P2P网贷中借款年利率对借贷成功率影响的理论与实证研究.doc

1、P2P 网贷中借款年利率对借贷成功率影响的理论与实证研究摘要基于人人贷网络借贷平台的数据，通过利用二分类 logistic回归模型，分析探究 P2P网络借贷中借款年利率对借款成功率的影响。结果发现：当借款年利率不超过 12%时，随着借款年利率的上升，借款成功率上升；当借款年利率超过 12%时，随着借款年利率的上升，借款成功率下降。这主要是因为当借款年利率小于 12%时，随着借款年利率的上升，出借人的收益率增加，因此，出借人的投资意愿上升，借款成功率随之上升；而当借款年利率大于 12%时，随着借款年利率的上升，借款人的违约风险增加，因此，出借人的投资意愿降低，借款成功率随之降低。 关键词P2P

2、网络借贷；借款年利率；借款成功率；人人贷；违约风险 DOI1013939/jcnkizgsc201607078 1 文献综述与假设提出 P2P 网络借贷是指借款人和出借人依托网络借贷平台而完成借贷的新型金融模式，其实质为民间借贷的“互联网化” 。随着全球第一家网络借贷平台 Zopa于 2005年成立于英国伦敦，世界各国相继出现众多的网络借贷平台，如美国的 Prosper、Lending Club和 Kiva，瑞典的Trustbuddy，日本的 maneo，印度的 Faircent等。近年来，网络借贷平台在我国的发展也较为迅速。2007 年我国第一家网络借贷平台拍拍贷在上海成立，随后国内 P2P

3、网贷平台大规模兴起，如人人贷、红岭创投、我开、陆金所等代表性网贷平台出现。截至 2014年年底，我国网贷运营平台达 1537家；中国网贷行业有史以来累计成交量突破 3829亿元，其中 2013年、2014 年的全年累计成交量分别高达 1058亿元、2528 亿元。网贷之家：中国 P2P网贷行业 2014年度运营简报 。 P2P 网贷行业的蓬勃发展引起了学术界的高度关注。相关实证研究主要集中于对 P2P网络借贷中借款成功率（陈建中等，2013；宋文等，2013；王会娟等，2013；李渊博等，2014） 、违约风险（冯新月，2014；欧缘媛，2014） 、出借人的投资策略（王会娟，2014） 、融

4、资成本（陈霄，2014；郭弈，2011）以及法律监管（李龙，2014）等方面的影响因素的分析。其中针对 P2P网贷平台借款成功率的分析，大多数学者均将借款年利率作为重要的影响因素列入，但实证分析结果有一定的差异。温小霓等（2014） 、王会娟等（2014）的研究结果表明借款年利率越高，借款成功率越低；宋文等（2013） 、李龙（2014）的研究结果则相反：借款年利率越高，借款成功率越高；并且不同学者的研究结果中借款年利率对借款成功率的影响程度有显著差异。基于前人的研究，笔者提出自己的观点：借款年利率对借款成功率的影响并非简单的正相关或负相关关系，而是随着借款年利率的变化而变化。因此，本文提出假

5、设随着借款年利率的上升，借款成功率先上升后下降。 2 研究设计 21 数据准备 文章选择人人贷网络借贷平台上发布的借款编号为 141400-400000人人贷网站上每一个借款信息有一个单独的网页存储，对应着一个以借款编号为结尾的 URL（如http：/wwwrenrendaicom/lend/detailPageaction？loanId=141400） 。 的散标投资区人人贷网站上理财区分为薪计划、U 计划、债权转让和散标投资，其中薪计划、U 计划为自动投标工具，债权转让是符合规定的债权买卖平台，散标投资为借款人发布借款信息、出借人投标的平台。借款为研究区间，等距的选择其中 10000笔者通

