2.3　網絡借貸的定價機制與信用篩選

在網絡借貸交易中，借款者不提供傳統商業銀行借款過程所提供的抵押品，往往也不提供個人固定資產及財富信息。考慮到網絡借貸雙方分別為個人投資者和個人借款者，雙方的信息不對稱問題更為嚴重，貸后違約追償的成本也較高。因此，如何基于借款人所提供的信息進行定價和信用篩選是網絡借貸交易中的關鍵問題。

2.3.1　信息不對稱

在經濟學研究中信息不對稱是重要的理論假設，也是資本市場中十分普遍的現象，然而在實證研究中驗證信息不對稱是一個難題。在信息不對稱存在的情況下，交易雙方可能出現“隱藏信息”問題或者“隱藏行動”問題。“隱藏信息”是指事前選擇效應，包括事前基于風險水平的選擇，即經典的逆向選擇問題，或者事前基于無法觀測的預期努力程度的選擇。“隱藏行動”是指事后激勵效應，即道德風險問題。Karlan和Zinman（2009）利用南非的一家開展現金貸業務的微貸公司設計和開展田野實驗，試圖研究借貸雙方的信息不對稱問題，并區分“隱藏信息”和“隱藏行動”的影響。

作者開展田野實驗的公司是一家位于南非的已經成熟運營超過20年的頭部微貸公司，主營現金貸業務。實驗樣本包括57533個信用歷史良好的客戶，客戶在24個月內在公司內有借款，并且在實驗的前一個月都已經結清。公司根據客戶歷史將客戶分為高風險、中等風險和低風險三個等級。作者在2003年7月、9月和10月分別開展了三次實驗，向客戶發郵件邀請其借款。在每次實驗中，根據現金貸客戶的風險等級隨機給客戶設置三種利率，分別是開價利率、合同利率和未來利率。其中開價利率在發給客戶的郵件中直接提供，而合同利率和未來利率只有當客戶申請了郵件中的借款項目并且貸款經理完成了首期評估后，才對客戶和貸款經理可見。這個實驗的重點在于，合同利率和未來利率是客戶和貸款經理在事前意想不到的，因此，客戶是否申請貸款及貸款經理是否批準貸款僅和開價利率相關，與合同利率、未來利率不相關。

在實驗的所有客戶中，8.7%的客戶（5028）接受了貸款邀請并前往分公司進行貸款申請。在這些申請貸款的客戶中，86.5%的客戶（4348）的貸款得到貸款經理批準，最大借款額度和借款周期由貸款經理決定。值得注意的是，貸款經理的決定不受實驗利率的影響，申請貸款的過程與普通客戶來申請貸款一致。當客戶選擇了貸款額度和周期后，公司軟件系統會對其中41%的客戶提供一個比開價利率更低的合同利率，這個過程不需要貸款經理的批準。最后，實驗還開展了動態激勵計劃，即隨機抽取47%的客戶，當客戶申請貸款流程結束之后通知這些客戶，如果還款表現良好，他們在未來一年內的所有貸款都可以享受一個較低的未來利率。在本實驗中，合同利率和未來利率都要顯著低于正常的貸款利率，平均而言，月利率要低350個基點。如果實驗客戶沒有收到動態激勵計劃的邀請（即未來利率），其合同利率僅在該次貸款中有效。

作者設計該實驗來識別信息不對稱中的“隱藏信息”和“隱藏行動”效應，識別策略如圖2.2所示。首先，客戶可以決定是否接受實驗中提供的開價利率，而開價利率有可能是高開價利率（High Offer Rate）或低開價利率（Low Offer Rate）；然后，對于那些接受高開價利率的客戶，系統會隨機給部分客戶提供一個更低合同利率，如圖2.2中的②/③所示，而其他客戶開價利率和合同利率是相同的，如圖2.2中①所示；在貸款流程結束后，②/④的客戶被隨機分配了動態激勵計劃，③/⑤的客戶沒有分配動態激勵計劃。

