2.1　借款人信息的識別

在借貸市場中，借款人和出借人之間由于存在信息不對稱情況，出借人無法掌握借款人的真實和全面信息，借貸合同可能會受到逆向選擇和道德風險的影響。在傳統商業銀行的借貸市場中，商業銀行會通過抵押、擔保、定期檢查甚至派專人進入企業董事會的方式來減輕委托代理問題對銀行權益造成的損害。

在網絡借貸市場，為了降低借貸成本和提高用戶普及率，往往不需要提供抵押、擔保等高成本增信方式，促進借貸雙方達成借貸合同的是與借款人有關的個人信息。網絡借貸過程中影響借款人獲得貸款的信息主要包括：（1）人口統計學信息，如性別、年齡、種族、受教育程度等；（2）認證信息，即可經過第三方認證的財務或非財務信息，如借款人信用評分、收入和支出賬單、住房信息、歷史信用違約信息等；（3）非認證信息，即借款人自愿披露的非認證性質的信息，如借款描述、個人愛好、照片信息等；（4）社會關系，即借款人自愿披露的社交信息，如在平臺上借款人可以選擇加入群組，或者邀請朋友一起在平臺上借款或投資等。

2.1.1　人口統計學信息

在借貸市場，借款人是否能得到融資，以及借款利率往往會因為借款人的種族、性別、年齡、受教育程度等因素受到借款歧視。借貸市場中的歧視可以分為兩種類型，統計性歧視（Statistical Discrimination）和偏好性歧視（Taste-based Discrimination）。統計性歧視是指在信息不完備的市場中，投資人基于已有的信息，將一個群體的典型特征作為決定該群體每個個體是否獲得借款及決定借款利率的指標，根據這些指標對借款人作出歧視性決策。當統計性歧視行為比較準確地利用了統計性特征時，這種歧視行為能幫助投資者實現有效的投資決策。例如，在借貸市場中，部分借款人由于有糟糕的信貸歷史，而無法獲得貸款或者承擔高利息貸款。偏好性歧視是指投資者由于存在個人偏好，不愿與某些類型的借款人產生交易，甚至愿意承擔額外成本避免這類交易。偏好性歧視的出現說明投資者在做決策時不完全是理性地從投資風險與收益角度出發，這往往造成投資者的效用損失。

Pope和Sydnor（2011）利用美國大型網絡借貸網站Prosper數據，并收集借款人在發布項目時主動提供的照片信息，研究P2P網絡借貸中的歧視問題，尤其是借款人的種族特征對借款成功率與借款利率的影響。作者認為，如果在P2P借貸過程中投資者僅存在統計性歧視并且決策過程由借款項目的凈收益率決定，其中項目凈收益率為考慮違約風險之后的收益率，那么當控制借款人提供的所有可觀測信息后，投資者會對凈收益率最高的項目提供貸款。而在競爭性借貸市場中，借款利率會充分反映影響借款人信用水平的所有信息，因此，最終成功獲得貸款的項目應該具有相同的凈收益率。與此不同的是，當投資者的決策過程只受到偏好性歧視影響時，受歧視的借款人會承擔更高的凈收益率，否則無法獲得貸款。

在實證過程中，Pope和Sydnor（2011）利用Prosper數據主要研究了種族因素對借款的影響。具體而言，作者用融資是否成功或者借款的成交利率作為被解釋變量，借款人是否為黑色人種作為解釋變量，控制借款人的性別與婚姻狀況、年齡、高興程度、體重、吸引力、財務狀況，信用等級及其他特征，進行OLS⁽¹⁾回歸和Logit⁽²⁾回歸，發現黑色人種借款人的借款成功的概率顯著低于白色人種借款人，而黑色人種借款人的借款成交利率顯著高于白色人種借款人。為了檢驗該結果的穩健性，作者一方面分別使用公布了照片的借款，或者每個借款人的第一筆借款，作為子樣本進行回歸，另一方面根據借款的時間、信用等級，以及借款者報告的收入將樣本拆分成子樣本進行回歸。此外，Prosper的借款人可以選擇是否開啟“Open funding”功能。如果借款人不開啟該功能，當投標進度達到100%之后，借款人將以自己設定的最高利率獲得貸款，導致成交利率偏高。如果黑色人種借款人比白色人種借款人更喜歡關閉“Open funding”功能，那么黑色人種借款人將擁有更高的成交利率。為了排除了這一解釋，作者用所有開啟了“Open funding”功能的借款進行研究，發現黑色人種借款人的成交利率仍然高于白色人種借款人。整體而言，穩健性檢驗結果說明以上結果十分穩健。考慮到Prosper擁有自動投標功能，以上回歸結果可能還低估了膚色對借款成功率的影響。

上述研究結果表明，在貸款過程中，投資者對于黑色人種借款人存在種族歧視。為了檢驗這種歧視來自統計性歧視還是偏好性歧視，作者繼續對借款人的真實違約率與凈收益率開展了研究。首先，作者利用Hazard違約模型檢驗借款人的真實違約率，利用借款人是否違約作為被解釋變量，借款人是否為黑色人種作為解釋變量，并控制其他變量。結果發現當控制其他因素后，黑色人種借款人的違約率比白色人種借款人高36%，這說明投資者對于黑色人種借款人存在一定程度的統計性歧視。其次，作者用投資三年的凈收益，即每投資借款項目一美元之后三年內的凈收益，作為被解釋變量，借款人是否為黑色人種作為解釋變量，并控制其他變量，進行OLS回歸。結果發現在控制其他因素之后，黑色人種借款人的借款的凈收益率低于白色人種借款人的借款，這個結果在Duarte、Siegel和Young（2012）的研究中再次得以驗證。為了避免宏觀經濟形勢對結果造成影響，作者將所有借款項目按照借款成功時間進行子樣本檢驗，或者直接在回歸模型中控制反映經濟形勢對不同膚色人種影響的變量（黑色人種與白色人種的失業率差值與膚色變量的交乘項），發現實證結果沒有顯著變化。這些結果說明投資者對黑色人種借款人不存在偏好性歧視。對于該文的結果，作者提出的一種可能解釋是投資者對黑色人種借款人有統計性歧視，這種歧視被對白色人種借款人的偏好性歧視部分抵消，但是這種解釋與傳統的研究結果不一致；另一種可能的解釋是投資者雖然對黑色人種借款人有統計性歧視，但是由于投資者不夠成熟，低估了黑色人種借款人的違約率，即便對這類借款人收取了較高的借款利率，但是不足以抵消掉這類借款人高違約率帶來的損失，結果導致凈收益率更低。

