2.2　出借人的行為

在網絡借貸市場中，出借人往往是個人投資者，相比于機構投資者而言，其投資資金更少、信息挖掘與信息分析能力較差、更容易出現非理性投資行為。因此，研究出借人的行為對于理解網絡借貸市場有著比較重要的意義。本節從出借人的信息識別、風險厭惡、羊群效應等角度對出借人行為相關的研究進行總結。

2.2.1　信息識別

網絡借貸平臺作為一種信息中介平臺，可以要求借款人提供相關必要信息，但是平臺不應該承擔信用中介職能，出借人可以根據借款人提供的必要信息進行風險甄別并進行投資決策。在借款人提供的所有信息中，能否從中篩選出有價值的信息并對借款項目的風險進行定價，是對網絡借貸出借人的一個重要考驗，直接影響到出借人的投資回報。

Iyer et al.（2016）對網絡借貸平臺中出借人的信息識別能力進行了研究，該文以Prosper平臺在2007年2月—2008年10月的所有借款申請標的項目為研究樣本，樣本數據中包括申請過程中所涉及的所有信用相關數據、項目文本介紹、借貸及還款歷史、信用分數等。作者將所有信息指標分為兩類，分別是標準的財務信息指標和非標準的軟信息指標。財務信息指標包括可從借款人信用報告中獲取的一些硬性指標。軟信息指標是指難以完全量化的一些信息，以及可以量化但是在傳統銀行的信貸模型中沒有涉及的指標，例如，代表借款人決策的非標準化變量，包括借款人愿意支付的最高借款利率、借款類別、借款周期等，以及借款人是否提供照片、借款人對借款項目的文本說明的字數、文本的風格特征等。借貸交易過程中的真實利率反映了出借人對借款人信息識別后的預期風險溢價，作者利用借款人的事后還款表現來分析出借人的信息識別能力。具體而言，作者研究真實交易利率是否可以預測借款人的貸后表現，包括是否違約與本金償還比例，并與基準模型的預測能力進行對比，基準模型包括：（1）傳統信用分數；（2）利用所有標準的財務信息后使用計量方法可以獲得的預測模型。

為了研究對借款人還款的預測表現，作者運用了兩個指標：第一個是對信息篩選模型進行線性回歸，因變量是事后還款表現，自變量是篩選模型中涉及的信息指標，通過線性擬合回歸后的調整后R²來觀測模型的預測表現。第二個指標是接受者操作特性曲線（Receiver Operating Characteristic Curve，ROC曲線），該技術在商業銀行評估系統中比較普遍。首先，作者發現貸后表現與真實交易利率進行線性擬合后的R²要顯著高于利用傳統信用分數獲得的R²結果；其次，當以ROC曲線作為預測表現時，真實交易利率對違約事件的預測準確度要比傳統信用分數高出45%；最后，在信用等級較高的借款人群中真實交易利率對違約事件的預測準確度要高于信用等級較低的借款人群，并且無論借款人群的信用等級高低，真實交易利率對違約事件的預測準確度都高于傳統信用分數。以上結果說明，真實交易利率對借款人貸后表現的預測能力要高于傳統信用分數。

作者對影響真實利率的信息進一步進行了研究，分別對標準的財務信息和非標準的軟信息進行檢驗，以線性擬合的R²和ROC曲線作為預測表現，發現標準的財務信息和非標準的軟信息對借款人貸后表現都具有預測能力，并且任何一種信息均無法完全包含另一種信息的預測能力。此外，在信用等級較差的借款人中，非標準的軟信息對于預測借款人的貸后表現更有價值。

該文的亮點在于發現了出借人通過互聯網上的可得信息預測借款人違約率的準確度要高于傳統信用分數的預測表現，并且根據不同信息的來源對非標準的軟信息進行了度量，然后發現對于信用等級較低的借款人來說通過軟信息進行信用篩選更為重要，充分說明了軟信息對于提高網絡借貸市場效率的意義，對于網絡借貸市場和銀行信用評價體系具有很強的現實意義。

2.2.2　風險厭惡

在關于資本市場的經典理論研究中，一個比較重要的假設是個體的風險厭惡水平是不變的。然而，在這個理論框架下資本市場出現了一系列的謎題（Puzzle），例如，美國股票市場的歷史收益率長期處于高位、股票過度交易、股票市場也出現很多異象（Anomaly）等，都無法被經典理論模型解釋。Campbell和Cochrane（1999）提出另一種基于習慣的個人效用理論模型，在該模型框架下個體的風險厭惡是逆經濟周期變動的，并且該模型可以解釋絕大多數資本市場的謎題。然而，在真實交易場景中針對該模型的實證檢驗比較少，大部分關于該模型的實證檢驗來自實驗室實驗，Paravisini、Rappoport和Ravina（2017）基于網絡借貸平臺數據對該模型進行了驗證。

