P2P網(wǎng)貸出借人投資決策行為的影響因素及其監(jiān)管要點(diǎn)
——基于借款人信息的視角

吳慶田，盧香，潘彬

（1. 中南大學(xué)商學(xué)院，湖南長沙，410083；2. 溫州金融研究院，浙江溫州，325035）

P2P網(wǎng)貸出借人投資決策行為的影響因素及其監(jiān)管要點(diǎn)
——基于借款人信息的視角

吳慶田1，盧香1，潘彬2

（1. 中南大學(xué)商學(xué)院，湖南長沙，410083；2. 溫州金融研究院，浙江溫州，325035）

摘要：基于中國 P2P 網(wǎng)貸平臺(tái)拍拍貸的 1640條交易數(shù)據(jù)，從借款人信息的視角出發(fā)，運(yùn)用結(jié)構(gòu)方程模型對(duì)影響P2P網(wǎng)貸出借人投資決策行為的主要因素及因素之間的關(guān)系進(jìn)行了實(shí)證分析。分析結(jié)果表明：影響網(wǎng)貸出借人投資決策行為的因素依次是借款人的聲譽(yù)、借款特征、借款人個(gè)人特征、財(cái)務(wù)特征。以此為依據(jù)，提出P2P網(wǎng)貸的行為監(jiān)管框架必須包括三個(gè)要點(diǎn)，即明確網(wǎng)貸平臺(tái)確保借款人信息真實(shí)性的義務(wù)、建立網(wǎng)貸信用體系和行業(yè)評(píng)價(jià)機(jī)制、建立網(wǎng)貸出借人權(quán)益保護(hù)制度。

關(guān)鍵詞：P2P網(wǎng)貸；出借人；投資決策行為；監(jiān)管要點(diǎn)

一、引言

2007年6月我國首家P2P網(wǎng)貸平臺(tái)——拍拍貸在上海成立。自2012年下半年以來，我國P2P網(wǎng)貸平臺(tái)呈現(xiàn)爆發(fā)式增長，平臺(tái)數(shù)與年借貸額由2011年底的50家31億元迅速發(fā)展為2015年底的2 595家9 823.04億元，4年間分別增長了近52倍和317倍。與此同時(shí)，P2P平臺(tái)風(fēng)險(xiǎn)事件頻頻爆發(fā)，發(fā)生倒閉、跑路、惡意詐騙、提現(xiàn)困難等問題的平臺(tái)數(shù)激增，2012—2015年這4年中分別有6家、67家、281家和896家。我國P2P網(wǎng)貸短期內(nèi)的發(fā)展歷程告訴我們：一方面，P2P網(wǎng)貸借助于互聯(lián)網(wǎng)，將金融服務(wù)的門檻和成本降低，使得中國最龐大的金融弱勢(shì)群體——眾多小微企業(yè)、中低收入工薪族和學(xué)生可以較容易甚至平等地獲得金融服務(wù)，符合普惠金融發(fā)展目標(biāo)；另一方面，P2P網(wǎng)貸借助于互聯(lián)網(wǎng)運(yùn)行，其伴生的技術(shù)、信息、安全等所帶來的新風(fēng)險(xiǎn)使平臺(tái)和出借人的風(fēng)險(xiǎn)大大增加。因此，構(gòu)建一套完善的P2P網(wǎng)貸監(jiān)管體系，促進(jìn)P2P網(wǎng)絡(luò)融資健康發(fā)展，就顯得非常必要而又緊迫了。事實(shí)上，自P2P網(wǎng)貸風(fēng)險(xiǎn)產(chǎn)生以來，監(jiān)管部門陸續(xù)出臺(tái)了涉及P2P網(wǎng)貸的多種監(jiān)管政策，對(duì)于約束P2P行業(yè)亂象有積極作用。然而，無論是學(xué)界、政界還是業(yè)界基本都忽視了這么一個(gè)事實(shí)，那就是，借助于具有虛擬特征的互聯(lián)網(wǎng)金融平臺(tái)出借資金的出借人的投資決策依據(jù)、方式和行為與中商業(yè)銀行信貸決策依據(jù)、方式和行為均不同，這對(duì)P2P網(wǎng)貸運(yùn)行與風(fēng)險(xiǎn)也起著不同的作用。我們認(rèn)為只有在對(duì)P2P網(wǎng)貸出借人投資決策行為影響因素進(jìn)行實(shí)證檢驗(yàn)的基礎(chǔ)上，探尋P2P網(wǎng)貸行為監(jiān)管的要點(diǎn)，為構(gòu)建完善的P2P網(wǎng)貸行為監(jiān)管框架提供思路，才更加貼近實(shí)際。

二、文獻(xiàn)回顧

目前，國內(nèi)外學(xué)者對(duì)于P2P網(wǎng)貸出借人投資決策行為的影響因素和P2P網(wǎng)貸監(jiān)管是區(qū)分開來研究的。