除了種族因素外，在P2P網絡借貸市場上是否存在年齡歧視，目前的結論比較一致，即青年人和老年人往往不容易得到借款，或者即使借到款得到借款的金額也比較少。其中，有研究發現在P2P網絡借貸市場上存在對老年人的歧視，且他們需要支付較高的借款利率。Pope和Sydnor（2011）以借款人上傳的個人圖片為基礎，發現相比于不上傳圖片的借款人，主動上傳圖片的借款人更容易獲得貸款。然而，當圖片中出現老人時，借款人更難獲得貸款。

此外，在P2P網絡借貸市場上是否存在性別歧視，目前仍沒有定論，這可能受到各國的人文歷史和社會傳統文化影響。在美國P2P網絡借貸平臺，存在男性性別歧視，雖然投資于男性借款人的期望收益率更高，但女性借款人更容易獲得借款。Pope和Sydnor（2011）發現當圖片中出現女人或者穿軍裝的人時更容易獲得貸款。而另有研究發現，在控制其他因素后，投資于女性借款人的項目最終期望收益率更低（Duarte、Siegel和Young, 2012）。此外，其他實證研究發現在中國P2P網絡借貸市場上，則存在女性性別歧視，女性的違約率更低，但要支付更高的利率。而在德國P2P網絡借貸市場上，沒有發現顯著的性別歧視。

最后，關于教育背景的影響，已有研究發現雖然受教育程度較高的借款人的違約率顯著地低于受教育程度低的借款人，但他們的借款并沒有受到出借人的特別偏好，出借人在教育程度上識別風險存在一定的偏誤（廖理、吉霖和張偉強，2015）。

2.1.2　認證信息

網絡借貸平臺一般都要求借款人向出借人披露自己的信息作為信用的主要標識，這類信息往往是可認證的信息，包括信用等級、收入和支出的詳細信息、是否擁有住房、已有債務、債務收入比、信用報告查詢情況等。一般這些信息會被第三方信用評級機構以評等級或評分形式呈現。同時，一些平臺也會在此之外要求披露更詳細的信息，如銀行賬戶、信用卡使用情況等。

無論在傳統的銀行系統，還是在網絡借貸平臺，借款人的信用等級對借款成功與否起著至關重要的作用。信用等級越高的借款人成功獲得借款的概率往往也越高，而在已獲得借款的借款人中，信用等級越高的借款人違約率往往越低。Pope和Sydnor（2011）的Prosper數據顯示借款人成功獲得融資的比例隨著信用等級降低而逐步下降。

根據Iyer et al.（2016）的數據，網絡借貸平臺借款人的平均信用分數為610，而美國全體居民的平均信用分數為680，說明網絡借貸平臺吸引了大量信用水平相對較低的居民進行借款，此處信用分數是指Experian ScoreX PLUS⁽³⁾信用分數。

除了信用等級，收入水平也是影響借款人獲得融資的重要決定因素。Pope和Sydnor（2011）的Prosper數據顯示借款人成功獲得融資的比例隨著收入減少而下降。收入處于最高25%區間的借款人成功獲得融資的比例為14.7%，而最低25%區間的借款人成功獲得融資的比例僅為5.9%。

2.1.3　非認證信息

除了認證信息外，在P2P網絡借貸平臺上借款人也可以提供一些非認證信息，這些非認證信息有利于出借人更好地了解借款人的情況，降低信息不對稱性。但是，由于這些非認證信息不能或者不容易被第三方機構認證，其真實性與可靠性不強，出借人使用時存在一定的不確定性。已有文獻從非認證信息的種類和某一具體的非認證信息出發，研究非認證信息對借款的影響。

2.1.3.1　自愿披露的未核實信息

Michels（2012）主要研究借款者自愿披露的且未經核實的信息在P2P借貸中的影響。作者通過構建一個能表示信息披露程度的指標，考察未經核實的信息披露對投標數、借款利率的影響，該研究結果表明這種信息披露能夠降低利率，并且提高借款成功率。此外，未經核實的信息披露對于信用較低的借款者有更強的影響，且與借款違約率之間有負相關關系。

在一般情況下，未經核實的信息可靠性較低，但作者假設借款者提供的信息雖然未經核實卻是真實的，以便借款者將來能夠從中受益。該研究選取Prosper的三年期未擔保借款作為樣本，數據時間跨度從2007年2月12日—2008年10月31日，選擇這個區間的原因是Prosper在這段時間內的信息披露政策沒有變化。樣本總共包括246841條借款申請，其中，21450條借款成功，225391條借款失敗。該研究對這些數據進行分層隨機抽樣，分別從成功和失敗的樣本中抽取500條記錄，總共1000條。該研究之所以使用隨機抽樣的樣本而不是總體數據，是因為在構造信息披露得分時，每一條信息都需要手動篩選與處理。