作者基于LendingClub平臺2372名投資者在2007年10月—2008年4月的交易數據，通過以下的公式來估計個體的風險厭惡系數：

其中i代表第i個投資者，z代表第z個借款項目，ARAⁱ是指投資者的絕對風險厭惡系數，代表用投資額度比例進行加權后的項目回報率方差，代表隨機擾動項。

在LendingClub平臺的眾多借款項目中，每個投資者在特定時刻都有資產組合，根據該資產組合中各個借款項目的投資比例，對每個投資者進行橫截面最小二乘回歸，可以估計出該投資者的絕對風險厭惡系數ARAⁱ。然后，作者基于估計出的風險厭惡系數分別在橫截面上研究個體風險厭惡水平與其財富水平之間的相關性，以及在時間序列上當投資者面臨外來的財富沖擊后其風險厭惡水平是否發生變化。考慮到投資者的個人財富數據無法直接獲取，作者利用Acxiom的凈財富估計算法，即通過個人姓名、住址、信用等級及其他數據估算出來的凈財富。然而，該估計算法可能存在測量誤差，因此，作者額外用了房產價值作為穩健性檢驗，房產價值采取投資者郵編地址對應群體的房產價值的中位數進行估計。

實證結果發現，在橫截面上，更富有的投資者在投資過程中顯得更為風險厭惡。然而，在時間序列上，投資者在面臨負向的財富沖擊后變得更為風險厭惡，這與Campbell和Cochrane（1999）提出的投資者風險厭惡是時變的并且逆經濟周期變動的結論保持一致。

2.2.3　羊群效應

在行為金融學理論和實證研究中，羊群效應是個體投資者群體普遍存在的一個現象。在網絡借貸交易中，羊群效應是指當借款項目已經獲得大量投資者進行投標時，相比于還沒有獲得大量投資者進行投標的項目，在其他條件相同的情況下，更容易吸引其他的投資者進行投標。

Zhang和Liu（2012）利用Prosper平臺在2006年2月—2008年9月的隨機面板數據，共有5萬個借款申請項目，來研究網絡借貸中的羊群效應。特別地，Zhang和Liu（2012）將個體投資者的羊群效應分為兩類，分別是非理性羊群效應和理性羊群效應。其中，非理性羊群效應是指投資者直接消極地模仿其他投資者的投資決策，跟隨同伴進行投標。理性羊群效應是指個體投資者獲取借款者的個人相關信息，并觀察和學習其他投資者的決策，然后進行貝葉斯推斷借款者的信用水平。相對于非理性羊群效應而言，理性羊群效應的重點在于投資者活躍地進行觀察性學習，利用貝葉斯推斷方法來充分利用同伴投資決策中所反映的信號，而不是簡單地跟隨同伴的投資決策。

首先，作者簡單地對投資者投標決策進行分析，以投標額度作為被解釋變量，以借款項目已募集到的累計金額作為核心解釋變量，并控制剩余額度比例、已募集資金的利率、累計投標次數及其他相關變量，進行最小二乘估計，來研究投標的序列相關性。回歸結果發現，投資者的投標額度與項目已募集到的累計金額顯著正相關。然而，這個結果可能是由四種機制造成：一是借款項目之間未觀測到的異質性，例如部分借款項目在描述文本中加入專業性的圖片，這有可能吸引更多的投資者進行投標，但是該專業性信號卻無法翻譯在回歸模型中；二是項目回報的外部性，是指已經募集到更多資金的項目更有可能最終募集成功，因此，會吸引其他的投資者進行投標，因為如果借款項目最終無法募集成功會浪費這些投資者的機會成本和時間成本；三是非理性羊群效應，投資者既有可能是對已有投資者的決策進行簡單復制，也有可能是因為在無法確定如何進行投資的情況下會借鑒已有投資者的投資決策，同時Prosper會根據已募集資金比例對借款項目進行排序并展示給投資者，這種曝光效應會造成投資者更有可能產生非理性羊群效應；四是理性羊群效應，即該文重點研究的現象。