(一) 對(duì) P2P網(wǎng)貸中出借人投資決策行為影響因素的研究

國內(nèi)外文獻(xiàn)中對(duì)于P2P網(wǎng)貸中出借人投資決策行為影響因素的研究，大多集中在與借款人相關(guān)的信息方面，主要從四個(gè)方面展開：一是借款人的自然特征因素，包括借款人的性別、年齡、種族、婚姻狀況、所在地區(qū)等。Herzensteinet 等認(rèn)為借款人的性別對(duì)出借人投資決策的影響較?。?］；Pope和Sydnor研究表明投資人對(duì)35歲以下的借款者成功投標(biāo)率最高，60歲以上者則最低［2］；而Ravina發(fā)現(xiàn)借款人的性別、年齡、體重、外貌和種族都是影響出借人投資決策的決定因素，借貸雙方同在一個(gè)城市、同屬一個(gè)民族（或種族）都會(huì)增加潛在出借人借出資金的可能性［3］。二是借款人的收入和資產(chǎn)狀況因素。吳小英的實(shí)證研究表明借款人的住房情況對(duì)借款成功率影響不大［4］，王會(huì)娟認(rèn)為借款人收入越高工作時(shí)間越長，出借人越愿意出借資金，且借款利率越低［5］。魏李良研究得出借款人的收入、購車情況分別與P2P網(wǎng)貸出借人出借資金量呈顯著性的正、負(fù)相關(guān)關(guān)系［6］。三是借款特征因素，包括借款金額、利率、期限等。Collier和Hampshire的研究表明，借款成功率與借款利率、金額均負(fù)相關(guān)［7］，王會(huì)娟發(fā)現(xiàn)借貸期限不對(duì)出借人的決策產(chǎn)生影響，借款人對(duì)借款描述的字?jǐn)?shù)越多，越不容易獲得借款，且借款利率越高［5］。四是借款人的網(wǎng)絡(luò)社會(huì)特征因素，包括借款人網(wǎng)絡(luò)信用等級(jí)分和網(wǎng)絡(luò)社會(huì)關(guān)系等。Lin認(rèn)為借款人信用等級(jí)越低，出借人投資越少；信用等級(jí)相同，信用分的高低不同，對(duì)出借人的投資決策的影響程度也不一樣［8］；陳冬宇等發(fā)現(xiàn)借款人的信用等級(jí)對(duì)出借人的決策起著決定性的作用，但對(duì)借款利率的影響較?。?］。溫小霓等研究得出，借款人歷史成功次數(shù)越多、信用積分越高、審核項(xiàng)目數(shù)越多，越容易獲得出借人的資金［10］。Lin發(fā)現(xiàn)，借款人朋友數(shù)目對(duì)出借人投資決策產(chǎn)生正向的影響，而對(duì)貸款利率和事后違約率產(chǎn)生負(fù)向的影響，且經(jīng)過平臺(tái)驗(yàn)證的好友更易獲得出借人的資金［11］。Freedman和Jin則認(rèn)為，借款人為某團(tuán)體成員，且在團(tuán)體中的聲譽(yù)越好，出借人越愿意借出資金，借款利率也越低［12］。

收稿日期：2015-10-30；修回日期：2015-12-14

基金項(xiàng)目：國家社科基金重大項(xiàng)目“創(chuàng)新與完善我國民間金融監(jiān)管協(xié)調(diào)機(jī)制研究”（14ZDA045）；國家社科基金項(xiàng)目“眾籌模式中的價(jià)值共創(chuàng)機(jī)制研究”（14BJY008）；湖南省社科基金項(xiàng)目“金融包容農(nóng)村小微企業(yè)的社會(huì)績效、影響因素和機(jī)制創(chuàng)新”（15JD62）

作者簡(jiǎn)介：吳慶田（1970-），女，湖南岳陽人，博士，中南大學(xué)商學(xué)院教授，主要研究方向：互聯(lián)網(wǎng)金融，農(nóng)村金融與經(jīng)濟(jì)管理；盧香（1990-），女，湖南婁底人，中南大學(xué)商學(xué)院碩士研究生，主要研究方向：互聯(lián)網(wǎng)金融；潘彬（1969-），男，湖南長沙人，博士，溫州金融研究院教授，博士生導(dǎo)師，主要研究方向：民間金融，企業(yè)財(cái)務(wù)

(二) P2P網(wǎng)貸監(jiān)管的研究

自P2P網(wǎng)貸產(chǎn)生以來，特別其風(fēng)險(xiǎn)頻出之后，吸引了大批學(xué)者對(duì)于P2P監(jiān)管問題的研究，但由于P2P網(wǎng)貸產(chǎn)生的時(shí)間不長，所以高水平的研究成果較少。李淵琦、陳芳從P2P網(wǎng)貸風(fēng)險(xiǎn)識(shí)別入手，構(gòu)建了一個(gè)包含政府監(jiān)管和行業(yè)自律的P2P網(wǎng)貸風(fēng)險(xiǎn)防范制度框架［13］，彭賽、孫潔和李洪德在對(duì)英、美、日等國P2P網(wǎng)貸監(jiān)管政策進(jìn)行分析的基礎(chǔ)上提出我國應(yīng)通過明確監(jiān)管主體、完善立法、加強(qiáng)監(jiān)管和行業(yè)自律、完善征信體系、加強(qiáng)消費(fèi)者權(quán)益保護(hù)等手段實(shí)現(xiàn)P2P網(wǎng)貸監(jiān)管［14-15］。黃金金研究了網(wǎng)貸信用評(píng)級(jí)監(jiān)管［16］，雷艦則認(rèn)為P2P網(wǎng)貸監(jiān)管應(yīng)當(dāng)圍繞P2P行業(yè)的準(zhǔn)入機(jī)制、運(yùn)行機(jī)制及退出機(jī)制來設(shè)計(jì)，以行為監(jiān)管和金融消費(fèi)者保護(hù)為主［17］。王勇以對(duì)P2P網(wǎng)貸監(jiān)管失敗為教訓(xùn)，提出宏觀審慎基礎(chǔ)上的協(xié)同監(jiān)管模式［18］。王嘉正提出建立以法律為中心的P2P網(wǎng)貸監(jiān)管體系［19］。

