信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險異質(zhì)性影響測度研究

張 奇，葉慧穎，劉雪飛

一、引 言

2012年以來，中國互聯(lián)網(wǎng)金融快速發(fā)展。它借助于互聯(lián)網(wǎng)技術(shù)，消除空間上的障礙，跨區(qū)域地連接各計算機、智能手機終端和服務(wù)器，形成網(wǎng)絡(luò)整體，產(chǎn)生網(wǎng)絡(luò)效應(yīng)，從而使借貸雙方可以低成本、實時、迅速地確立借貸關(guān)系，促成交易。作為一種依托于網(wǎng)絡(luò)的新型金融服務(wù)模式，它的出現(xiàn)一方面解決了中小企業(yè)融資難的問題，另一方面拓寬了小額閑散資金的投資渠道、盤活了社會閑散資金。然而，互聯(lián)網(wǎng)金融在高速發(fā)展的過程中，失信問題頻發(fā)，尤其是P2P互聯(lián)網(wǎng)貸平臺，爆發(fā)了一系列風(fēng)險事件。老賴、多頭借貸、信息孤島、風(fēng)控難四大頑疾一直困擾著整個互聯(lián)網(wǎng)金融行業(yè)[1]。究其原因，主要是以互聯(lián)網(wǎng)為支撐的金融體系存在著較大的信用風(fēng)險，多方面的因素導(dǎo)致其高風(fēng)險，其中，機構(gòu)之間缺乏有效的信息共享系統(tǒng)是重要的原因。各個互聯(lián)網(wǎng)金融平臺如同一個個“信息孤島”，信息無法有效傳播。一些信用低的借款者在一個平臺違約后，因平臺之間的信息不共享，極易多頭借貸，引發(fā)嚴(yán)重的道德風(fēng)險問題。同時，由于互聯(lián)網(wǎng)金融興起于民間，傳統(tǒng)的銀行征信體系尚未完全實現(xiàn)對互聯(lián)網(wǎng)金融機構(gòu)的開放，致使平臺很難通過征信去實現(xiàn)風(fēng)控，進一步加劇了老賴、多頭借貸現(xiàn)象的猖獗。為降低行業(yè)信用風(fēng)險，進一步促進其健康發(fā)展，一方面，政府出臺一系列政策措施以加強對行業(yè)的監(jiān)管和整頓；另一方面，也在逐步推進平臺之間的信息共享，由最初的 “信息孤島”，到出現(xiàn)第三方的信息共享機構(gòu)，實現(xiàn)部分共享，例如百行征信。此外，2019年9月，互聯(lián)金融風(fēng)險專項整治工作領(lǐng)導(dǎo)小組、網(wǎng)絡(luò)借貸風(fēng)險專項整治工作領(lǐng)導(dǎo)小組聯(lián)合下發(fā)了關(guān)于加強互聯(lián)網(wǎng)金融領(lǐng)域征信體系建設(shè)的通知，支持和號召各在營的互聯(lián)網(wǎng)金融機構(gòu)接入金融信用信息基礎(chǔ)數(shù)據(jù)庫運行機構(gòu)以實現(xiàn)行業(yè)信息的完全共享。

基于此，本文的研究聚焦于信息共享，系統(tǒng)探究這種不斷推進的信息共享程度對互聯(lián)網(wǎng)金融機構(gòu)的影響，且在此基礎(chǔ)上進一步分析該影響的異質(zhì)性。本文的貢獻在于：(1)在理論上，填補了現(xiàn)有研究的空白。對于信貸市場信息共享與信用風(fēng)險的研究，現(xiàn)有的文獻主要集中在銀行信貸市場，鮮有文獻在新興發(fā)展的互聯(lián)網(wǎng)金融領(lǐng)域?qū)υ撚绊戧P(guān)系進行研究。(2)在實踐上，本文的思考對三方主體均有借鑒意義。對政府而言，為其建立和完善互聯(lián)網(wǎng)金融行業(yè)征信體系機制提供具體的政策建議；對互聯(lián)網(wǎng)金融機構(gòu)方而言，幫助其分析信息共享對其信用風(fēng)險的影響程度和尋找影響機構(gòu)信用風(fēng)險的因素，為其管理提供借鑒；對投資者而言，通過分析信息共享對信用風(fēng)險影響的異質(zhì)性，幫助其對各互聯(lián)網(wǎng)金融平臺的信用風(fēng)險有更加充分的認(rèn)識，進而更有效率地進行投資活動。

二、文獻綜述

(一)信息共享、信用風(fēng)險的概念與度量

信息共享是指信息由多人在同一時期或不同時期占有和使用，而不改變其價值及性質(zhì)。在信貸市場上，對信息的研究主要集中在信用信息，是指所有可以反映主體信用的消息、資料和數(shù)據(jù)[2]。對信用信息共享程度的度量主要借助共享平臺在共享主體中的覆蓋率來完成。Kusi等使用信息共享機構(gòu)數(shù)據(jù)所覆蓋的國家成年人口的百分比作為信息共享變量完成實證研究[3]。胡乃紅等[4]和石曉軍等[5](P88)采用公共征信機構(gòu)和私營征信機構(gòu)中成年人口的覆蓋率來衡量信息共享程度。另有部分學(xué)者使用我國個人征信系統(tǒng)和企業(yè)征信系統(tǒng)季度內(nèi)日平均查詢次數(shù)之和來衡量信息共享程度[6]。在信用風(fēng)險方面，學(xué)術(shù)界盡管對其概念的表述有所不同，但內(nèi)涵基本一致，即市場上因合同的一方不履行義務(wù)而產(chǎn)生不利的后果和損失的可能性。信用風(fēng)險的度量分為傳統(tǒng)技術(shù)和現(xiàn)代技術(shù)兩種：傳統(tǒng)的信用風(fēng)險度量不依賴于金融理論，以歷史數(shù)據(jù)表現(xiàn)作為參考依據(jù)，專家系統(tǒng)和信用評分系統(tǒng)是兩種最為主要的傳統(tǒng)方法[7]；現(xiàn)代信用風(fēng)險度量模型包括CreditRisk＋模型、CPV模型、RAROV模型等，且目前研究中越來越多地使用數(shù)據(jù)驅(qū)動、機器學(xué)習(xí)等大數(shù)據(jù)方法度量風(fēng)險[8]。此外，大部分學(xué)者采用逾期違約率、銀行不良貸款率等事后指標(biāo)直接度量經(jīng)濟主體某一時間段內(nèi)的信用風(fēng)險水平來完成實證研究[9][10]。