考慮到開價利率在所有客戶中是隨機分配的，而客戶可以自由選擇是否根據開價利率進行申請，在圖2.2中，④/⑤的客戶在最開始就申請了低開價利率，②/③的客戶在最開始申請了高開價利率，但是被隨機分配了更低的合同利率，此時，④/⑤和②/③的客戶的合同利率相同，因此，對比④/⑤和②/③的還款表現可以研究“隱藏信息”效應，包含基于風險的逆向選擇問題和無法觀測的預期努力程度。考慮到①和②/③中的客戶都選擇了高開價利率，但是②/③的客戶被隨機分配了更低的合同利率，因此，對比①和②/③的還款表現可以研究“隱藏行動”效應，即道德風險問題。同時②和③的客戶選擇了相同的開價利率和合同利率，但是②的客戶被隨機分配了動態激勵計劃，而③的客戶沒有動態激勵計劃，因此，對比②和③的還款表現也可以研究道德風險問題。類似地，對比④和⑤的還款表現也可以研究道德風險問題。

根據以上實驗，對比不同客戶群組的還款表現，結果發現在以上的借貸交易中道德風險問題比較普遍，有顯著的實證結果，樣本中大約13%～21%的違約行為可以被道德風險問題所解釋。然而，在本實驗中，“隱藏信息”效應的結果相對較弱。該文的主要貢獻在于利用現金貸實驗驗證了借貸市場信息不對稱下“隱藏行動”效應和“隱藏信息”效應的存在，以及對兩種效應進行了區分，對于經濟學中信息不對稱的研究提供了重要參考。

與Karlan和Zinman（2009）相似，Dobbie和Skiba（2013）利用美國發薪貸⁽⁹⁾（Payday Loan）市場來研究信息不對稱問題。具體而言，作者使用美國三家大型發放發薪日貸款的機構A、B、C。這三家機構的數據分為兩批，分別稱為斷點回歸樣本（Regression Discontinuity）和拐點回歸樣本（Regression Kink）。其中，斷點回歸樣本中貸款機構發放的貸款金額不連續，以50美元為增量，從而可以做斷點回歸分析；拐點回歸樣本中貸款金額基本連續，但以300美元或500美元為上限，可以做拐點回歸分析。所有機構發放的貸款的金額都不超過借款者的兩周工資，所有樣本都是首次借款。

針對借貸市場的信息不對稱，作者提出，當借貸交易中存在道德風險問題時，借款人更有可能在大額借款項目中違約，而當借貸交易中存在逆向選擇問題時，具有高違約風險的借款人更愿意申請大額借款。因此在這兩種情況下，借款者的借款金額與違約率之間存在正相關關系，但是區分道德風險和逆向選擇的影響比較困難。

該文通過斷點回歸和拐點回歸進行實證分析，其基本假設是在斷點和拐點的兩側，借款人的風險和影響違約的所有因素沒有顯著差異。具體而言，作者在實證研究中先估計道德風險系數，用可借款金額作為工具變量回歸，發現借款金額越大，則借款人越不容易違約，這說明不存在道德風險。然后，利用最小二乘回歸分析，發現整體而言，借款金額越高則借款人越容易違約，結合道德風險系數為負的上述結果，可以得知借款人存在嚴重的逆向選擇問題。

整體而言，該文結果發現發薪日貸款的借款者面臨嚴重的信用約束，說明這部分借款者可能面臨嚴重的信息不對稱問題。其次，借款金額越大，借款人越不容易違約，這不符合道德風險的一般推論，說明道德風險問題不嚴重。最后，作者發現選擇了更大借款金額的借款人，其本身違約風險更高，這說明逆向選擇問題嚴重，逆向選擇主導了信息不對稱問題帶來的后果。

2.3.2　競價和標價機制

網絡借貸的定價不僅由借貸雙方的供給和需求決定，也可能受到平臺設置的議價機制的影響。Wei和Lin（2017）研究了網絡借貸平臺的議價機制，即競價還是標價，對平臺成交量、標的違約率、成交速度的影響。

該文利用Prosper平臺于2010年12月20日“出人意料”地改變了定價方式，即平臺議價方式由競價改為標價，來研究議價機制的影響。競價是指由借款人設定保留價格，即可以接受的最高利率，然后由出借人競價，利率由高往低競價。標價是指由平臺根據借款人的信用水平給出一個固定的標價，出借人可以選擇投標或者不投標。平臺更改議價方式的初衷是促成交易盡快完成，這樣能擴大成交量，擴大收入。