綜上所述，學(xué)者們分別對(duì)P2P網(wǎng)貸出借人投資決策行為的影響因素和P2P網(wǎng)貸監(jiān)管進(jìn)行了研究，這些研究成果主要存在四個(gè)問題：一是對(duì)出借人行為的考察僅限于是否做出投資行為，并以借貸成功率指標(biāo)表示，而對(duì)出借人所做出的出借多少金額這一投資決策行為鮮有研究，更沒有深入探尋出借人決策行為及其影響因素對(duì) P2P網(wǎng)貸監(jiān)管會(huì)產(chǎn)生什么樣的影響和需求。二是研究對(duì)象大多取自美國的 Prosper平臺(tái)。由于中美兩國借貸用戶在文化、制度、理財(cái)思想上不同，同時(shí)兩國經(jīng)濟(jì)發(fā)展水平、金融體制和互聯(lián)網(wǎng)金融發(fā)展水平等方面的差異，使得兩國P2P網(wǎng)貸平臺(tái)的用戶行為特征和決策規(guī)律可能會(huì)存在一定差異，因而兩國P2P網(wǎng)貸的監(jiān)管要求也不應(yīng)相同。三是從研究方法來看，對(duì)P2P網(wǎng)貸出借人投資決策行為的研究大多采用描述性統(tǒng)計(jì)分析、多元線性回歸模型等方法。對(duì)于P2P網(wǎng)貸來說，有許多信息可能存在測(cè)量誤差，且各信息間的關(guān)系比較復(fù)雜，既有顯性變量又有潛變量，上述方法無法有效地揭示各變量間的結(jié)構(gòu)關(guān)系。四是對(duì)P2P網(wǎng)貸監(jiān)管問題大多從風(fēng)險(xiǎn)識(shí)別、借鑒他國經(jīng)驗(yàn)、信用評(píng)級(jí)、法律等視角進(jìn)行研究，沒有從借款人信息的視角，采用主體行為分析法來研究P2P網(wǎng)貸行為監(jiān)管的要點(diǎn)。而事實(shí)上，P2P網(wǎng)貸的風(fēng)險(xiǎn)很大程度上來自于各相關(guān)主體的行為，特別是借款人在提供自身信息時(shí)的有意無意的隱瞞、遺漏或欺詐等行為?；诖?，本文選取中國首家P2P網(wǎng)貸平臺(tái)——拍拍貸作為研究對(duì)象，考慮到出借人投資決策行為有“借不借”“借多少？”兩個(gè)方面，且對(duì)前者的研究已有較多文獻(xiàn)，再者從出借人的投標(biāo)金額上就可以得知出借人“借不借”的投資決策行為，我們選擇研究出借人投標(biāo)金額這一決策行為的影響因素，構(gòu)建能同時(shí)分析多個(gè)潛變量之間的結(jié)構(gòu)關(guān)系的結(jié)構(gòu)方程模型，從借款人信息的視角，實(shí)證分析P2P網(wǎng)貸出借人投資行為決策的影響因素及各因素之間相互影響的關(guān)系，并據(jù)此探尋P2P網(wǎng)貸行為監(jiān)管的要點(diǎn)。

三、理論分析、研究假設(shè)與模型設(shè)定

(一) 理論分析與研究假設(shè)

P2P網(wǎng)貸是借貸雙方在虛擬網(wǎng)絡(luò)上進(jìn)行的，雙方幾乎從未謀面，互不認(rèn)識(shí)更不了解對(duì)方。借款人將自己的相關(guān)信息和借款要求上傳至平臺(tái)后，出借人據(jù)此進(jìn)行獨(dú)立評(píng)價(jià)，并在符合自身風(fēng)險(xiǎn)偏好、收益追求和流動(dòng)性要求的條件下，選擇滿意的投資標(biāo)的，作出出借與否和出借多少的投資決策。一般情況下，借款人在 P2P平臺(tái)上的信息主要來自于借款人主動(dòng)上傳和P2P網(wǎng)貸平臺(tái)及其他社交網(wǎng)絡(luò)上關(guān)于借款人的網(wǎng)絡(luò)社交信息圈兩個(gè)途徑。這些信息包括借款人個(gè)人特征如性別、年齡、照片、身份情況，借款人財(cái)務(wù)特征如收入水平、固定資產(chǎn)（主要包括購車情況、住宅情況）、工作年限等，借款人的借款特征如借款金額、利率、期限、借款用途、每月償還情況等，以及借款人銀行貸款和償還情況。我們將借款人的銀行貸款及償還情況（用網(wǎng)絡(luò)上的信用分?jǐn)?shù)表示）、網(wǎng)絡(luò)信用等級(jí)、網(wǎng)絡(luò)借款（用網(wǎng)絡(luò)上的信用分?jǐn)?shù)、審核數(shù)、借款成功次數(shù)和失敗次數(shù)表示）等情況統(tǒng)歸為借款人聲譽(yù)。借款人的這些信息就成為影響出借人投資與否以及投資多少的主要因素。同時(shí)，這些信息之間也會(huì)有復(fù)雜的相互影響的關(guān)系。具體來說，第一，從借款人的個(gè)人特征來看，借款人的年齡大小可能會(huì)影響到出借人對(duì)其資歷、社會(huì)經(jīng)驗(yàn)、學(xué)識(shí)乃至財(cái)富積累的評(píng)判，有可能年齡稍大的借款人更容易獲得出借人的信任，而年齡太大又會(huì)使出借人對(duì)其收入能力產(chǎn)生懷疑，從而不易獲得出借人的投資；借款人有無照片會(huì)影響到出借人對(duì)借款人的第一印象和感性評(píng)判；等等。第二，從借款人的財(cái)務(wù)特征來看，借款人收入越高、固定資產(chǎn)越多、財(cái)務(wù)狀況越好，其償還能力就越強(qiáng)，其信用等級(jí)就越高，那么，借款人自身愿意支付的利率便越低，借款期限便越短，出借人也越愿意出借更多的資金。第三，從借款特征來看，借款金額相對(duì)越小、借款期限越短、借款利率越低，出借人的投資風(fēng)險(xiǎn)越小，越愿意出借資金。第四，從借款人的聲譽(yù)來看，借款人信用等級(jí)越高，良好的借貸經(jīng)歷越多，償還記錄和品行越好，越容易獲得出借人的投資。第五，借款人財(cái)務(wù)狀況越好，其信用等級(jí)就越高，借貸經(jīng)驗(yàn)和償還歷史記錄也可能越好。由此，我們提出以下假設(shè)：

