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013（04）：75-83.

[9]黃文彬.我國(guó)P2P網(wǎng)絡(luò)借貸成功率影響因素研究[J].廈門大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2016（03）：136-146.

[10]Lauri Puro，Jeffrey E.Teich，Hannele Wallenius，Jyrki Wallenius.Borrower Decision Aid for people-to-people lending[J].Decision Support Systems，2010（49）：52-60.

（作者單位：廣州城市理工學(xué)院經(jīng)濟(jì)學(xué)院）