該研究構建的核心變量是信息披露得分，即對特定的、未經核實的信息披露程度的度量，選取的9個指標包括：借款用途、收入水平、收入來源、教育水平、其他債務額度、其他債務利率、對較低信用評級的說明、月度支出及借款人照片。上述信息如果進行了披露則相關指標取1，否則取0，將所有的指標得分加總就是信息披露得分。對于其他能夠影響利率和投標數的因素，作者選取了自動投標機制、借款者設置的最高利率、借款額度、信用評級、房產、債務與收入比，以及兩年期國債收益率作為控制變量。投標數則用投標總數與天數之比的近似整數來表示。

單從描述性統計的角度來看，成功的借款在信息披露各個指標的得分情況均優于失敗的借款，因此，從某種程度上來說，已經有先驗證據表明投資者確實會在投資過程中考慮這些未經核實的信息。之后該文分別對利率和投標數進行Tobit⁽⁴⁾和Poisson⁽⁵⁾回歸，研究結果表明：未經證實的信息披露可以使借款利率降低1.27個百分點，同時使得投標數提高8個百分點。因此，即使是未經證實的信息披露，也能夠在減少借貸成本方面發揮顯著作用，提高P2P市場的效率。

該研究認為P2P平臺相比上市公司可以對未經核實的信息進行更穩健的檢驗。在穩健性檢驗中，作者采用的是兩步模型，首先分析一筆借款是否融資成功；其次，如果成功，其利率是如何確定的。在兩步模型中，首先使用Probit模型⁽⁶⁾，用投標數對信息披露分數和控制變量進行回歸，結果表明，信息披露的邊際效應能使投標數提高3.28個百分點。第二步是對已經融資成功的借款，用實際利率對信息披露分數和控制變量進行回歸，結果表明，對于已經融資成功的借款，信息披露能夠使利率降低0.22個百分點。如果使用Heckman模型⁽⁷⁾，信息披露則可以使利率降低0.31個百分點。

如果對信息披露分數進行分解，則單個指標的影響似乎不再顯著，并且不同指標對利率和投標數的影響也不盡相同。此外，該文還考慮到信息披露的指標中可能有部分信息在其他借款信息中得到了證實，因此，該文還需要將這些信息剝離以證明是真正未經證實的信息在影響投資者行為。該文將信息披露的指標分為兩部分，認為收入、收入來源、其他債務及其他債務利率是有可能在其他借款信息中被驗證的，而借款目的、教育水平、對較低信用水平的說明、月度支出和照片則屬于不大可能被證實的。結果表明，不論是在系數還是顯著性上，后者都比前者對利率和投標數的影響更大。因此，穩健性檢驗表明投資者確實對未經證實的信息有明顯反應。

除了影響投資者決策，該研究認為信息披露還能反映借款的實際質量。該文以違約率作為因變量，對信息披露分數以及控制變量進行了Probit回歸。結果表明，借款額度越高，或者以前有不良信用記錄的，借款違約率就越高，并且利率不能夠顯著預測違約率。但信息披露分數確實與違約率之間有較強的負相關關系，信息披露大概能使違約率降低5.37個百分點。進一步將信息披露分數分解為兩部分，可以看出是最不能核實的信息披露導致了違約率的下降。因此，未經核實的信息披露在還款過程中也體現出某種后驗特性。

該研究還針對信用評級相對較低的借款者構建了一個虛擬變量，將信用評級在C以下的借款者取1，C以上借款者取0，然后對各個自變量取交叉項，以確定信息披露對信用較低借款者的影響。結果表明，額外的信息披露能夠將投標數提高18.21%。因此，對于信用評級較低的借款者，未經核實的信息披露更加重要。

雖然該研究證實了未經核實的信息披露在減少借貸成本方面的作用，但從實際情況來看，借款者并未提高相應的信息披露量。該研究認為原因可能有兩點：一是借款者目前尚未深入認識到信息披露的作用，隨著對市場的不斷深入與了解，借款者的學習能力可能隨之增強，信息披露量也會隨之增加；二是借款者不愿意用虛假的信息誤導投資者，依靠未經核實的信息來降低借款成本。該研究的結論和心理學以及行為經濟學的部分研究結論是一致的，即客觀的、未經核實的信息內容也會影響個人決策。

2.1.3.2　借款語言描述

在網絡借貸平臺上，借款人可選擇填寫借款描述一欄，借款人可以介紹更多的個人信息或本次借款的目的，意圖體現出本借款項目的與眾不同之處，說服出借人作出投資決策。已有研究發現，借款描述對融資成功率和借款利率的影響并不一致，易讀性好、字數多、描述的具體程度有利于提高借款成功率和降低借款利率，而那些包含更多私人問題、解釋性詞匯的描述則降低借款成功率。出借人并不能很好識別借款描述背后隱含的風險，如使用欺騙性語言的借款人更容易借到款，但他們借款的違約率更高。

Herzenstein、Sonenshein和Dholakia（2011）在研究中將借款描述中的詞匯劃分為六類：信任、成就、努力、經濟困難、道德、信仰。該研究使用Prosper平臺在2006年6月—2007年6月的共1493個借款申請來研究借款語言描述對于借款結果的影響。通過研究發現，第一，那些信用水平低的借款人，會使用更多的借款描述；第二，借款人借款描述中使用的詞匯種類越多，借款的利率會更低，借款成功率會更高，但是違約率會上升；第三，借款描述的類型也與借款成功率、借款未來表現有關，其中可信任的和成功的借款描述有利于提高借款人的借款成功率，有道德的描述與借款未來表現正相關，而經濟困難的描述與借款未來表現負相關。