H1：借款人個(gè)人特征對(duì)出借人投資決策行為產(chǎn)生正向影響；

H2：借款人財(cái)務(wù)特征對(duì)出借人投資決策行為產(chǎn)生正向影響；

H3：借款特征對(duì)出借人投資決策行為產(chǎn)生負(fù)向影響；

H4：借款人聲譽(yù)對(duì)出借人投資決策行為產(chǎn)生正向影響；

H5：個(gè)人特征對(duì)聲譽(yù)產(chǎn)生正向影響；

H6：財(cái)務(wù)特征對(duì)聲譽(yù)產(chǎn)生正向影響；

H7：財(cái)務(wù)特征對(duì)借款特征產(chǎn)生負(fù)向影響；

H8：借款人的個(gè)人特征與其財(cái)務(wù)特征互為影響。

依據(jù)以上假設(shè)，本文構(gòu)建了基于借款人信息視角的P2P網(wǎng)貸出借人投資決策行為影響因素的模型結(jié)構(gòu)圖（見圖1）。該模型包含5個(gè)變量，分別為出借人投資決策行為、借款人個(gè)人特征、財(cái)務(wù)特征、借款特征、聲譽(yù)。單向箭頭表示自變量對(duì)因變量的直接效應(yīng)，雙箭頭表示兩個(gè)變量間的相關(guān)關(guān)系。

圖1 出借人投資決策行為影響因素的模型結(jié)構(gòu)圖

(二) 模型設(shè)定

結(jié)構(gòu)方程模型包含測(cè)量模型和結(jié)構(gòu)模型兩個(gè)模型，其中，測(cè)量模型反映潛在變量與可測(cè)變量之間的關(guān)系，結(jié)構(gòu)模型則反映潛變量之間的因果關(guān)系。它們的矩陣方程及其代表的含義如下：

測(cè)量模型：

結(jié)構(gòu)模型：

其中：ξ和η分別為外衍潛在變量和內(nèi)衍潛在變量，X 為ξ的觀測(cè)變量，Y為η的觀測(cè)變量，Λx為聯(lián)結(jié)X變量與ξ變量的系數(shù)，Λy為聯(lián)結(jié)Y變量與η變量的系數(shù)，δ和ε分別為X 變量和Y變量的誤差，B為η變量的回歸系數(shù)，Γ描述外衍變量ξ對(duì)內(nèi)衍潛在變量η的影響，ζ為η的誤差。

依據(jù)上述的理論分析與研究假設(shè)，我們構(gòu)建了P2P網(wǎng)貸出借人投資決策行為影響因素的結(jié)構(gòu)方程模型。其中，測(cè)量模型反映了P2P網(wǎng)貸借款人的個(gè)人特征、財(cái)務(wù)特征、借款特征、聲譽(yù)四類外生潛變量和其觀測(cè)變量間的關(guān)系，結(jié)構(gòu)模型表示這四類外生潛變量與內(nèi)生潛變量（即出借人投資決策行為）間的因果關(guān)系。圖2是該結(jié)構(gòu)方程模型的路徑圖，圖中橢圓內(nèi)是潛在變量，方框內(nèi)是觀測(cè)變量，圓形內(nèi)是測(cè)量誤差，測(cè)量誤差不能直接觀測(cè)到，用e1～e21表示各觀測(cè)變量的測(cè)量誤差，res1～res3表示潛在變量的測(cè)量誤差，規(guī)定每一測(cè)量誤差的回歸系數(shù)均為 1。我們對(duì)無法直接測(cè)量的潛在變量通過觀測(cè)變量估計(jì)，運(yùn)用可觀測(cè)變量的數(shù)據(jù)來分析影響P2P網(wǎng)貸出借人投資決策行為的因素及其影響程度。各變量類別與定義如表1所示。