該文建立了一個博弈模型，由模型提出了以下四個假設：（1）在標價機制下，平臺設定的利率要高于在競價機制下借款人設定的初始利率，即保留利率；（2）對于在平臺上成交的借款項目，在標價機制下的成交利率要高于競價機制下的成交利率；（3）對于在平臺上申請的借款項目，在標價機制下的成交概率要高于競價機制下的成交概率；（4）對于在平臺上成交的借款項目，在標價機制下的違約概率要高于競價機制下的違約概率。

在實證設計中，作者選取了2010年8月20日—2011年4月19日的數據，相關信息有標的信息、借款人信用信息、宏觀經濟環境變量等。結果發現，定價機制由競價改為標價之后，成交概率上升、成交利率上升、違約率上升。同時，從整體社會福利的角度考慮，在標價機制下平臺攫取了借款者的全部剩余。對社會整體而言，長期存在福利損失。

2.3.3　價格彈性

信貸產品的定價問題對于信貸企業而言至關重要，直接影響到企業的盈利、市場規模和市場占有率。對于追求利潤最大化的信貸企業而言，研究貸款利率變動對借款人和競爭者的影響十分關鍵。Karlan和Zinman（2018）試圖利用墨西哥最大的一家小額貸企業進行田野實驗，研究利率變動對于借款人借貸需求的影響。

Compartamos Banco（CB）長期以來是墨西哥最大的小額貸企業，在該文的研究樣本區間中，聯保貸款（Group Lending）一直是該公司最大的業務來源，運作平臺是Credito Mujer。該企業的服務目標群體是女性，包含已經擁有小微企業的客戶，或個體工商戶，或準備自主創業的客戶。聯保貸款群體的借款客戶數量在10～50人之間，同一聯保群體中的客戶之間具有連帶責任。因此，該企業在審批過程中會拒絕有欺詐歷史的申請者，除此之外，主要利用客戶之間的監督來篩除信用不良客戶，而不是基于信用局的信息。

該文的田野實驗如下：在80個地區中，隨機挑選一部分地區作為實驗組，剩下的地區作為控制組。從2007年5月16日開始，實驗組地區的小額貸款利率以原有貸款利率為標準下降20%，而控制組地區的小額貸款利率以原有貸款利率為標準下降10%，該項措施最長維持了29個月。作者收集了所有借貸數據、借款者個人數據、信用局數據等研究貸款利率下降后小額貸的變化。

作者基于該田野實驗研究利率變動對于借貸業務的影響，利用雙重差分OLS回歸模型，發現：（1）該企業降低借貸利率吸引了很多新的借款者，擴大了企業業務；（2）借款需求對于利率的彈性顯著為負，并且借款期限越長，其對利率的彈性絕對值越大；（3）該企業降低借貸利率并沒有影響傳統借貸機構（例如銀行）的貸款業務，說明來申請的借款人在傳統借貸機構面臨借貸約束；（4）該企業降低借貸利率在短期內增加了運營成本，尤其是針對新的申請人，但是在長期內增加了利潤；（5）研究發現該企業的同行業競爭者運營過程沒有受到以上田野實驗的影響。

該文的主要貢獻在于豐富了借貸領域企業利潤最大化的相關研究，實證發現長期借款比短期借款對于利率的彈性強等結果，并且為田野實驗研究與企業業務相結合提供了借鑒。

2.3.4　利用利率期限進行信用篩選

在信用借貸市場中，借款人和出借人之間的信息不對稱往往導致信貸交易的低效率。理論研究認為出借人可以利用不同的出借利率和合同限制條件來篩選不同信用水平的借款人，然而利用實證設計檢驗信用水平的篩選機制卻往往比較困難。Hertzberg、Liberman和Paravisini（2018）利用Lending Club在2013年的兩項政策變化作為自然實驗，研究發現債務期限可以作為借款人信用的篩選機制。

Lending Club在以往提供短期債務合約（36個月）和長期債務合約（60個月），但是在2013年之前，只有借款額度超過16000美元才能申請長期合約。2013年3月，LC將申請長期債務合約的門檻降低至12000美元；2013年7月，LC再次將申請長期債務合約的門檻降低至10000美元。關鍵一點在于LC在這兩次政策施行過程中并沒有對申請者的其他申請條件進行修改。