2.1.3.3　相貌

在社會心理學領域，學者提出人們存在“外表吸引力的刻板印象”（Physical-attractiveness stereotype），即認為美的就是好的，長相漂亮的人更具有吸引力，并擁有社會所需的其他特質。在網絡借貸市場，投資人挑選借款項目的過程也可能受到借款人外貌、長相的影響，例如，Pope和Sydnor（2011）發現相比于不上傳圖片的借款人，主動上傳圖片的借款人更容易獲得貸款。Ravina（2012）發現外表更具有吸引力的借款人往往可以在更低的利率水平上獲得貸款。

關于借款人提供照片是否有利于增進投資者的信任從而有利于其獲得借款，Duarte、Siegel和Young（2012）進行了深入研究。作者在Prosper平臺獲得2006年5月—2008年1月的共176537個申請項目及17480個真實借款項目信息，并從中隨機挑選20000個標的項目及6500個借款項目，去除無效觀測后，最終保留17837個標的項目和5950個借款項目，其中，6821個標的項目和3291個借款項目有借款人提供的照片信息。為了對借款人提供的照片進行分析，作者通過亞馬遜土耳其機器人（Amazon’s Mechanical Turk）平臺提供的服務，利用類似于專家打分法的方式來針對借款人構建可信賴度指標。具體而言，對于每張借款人照片，作者在該平臺招募25個獨立的員工，要求每個員工對該照片中人物的可信賴度進行打分，總共5個等級，從1（不值得信賴）至5（非常值得信賴）。此外，在另一個獨立的測試中，作者要求員工回答一個更為具體的問題：“假如你把10美元借給照片中的人，當他/她有錢償還時，你認為他/她有多大可能性會把錢還給你？”答案為從0～100的十分位數。然后，作者取25個員工對第一個題目和第二個題目回答的均值綜合構建可信賴度指標。然而，這種打分方式獲得的可信賴度可能受借款人照片的吸引力影響，這種吸引力與借款人的還款意愿無關，卻會對投資者的個人偏好有所影響。因此，作者為了區分可信賴度和吸引力的影響，再次要求25個員工對照片中人物的吸引力及財富進行分別打分，吸引力指標從1（不具有吸引力）至5（十分有吸引力），財富指標從1（非常貧窮）至5（非常富有），以25個員工的打分均值構建吸引力指標和財富指標。

基于上述方法構建的可信賴度指標、吸引力指標和財富指標，作者對借款人相貌是否影響其獲得借款及借款利率進行研究。作者以是否成功獲得借款融資作為被解釋變量，以可信賴度指標、吸引力指標和財富指標作為解釋變量，并控制人口統計學信息、信用歷史信息、收入和教育信息，以及發標與投標特征，在所有標的項目中進行Probit回歸。然后再以借款利率作為被解釋變量，在所有借款項目進行Tobit回歸。結果表明相貌上更具有可信賴度的借款人更容易獲得借款，并且以顯著更低的利率成交。同時，在回歸結果中吸引力指標和財富指標對借款人是否獲得融資以及借款利率沒有顯著影響，這可能是因為這兩個指標包含的信息已經反映在信用歷史信息、收入和教育信息等方面。此外，作者進一步研究表明，相貌上看起來更具有可信賴度的借款人，實際上也擁有更高的信用評級和更低的違約率。

該研究表明，借款人的相貌對其是否獲得借款及借款利率有顯著影響，說明一個人的外部印象不僅僅在勞動力市場和政治場合中產生影響，也會在金融交易中有所影響。投資人基于借款人相貌的可信賴度進行投資并不是非理性的結果，因為借款人相貌的可信賴度能夠預測其真實的信用水平和違約率，反映了個人的聲譽資本。

2.1.4　社會關系

與人口統計學信息、認證信息和非認證信息相比，借款人的社會關系信息作為一種間接性信號，也會對借款人是否獲得融資和融資利率造成影響。社會關系信息的真實性介于認證信息與非認證信息之間，當社會關系較強時，這類信息可以通過驗證，因此具備認證信息的價值。但是當社會關系較弱時，其可認證的價值也較低。在P2P網絡借貸興起之時，恰逢Facebook和Twitter等社交網絡平臺的興起。網絡借貸平臺借鑒傳統民間借貸市場的社交借貸，將線下社會關系移到線上，在平臺引入群組和朋友等社會關系，鼓勵借款人之間、出借人之間、借款人和出借人之間建立群組或朋友聯系，組員之間可能是具有某些相同的背景等因素，例如職業或者教育背景相似。平臺可以充分利用成員的社會關系，促進借款人、出借人相互之間的信息交流，彌補信息的缺乏。

在現有研究中，借款人的社會關系信息在網絡借貸市場中的作用機制主要有兩種，分別是信號機制和懲罰機制。首先，出借人與借款人在網絡借貸市場存在信息不對稱，當借款人提供的信息有限或者難以驗證其真實性時，其社會關系可以作為個人信用的補充信號。“物以類聚，人以群分”，社會關系較強的個體之間往往存在一些相似性，例如，親人或朋友關系，或者地區相近、職業相似等。當借款人的社會關系中存在信用差的個體，那么這種信號會反映出該借款人的個人信用也有可能較差。比較明顯的案例是目前網絡借貸平臺中的防詐騙機制之一就是預防團伙欺詐，因為詐騙行為往往扎堆出現，與存在詐騙嫌疑或詐騙歷史的個人有一定社會關聯的用戶都會受到重點關注，例如，通訊錄好友、老鄉等。由于社會關系存在信用背書功能，信貸市場中的參與者會利用其掌握的信息來決定是否加入其他用戶群組或者接受其他用戶的邀請。在均衡狀態下，信用水平相似的個體之間容易建立強社會關系，而信用水平相差較大的個體之間難以出現社會關系或者只有弱社會關系。因此，社會關系在理論上可以作為個人信用的一種信號機制，從而影響借款人是否獲得借款及借款利率。