圖2 結(jié)構(gòu)方程路徑圖

四、實(shí)證分析

(一) 描述性統(tǒng)計(jì)分析

我們選取了中國成立最早的P2P網(wǎng)貸平臺(tái)——拍拍貸2014年10月的1648條處于競(jìng)標(biāo)全部完成狀態(tài)的借貸交易數(shù)據(jù)。首先對(duì)獲取的數(shù)據(jù)進(jìn)行預(yù)處理，刪除遺漏了重要信息的數(shù)據(jù)，并去除噪聲數(shù)據(jù)，整理得到1 640條有效交易數(shù)據(jù)。通過描述性統(tǒng)計(jì)分析樣本數(shù)據(jù)特征，從表2可知，成功獲得出借人資金的借款人中：男性占比90.05％，平均年齡為30.61歲，有照片、房產(chǎn)和車產(chǎn)的占比分別為38.50％、65.75％和31％，平均月收入為3 000～5 000元，工作年限平均在3年左右。借款金額取自然對(duì)數(shù)的平均值為 8.667 9，最小值為8.01，最大值為12.40，即借款人最少能借到3 000元，最多能借到 242 339元。成功借款的利率平均為13.62％，最低和最高利率分別為9％和24％。成功獲得出借人資金的期限平均為 9.135個(gè)月，最短和最長分別為3個(gè)月和24個(gè)月。成功獲得出借人資金的借款人信用等級(jí)都較高，平均為5.695。借款人平均出借、借入信用記錄分?jǐn)?shù)分別為166.12和37.527 5分，借款人平均借款成功、失敗次數(shù)分別為 2.687 5、0.497 5次，認(rèn)證、審核項(xiàng)目數(shù)分別為1.705、4.285項(xiàng)，出借人平均投資額的均值為244.08元，最高和最低平均投資額分別為786.25元和55.76元。

(二) 數(shù)據(jù)質(zhì)量分析

1. 信度檢驗(yàn)

我們運(yùn)用SPSS19.0對(duì)Cronbach'α信度系數(shù)進(jìn)行檢驗(yàn)，結(jié)果表明，所有觀測(cè)變量Cronbach'α值為0.827，各個(gè)潛變量借款人個(gè)人特征、財(cái)務(wù)特征、借款信息、聲譽(yù)和出借人投資決策行為的觀測(cè)變量Cronbach'α值分別為0.856、0.783、0.743、0.834和0.919，表明數(shù)據(jù)的一致性和可靠性較高，滿足信度要求。

2. 效度檢驗(yàn)

使用因子分析進(jìn)行建構(gòu)效度檢驗(yàn)，得到KMO值為0.78，且Bartlett的球形度檢驗(yàn)統(tǒng)計(jì)值的顯著性概率為0，特征值大于1的主成分為5個(gè)，總方差解釋度累計(jì)值為77.8％，大于60％的常用標(biāo)準(zhǔn)。因此，可以做因子分析，且提取5個(gè)因子是合適的。使用因子分析的負(fù)荷量效度和區(qū)別效度如表3所示，將21個(gè)變量提取五類主成分因子：分別為借款人個(gè)人特征、財(cái)務(wù)特征、借款信息、聲譽(yù)、出借人投資決策行為，每一類因子在自己所屬成分中其因素負(fù)荷量接近于 1，收斂效度較好，每一類因子在其不所屬成分中，其因素負(fù)荷量接近于0，其區(qū)別效度較好。

(三) 模型評(píng)價(jià)與參數(shù)估計(jì)

1. 模型擬合度評(píng)價(jià)

從表4可以看出，模型的絕對(duì)適配度指數(shù)χ2（卡方）和GFI、AGFI、RMR、SRMR、RMSEA值均符合一般評(píng)價(jià)標(biāo)準(zhǔn)，說明樣本數(shù)據(jù)與模型擬合程度較好；增值適配度指數(shù)NFI、TFI、CFI、RFI及TCI均完全符合標(biāo)準(zhǔn)，基準(zhǔn)模型比較進(jìn)一步說明了本文理論模型有較高的擬合度；簡(jiǎn)約適配度指數(shù)值PNFI和PGFI都大于0.5，符合一般評(píng)價(jià)標(biāo)準(zhǔn)，χ2/df小于3，在可接受范圍內(nèi)，AIC和CAIC的值也并不是很大，模型較簡(jiǎn)約。總體上看，該模型擬合程度較好。

表1 變量定義

表2 主要變量的描述性統(tǒng)計(jì)結(jié)果

表3 旋轉(zhuǎn)成分矩陣a

2. 參數(shù)估計(jì)

運(yùn)用AMOS17.0軟件，采用最大似然估計(jì)法進(jìn)行模型參數(shù)估計(jì)，估計(jì)結(jié)果如圖3、表5和表6所示。

（1） 測(cè)量模型評(píng)測(cè)結(jié)果

測(cè)量模型估計(jì)獲得的參數(shù)的大小反映各觀測(cè)變量與其所對(duì)應(yīng)的外生變量間關(guān)系的疏密程度。從圖3 可以看出，各觀測(cè)變量與其所對(duì)應(yīng)的外生變量間的路徑系數(shù)全部分布在0.7～0.88之間，表明前者均能很好地解釋后者。其中，借款金額和每月還款額對(duì)借款特征的解釋程度最好；借款人有無照片及年齡大小對(duì)借款人的個(gè)人特征解釋最好；借款人的月收入和信用等級(jí)分別能最好地測(cè)量借款人的財(cái)務(wù)特征和聲譽(yù)。