該文利用這兩次政策變化作為自然實驗，采取雙重差分模型Difference研究方法，對比兩組情況下借款者的違約情況：（1）僅可申請36個月的短期合約；（2）可以申請36個月或者60個月的合約。兩種情況下的36個月短期合約是完全相同的。該文發現，在第二種情況下，只有少數借款人選擇短期合約，但是這些借款人的違約概率要顯著低于第一種情況下的借款人違約水平。以上結果說明借款人根據自身信用水平選擇不同期限的合約，未來違約率更高的借款人會主動選擇期限更長的債務合約，證明債務期限是借款人信用水平的一種篩選手段。

2.3.5　利用算法促進公平

算法能促進借貸公平嗎？在金融科技時代，消費信貸的審批過程中越來越多地使用算法進行決策。與傳統的人工審批方式相比，算法的優勢在于更加穩定，決策結果不會受到信貸人員的主觀情緒的影響。而主觀情緒可能使得審批過程中存在一定的歧視，即對于不同的群體給出不同的決策結果和定價策略。根據美國公平借貸法（Truth In Lending Act）的規定，借貸利率的公平定價必須基于風險因素，差異化定價反映的必須是借款人信用風險的差異。反之，如果不同個體借貸利率的定價不能完全由信用風險來解釋，則被稱為利率“歧視”。顯然，使用算法進行借貸決策能夠規避人的主觀情緒導致的有意識或無意識的歧視行為，但算法是否真的完全公平，能夠按照公平借貸法的要求完全消除歧視呢？加州大學伯克利分校的Rober Bartlett，Adair Morse，Richard Stanton和Nancy Wallace四位學者在最新的工作論文中對此進行了研究。

研究利率歧視的一大難點在于如何準確識別歧視的存在。尤其對于大數據算法決策的結果，通常很難準確解讀每個變量背后的經濟意義。那么，如何判斷算法給出的差異化利率定價確實是真實地反映了難以直接觀察的借款人信用風險，還是定價中仍然包含信用風險以外的因素呢？該文以美國房貸市場為研究背景，利用證券化過程對信用風險的轉移，巧妙地識別了貸款機構承擔的信用風險和利率定價之間的關系，解決了以往研究中可能存在的遺漏變量的問題。

該文章整合了多個美國房地產市場相關的數據來源，包括官方披露的房屋抵押貸款申請信息Home Mortgage Disclosure Act（HMDA）Data，來自商業公司的還款信息ATTOM Data和McDash Data，征信機構Equifax Data，以及房地美和房利美（“兩房”）的相關房貸數據。不同的數據集之間并沒有統一的標識來識別同一筆貸款，該文使用機器學習算法，根據不同數據之間重疊的信息進行匹配，將各個數據集的信息連接起來，獲得較為完整的房主個人特征、貸款申請、還款情況等房貸信息。

該文章使用的研究樣本是在2009—2015年由“兩房”進行資產證券化的住宅抵押貸款，申請成功的貸款約660萬筆，其中，30年期固定利率貸款約350萬筆，另有被拒絕的貸款約650萬筆。由于樣本中的房貸都由“兩房”進行資產證券化，因此，放貸機構將收到固定的現金流而不承擔信用風險。當放貸機構面臨的信用風險完全可觀察時，識別放貸過程中是否存在歧視就變得簡單可行了，即控制貸款人的信用風險時，觀察放貸機構是否會對某些特定群體給出更高的利率。

該文章重點關注拉丁裔和非洲裔的貸款申請人，這兩類群體是最可能發生歧視的少數群體。該文首先關注傳統放貸機構對這兩類群體的歧視現象。雖然資產證券化使得傳統放貸機構已經完全把信用風險轉移，但相對于其他群體，拉丁裔和非洲裔的借款者支付的利率仍然顯著更高。平均而言，他們在購房貸款（Mortgage）中需要多支付8基點（Basis Points，BP），而在再融資貸款（Refinance Mortgage）中要多支付4BP。按照統計數據估算，在整個美國房貸市場中，由這種利率歧視帶來的額外利息每年貢獻的利潤高達7.6億美元。