其次，社會關系可以作為一種懲罰機制，提高借款人的違約成本，從而預防道德風險。大量研究發現，個人違約行為不僅會降低其信用分數，而且當違約的信息被其朋友知曉時，會給違約者帶來比較大的聲譽成本，即“Social stigma cost”（Lin、Probhala和Viswanathan, 2013）。在我國催收行業未得到監管之前，一種“暴力催收”方式就是利用借款人提供的通訊錄信息，對其中聯系人逐一電話告知借款人的違約信息，以此方式提高借款人的違約成本從而降低其違約率。考慮到社會關系帶來的違約成本，違約率低的借款人擁有強社會關系的成本較低，違約率高的借款人擁有強社會關系的成本較高，那么信用較差的借款人會避免在網絡借貸平臺提供其強社會關系信息。因此，當達到均衡時，強社會關系更好的借款人應該具有較低的違約率，更受到投資者歡迎。

本節分別從朋友、群組、文化、距離、相似特征等方面研究社會關系對網絡借貸市場借款人是否獲得借款及借款利率的影響。

2.1.4.1　朋友

在社交平臺中的朋友關系是一種較強社會關系，Prosper平臺的用戶在注冊時需要驗證一個電子郵箱，同時可以填寫朋友的郵箱地址邀請他們加入Prosper平臺，當朋友接受邀請后就在Prosper平臺建立了一個朋友關系。當一個借款人發布借款申請時，他的朋友關系和信用信息、借款信息一起被展示出來，當他的朋友投資這個借款時，更是會被特別標出。那么，Prosper平臺上的線上朋友關系是否有助于識別借款人的信息呢？對此，Lin、Probhala和Viswanathan（2013）專門進行了研究。

Lin、Probhala和Viswanathan（2013）研究所用數據來自Prosper平臺在2007年1月—2008年5月的所有線上標的信息，包括借款人信用歷史、平臺賬戶ID、朋友信息、申請標的結果信、是否違約等，共計205132個申請標的，其中有56584個申請標的項目有借款人的朋友信息，作者根據5個層級指標將借款人的朋友關系進行分級，如圖2.1所示。具體而言，Level 1將借款人的朋友區別為可在Prosper平臺通過認證的和無法認證的朋友；Level 2將可認證的朋友繼續區分為平臺上的借款人和出借人；Level 3利用“是否在此之前已經在該平臺上出借過資金”，將朋友中的出借人區分為真實出借人和潛在出借人；Level 4繼續將真實出借人按照“是否在該借款人申請的標的項目中投標”進行區分；Level 5繼續將投標的真實出借人根據“是否成功獲得投標”進行區分。隨著分類層級增加，作者定義的朋友關系也逐級增強。

在實證設計中，作者檢驗借款人申請結果與朋友信息之間的關聯。首先，作者利用標的是否獲得融資作為被解釋變量，朋友個數作為關鍵解釋變量，并加入信用等級、債務收入比率、信用查詢次數、借款用途等控制變量，進行Probit回歸。其中，作者針對不同朋友分類層級分別進行了檢驗，例如包含所有朋友、僅包含Level 1中分類、包含Level 1和Level 2分類、包含所有層級分類等。其次，作者將被解釋變量替換為標的借款利率，利用Heckman兩步法重新進行二階段回歸分析。然后，作者利用Cox Hazard模型繼續對數據進行分析，研究借款人違約的影響因素。研究結果顯示：借款人的“朋友關系”更好（例如，朋友數量更多，經過身份認證的朋友數量更多，出借人朋友數量更多，在該項目上進行投資的出借人朋友數量更多等），則借款成功率更高，并且借款利率更低，其真實的違約率也更低。

為了檢驗結果的可靠性，作者進行了一系列穩健性檢驗，例如，采用Logit回歸模型替代Probit回歸模型、利用投標進度代替借款成功率、將回歸中衡量朋友關系的變量由人數改變成指標變量、分別用沒有提供圖像和提供圖像的借款標的（加入圖像中人物特征作為控制變量）進行子樣本檢驗、加入借款描述中五類詞語的數量作為控制變量等，結果表明原結論比較穩健，即借款人的朋友信息在借貸交易過程中具備價值，越好的朋友關系會提高其借款成功率和降低借款利率，并且其真實的違約率也更低。這個結果與“朋友關系可以作為借款人信用質量的信號”假設是一致的，并且出借人在制定投資決策的過程中會考慮借款人的朋友關系。

在上述研究中，作者關注的是借款人的朋友關系對于其是否得到融資以及借款利率的整體影響，并沒有針對借款人的朋友關系對出借人決策的影響機制進行細化分析。Liu、Brass、Lu和Chen（2015）試圖用中國拍拍貸平臺的數據研究朋友關系對網絡借貸的具體影響機制，該文提出朋友關系在網絡借貸交易中可能通過三種機制來對借貸雙方的決策造成影響。

第一，是管道效應（Pipe Effect），即出借人是否選擇投標是由出借人與借款人二者之間的朋友關系決定。在網絡借貸交易過程存在信息不對稱的背景下，借貸雙方的朋友關系會對借貸交易成功造成重要影響。這是因為在交易前，朋友關系使得出借人可以掌握借款人更多的信息，而在交易后，朋友關系可以形成有效的監督機制防止道德風險，并且借款人違約的成本增加。因此，該文提出借款人的朋友，尤其是關系更密切的朋友，更有可能投標該借款人申請的借款標的。