(二)信息共享對信用風(fēng)險影響研究

目前，信息共享對信用風(fēng)險的影響研究主要在銀行信貸市場上展開，且學(xué)術(shù)界存在兩類意見：

1.信息共享降低信用風(fēng)險。大部分學(xué)者認(rèn)為信息共享能夠降低信貸信用風(fēng)險。信息共享通過減少借貸雙方的信息不對稱，可降低逆向選擇和道德風(fēng)險[11]。理論方面的研究從借款者和貸款方兩個維度展開。一方面從借款方角度，當(dāng)不良的信息在貸方之間共享時，借款者的違約行為將會帶來更嚴(yán)重的后果，可能被列入失信名單，由此形成懲戒機制。故為保持和改善今后的信貸渠道，借款者傾向于選擇履約并保持良好的信用記錄，由此降低市場中的道德風(fēng)險[12]。另一方面從貸款方看，信息共享時，單個貸方可以通過共享獲取更多有關(guān)借款人債務(wù)的信息，提升了貸方的信用評估能力，緩解了逆向選擇問題，從而減少過度借貸、降低信用風(fēng)險[13]。與此同時，信息共享在金融市場中建立數(shù)據(jù)平臺，可有效提高市場整體的運行效率，幫助資金配置的高效運行[14]。國內(nèi)學(xué)者基于我國的國情，從不同的研究視角對信息共享降低信用風(fēng)險在理論上進行了更為豐富的論證。例如，吳慶田以農(nóng)村金融為研究對象，從農(nóng)村信用信息供給和微觀主體金融需求角度論證了信息共享機制的功能[15]。李鋒等將借貸雙方的信息共享統(tǒng)一進行研究，在銀行和企業(yè)之間構(gòu)建動態(tài)演化博弈模型，并在此基礎(chǔ)上利用Q-Learning算法的多智能體進行仿真求解。通過構(gòu)建四類不同情形，得出銀行間的信息共享可有效降低信貸市場的信用風(fēng)險的結(jié)論[16]。唐建新等以中小企業(yè)異質(zhì)性為研究背景，分別構(gòu)建信息共享和非共享情形時的融資機制模型，借助銀行信息搜集及邊際貸款成本變量，論證了信息共享機制可有效降低逆向選擇發(fā)生的可能性從而降低信用風(fēng)險，但該作用效果取決于企業(yè)之間的異質(zhì)性程度[17]。實證方面，現(xiàn)有文獻主要利用國家和銀行層面的面板數(shù)據(jù)展開研究。Rusmanto等以亞洲上市銀行為樣本，研究了信用信息共享是否會對銀行特許權(quán)價值和其信用風(fēng)險的關(guān)系產(chǎn)生影響，提出在克服銀行系統(tǒng)性風(fēng)險方面，征信機制和限制銀行特許權(quán)具有同等重要性[18]。Guerineau等利用159個國家2008—2014年的數(shù)據(jù)，將主體分為發(fā)展中國家和發(fā)達國家兩類，發(fā)現(xiàn)信息共享可以降低信用風(fēng)險，且對發(fā)達國家更為顯著[12]。Kusi等使用2006—2012年間非洲共548項銀行數(shù)據(jù)樣本，采用Prais-Winsten面板數(shù)據(jù)估計方法，發(fā)現(xiàn)無論銀行規(guī)模大小，通過征信機構(gòu)共享信用信息都有利于降低銀行的信用風(fēng)險[3]。國內(nèi)學(xué)者的相關(guān)研究主要借助征信機制完成。龍海明等通過102個國家的數(shù)據(jù)，發(fā)現(xiàn)征信系統(tǒng)發(fā)展即信息共享對信貸風(fēng)險有顯著的抑制作用[9]。耿得科等根據(jù)2004—2008年的跨國面板數(shù)據(jù)，發(fā)現(xiàn)公共征信和私營征信都對不良貸款率有顯著的抑制作用[19]。

2.信息共享增加信用風(fēng)險。另有部分學(xué)者從不同的角度分析，認(rèn)為信息共享反而會增加信用風(fēng)險。理論方面的分析主要從貸款方的行為角度出發(fā)。由于信息共享，貸方擁有的借款者信息擴大，則在激烈的借貸市場，其可能會適當(dāng)降低貸款標(biāo)準(zhǔn)來增加信貸量，最后導(dǎo)致信貸市場總體的違約率不降反升。這意味著信息共享的影響可能存在門檻效應(yīng)，當(dāng)超過一定的限度后，反而會增加信貸市場的總體信用風(fēng)險[20]。Asongu等討論了兩種信用信息共享渠道的不同效應(yīng)，私人征信局會拓寬借款者的非正規(guī)資金融資渠道而增加借貸市場潛在的信用風(fēng)險；公共征信登記機構(gòu)則與正規(guī)金融部門互補，產(chǎn)生協(xié)同效應(yīng)，促進金融業(yè)的發(fā)展。信息共享是否可以緩解信息不對稱、降低信用風(fēng)險取決于兩類渠道的相對大小[21]。實證層面的部分文獻支持了該類論點[5]。胡乃紅等選取歐盟國家2004—2014年的相關(guān)數(shù)據(jù)，發(fā)現(xiàn)信息共享程度的上升損害了歐盟信貸市場的效率，并使得總體違約風(fēng)險小幅上升[4]。Asongu等使用42個國家的162家銀行的面板數(shù)據(jù)，證實當(dāng)公共征信和私人征信機構(gòu)的信息共享覆蓋率未落在3.156%～3.3%和1.443%～18.4%區(qū)間時，信息共享影響市場勢力，不利于金融業(yè)發(fā)展[20]。

此外，在信息共享對信用風(fēng)險的影響關(guān)系研究上，現(xiàn)有文獻主要在銀行信貸市場上展開豐富的論證，鮮有文獻將新興發(fā)展的互聯(lián)網(wǎng)金融行業(yè)作為研究對象。少量文獻討論了互聯(lián)網(wǎng)信貸市場上信息的作用。曾鵬志等使用拍拍貸的數(shù)據(jù)，研究了信息披露在該市場上的作用，其研究結(jié)果表明信息披露有利于提高平臺的借款成功率，且可驗證的標(biāo)準(zhǔn)信息披露影響更大[22]。熊進光等考察了互聯(lián)網(wǎng)金融信息披露的重要性，認(rèn)為信息可作為信號傳遞，幫助降低信息不對稱，且互聯(lián)網(wǎng)金融的信息披露具有其特殊性[23]。另有部分文獻集中在對互聯(lián)網(wǎng)金融行業(yè)信息共享機制，即征信機制建設(shè)的討論上。劉澤黎強調(diào)了在互聯(lián)網(wǎng)背景下金融信用制度建設(shè)的重要性[24]。中國人民銀行征信中心借助KMV模型，分析了我國互聯(lián)網(wǎng)征信服務(wù)業(yè)的模式及存在的問題，并提出發(fā)展我國互聯(lián)網(wǎng)金融征信機制的建議[25]。楊克泉等認(rèn)為，我國互聯(lián)網(wǎng)征信管理體制面臨數(shù)據(jù)信息共享、標(biāo)準(zhǔn)化建設(shè)等行業(yè)運行機制缺失的問題，并強調(diào)了制度建設(shè)的重要性[26]。