該文的一大貢獻在于利用獨特數據和巧妙的方法來篩選出投資者的理性羊群效應。首先，為了控制未觀測到的異質性對回歸模型的影響，作者假設這種項目特定的異質性是非時變的，這是因為在Prosper平臺上的借款項目一經申請，其信息在項目截止之前往往不會變更，因此，作者在回歸模型中加入項目固定效應，即可以控制住非時變異質性的影響。其次，為了控制項目回報外部性的影響，作者在回歸模型中加入已募集到的累計金額與剩余額度比例的交乘項作為自變量進行分析。然后，為了區分非理性羊群效應和理性羊群效應，作者提出如果投資者的非理性羊群效應是來自簡單地對其他投資者的投資決策進行復制，那么他們的投資行為應該與其他投資者在作出該投資決策過程中所用到的信息不相關。然而，如果投資者是基于理性羊群效應，即活躍的觀察性學習，來進行投資，那么其推斷過程應該與其他投資者在作出該投資決策過程中所用到的公開可觀測信息高度相關。例如，如果有兩個借款資金和已募集比例相似的同期項目，其中一個是借款人信用等級較低的“高風險”項目，另一個是借款人信用等級較高的“低風險”項目，那么基于理性羊群效應的投資者應該可以推斷出前一個項目具備更多積極的信號，這些信號來自現有投資者掌握的私有信息。因此，作者在回歸模型中加入已募集到的累計金額與一些公開可獲得信息指標的交乘項，來區分出理性羊群效應的影響。最后，考慮到投資者和已有投資者都掌握的一些私有信息無法公開觀測，即無法納入回歸模型從而造成遺漏變量問題，作者利用借款項目真實的還貸表現數據來作為輔助數據（Auxiliary Data），在回歸模型中加入已募集到的累計金額與真實還貸表現指標的交乘項，來區分出理性羊群效應的影響。

實證結果表明，在控制住未觀測到的異質性和項目回報外部性的影響后，投資者的羊群效應依然顯著存在。在加入已募集到的累計金額與一些公開可獲得信息指標的交乘項、與真實還貸表現指標的交乘項后，發現投資者的理性羊群效應存在。另外在接下來的研究中，作者還發現理性羊群效應預測借款人還款表現的能力要強于非理性羊群效應。該文的貢獻在于利用真實的網絡借貸交易數據驗證了投資者的羊群效應，并區分出理性羊群效應與非理性羊群效應，為行為金融學的相關研究提供了重要的借鑒意義。

2.2.4　推薦群組

在有關親社會（Prosocial）行為的研究中，很多研究關注使用價格機制來激發捐贈行為的策略，如配捐、種子基金等，而相對來說關于身份機制的研究較少，如同伴壓力、群組身份、競爭等。Ai et al.（2016）在無息貸款平臺Kiva上開展田野實驗，研究給出借人推薦群組的策略如何激發出借人提供無息貸款這一親社會行為。具體而言，Ai et al.（2016）首先研究哪一類群組推薦更能激勵出借人加入群組，其次出借人加入群組對后續的出借行為有怎樣的影響。

Ai et al.（2016）研究數據來自網貸平臺Kiva，這是一家美國的非營利組織，向貧困地區的小微企業提供小額無息貸款以幫助他們經營。和其他網絡借貸平臺一樣，Kiva發揮了撮合出借人和借款人的信息中介職能的作用。出借人是在平臺上注冊的個人會員，Kiva通過和當地小貸機構合作，將低收入創業者的借款需求發布在平臺上，出借人即可投標，為借款人提供無息借款。注冊會員中有36%從未投標，還有相當一部分只投過1次。2008年，平臺引入社交功能，出借人可以建群也可以加入已有的群，在平臺提供的樣本數據中一共有38957個群。

該文的實驗是向64800個出借人發送群組推薦，這些人都在過去6個月中借出2次以上，但沒有加入任何群組。推薦的策略是基于出借人的同質性和群組的等級狀態。其中，出借人的同質性是用地域相似性和出借歷史相似性進行度量。地域相似性是指群組內現有成員與該出借人來自相同地域的人數，人數越多則地域相似性越高；出借歷史相似性是指群組內現有成員與該出借人曾經投標過相同借款項目的人數，人數越多則出借歷史相似性越高。等級狀態是指群組等級，在Kiva平臺排行榜中排名前三的群組被歸為高等級組。此外，實驗中被推薦群組的出借人被隨機分為兩組，向其中一組解釋上述推薦機制的細節，另一組不予解釋。為了控制發郵件的效應，還設置了兩個控制組，一組不發郵件，另一組發郵件告知有群組但不做推薦。根據以上實驗方法，實驗對象一共分為下述8個組：不發郵件組、發郵件但不做推薦組、地域相似—解釋組、地域相似—不解釋組、歷史相似—解釋組、歷史相似—不解釋組、高等級—解釋組、高等級—不解釋組。

實驗結果發現，首先，小組推薦會增加出借人加入小組的概率。其次，出借人更愿意加入和自己地理位置更相近或者高等級的小組，出借人基于地理位置相似性的推薦策略最有效。最后，為了識別加入小組對借貸行為的影響，用出借人是否收到郵件作為加入小組的工具變量（Instruments Variable），來解決自選擇（Self-selection）的內生性問題，發現出借人加入小組后一周內的出借金額顯著上升，但是沒有發現長期效果，有可能是出借人會等該筆借款得到償還之后再進行下一筆投資。