第二，是棱鏡效應（Prism Effect），即借款人的朋友對其標的進行投標，會起到信用背書的作用，從而對潛在的第三方出借人決策造成影響。然而，這種朋友的信用背書對第三方的影響是復雜的。一方面，正如第一條所述，借款人的朋友對其標的進行投標會傳遞出積極信號，因為該朋友可能掌握更多的借款人信息，投標過程就反映了這種私有信息，并且該朋友具有額外的事后監督能力和提升了借款人違約的成本，因此，會降低借款人違約概率。另一方面，借款人的朋友對其標的進行投標可能受到情緒或者責任的影響，是出于替朋友幫忙的目的或者“面子”的影響，而這種決策往往是非理性的。此時，朋友的投標行為可能造成一種“合謀”嫌疑，因為出借人的朋友比其他潛在的陌生投資者更容易收回其投資成本。因此，由于可能存在非理性決策或者合謀行為，借款人的朋友對其標的進行投標對于潛在的第三方也會傳遞出消極信號。綜合兩方面的影響，考慮到在網絡借貸平臺中，大部分潛在的投資者對于借款人都是陌生的，無法觀察或者驗證借款人和其朋友之間的關系，只能在拍拍貸平臺觀察到該借款人的標的是否有其朋友投標，因此作者提出消極信號要強于積極信號，即借款人的朋友對其標的進行投標會對潛在的第三方出借人決策造成負面影響。

第三，是關系羊群效應（Relational Herding Effect），即當潛在出借人觀測到其朋友對借款人的標的進行投標時，該出借人會跟隨其朋友進行投標，從而形成基于朋友關系的羊群效應。關于羊群行為的研究已經比較普遍，例如羊群行為可能是由于“信息瀑布”或者是投資者的盲目從眾行為造成等。該文研究出借人之間的羊群效應，重點關注朋友之間的羊群效應，提出當標的的投資者增加時，或者潛在出借人的線下朋友，尤其是緊密的朋友進行投標時，該出借人有可能跟隨他們線下朋友的投標。

Liu、Brass、Lu和Chen（2015）的實證基于拍拍貸平臺在2009年1月—2010年6月的交易數據，其核心變量是平臺上借款人與出借人、出借人與出借人之間的朋友關系指標。拍拍貸平臺允許其用戶邀請朋友加入平臺和公布朋友信息，而該平臺上用戶之間的朋友關系分為兩種線上朋友類型（拍拍貸好友和其他線上好友，如淘寶好友）和六種線下朋友類型（親密朋友、普通朋友、同事、同學、親戚、熟人），作者將這八種關系類型分為線下緊密朋友、線下普通朋友、線上朋友三種指標。在以出借概率作為因變量的條件Logit回歸模型中，作者發現當出借人是借款人的朋友，尤其是緊密的朋友時，該出借人更有可能投標該項目，證明了管道效應；當借款人的朋友對其申請標的進行投標時，潛在的陌生出借人投標該項目的可能性更低，說明棱鏡效應的負向影響；相比于線上朋友和陌生人，出借人的投標行為更有可能跟隨其線下朋友，雖然在線下緊密朋友與線下普通朋友之間的結果沒有顯著差異，但是這在一定程度上證實了關系羊群效應。

總體而言，Lin、Probhala和Viswanathan（2013）和Liu、Brass、Lu和Chen（2015）研究了網絡借貸交易中，朋友關系作為一種強社會關系，對于借貸交易結果的影響，以及相應的影響機制。在已有研究中，比較一致的觀點是朋友關系無論是作為一種信號機制或是懲罰機制，整體上對于借貸交易具有促進作用。

2.1.4.2　群組

在著名網絡借貸平臺Prosper上，平臺成員可以自行建立“群組”，即每個成員都可以建立一個群組，說明建立群組的目的和組員的情況等，建立群組的平臺成員默認成為該群組的領導者。群組的領導者有權力邀請或者拒絕其他平臺成員加入該群組，也可以要求組員驗證其提供的信息。群組的領導者在平臺上注冊了該群組后，既可以進行投資，也可以發起借款項目。在實際操作中，群組的領導者往往會要求潛在的借款人提供額外的一些信息以備審核，或者要求借款項目必須在其審核之后才能在該群組上線。對于群組內的借款項目，所有組員都可以看見其他人的出借行為，例如，群組領導者是否進行投資以及投資金額等。群組領導者也可以針對個別項目進行信用背書，即對該借款項目的可靠性進行額外說明。在Prosper平臺剛剛開始發展業務的過程中，群組領導者有權力針對該群組中的借款項目收取額外費用，這項規定在2007年夏天之后不再有效，即此后不存在付給群組領導者的額外費用。

有研究發現，群組有利于降低信息不對稱，特別是對信用評分不高的借款人，可以在提高借款的成功率的同時降低借款利率（Berger & Gleisner, 2009）。具體表現為，借款人加入群組、群組領導人的推薦或者投標都可以幫助借款人降低借款利率；此外，群組級別提高和群內人數的增加也都有利于降低借款人的借款利率。當一個借款人是一個群組的成員時，如果這個群組的信息沒有得到認證，那么出借人雖然愿意投資，但借款人不能得到較低的利率；而當這個群組的信息得到認證的時候，出借人不僅更愿意投資，也會給借款人提供更低的利率。與非認證的群組相比，經過認證的群組成員的借款違約率也更低（Maier, 2014）。

如果存在社會懲罰措施，加入群組會減少違約率；群組成員地理相近程度越高，違約率越低，利率越低；當出借人競爭較為激烈的時候，決定違約率較低的因素會傳導到較低的利率；當內部人和外部人存在競爭的時候，內部人的軟信息會導致利率較低。結果表明，當群組成員在真實生活中有聯系的時候，加入群組會顯著地降低違約風險（Everett, 2015）。