（2） 結(jié)構(gòu)模型的評(píng)測(cè)結(jié)果

結(jié)構(gòu)模型通過外生潛變量的路徑系數(shù)大小及外生潛變量之間的相關(guān)系數(shù)檢驗(yàn)，既能驗(yàn)證外生潛變量之間可能存在的相互關(guān)系，也能反映外生變量與內(nèi)生變量間的因果關(guān)系。同時(shí)，路徑系數(shù)的大小反映出不同潛變量對(duì)內(nèi)生變量的影響程度。圖3、表5、表6顯示假設(shè)1、假設(shè)4、假設(shè)7成立，假設(shè)2、假設(shè)3、假設(shè)5、假設(shè)6和假設(shè)8不成立。具體體現(xiàn)在兩個(gè)方面：一方面，在4個(gè)影響出借人投資決策行為的因素當(dāng)中，借款人聲譽(yù)對(duì)出借人投資決策行為的影響最大（0.35）。這說明信用等級(jí)、借出信用、借款失敗次數(shù)、認(rèn)證數(shù)目、借入信用、審核項(xiàng)目數(shù)、借款成功次數(shù)等是影響出借人投資決策行為的重要因素；其次是借款特征（0.28）；再次是借款人的個(gè)人特征（0.263），其間接效應(yīng)（-0.007）小于直接效應(yīng)（0.27），說明其中介變量作用不大。而借款人的財(cái)務(wù)特征對(duì)出借人投資行為產(chǎn)生負(fù)向的影響（-0.236 1），其間接效應(yīng)（-0.016 1）小于直接效應(yīng)（-0.22），這說明購車情況、住宅狀況、收入、工作年限是對(duì)出借人投資決策行為產(chǎn)生負(fù)向影響的直接因素。另一方面，各影響因素之間的關(guān)系也不盡相同：一是個(gè)人特征和財(cái)務(wù)特征對(duì)聲譽(yù)均產(chǎn)生弱的負(fù)向影響（-0.02和-0.03）；二是財(cái)務(wù)特征對(duì)借款特征產(chǎn)生正向影響（0.26）；三是個(gè)人特征與財(cái)務(wù)特征不產(chǎn)生相互影響（0）。

表4 模型整體適配度指標(biāo)值結(jié)果

五、實(shí)證結(jié)果討論與行為監(jiān)管要點(diǎn)的提出

圖3 標(biāo)準(zhǔn)化參數(shù)估計(jì)值模型圖

表5 假設(shè)及顯著性檢驗(yàn)

表6 潛在變量之間的影響效應(yīng)

由實(shí)證結(jié)果可知，P2P網(wǎng)貸借款人信息對(duì)出借人投資行為影響的重要程度依次是聲譽(yù)、借款特征、個(gè)人特征、財(cái)務(wù)特征，且借款人的個(gè)人特征和財(cái)務(wù)特征又對(duì)借款人的聲譽(yù)產(chǎn)生負(fù)向影響。那么，建立一個(gè)能真實(shí)全面反映借款人信用狀況及其在網(wǎng)絡(luò)上借貸活躍情況的權(quán)威、科學(xué)、完善的網(wǎng)絡(luò)信用體系就十分關(guān)鍵了；借款人在設(shè)計(jì)其借款期限、利率、金額和還款方式等借款特征時(shí)，是依據(jù)其還款資金來源匹配還是為迎合出借人的喜好而錯(cuò)配其借款需求，對(duì)P2P網(wǎng)貸風(fēng)險(xiǎn)產(chǎn)生非常重要的影響；而借款人個(gè)人特征和財(cái)務(wù)特征信息的真實(shí)性也會(huì)通過影響出借人的投資決策而對(duì)P2P網(wǎng)貸風(fēng)險(xiǎn)產(chǎn)生影響。而現(xiàn)實(shí)操作中，P2P網(wǎng)貸借款人與平臺(tái)斷然不會(huì)從P2P網(wǎng)貸行業(yè)和出借人資金安全的角度出發(fā)，提供完全真實(shí)、客觀、全面的相關(guān)信息。首先，既然借款人聲譽(yù)因素是正向影響出借人投資決策的首要因素，那么，平臺(tái)和借款人就有可能為了使出借者相信其信用水平或者還款能力，愿意將更多的資金投給借款人而不惜合謀提供對(duì)借款人有利的虛假信用信息；其次，借款人有照片、年齡相對(duì)較大、男性、工薪族身份等個(gè)人特征更易獲得出借人的資金，那么，在沒有有效監(jiān)管措施的條件下，借款人完全可以為提高借款成功率上傳虛假的年齡、性別、身份等相關(guān)信息；再次，借款人的財(cái)務(wù)特征對(duì)出借人投資決策行為產(chǎn)生負(fù)向的影響，說明投資者更愿意投標(biāo)給無車、無房、低收入、工作年限較短的借款者，那么，借款人就很難做到對(duì)自身的資產(chǎn)狀況進(jìn)行客觀描述。同時(shí)，借款人的財(cái)務(wù)特征對(duì)借款金額、期限、利率等特征產(chǎn)生正向的影響，那么，借款人在設(shè)計(jì)其借款期限、利率、金額和還款方式等借款特征時(shí)，很可能為迎合出借人的喜好而不顧自身財(cái)務(wù)狀況和資金周轉(zhuǎn)周期，錯(cuò)配其借款期限和借款金額，或設(shè)計(jì)過高借貸利率；最后，借款特征對(duì)出借人投資決策行為產(chǎn)生負(fù)向的影響，說明借款金額越大、期限越長，利率越高、用途為實(shí)體經(jīng)營、每月還款額大，出借人投資金額會(huì)越高，那么，借款人也會(huì)產(chǎn)生如前所述的錯(cuò)配資金行為。由此，為避免P2P網(wǎng)貸借款人與平臺(tái)以誘惑出借人的投資資金為目的而提供虛假信息的行為，P2P網(wǎng)貸中借款人與平臺(tái)的行為監(jiān)管和投資者保護(hù)就成為P2P網(wǎng)貸監(jiān)管的重要內(nèi)容，為此需要將以下三大要點(diǎn)納入P2P網(wǎng)貸行為監(jiān)管體系之中。