接著，該文發現相比傳統放貸機構，使用算法進行放貸決策的FinTech放貸機構對拉丁裔和非洲裔的利率歧視程度相對較低，這體現在，在FinTech放貸機構的樣本中，兩類群體獲得購房貸款，需要多支付5BP；獲得再融資貸款，需要多支付2BP。這兩個數字都比在傳統放貸機構中的小。這表明，使用算法進行貸款決策能夠有效地降低對少數群體的定價歧視，雖然不能完全消除。也就是說，算法雖然極大地規避了放貸者主觀情緒的作用，但在利率定價時仍不能實現完全的公平。

除了利率定價，作者還觀察了放貸機構不同族裔申請貸款的審批結果。結果發現，在以傳統放貸機構為主的全樣本中，控制信用風險后，拉丁裔和非洲裔群體被拒絕的概率顯著更高，而在FinTech放貸機構中則沒有顯著差異。因此，算法決策在貸款審批這一環節較為公平。

總結起來，文章利用大量數據及巧妙的實證策略，清晰地識別了放貸機構是否對拉丁裔和非洲裔借款人存在歧視。研究結果表明，FinTech放貸機構使用算法決策在消除歧視方面起到了重要作用，但仍然無法實現完全的公平。這些發現為FinTech對于金融市場發展的積極意義提供了證據。

2.3.6　催收策略

如何有效地進行債務催收，即督促借款人及時還款，既具有學術價值，也有很大的現實意義。Du et al.（2019）利用自然田野實驗方法，在國內一家從事校園貸業務的P2P平臺研究心理約束機制對于合約設計的影響，聚焦于發送何種催款信息可以提高借款人的還款率。

作者在2016年與一家中等規模的P2P平臺合作，主要是針對大學生的消費貸業務。總共有2012個借款人參與該文的實驗，作者將所有參與實驗的借款人隨機分為六組（2×3）：（1）是否在催款短信中披露出借人信息；（2）在催款短信中提供中性的還款日期提醒，或者在中性提醒信息的基礎上強調出借人對按時按量還款的正向期待，或者在中性提醒信息基礎上強調了一旦借款人違約，借款人將會承擔的后果。

該文研究結果表明，與中性提醒信息相比，“正向期待”信息對還款促進作用顯著，而且持續長久。“負面后果”信息只在短期內對還款有促進作用，其長期效果不明顯。是否披露出借人信息對于借款人的還款率沒有影響。

預防債務違約和債務催收是經濟學領域的重要研究問題，不少學者已經從信用篩選、監管、債務人名譽等角度對該問題進行了深入研究，然而從債務人道德激勵的角度進行分析的研究較少。Bursztyn et al.（2019）在印度尼西亞的一家大型伊斯蘭銀行⁽¹⁰⁾進行田野實驗，以短信形式催收債務，研究道德激勵對于信用卡用戶償還債務行為的影響。

Bursztyn et al.（2019）在2015年2月—2016年4月總共進行六輪實驗，樣本總量為23650次，其中該文實驗組和控制組樣本總量為13428，包括12104個用戶。所有樣本中的用戶在逾期1天后都會收到相同的一條提醒信息，即：“×××信用卡已經到還款日期，請您方便的時候進行還款。如果已還款，請忽略本信息。”控制組僅收到本條信息。

以下是各實驗組在截止日期前兩天收到的額外短信：

（1）先知：“有能力還債卻違約的行為是不講道義的。”⁽¹¹⁾還款及日期提醒。

（2）有能力還債卻違約的行為是不講道義的（阿拉伯文字）。還款及日期提醒。

（3）有能力還債卻違約的行為是不講道義的（印度尼西亞本地語言）。還款及日期提醒。

（4）本期按時還款用戶可獲得下期最低還款額50%的折扣。還款及日期提醒。

（5）違約行為將會上報于所有銀行的征信報告。還款及日期提醒。

（6）還款及日期提醒。

（7）先知：與還款無關的某條教義原文。還款及日期提醒。

在上述實驗中，（1）檢驗宗教性道德激勵的影響；（2）檢驗隱性道德激勵的影響；（3）檢驗非宗教性道德激勵的影響；（4）檢驗現金激勵的影響；（5）檢驗信用名譽的影響；（6）安慰劑檢驗；（7）安慰劑檢驗，檢驗與道德激勵無關的宗教性因素的影響。