然而，在網絡借貸平臺設立群組并通過群組來提高借款人的借款效率過程中，如果群組的領導者可以收取創設費用，那么借款項目融資過程會出現嚴重的逆向選擇問題，即借款項目的利率較低但是違約率較高。為了研究群組領導者收取創設費用是否對借款項目造成影響，Hildebrand、Puri和Rocholl（2017）針對Prosper平臺在2007年2月—2008年4月之間的借款交易數據進行研究，而禁止群組領導者收取創設費用的規定在2007年9月正式出臺。該文章發現，在全樣本分析過程中，無論群組領導者是否收取額外創設費用，當群主領導者對借款項目進行投標時，這類項目比沒有群組領導者投標的項目在Prosper平臺上的借款成功率顯著更高。然而，當群組領導者收取額外創設費用時，有群組領導者投標的借款項目相比于沒有群組領導者投標的借款項目而言，借款利率更低但是還款表現更差、違約概率更高。如果以禁止群組領導者收取創設費用的規定作為外來事件沖擊進行分析并對比該事件前后的區別，該文發現有群組領導者投標的項目在禁止收費后的違約率要顯著低于沒有群組領導者投標的同期項目。這個結果說明，雖然群組領導者掌握更多的借款項目信息優勢，跟隨群組領導者進行投資并不一定產生更低的投資風險或更高的投資回報，尤其是群組領導者收取額外的創設費用時，其領投的項目往往利率更低但是違約率卻更高，這說明存在較嚴重的逆向選擇現象。只有當群組領導者的投資額度較大或者不收取創設費用時，其信息優勢才會發揮作用，此時其領投的項目中高利率項目往往有高違約風險，低利率項目往往有低違約風險。

2.1.4.3　文化差異與地理距離

在網絡借貸平臺的交易中，投資人與借款人之間的文化差異、地理距離往往也會對投資人的投資偏好造成影響。文化差異對于投資人決策的影響來自多個方面：首先，有文章發現文化差異會導致交易成本增加，包括溝通成本、控制成本、監管成本、社交成本等；其次，文化差異會降低個體之間的信任、交流、協作行為；再次，在建立群組過程中，群組成員對文化差異較大的其他成員的接納程度較低；最后，個體交易過程中也會出現一些交易偏好現象，即不愿意與文化差異較大的其他個體進行交易。類似地，地理距離對投資者的決策也會造成影響，因為研究表明地理距離越近代表投資人對借款人有可能更為熟悉，或者借款后更容易進行監管、違約后追償成本更低等。

Burtch、Ghose和Wattal（2014）基于Kiva⁽⁸⁾平臺在2005—2010年接近335萬條個人借貸交易數據，包含37萬個投資人和16萬個借款人，然后對每個國家的借貸交易數據進行匯總，匯總數據共有52個國家的借款人和196個國家的出借人數據，最后作者檢驗投資人與借款人之間的文化差異、地理距離對投資人決策的影響。關于國家之間的地理距離指標，作者參考Sousa et al.（2005）的構建方法，并利用Google Maps API補充缺失值。關于國家之間的文化差異指標，作者直接采用了“世界價值調查”數據（World Values Survey），由社會科學家在全球范圍內調查采集，涉及接近100個國家。作者利用泊松最大似然法進行實證回歸檢驗，以借款決策作為被解釋變量，以文化差異指標、地理距離指標及二者交乘項作為核心解釋變量，并控制GDP、共同語言指標、財富差異指標、國家固定效應等。結果發現，投資人和借款人之間的文化差異越大或者地理距離越大，投資人進行投資的概率越低。具體從邊際效應而言，當文化差異指標增加一個標準差時，投資者投標項目個數減少了30個，當地理距離指標增加一個標準差時，投資者投標項目個數減少了0.23個，并且文化差異和地理距離對投資者投資決策的影響具有相互替代效應。整體而言，Burtch、Ghose和Wattal（2014）驗證了文化差異和地理距離對于投資者投資偏好的負面影響。

2.1.4.4　本地偏好

在上一節中，Burtch、Ghose和Wattal（2014）的研究證明在網絡借貸交易中地理距離對投資者投資偏好會產生負面影響，本節重點關注投資者在決策過程中是否存在本地偏好。本地偏好，是指投資者在投資交易過程中，傾向于選擇本地（本國，或本州，或本城市）的項目，在其他條件相同的情況下不愿意投資外地項目。投資者本地偏好現象的產生往往來自兩方面的因素：一方面來自理性因素，或者說是經濟因素，是指投資本地項目有利于降低運營和交流等交易成本、減少信息獲取成本、提高信息優勢等，因此，提高了投資回報。另一方面，投資者本地偏好現象有可能是由非理性因素造成，例如在經濟因素相同的前提下，地理距離越小會增加投資者對借款人的信任程度和對該項目的過分樂觀情緒。

Lin和Viswanathan（2016）利用Prosper平臺在2008年以前所有的借款標的申請和交易數據，包括成功和未成功的所有項目，來檢驗網絡借貸平臺中投資者是否存在本地偏好及背后的影響機制。在Prosper平臺上，借款人的居住地區信息是公開并且無法隱藏的。值得說明的是，在Prosper平臺上的借款項目沒有抵押品，電子交易減少了交易成本，因此交易成本不會受到投資人和借款人之間地理距離的影響。此外，當借款人違約時，出借人在法律上是沒有追償權利的，即便出借人和借款人的地理距離十分接近，出借人也無法對借款人的項目進行監督或者在借款人違約后進行追償，因此，地理距離越小并不能帶來經濟方面的收益。這些特征使得利用網絡借貸平臺來研究投資者的本地偏好具有獨特優勢。