(一) 明確P2P網(wǎng)貸平臺(tái)的義務(wù)，引導(dǎo)出借人作出正確的投資決策

首先，平臺(tái)應(yīng)做好盡職調(diào)查，保證借款人個(gè)人身份、財(cái)務(wù)特征等信息的真實(shí)性，防止借款人為獲得出借人的信任而虛夸其信息，甚至偽造、冒用他人身份向出借人非法集資；其次，要求P2P平臺(tái)采取技術(shù)手段，限制同一借款人的借款金額和單筆借款的借款人數(shù)，以防范違約風(fēng)險(xiǎn)和非法集資風(fēng)險(xiǎn)；再次，對(duì)于自愿設(shè)立風(fēng)險(xiǎn)保障金平臺(tái)，要明確要求平臺(tái)建立風(fēng)險(xiǎn)保證金的保障范圍、提取、清償、信用風(fēng)險(xiǎn)承擔(dān)等保障規(guī)則，防止平臺(tái)以設(shè)置保障金和擔(dān)保機(jī)構(gòu)為噱頭，引誘借款人參與平臺(tái)撮合的P2P網(wǎng)貸交易。

(二) 明確要求 P2P網(wǎng)貸平臺(tái)建立網(wǎng)貸信用體系以及科學(xué)的網(wǎng)貸信用評(píng)價(jià)機(jī)制

實(shí)證分析告訴我們，真實(shí)、全面的借款人信用信息是確保P2P借貸安全的關(guān)鍵。各自為政而又零散不全的信用信息是阻礙P2P網(wǎng)貸平臺(tái)安全運(yùn)行的重要因素。中國人民銀行征信系統(tǒng)是目前最為權(quán)威而又相對(duì)完全的信用信息系統(tǒng)。因此，監(jiān)管部門應(yīng)當(dāng)明確要求P2P網(wǎng)貸平臺(tái)接入該系統(tǒng)，并充分挖掘和整合平臺(tái)從網(wǎng)絡(luò)上獲取的客戶信息，建立“守信激勵(lì)，失信懲戒”機(jī)制，形成P2P網(wǎng)貸自己的信用體系。同時(shí)積極推動(dòng)P2P網(wǎng)貸行業(yè)建立一套統(tǒng)一的信用評(píng)價(jià)機(jī)制，實(shí)現(xiàn)信息的共享。這既能獲取比較客觀全面的信用信息，避免借款人的虛假信息，又能避免借款人的多頭借貸。

(三) 建立P2P網(wǎng)貸出借人保護(hù)制度，避免網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)和出借人風(fēng)險(xiǎn)的發(fā)生

網(wǎng)貸出借人的投資決策行為決定了網(wǎng)貸能否成功，由于網(wǎng)貸平臺(tái)和借款人在業(yè)務(wù)、技術(shù)、信息擁有上對(duì)普通客戶具有充分的不對(duì)等優(yōu)勢(shì)，一般投資者不易充分了解其風(fēng)險(xiǎn)，為了促成網(wǎng)貸投資人盡快作出出借的決策，平臺(tái)和借款人往往有意無意侵害到其利益，導(dǎo)致風(fēng)險(xiǎn)發(fā)生。為了整個(gè)P2P行業(yè)的健康發(fā)展，以及充分保護(hù)投資者的各項(xiàng)權(quán)益，需要建立一套P2P網(wǎng)貸投資人保護(hù)制度，這包括：建立和完善網(wǎng)貸投資者保護(hù)的法律法規(guī)體系；建立網(wǎng)貸運(yùn)營信息披露制度；建立投資者信息保護(hù)制度，禁止擅自動(dòng)用客戶資產(chǎn)或泄露客戶信息；建立互聯(lián)網(wǎng)金融消費(fèi)者教育機(jī)制；建立快速反應(yīng)的網(wǎng)貸投資者投訴和處理機(jī)制。

六、結(jié)論

通過上文研究，我們發(fā)現(xiàn)P2P 網(wǎng)貸主要依賴于虛擬的互聯(lián)網(wǎng)運(yùn)行，其借款人向網(wǎng)貸平臺(tái)提供的私人信息是出借人投資決策的主要依據(jù)，具體來說：一方面，P2P網(wǎng)貸借款人的聲譽(yù)、借款特征、個(gè)人特征依次對(duì)出借人投資決策行為產(chǎn)生正向影響，而借款人財(cái)務(wù)特征對(duì)出借人投資決策行為產(chǎn)生弱的負(fù)向影響；另一方面，借款人個(gè)人特征和財(cái)務(wù)特征均對(duì)其聲譽(yù)產(chǎn)生弱的負(fù)向影響，借款人財(cái)務(wù)特征對(duì)借款特征產(chǎn)生正向影響，而個(gè)人特征與財(cái)務(wù)特征間不產(chǎn)生相互影響。那么，P2P借款人為了借款目的而向出借人提供何種信息，其信息的完整性、真實(shí)性，就成為決定P2P借貸是否成功以及P2P網(wǎng)貸風(fēng)險(xiǎn)形成的重要因素。這就為P2P網(wǎng)貸行為監(jiān)管框架的構(gòu)建提供了一定的理論和實(shí)證依據(jù)。為避免P2P網(wǎng)貸借款人與平臺(tái)以誘惑出借人的投資資金而提供有利于自身的虛假信息的行為，促進(jìn)P2P網(wǎng)貸行業(yè)的健康發(fā)展，需要將借款人和平臺(tái)的行為納入到P2P網(wǎng)貸監(jiān)管框架內(nèi)，構(gòu)建包含明確網(wǎng)貸平臺(tái)確保借款人信息真實(shí)性的義務(wù)、建立網(wǎng)貸信用體系和行業(yè)評(píng)價(jià)機(jī)制、建立網(wǎng)貸出借人權(quán)益保護(hù)制度三大要點(diǎn)在內(nèi)的P2P網(wǎng)貸行為監(jiān)管體系。