綜上所述，關(guān)于信息共享對信用風(fēng)險的影響關(guān)系，現(xiàn)有文獻尚無定論。大部分學(xué)者認(rèn)為信息共享降低信用風(fēng)險，而部分學(xué)者則認(rèn)為信息共享反而增加信用風(fēng)險。同時，在對二者關(guān)系的研究上，缺乏在互聯(lián)網(wǎng)金融市場上對該關(guān)系的細(xì)致研究。當(dāng)前互聯(lián)網(wǎng)金融領(lǐng)域的信息共享不斷推進且受到社會各界的持續(xù)關(guān)注，2019年9月，國務(wù)院辦公廳印發(fā)的有關(guān)加強互聯(lián)網(wǎng)金融領(lǐng)域征信體系建設(shè)的通知，更是進一步奠定了政策層面的基調(diào)。此外，考慮到不同互聯(lián)網(wǎng)金融機構(gòu)的業(yè)務(wù)模式、發(fā)展背景和目標(biāo)不盡相同，信息共享對不同類型機構(gòu)信用風(fēng)險的影響是否因此具有異質(zhì)性?基于此，有必要在互聯(lián)網(wǎng)金融領(lǐng)域?qū)υ搯栴}進行系統(tǒng)深入的研究。

三、理論影響機制分析與假說提出

(一)信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險影響的異質(zhì)性分析

互聯(lián)網(wǎng)金融業(yè)態(tài)多種多樣。廣義上看，任何與互聯(lián)網(wǎng)相關(guān)的金融形式都屬于互聯(lián)網(wǎng)金融，包括第三方支付、P2P、眾籌、融資以及現(xiàn)在的銀行、保險、證券、資產(chǎn)公司等借助網(wǎng)絡(luò)平臺銷售的產(chǎn)品。本研究聚焦于信息共享，因此以中國互聯(lián)網(wǎng)金融協(xié)會信息共享平臺提出的從事網(wǎng)絡(luò)借貸信息中介、網(wǎng)絡(luò)小貸、消費金融、小額貸款、賒銷等業(yè)務(wù)的互聯(lián)網(wǎng)金融機構(gòu)作為研究對象。

以互聯(lián)網(wǎng)為媒介的金融機構(gòu)盡管可以有效連接投資者和借款者，提高資金的分配效率，然而網(wǎng)絡(luò)本身的虛擬性使得其較傳統(tǒng)金融行業(yè)而言，存在較大的信息不對稱，表現(xiàn)為該行業(yè)存在較大的信用風(fēng)險。經(jīng)過不斷的創(chuàng)新和裂變，互聯(lián)網(wǎng)金融如今已經(jīng)形成了一個各部分密切聯(lián)系、分工協(xié)作、有效運行的動態(tài)平衡系統(tǒng)，為滿足不同層次的需求，已經(jīng)發(fā)展成由平臺方 (包括資產(chǎn)端服務(wù)、運營端服務(wù)和資金端服務(wù))、借款者、投資者、支付服務(wù)方、認(rèn)證服務(wù)方、流量服務(wù)方、外部法律服務(wù)方等眾多金融生態(tài)種群組成的網(wǎng)絡(luò)金融生態(tài)圈。該生態(tài)圈內(nèi)存在著多種風(fēng)險，如操作風(fēng)險、流動性風(fēng)險、市場風(fēng)險等，其中，信用風(fēng)險占基礎(chǔ)性、主導(dǎo)型地位。在與信用風(fēng)險有關(guān)的互聯(lián)網(wǎng)金融生態(tài)圈信用結(jié)構(gòu)中，主要包括借款人、投資人、機構(gòu)平臺和增信機構(gòu) (如圖1所示)[27]。這些主體彼此通過金融業(yè)務(wù)活動和運行機制相互依存，構(gòu)成了相對獨立的信用鏈系統(tǒng)。信用風(fēng)險的產(chǎn)生主要是交易雙方的信息不對稱，機構(gòu)方在對接借款者時對信息掌握的不充分、判斷力不夠，對還款能力較差的出借人出借資金，借款人不能還款引發(fā)違約而使投資者遭受損失的風(fēng)險。若機構(gòu)平臺引入第三方增信，如擔(dān)保公司、銀行等，則其與該互聯(lián)網(wǎng)金融機構(gòu)共同替投資者承擔(dān)該風(fēng)險。此外，由于各個互聯(lián)網(wǎng)金融機構(gòu)之間未完全實現(xiàn)信息共享，一些信用低的借款者在一個平臺違約后極易發(fā)生多頭借貸行為。且由于互聯(lián)網(wǎng)金融興起于民間，傳統(tǒng)的銀行征信體系尚未對該類機構(gòu)完全開放，為借款者偽造信用記錄、虛假包裝提供了空間，進一步加劇互聯(lián)網(wǎng)金融行業(yè)的信用風(fēng)險。

為降低機構(gòu)和投資者與借款人之間的信息不對稱而引發(fā)的高信用風(fēng)險，互聯(lián)網(wǎng)金融行業(yè)機構(gòu)間不斷推進信息共享，即各公司通過共享機制，同時擁有借款者的信貸信用信息，共同分享信用信息的使用權(quán)，由此更加充分地掌握借款者的信息，以有效防止低信用借款者多頭借貸的問題。2019年9月，互聯(lián)網(wǎng)金融風(fēng)險專項整治工作領(lǐng)導(dǎo)小組號召所有在營的互聯(lián)網(wǎng)金融機構(gòu)平臺接入以 “百行征信”為主的金融信用信息基礎(chǔ)數(shù)據(jù)運行機構(gòu)，以實現(xiàn)行業(yè)信息的完全共享。根據(jù)網(wǎng)貸之家的數(shù)據(jù)統(tǒng)計，截至2019年9月，已有73家互聯(lián)網(wǎng)金融機構(gòu)與其簽訂合作協(xié)議，進行信用信息共享。具體而言，互聯(lián)網(wǎng)金融企業(yè)需報送百行征信平臺關(guān)于借款人信用的三類標(biāo)準(zhǔn)化信息：一是個人基本信息(即人員標(biāo)識信息、姓名、證件類型和號碼等)；二是個人信貸信息，包括信貸業(yè)務(wù)信息、個人負(fù)債業(yè)務(wù)信息 (業(yè)務(wù)類型、業(yè)務(wù)種類、開戶日期、到賬日期、授信額度、業(yè)務(wù)發(fā)生日期、余額、當(dāng)前逾期總額、本月還款狀態(tài))；三是與個人信用相關(guān)的其他信息，不包含宗教信仰、基因等法律法規(guī)禁止采集的其他個人信息[28]。完成數(shù)據(jù)的報送和接入后，各企業(yè)平臺可在百行征信上查詢其他平臺報送的信息，由此實現(xiàn)各平臺之間的信息共享 (如圖2所示)。