在實證研究中，Lin和Viswanathan（2016）首先發現，整體而言投資者選擇本地項目進行投標的比例顯著高于投資者和借款人處于不同地區的比例，同一地區的投資者在本地投資總額占所有投資者在本地投資總額的比例也要高于該地區投資者在整個平臺的投資總額占所有投資者在整個平臺投資總額的比例。其次，在利用日交易數據進行二元分析邏輯回歸的結果中，作者發現投資者對本地項目進行投標的概率要比平均水平高出14.6%～16.9%，說明投資者更傾向于投資本地借款項目。然后，為了降低模型的內生性，作者利用借款人移居行為作為準自然實驗，即針對在樣本區間內出現過移居的借款人，對比其移居前后原地區投資人和新地區投資人對其投資行為的變化。實證結果發現，當借款人改變居住州之后，原居住州的投資人向其提供貸款的意愿下降，新居住州的投資人向其提供貸款的意愿上升。最后，為了更進一步地減弱內生性因素的影響，作者利用MiniProsper交易數據作為自然實驗進行研究。Prosper成立于2006年，在剛成立時并沒有在美國證監會進行注冊。2008年10月，美國證監會要求Prosper平臺關閉。2009年4月底，Prosper完成了在美國證監會的注冊，但是在2009年4月28日平臺重新開始運作后，僅加利福尼亞州的投資者可以對平臺上的借款項目進行投資，稱為Mini Prosper，這種現象維持了10天。作者利用這一外生事件進行研究，繼續采用二元分析邏輯回歸模型，結果發現在Mini Prosper時期，來自加利福尼亞州的借款項目成功得到借款的概率要比其他州的借款項目成功得到借款的概率高出至少21%。

Lin和Viswanathan（2016）在以上研究中證實了Prosper的投資者相對更愿意投資于本州的借款標的，即投資者存在本地偏好。為了對該現象進行解釋，作者排除了“朋友”或“親人”等因素的影響。考慮到借款人的朋友可能與借款人居住在同一地區，同時愿意向借款人放款，這可能對該文實證結果造成影響。然而，作者發現朋友個數只占與借款人來自同一州的投資人總數的17.5%，投標占比僅為1.9%，朋友投資占比與當地投資者占比之間不存在顯著的相關性，因此，可以排除朋友關系導致該文實證結果的解釋。其中，朋友個數等于Explicit Friends（即Prosper的朋友關系）和Implicit Friends（參考Lin、Probhala和Viswanathan, 2013）的人數之和。

然后，作者排除了經濟因素對該文實證結果的解釋。投資者有可能因為某些經濟上的原因（例如，投資者更了解本地借款人的信用狀況）偏好于將錢借給本地借款人。在這種情況下，第一，投資借款標的業績應該與和借款人來自同一州的投資人占比正相關。但實證結果表明，本地投資者投資占比高的借款標違約率更高、違約時間更早、違約金額更高，不支持經濟原因的解釋。第二，作者發現借款描述中再次出現與借款人居住地相關的信息將增加本地借款人投資比例，也不支持經濟原因的解釋。第三，如果投資者因為某種經濟因素偏好于將錢借給本地借款人，則借款人改變居住的州之后，不會增加對新州借款人投資的概率，與實證結果不符。第四，投資者可能認為本州借款人的違約率更低而傾向于向其投資。作者使用Mini-Prosper時期的數據，分析加利福尼亞州的投資者對來自加利福尼亞州及違約率低于加利福尼亞州借款人的投資情況，發現投資者仍然偏好向本州借款人融資，排除前述解釋。第五，投資者可能因為本州借款標收益率的方差更低而傾向于向其投資。作者對各州各信用等級借款標收益率的方差進行了成對比較，發現其中83%的方差沒有顯著差異。此外，作者對比獲得本地投資者投資的借款標與其他州未獲得該投資者的借款標的方差，發現二者之間不存在顯著差異，排除了方差的解釋。

同時，投資者可能因為希望幫助同一種族的借款人，從而偏向于投資本州的借款標。如果這個解釋正確，那么，（1）當投資者從種族單一的州遷居至種族多樣的州，他們將不會增加對新州借款標的投資比例；（2）居住在種族多樣化程度較強的州的投資人不會出現傾向于投資本地借款標的現象。實證結果不支持上述推論，排除了前述解釋。

整體而言，Lin和Viswanathan（2016）的研究為網絡借貸平臺的投資者存在本地偏好提供了證據，同時該現象無法由理性因素完全解釋，相反地，投資者個人的非理性行為因素對于本地偏好行為有所影響。

2.1.4.5　相似性

Galak、Small和Stephen（2011）主要從親社會性角度“Prosocial Nature”對網絡借貸平臺進行研究。該文利用Kiva平臺的交易數據，總共包含約29萬個借款項目，2.3萬名借款人，樣本區間為2007年11月—2008年6月，并搜集國家層面的GDP和嬰兒死亡率指標作為財富指標代理變量，以及文化維度指標等。

在該文的實證研究中，一方面作者研究對借款人項目投標的總人數對于出借人投標額的影響，發現總人數越多則投標額越小。另一方面，作者主要利用性別、職業、名字首字母作為衡量出借人與借款人之間相似性的指標，實證結果發現性別、職業的相似性對于出借人的決策具有顯著影響，而名字首字母的影響比較微弱，并且，出借人傾向于與其相似度較高的借款人的借款項目。整體而言，該文驗證了網絡借貸交易過程中投資者的親社會性。