參考文獻(xiàn)：

［1］ Herzenstein M， Dholakia U M， Andrews R L. Strategic herding behavior in peer-to-peer loan auctions ［J］. Journal of Interactive Marketing， 2011， 25（1）： 27-36.

［2］ Pope D G， Sydnor J R. What's in a picture？ Evidence of discrimination from prosper. com ［J］. Journal of Human Resources， 2011（46）： 53-92.

［3］ Ravina E. Beauty， personal characteristics， and trust in credit markets ［C］// American Law & Economics Association Annual Meetings， 2008： 67.

［4］ 吳小英， 鞠穎. 基于最小二乘法的網(wǎng)絡(luò)借貸模型［J］. 廈門大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2012（6）： 980-984.

［5］ 王會(huì)娟， 張路. 借款描述對(duì)P2P投資決策行為的影響研究［J］.金融理論與實(shí)踐， 2014（8）： 34-36.

［6］ 魏李良. P2P網(wǎng)絡(luò)信貸影響因素分析［D］. 呼和浩特： 內(nèi)蒙古農(nóng)業(yè)大學(xué)碩士學(xué)位論文， 2014： 26-35.

［7］ Collier B C， Hampshire R. Sending mixed signals： Multi-level reputation effects in peer-to-peer lending markets ［C］// Proceedings of the 2010 ACM Conference on Computer Supported Cooperative Work. ACM， 2010： 197-206.

［8］ Lin M. Peer-to-peer lending： An empirical study. 15th Americas conference on information systems ［C］// San Francisco Association for Information Systems， 2009.

［9］ 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（7）： 75-83.

［10］ 溫小霓， 武小娟. P2P網(wǎng)絡(luò)借貸成功率影響因素分析——以拍拍貸為例［J］. 金融論壇， 2014（3）： 3-8.

［11］ Lin MF， Prabhala N R， Viswanathan S. Judging borrowers by the company they keep： Friendship networks and information asymmetry in online peer-to-peer lending ［J］. Management Science， 2013， 59（1）： 17-35.

［12］ Freedman S， Jin G Z. Do social networks solve information problems for peer-to-peer lending？ Evidence from prosper. com ［EB/OL］. NET Institute Working Paper， 2008： 8-43.

［13］ 李淵琦， 陳芳. 我國 P2P網(wǎng)貸的風(fēng)險(xiǎn)分析及監(jiān)管對(duì)策［J］. 上海金融， 2015（7）： 78-81.

［14］ 彭賽， 孫潔. P2P網(wǎng)貸國際監(jiān)管經(jīng)驗(yàn)［J］. 中國金融， 2015（9）：71-72.

［15］ 李洪德. P2P網(wǎng)貸模式國際監(jiān)管經(jīng)驗(yàn)對(duì)我國的啟示［J］. 黑龍江金融， 2015（1）： 19-20.

［16］ 黃金金. 對(duì) P2P網(wǎng)貸信用評(píng)級(jí)監(jiān)管現(xiàn)狀的思考［J］. 東方企業(yè)文化， 2015（5）： 206-210.

［17］ 雷艦. 我國 P2P網(wǎng)貸行業(yè)發(fā)展現(xiàn)狀、問題及監(jiān)管對(duì)策［J］. 國際金融， 2014（8）： 71-76.

［18］ 王勇. 對(duì) P2P網(wǎng)貸宜采取協(xié)同監(jiān)管模式［N］. 證券時(shí)報(bào)，2014-04-16（A08）.

［19］ 王嘉正. 我國P2P網(wǎng)貸平臺(tái)監(jiān)管法律問題研究［J］. 當(dāng)代經(jīng)濟(jì)，2015（21）： 84-87.

［編輯： 譚曉萍］

中圖分類號(hào)：F830.49

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-3104（2016）02-0107-09

On the influence factors of the lender’s investment decision-making behavior and regulation in P2P lending: From the perspective of borrower’s information

WU Qingtian1， LU Xiang1， PAN Bin2
（1. School of Business， Central South University， Changsha 410083， China；2. Wenzhou Institute of Finance， Wenzhou 325035， China）

Abstract:Based on 1640 transaction data of the first P2P network lending platform in China， and using structural equation model from the perspective of the borrower's information， we conduct an empirical study on the main influence factors of lending behavior of investment decision and the relations among the factors. The results show that the factors that influence the lender's investment decision-making behavior include the borrower's reputation， loan characteristics， personal characteristics， and financial characteristics. Abiding by this， we suggest that regulatory framework in P2P network lending platform should include such three key points as a clear obligation of net loan platform， the establishment of net loan credit system and the industry evaluation mechanism， and the set-up of interests protection system for net loan investors' rights.

Key Words:P2P network lending； the lender； investment decision-making behavior； regulatory framework