圖2 互聯(lián)網(wǎng)金融機構(gòu)信息共享機制

綜上所述，互聯(lián)網(wǎng)金融機構(gòu)通過向第三方百行征信平臺報送固定的借款人信用信息，獲得查詢所有報送信息的權(quán)利，由此實現(xiàn)信息共享，從而降低與借款者之間的信息不對稱，緩解信用風(fēng)險。然而，由于各個互聯(lián)網(wǎng)金融機構(gòu)的創(chuàng)建背景、目標(biāo)和從事的業(yè)務(wù)范圍不盡相同 (不同業(yè)務(wù)類型的機構(gòu)平臺在與借款者的對接上，即信用風(fēng)險產(chǎn)生的關(guān)鍵節(jié)點處，存在顯著差異)，使得其對借款者信用信息的需求存在顯著差異。當(dāng)前共享機制報送的三類標(biāo)準(zhǔn)化的信用信息可能無法滿足特定業(yè)務(wù)模式平臺的需求。換言之，信息共享對不同業(yè)務(wù)類型平臺的影響可能存在異質(zhì)性。本文界定的研究對象為從事網(wǎng)絡(luò)借貸信息中介、網(wǎng)絡(luò)小貸、消費金融、小額貸款、賒銷等業(yè)務(wù)的互聯(lián)網(wǎng)金融機構(gòu)。從與借款者和投資者對接的角度，這些機構(gòu)的業(yè)務(wù)運營模式大致可以分為三類：純線上信息中介模式、線上債權(quán)重組模式和線上與線下相結(jié)合的O2O模式 (如圖3所示)[29]。各機構(gòu)平臺或是專注于單一業(yè)務(wù)模式，或是三類模式均有涉及。

圖3 互聯(lián)網(wǎng)金融機構(gòu)的業(yè)務(wù)運營模式

在第一種模式中，互聯(lián)網(wǎng)金融機構(gòu)只是信息中介，作為借貸信息發(fā)布的窗口，在通過平臺的信息審核后，借款者可以在該窗口發(fā)布需要籌集的資金，投資者則可在平臺中自主選擇標(biāo)的。第二種模式中，機構(gòu)方參與了借貸資金的運作和增信，或是與第三方公司合作，為借款者提供擔(dān)保，或是將借款者的債務(wù)標(biāo)的打包重組成不同期限和利率的標(biāo)的，供投資者選擇。該類機構(gòu)往往是一些網(wǎng)絡(luò)小貸、消費金融等互聯(lián)網(wǎng)金融機構(gòu)。前兩種模式與借款者的對接大多直接在線上完成。第三種O2O(Online To Offline)運營模式，則由線上＋線下合作共同完成。線下對接借款方，平臺設(shè)立專門的團隊，在線下調(diào)研走訪，對借款人做到全面系統(tǒng)的判斷并搜集借款者的信息和借款需求，再將信息在線上公布，匹配和完成交易。因該類模式耗費更多的人力成本，故其業(yè)務(wù)往往集中在某一領(lǐng)域或某一區(qū)域，由此積累信息和市場，形成規(guī)模效應(yīng)并獲利。例如，投哪網(wǎng)專注于汽車領(lǐng)域，其互聯(lián)網(wǎng)機構(gòu)平臺中80%以上的業(yè)務(wù)集中在汽車金融，在線下積累車貸需求方并對所有借款者信息進行詳細(xì)的實地盡職調(diào)查后，在線上尋找投資方撮合。目前投哪網(wǎng)已有多家直營門店。又如專注于住房金融領(lǐng)域，以一線城市房產(chǎn)為風(fēng)控抓手的融資易平臺。對于采用第三類業(yè)務(wù)模式的互聯(lián)網(wǎng)金融機構(gòu) (以下簡稱 “互金機構(gòu)”)，由于其業(yè)務(wù)的集中性，積累在平臺中的借款者也更具特定性，且平臺在線下實地調(diào)研搜集和審核相關(guān)的信用信息。故該類平臺需要的信用信息更加多維、特定和細(xì)化。當(dāng)前百行征信所共享的三類關(guān)于借款人的基礎(chǔ)信用信息顯然無法滿足該類業(yè)務(wù)模式機構(gòu)的需求。此外，在現(xiàn)實中，機構(gòu)平臺對于借款者的信用審核方式往往與借款金額大小相關(guān)。對于小額短期貸款，例如小額個人短期消費貸款、小額經(jīng)營周轉(zhuǎn)類貸款等，由于對放款時間要求較高，具有需求急、期限短、利率高的特點，故平臺往往采用模式一、模式二展開業(yè)務(wù)，對借款者的審批和風(fēng)控流程完全在線上進行，信息審核需要迅速和及時。又考慮到貸款額度小，故當(dāng)前信息共享機制下的信用信息完全可以滿足該類貸款業(yè)務(wù)的需求。目前，宜人貸、投哪網(wǎng)等互聯(lián)網(wǎng)金融機構(gòu)的小額貸業(yè)務(wù)規(guī)模占比較大。由此可見，目前的信息共享有利于小額信貸的信息審核，幫助以小額業(yè)務(wù)為主的互聯(lián)網(wǎng)金融機構(gòu)降低信用風(fēng)險。

(二)不完全競爭模型與研究假設(shè)的提出

為更加清晰地論證信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險的影響路徑，本文結(jié)合互金市場發(fā)展的實際情況，構(gòu)建不完全競爭模型，進一步補充討論信息共享對互金機構(gòu)信用風(fēng)險的異質(zhì)性影響。根據(jù)宋平凡等的研究結(jié)果，在互聯(lián)網(wǎng)金融市場上，投資者在利率決定中處于明顯的強勢地位，即市場呈現(xiàn)顯著的買方市場特征[30]。此外，若借款者失信違約，不償還借款，則帶來的信用風(fēng)險往往由機構(gòu)平臺和投資者共同承擔(dān)。因此，本文將投資者和平臺機構(gòu)方捆綁為一個利益集團，視為具有議價能力的貸款方，并做出以下假設(shè)。

假設(shè)1：貸款方具備市場勢力，可以通過對不同資質(zhì)貸款對象，選擇不同的貸款利率來最大化自身利潤。且每個平臺了解自身平臺中貸款對象的資質(zhì)，但不清楚其他平臺中貸款對象的資質(zhì)。其中，借貸成本統(tǒng)一設(shè)為R，R＞0。

假設(shè)2：互金業(yè)務(wù)市場上有兩類資質(zhì)不同的借款者：優(yōu)質(zhì)借款者和劣質(zhì)借款者。二者占比分別為P和1－P，0＜P＜1，且對應(yīng)的償還借款的概率ξg、ξb，有0＜ξb＜ξg＜1，反映優(yōu)質(zhì)借款者的還款概率高于劣質(zhì)借款者。貸款方對優(yōu)質(zhì)和劣質(zhì)借款者設(shè)置的貸款利率分別為Rg、Rb。