該文實驗結果發現，道德激勵可以顯著提升信用卡用戶的還款率；道德激勵比現金激勵及信用名譽激勵更為有效；該文道德激勵信息提醒的結果不受宗教的影響；該文道德激勵信息提醒的結果不受銀行盡責的影響。總體而言，該文發現違反道德準則的行為會影響個體的效用，因此利用道德準則預防債務違約和債務催收是一條有效的渠道。此外，該文的田野實驗研究具有極大的借鑒意義，尤其是不同的實驗組、安慰劑檢驗等設計方法。

2.3.7　媒體作用

在過去10年中，媒體發生了巨大的改變。以博客、在線論壇和在線社區為主的社交媒體（SMO）極大地補充了以報紙、雜志、電視為主的傳統媒體（TMO）。目前，社交媒體已經被認為是主流的媒體，覆蓋了廣泛的受眾。從公司進行媒體活動的角度劃分，媒體又可以被分為付費媒體（Paid Media）、自營媒體（Owned Media）和贏得媒體（Earned Media）。付費媒體是公司為了宣傳目的主動進行媒體活動（例如公司在報紙、電視等傳統媒體上投放廣告），自營媒體是指公司通過自有的或者能夠控制的媒體進行媒體活動（例如公司在自己的官方網站上進行宣傳），贏得媒體則是指不由公司主動進行的媒體活動（例如公司被報紙報道、被消費者在社交媒體上討論）。

Stephen和Galak（2012）重點介紹了贏得媒體（Earned Media）背景下傳統媒體活動（Traditional Media）和社交媒體活動（Social Media）對于小貸網站Kiva的銷售業績的影響。文章所需要解決的核心問題包括兩個：（1）傳統贏得媒體和社交性贏得媒體對于Kiva銷售的相對影響各自有多大；（2）上述兩種贏得媒體是如何相互影響的。Kiva網站的借款人主要來自發展中國家，其投資者主要來自美國。該文關心的問題是，Kiva并沒有在美國社會中進行付費媒體活動，那么在這種背景下，當Kiva被傳統媒體和社交媒體報道討論時，這種贏得媒體活動是否會對其銷售收入產生影響，以及這種影響如何通過一定的機制相互影響。

該文的研究對象為Kiva小貸網站，被解釋變量為Kiva網站投資人的投資標的數量，時間范圍為2007年1月1日—2008年3月2日（共計427天）。解釋變量為贏得媒體活動，包括傳統型贏得媒體和社交性贏得媒體。對于傳統型贏得媒體而言，Kiva提供了其被傳統媒體報道的次數和內容。該文將上述Kiva所提供的數據和Dow Jones Factiva數據相結合，統計了被報紙、雜志、電視、電臺這些傳統媒體所報道的次數。對于社交性媒體而言，該文統計了博客、社交平臺兩方面。對于博客而言，該文采用Google Blog Search統計了博客主動討論Kiva的次數。對于社交平臺而言，該文統計了Kiva friends社交平臺提及Kiva的次數，同時通過Omgili和Google Groups論壇搜索引擎統計了Kiva被其他社交平臺提及的次數。

此外，該文還對社交平臺規模（注冊用戶數量）、Kiva自營媒體提及Kiva次數、Kiva主動發布的新聞次數、Kiva的Google搜索趨勢指數和小微金融的Google搜索趨勢指數進行了控制。

該文在Heinen & Rengifo（2007）模型的基礎上構建了Zero-Inflated Multivariate Autoregressvie Double Poisson Model。此模型包括四個部分：（1）Double Possion分布（DP分布）：假設內生時序數據的計數變量的邊緣分布為DP分布；（2）自回歸模型：采用自回歸模型捕捉變量對自己和其他變量的滯后影響；（3）多變量Normal Copula：采用多變量Copula連接邊緣分布；（4）Zero-Inlated設定：采用Zero-Inlated設定調整對于非經常發生的變量。

通過上述模型，該文得到了如下結論：（1）傳統型贏得媒體活動和社交性贏得媒體活動均可以增加Kiva的銷售；（2）傳統贏得型媒體活動的單事件影響更大；（3）在考慮頻率因素后，由于社交性贏得媒體活動比傳統型贏得媒體活動更加頻繁，因此，在經過時間頻率調整后，社交型贏得媒體活動的銷售收入彈性更大；（4）社交性贏得媒體活動對傳統型贏得媒體活動具有驅動作用。