分析上式，根據(jù)模型假設(shè)，即0＜ξb＜ξg＜1，0＜P＜1，0＜β＜1，R＞0，易知γ以外的各項均大于0，故 (18)式的大小取決于變量γ的值。在流動的市場中，代表外來不知資質(zhì)借款者占比的變量γ往往為大于0的數(shù)，即信息共享在一般情況下可以幫助降低互聯(lián)網(wǎng)金融機構(gòu)平臺信用風(fēng)險。然而，結(jié)合平臺業(yè)務(wù)發(fā)展多元化的實際情況，對于γ變量需要進一步討論，即通過信息共享，根據(jù)平臺是否能夠完全掌握該部分借款者的資質(zhì)情況，可能存在γ＝0或γ＜0的情況。根據(jù)上文分析，當(dāng)互金機構(gòu)集中某一區(qū)域深耕時，例如專注于汽車領(lǐng)域的投哪網(wǎng)采用O2O模式，線下尋找需要車貸的借款方并對其信用考核評估，再將該借款標(biāo)的放在平臺上籌資。這種業(yè)務(wù)模式意味著當(dāng)前百行征信的信息共享數(shù)據(jù)維度偏低，從平臺需求角度看，此時信息共享無法幫助其了解外來部分借款者γ的資質(zhì)，即互金平臺機構(gòu)信息共享前后的違約借貸規(guī)模D1不變 (等價于γ＝0)，信用風(fēng)險不變。此外，更為極端的情況γ＜0的內(nèi)涵則是當(dāng)互金機構(gòu)獲得更多的借款者信息時，由于市場競爭激烈，可能出現(xiàn)降低了貸款標(biāo)準(zhǔn)擴大信貸量，反而使得總體的違約率上升的情況。

結(jié)合以上分析，本文提出如下研究假說：

假說1：一般而言，信息共享可幫助降低互聯(lián)網(wǎng)金融機構(gòu)的信用風(fēng)險。

假說2：信息共享對不同業(yè)務(wù)范圍和模式的互聯(lián)網(wǎng)金融機構(gòu)的影響具有異質(zhì)性：2a.在業(yè)務(wù)集中型的互聯(lián)網(wǎng)金融機構(gòu)中，信息共享不能幫助降低信用風(fēng)險；2b.在以小額貸款為主的互聯(lián)網(wǎng)金融機構(gòu)中，信息共享對降低信用風(fēng)險的影響顯著。

下文主要圍繞上述假說開展實證考察。

四、研究設(shè)計

(一)樣本選擇

本文選取2018年3月至2019年9月這19個月度的28家互聯(lián)網(wǎng)金融機構(gòu)的面板數(shù)據(jù)作為研究樣本。選取原因如下：時間維度上考慮盡可能的覆蓋信息共享環(huán)境發(fā)生變化的時間范圍。一直以來，我國征信體系很不完善，唯一的官方征信機構(gòu)——央行征信系統(tǒng)并不能給新興發(fā)展的互聯(lián)網(wǎng)金融機構(gòu)提供服務(wù)。各類機構(gòu)正嘗試搭建該領(lǐng)域的信息共享平臺，其中，以百行征信 (俗稱 “信聯(lián)”)最為權(quán)威。它是由央行牽頭組建的國家級網(wǎng)絡(luò)金融個人信用基礎(chǔ)數(shù)據(jù)庫，由中國互聯(lián)網(wǎng)金融協(xié)會與芝麻信用、騰訊征信等8家市場機構(gòu)共同發(fā)起組建的一家市場化個人征信機構(gòu)。

百行征信于2018年3月19日成立，因此樣本時間維度的起點選擇在2018年3月。此外，由于2019年末開始爆發(fā)的新冠肺炎疫情對我國經(jīng)濟各方面均有不同程度的影響，從而會對實證研究產(chǎn)生額外影響，同時考慮數(shù)據(jù)的可得性和完整性，本文選擇2019年9月為時間維度的結(jié)點。在樣本互金機構(gòu)方面，在數(shù)據(jù)可得的前提下，盡可能覆蓋加入過百行征信，即信息共享環(huán)境發(fā)生了變化的互聯(lián)網(wǎng)金融機構(gòu)，以充分涵蓋信息共享維度的信息量。目前，共計37家機構(gòu)在中國互聯(lián)金融協(xié)會官方網(wǎng)站進行了信息披露，其中有約30家平臺加入了百行征信。剔除部分?jǐn)?shù)據(jù)不完整的樣本后，本文最終選擇28家互金機構(gòu)作為研究對象。研究數(shù)據(jù)主要來源于中國互聯(lián)網(wǎng)金融協(xié)會官網(wǎng)、Wind數(shù)據(jù)庫、世界互聯(lián)網(wǎng)發(fā)展報告等。缺漏數(shù)據(jù)通過查詢各互金平臺官網(wǎng)獲得。

(二)變量設(shè)定

1.互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險的代理變量?，F(xiàn)有文獻對信用風(fēng)險的度量一般選取預(yù)期違約率、逾期違約率、銀行不良貸款率等指標(biāo)。因此，本文采用中國互聯(lián)網(wǎng)金融協(xié)會上公布的金額逾期率指標(biāo) (逾期貸款余額/貸款總余額)作為機構(gòu)信用風(fēng)險的代理變量，其中，部分缺失數(shù)據(jù)采用代償金額率 (代償金額/借貸金額)指標(biāo)代替。代償金額是指因借款方違約等原因由第三方 (非借款人、非平臺機構(gòu))代為償還的金額，故代償金額率同樣可以反映信用風(fēng)險 (RISK)。

2.信息共享解釋變量。借鑒已有研究文獻的思路，本文采用第三方共享平臺，即百行征信接入的互聯(lián)網(wǎng)金融機構(gòu)覆蓋率 (百行征信接入的互金機構(gòu)平臺數(shù)量/互金機構(gòu)總數(shù))來衡量信息共享變量 (SHAR)，作為主要解釋變量。

3.宏觀經(jīng)濟控制變量?？紤]到宏觀經(jīng)濟發(fā)展水平對借貸市場有顯著影響[9]，且由于本文的樣本選取為月度數(shù)據(jù)，因此采用克強指數(shù) (KQ)來綜合反映宏觀經(jīng)濟的發(fā)展情況。

4.互金機構(gòu)內(nèi)部控制變量。借貸機構(gòu)內(nèi)部的關(guān)于信用風(fēng)險的控制變量主要從資產(chǎn)規(guī)模、流動性角度選取[31]。本文選取當(dāng)前出借人數(shù) (CJ)和當(dāng)前借款人數(shù) (JK)兩個變量作為內(nèi)部控制變量，單位為105人。前者是指在某時點仍存在代收借款的出借人總數(shù)，可反映平臺的規(guī)模。該數(shù)據(jù)越大，平臺越穩(wěn)定。后者是指在某個時點存在待還借款的借款人總數(shù)。該變量可反映平臺資產(chǎn)端的運作情況，一方面借款人數(shù)越多，表明該平臺資產(chǎn)越分散，流動性風(fēng)險越??；另一方面借款人越多，表明需要償還的款項越多，可能發(fā)生逾期償還的可能性越大。

5.其他控制變量。根據(jù)胡乃紅等的文獻和互金市場發(fā)展的實際情況，互聯(lián)網(wǎng)、大數(shù)據(jù)科技的發(fā)展和法律保護水平也會顯著影響互金市場的信用風(fēng)險[4]。通常而言，法律保護水平能規(guī)制市場不合規(guī)行為，而互聯(lián)網(wǎng)、大數(shù)據(jù)科技的發(fā)展提高了平臺風(fēng)控水平，二者均可幫助降低互金機構(gòu)信用風(fēng)險。本文采用 《世界互聯(lián)網(wǎng)發(fā)展報告》中統(tǒng)計的中國互聯(lián)網(wǎng)發(fā)展指數(shù)得分作為反映互聯(lián)網(wǎng)、大數(shù)據(jù)科技發(fā)展的代理變量 (IT)。該得分通過考察各國互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)、創(chuàng)新能力、網(wǎng)絡(luò)治理、產(chǎn)業(yè)發(fā)展、網(wǎng)絡(luò)安全和互聯(lián)網(wǎng)應(yīng)用六個方面計算得到。此外，采用世界銀行的合法權(quán)利指數(shù)作為反映法律權(quán)利保護水平的代理變量 (LAW)[9]。該指數(shù)由擔(dān)保法和破產(chǎn)法中涉及的合法權(quán)利構(gòu)成，指數(shù)范圍由0到12，得分越高，表明法律保護越強。

(三)計量回歸模型

結(jié)合互聯(lián)網(wǎng)金融市場和各平臺的主要特點，同時考慮宏觀經(jīng)濟、法律保護和互聯(lián)網(wǎng)發(fā)展的影響，本文的計量模型如下：

模型中，RISK為本文的被解釋變量互金機構(gòu)信用風(fēng)險；LN為對數(shù)化處理，利于消除異方差，使數(shù)據(jù)平穩(wěn)?？紤]到信用風(fēng)險往往存在時間的慣性，故加入信用風(fēng)險變量的滯后一階作為解釋變量[32]。同時，i＝1，2，…，N表示互金機構(gòu)平臺個體；t＝1，2，…，T表示時間；μi為反映個體異質(zhì)的常數(shù)項；εit為隨機干擾項。變量描述性統(tǒng)計如表1所示。

表1 變量描述性統(tǒng)計

五、實證結(jié)果和分析

(一)估計方法

由于計量模型的構(gòu)建包含了被解釋變量的滯后項，且宏觀經(jīng)濟變量、互聯(lián)網(wǎng)發(fā)展指數(shù)等控制變量與被解釋變量之間可能互相影響，產(chǎn)生內(nèi)生性問題。廣義矩估計是解決內(nèi)生性的有效方法，而系統(tǒng)GMM可進一步緩解弱工具變量和有限樣本偏差等問題，故本文使用該方法進行回歸，最大限度地提高回歸結(jié)果的可信性。此外，系統(tǒng)GMM的使用需滿足AR(2)和Sargan檢驗。

(二)信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險總體影響的回歸結(jié)果

首先，使用總體樣本對信息共享對互金機構(gòu)信用風(fēng)險總體影響進行回歸分析，檢驗結(jié)果如表2所示①由于法律權(quán)利保護指數(shù)變量在所選取的時間段內(nèi)未發(fā)生變化，故所有結(jié)果均未包含該變量。。模型的AR(2)檢驗和Sargan檢驗P值均大于0.1，說明擾動項和工具變量均符合系統(tǒng)GMM使用的標(biāo)準(zhǔn)，且各變量的顯著性較高，故本文的模型構(gòu)建較為合理，回歸結(jié)果比較準(zhǔn)確。其中，列 (2)為剔除了互金機構(gòu)內(nèi)部控制變量的回歸結(jié)果，列 (3)為將宏觀經(jīng)濟控制變量也剔除后的回歸結(jié)果。關(guān)于AR(2)和Sargan的檢驗結(jié)果均與列 (1)的一致。

表2 信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險總體影響的檢驗結(jié)果

根據(jù)回歸結(jié)果，在主要解釋變量方面，被解釋變量滯后一階的系數(shù)1%的水平上顯著為正，說明互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險存在較為明顯的時間慣性。而對于本文主要探討的信息共享變量，其系數(shù)卻不顯著，即信息共享在總體上對互金機構(gòu)信用風(fēng)險的影響不明顯，與理論假說1不相符。但若單從變量的系數(shù)值上看，信息共享變量系數(shù)為負(fù)，與假說1相符。究其原因可能在于，本文理論部分提出的假說1是建立在普適性、一般性的情況上的，而本文選取的28家互金機構(gòu)樣本量可能偏小。

從互金機構(gòu)內(nèi)部控制變量上看，當(dāng)前出借人變量的系數(shù)為負(fù)，且在10%的水平上顯著相關(guān)，表明當(dāng)前出借人的增加可幫助降低機構(gòu)信用風(fēng)險。該結(jié)果與現(xiàn)實相符。出借人數(shù)能反映機構(gòu)平臺某段時間的人氣，其內(nèi)涵是某個時點仍存在待收借款的出借人數(shù)，故出借人數(shù)越多，表明資金端越充裕、有保障，機構(gòu)越穩(wěn)定。同時，當(dāng)前借款人變量的系數(shù)為正，且在5%的水平上顯著相關(guān)，表明互金機構(gòu)當(dāng)前借款人的增加會提升平臺的信用風(fēng)險。當(dāng)前借款人可反映平臺資產(chǎn)端的運作情況，借款人越多，表明需要償還的款項越多，則可能發(fā)生逾期償還的可能性增大，符合實際邏輯。

從其他控制變量上看，互聯(lián)網(wǎng)發(fā)展變量系數(shù)在1%的水平上顯著為負(fù)，表明互聯(lián)網(wǎng)科技、大數(shù)據(jù)的發(fā)展能有效幫助互金機構(gòu)降低信用風(fēng)險。這反映了各互金企業(yè)利用高速發(fā)展的互聯(lián)網(wǎng)科技可以不斷地提升自身的風(fēng)控水平。表示宏觀經(jīng)濟發(fā)展的克強指數(shù)變量與互金機構(gòu)信用風(fēng)險的相關(guān)性不高，原因可能在于，與銀行借貸市場不同，互聯(lián)網(wǎng)金融市場中的借款主體主要是中小企業(yè)和個人，該類主體只占整個宏觀經(jīng)濟的一部分，而后者還包括大型央企、民企等。

(三)信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險影響的異質(zhì)性測度回歸結(jié)果

由于現(xiàn)實中互聯(lián)網(wǎng)金融機構(gòu)的各種業(yè)務(wù)模式存在較大差異，故結(jié)合本文理論部分的分析，實證部分進一步從業(yè)務(wù)集中度和借貸業(yè)務(wù)額度兩個方面進行信息共享對互金機構(gòu)信用風(fēng)險影響的異質(zhì)性回歸，具體如下：

根據(jù)理論部分的分析和研究假說，在業(yè)務(wù)集中型互金機構(gòu)中，信息共享不能幫助降低信用風(fēng)險。因此，本文將依據(jù)各互聯(lián)網(wǎng)金融機構(gòu)網(wǎng)站公布的業(yè)務(wù)信息，從業(yè)務(wù)集中度的層面將樣本機構(gòu)平臺分為兩類子樣本。業(yè)務(wù)集中度高組子樣本平臺包括：集中房貸業(yè)務(wù)的融資易、集中汽車金融業(yè)務(wù)的投哪網(wǎng)和微貸網(wǎng)、分別專注于挖掘貴州本地客戶和江西本地客戶的乾貸網(wǎng)和博金貸、集中于供應(yīng)鏈金融業(yè)務(wù)的阿拉丁金服和元寶365等共11家；業(yè)務(wù)集中度低組子樣本平臺則為剩下的17家?；貧w結(jié)果如表3的 (2)(3)列所示。

此外，基于理論部分的分析，考慮到小額短期借貸具有需求急、期限短的特點，互金機構(gòu)平臺對于該類貸款的審核完全在線上進行，故此類貸款對信息共享即征信數(shù)據(jù)的依賴程度較高。因此，本文通過平臺公布的產(chǎn)品借貸金額分布數(shù)據(jù)和人均累計借款金額數(shù)據(jù)，以20萬元為界限，將互金機構(gòu)分為小額貸款組和中大額貸款組兩類子樣本。小額貸組包括玖富、e融所、你我貸、宜人貸、富勤金融、廣州e貸等共計17家；剩余的中大額貸款組則包括峰向標(biāo)、新新貸、愛投資等共計11家?；貧w結(jié)果如表3的 (4)(5)列所示。

表3的異質(zhì)性檢驗結(jié)果均通過了AR(2)檢驗和Sargan檢驗，表明回歸結(jié)果具有合理性?？紤]業(yè)務(wù)集中度，在子樣本 (2)和 (3)中，從本文關(guān)注的重點信息共享的系數(shù)上看，業(yè)務(wù)集中度高組系數(shù)為0.7671，且在1%的置信水平上具有顯著性；而業(yè)務(wù)集中度低組的系數(shù)為－0.6970，且在5%的水平上具有顯著性，表明信息共享對業(yè)務(wù)集中度低組機構(gòu)平臺的信用風(fēng)險具有緩解作用，但對業(yè)務(wù)集中度高組不僅沒有作用，反而增加了平臺的信用風(fēng)險，理論假說2a得到初步驗證。究其原因，專注型互聯(lián)網(wǎng)金融機構(gòu)的業(yè)務(wù)往往使用線上、線下相結(jié)合的O2O模式運行，在線下與借款方直接對接，業(yè)務(wù)范圍集中于某一領(lǐng)域或區(qū)域，具有特定性，故該模式機構(gòu)平臺與借款者之間的信息不對稱程度相對較小，且對于客戶信用信息的獲取已經(jīng)較為全面且可信。該類機構(gòu)與其他機構(gòu)平臺共享信息，一方面所共享的信息可能并非該機構(gòu)所真正需要的，另一方面所獲取的共享信息可能質(zhì)量較低，故總體而言，信息共享不能降低該類機構(gòu)平臺上的信用風(fēng)險，甚至可能加劇其風(fēng)險。其他解釋變量回歸系數(shù)的正負(fù)與總樣本基本一致，符合預(yù)期。其中，被解釋變量的滯后一階與其有顯著的正相關(guān)關(guān)系，表明信用風(fēng)險的時間慣性不受機構(gòu)業(yè)務(wù)集中度特征的影響；互聯(lián)網(wǎng)發(fā)展指數(shù)變量系數(shù)表現(xiàn)出相對穩(wěn)定的負(fù)相關(guān)關(guān)系。

表3 信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險的異質(zhì)性影響測度結(jié)果

在子樣本 (4)和 (5)中，同樣從本文關(guān)注的重點信息共享的系數(shù)上看，小額貸款組的系數(shù)為－0.6993，且在10%的水平上具有顯著性；而大額貸款組的系數(shù)為正，結(jié)果不顯著，表明信息共享可有效幫助降低小額貸款組互金機構(gòu)的信用風(fēng)險，但對大額貸款組機構(gòu)平臺的影響不顯著，理論假說2b得到驗證。其他變量回歸系數(shù)的正負(fù)與總樣本基本一致。類似的，被解釋變量的滯后一階與其有顯著的正相關(guān)關(guān)系，且互聯(lián)網(wǎng)發(fā)展指數(shù)變量系數(shù)表現(xiàn)出相對穩(wěn)定的負(fù)相關(guān)關(guān)系。宏觀經(jīng)濟變量和當(dāng)前借款人變量對兩類子樣本的影響均不顯著。當(dāng)前出借人變量幫助降低中大額貸款組機構(gòu)的信用風(fēng)險然而對小額貸款組的影響不明顯，原因可能在于大額貸款組的借款人相對小額借款組更集中，故平臺資產(chǎn)端表現(xiàn)得更為集中，運作更易出現(xiàn)流動性風(fēng)險，因此對反映資金端的當(dāng)前出借人的規(guī)模有更為敏感和高的要求。

(四)穩(wěn)健性檢驗

考慮到本文使用的系統(tǒng)GMM已經(jīng)解決了內(nèi)生性等模型構(gòu)建方面的問題，故不另使用其他計量估計方法進行穩(wěn)健性檢驗。為了確保結(jié)論的可靠性，主要從更換被解釋變量和解釋變量兩方面進行穩(wěn)健性檢驗。

1.變更主要解釋變量 “信息共享”的衡量方法。盡管對于 “信息共享”變量的衡量，大部分學(xué)者采用第三方共享平臺的共享主體覆蓋率指標(biāo)，但仍有部分學(xué)者直接采用共享信息總量指標(biāo)衡量[6]。因此，本文將每個時點上接入百行征信系統(tǒng)的互金機構(gòu)總數(shù)指標(biāo)代替之前的覆蓋率指標(biāo)作為主要解釋變量進行穩(wěn)健性檢驗，結(jié)果如表4的 (1)(2)(3)列所示?？梢钥闯觯娼忉屪兞亢?，小額貸款組信息共享系數(shù)在10%的水平上仍顯著為負(fù)，而全樣本共享系數(shù)仍為負(fù)且不顯著，盡管業(yè)務(wù)集中度高組系數(shù)不顯著，但其值仍為正，故信息共享不能幫助該類機構(gòu)降低信用風(fēng)險的假說仍成立。其他控制變量的系數(shù)和顯著性水平也與變更前基本一致，未發(fā)生明顯的變化。

表4 穩(wěn)健性檢驗① 主要匯報本文重點關(guān)注的三組樣本。

2.變更被解釋變量 “信用風(fēng)險”的衡量方法?？紤]到被解釋變量的選取對結(jié)果可能產(chǎn)生顯著的影響，本文將所有的 “信用風(fēng)險”變量均變更為代償金額率 (代償金額/借貸金額)，以此作為被解釋變量進行回歸，結(jié)果如表4的 (4)(5)(6)列所示。由表4可見，更替被解釋變量后，小額貸款組信息共享系數(shù)在5%的水平上顯著為負(fù)，即信息共享幫助降低該類機構(gòu)的信用風(fēng)險的假說仍成立。同樣的，全樣本共享系數(shù)為負(fù)，業(yè)務(wù)集中度高組的系數(shù)為正，且都不顯著。其他控制變量的回歸結(jié)果也未發(fā)生明顯的變化。由此可見，本文的主要回歸結(jié)果具有穩(wěn)健性。

六、結(jié)論與政策建議

本文聚焦于信息共享對互聯(lián)網(wǎng)金融機構(gòu)信用風(fēng)險的異質(zhì)性影響測度，從理論和實證兩方面開展了研究。理論部分闡述了目前 “百行征信”下，互聯(lián)網(wǎng)金融企業(yè)機構(gòu)的信息共享機制，并根據(jù)當(dāng)前互金機構(gòu)不同業(yè)務(wù)的運營模式特征，分析了信息共享對其信用風(fēng)險影響的異質(zhì)性。在此基礎(chǔ)上，結(jié)合市場特征，通過構(gòu)建投資方具備市場勢力的不完全競爭模型，進一步論證信息共享對互金企業(yè)平臺信用風(fēng)險的影響路徑，并提出相應(yīng)的理論假說。實證研究部分，選取平臺機構(gòu)的金額逾期率為被解釋變量，接入百行征信的互金機構(gòu)數(shù)量占互金機構(gòu)總數(shù)的比例為主要解釋變量信息共享，同時加入了兩個內(nèi)部特征變量：當(dāng)前出借人數(shù)和當(dāng)前借款人數(shù)、一個宏觀經(jīng)濟變量、互聯(lián)網(wǎng)發(fā)展變量和法律保護指數(shù)變量作為控制變量建立計量回歸模型。選取中國互聯(lián)網(wǎng)金融協(xié)會公布的28家互金機構(gòu)2018年3月至2019年9月的面板數(shù)據(jù)，使用系統(tǒng)GMM的方法得到計量結(jié)果，并通過分別替換解釋變量和被解釋變量進行了穩(wěn)健性檢驗，得出以下結(jié)論，信息共享對不同業(yè)務(wù)范圍和模式的機構(gòu)平臺影響具有顯著異質(zhì)性。根據(jù)測度結(jié)果，從業(yè)務(wù)集中角度看，信息共享對業(yè)務(wù)集中度低組平臺的信用風(fēng)險具有緩解作用，但不能降低業(yè)務(wù)集中度高組的信用風(fēng)險；從平臺每筆業(yè)務(wù)金額大小看，信息共享可有效地幫助降低小額業(yè)務(wù)組互金機構(gòu)的信用風(fēng)險，但對大額業(yè)務(wù)組平臺的影響不顯著。在其他控制變量的結(jié)果方面，信用風(fēng)險變量具有顯著的時間慣性，互聯(lián)網(wǎng)科技的發(fā)展對平臺信用風(fēng)險有較為明顯的緩解作用，且這兩個結(jié)果不受是否考慮異質(zhì)性影響。其余控制變量在考慮異質(zhì)性后影響不顯著。

基于上述結(jié)論，對政府、互金機構(gòu)和投資者三類主體提出以下對策建議：

1.對政府而言，在建立和完善互聯(lián)網(wǎng)金融領(lǐng)域征信體系的過程中應(yīng)注意區(qū)別對待不同業(yè)務(wù)類型的互金機構(gòu)，針對性地提供差異的共享規(guī)則和機制。當(dāng)前，信息共享機制建立的主要目的是幫助互金行業(yè)降低信用風(fēng)險，以利于該新興信貸行業(yè)更健康的發(fā)展。建立行業(yè)信息共享機制的重要前提是各個參與共享方有足夠的動力分享數(shù)據(jù)，否則將易造成不利結(jié)果：輕則共享主體怠于分享信息，使得第三方共享機制構(gòu)建成本增加；重則部分共享主體提供不實信息，導(dǎo)致共享機制的設(shè)立反而增加了行業(yè)整體的信用風(fēng)險，與共享機制設(shè)立初衷背道而馳。因此，需精準(zhǔn)地區(qū)別不同的互金業(yè)務(wù)類型，可從平臺集中業(yè)務(wù)和單筆業(yè)務(wù)額度大小分布兩個層面分類。在此基礎(chǔ)上，有兩類可行的信息共享方案：第一種方案，若制定單一的數(shù)據(jù)征集標(biāo)準(zhǔn)，則考慮以 “最小夠用”為原則，根據(jù)互金機構(gòu)業(yè)務(wù)的特點和風(fēng)險控制要求，制定包含 “失信名單”等關(guān)鍵反映借款者信用信息的數(shù)據(jù)和編制統(tǒng)一的數(shù)據(jù)規(guī)范，并強制要求各平臺共享相應(yīng)信息。而對于其他與特定類業(yè)務(wù)相關(guān)的額外信息，則平臺可根據(jù)自身業(yè)務(wù)發(fā)展的需要決定是否共享。第二種方案，可針對不同的業(yè)務(wù)種類制定不同的數(shù)據(jù)征集標(biāo)準(zhǔn)，分為通用類和特定類，并且分別對接相應(yīng)的平臺業(yè)務(wù)。通用類數(shù)據(jù)應(yīng)包括線上平臺在審核借款者信息時均囊括的反映信用資質(zhì)的內(nèi)容；而特定信用信息需要更加多維和深入，滿足高集中度業(yè)務(wù)的專門化、個性化需求。數(shù)據(jù)的報送標(biāo)準(zhǔn)可參考美國征信局協(xié)會 (CDIA)制定的標(biāo)準(zhǔn)數(shù)據(jù)報告格式和數(shù)據(jù)收集格式Metro1和Metro2。

2.對投資者和互金機構(gòu)而言，現(xiàn)實中投資者和互金機構(gòu)方之間存在部分信息不對稱，增加了行業(yè)隱含的信用風(fēng)險。大部分互金企業(yè)為維護自身利益進行了分散風(fēng)險的措施，包括引入第三方存管、擔(dān)保、保理等進行增信。本文建議機構(gòu)方應(yīng)做到增信信息公開，向投資者進行完整、準(zhǔn)確、透明的表達。此外，機構(gòu)方應(yīng)充分利用互聯(lián)網(wǎng)科技和大數(shù)據(jù)進行風(fēng)控，以更有效地降低信用風(fēng)險。對投資者而言，則需要根據(jù)自己的風(fēng)險偏好，選擇與其風(fēng)險承受能力精準(zhǔn)匹配的投資標(biāo)的，并且在互金機構(gòu)的選擇上，仔細(xì)查閱投資標(biāo)的各項信息，清晰全面地了解投資款項的去向和后期的償還規(guī)則，以最大限度地減少因信息劣勢而導(dǎo)致的損失。