6、过在火车头采集器（LocoySpiderV8）上编写采集规则，以等距的方法采集相应研究区域的信息。个样本。选择研究样本的理由为：第一，人人贷网贷平台成立时间较长，借款信息丰富；第二，人人贷网贷平台在 2014年网贷平台发展评级表中高居第二，其 2014年整年贷款余额位列前三位；上海盈灿商务咨询公司、清华大学中国金融研究所、网贷之家：2014 年中国网络借贷行业年报 。第三，人人贷平台自 2013年 10月起开始改版，为了保持样本的统一性，笔者选取了大约位于 2014年 1月至 2015年 1月的样本。初始样本为 10000个，剔除网页过期和信息不全的观测样本，最终样本为 6543个。 从表 1

7、中我们可以看出，6543 个样本中最低借款年利率为 8%，最高借款年利率为 24%，借款年利率位于 111%13%的借款样本高达 3647个，约占总样本数的 55%。因此，在本文中笔者将 111%13%的利率定为正常利率，将低于此区间的利率定为低利率区间，将高于此区间的利率定为高利率区间。 22 变量选择与模型构造 本文借鉴已有文献（王会娟等，2014；宋晨，2014；陈建中，2013等）的做法，选择表 2所示的变量。 人人贷平台中借款状态分为四类，分别为REPAYING、BADDEBT、FAILED 和 CLOSED。其中 REPAYING代表借款人已经开始偿还贷款；BADDEBT 代表借款

8、人未按期偿还贷款；FAILED 代表借款失败，即借款申请未通过人人贷审核或未在规定时间内满标；而 CLOSED则代表借款人主动撤回借款申请。因此，REPAYING 和 BADDEBT均表示借款成功，FAILED 和 CLOSED则代表借款失败。其次，由于人人贷平台将借款人的月收入分为类，因此，为量化债务收入比指标，本文将“10012000 元”的收入组视为 1500、 “20005000 元”的收入组视为3500、 “500010000 元”的收入组视为 7500、 “1000020000 元”的收入组视为 15000、 “2000050000 元”的收入组视为 35000，而鉴于“1000元

9、以下”和“50000 元以上”的两个收入组无法一致处理，并且位于两个极限组的样本较少，因此视为缺失，即剔除 346个收入位于极限组的样本，最终样本为 6197个。 结合上文的假设 H，笔者将借款年利率设为哑变量，同时，根据对变量和数据的分析，本文将利用二分类 logistic回归对数据进行分析，以借款成功与否为因变量，以其他变量为自变量，模型构造如下： 3实证过程及结果分析 在 SPSS19中输入相关变量，为筛选解释变量，选择逐步筛选策略：以最大似然比（LR）为筛选条件的逐步向后筛选法；其次，哑变量 Rate默认最后一个类别为参照水平。 文中对变量 Rate的分类取值，表 3表示分类变量 Ra

10、te的编码情况，由上可知：当 Rate=1，即利率处于低利率区间时，Rate（1）=1，Rate（2）=0；当 Rate=2，即利率处于正常利率区间时，Rate（1）=0，Rate（2）=1；当 Rate=3，即利率处于高利率区间时，Rate（1）=0，Rate（2）=0，因此该分类变量是以高利率水平为参照水平的。 小于 005，应该拒绝零假设，认为最终模型中所有回归系数不同时为0，解释变量全体与 LnP（Success=1）P（Success=0）的线性关系显著，所以最终模型是整体有效的。 表 5显示了在逐步筛选过程中每步回归方程的解释度。由下表可知，最终模型的 Nagelkerke R S

11、quare为 0826，表示因变量（借款成功率）的变差的 826%能够被最终回归方程中的自变量解释，考虑到样本数量较多，笔者认为该方程的解释度较为良好，说明模型设立合理。 表 6表示最终回归方程的观测值与预测值的交叉表。总共 6197组样本中，实际观测中 Success为“0” （即借款未成功）的样本数为 4358个，而其中回归模型预测正确的个数为 4157个，正确率达到 954%；在所有样本中，实际观测中 Success为“1” （即借款成功）的样本数为 1839个，而其中回归模型预测正确的个数为 1706个，正确率达到 928%，整体正确率达到 946%。因此，最终回归方程对借款是否成功做

12、出了很不错的预测。表 7表示经过多次筛选后，最终模型回归结果。由表可知，15 个初始解释变量中有 8个解释变量被剔除，最终模型中包含 7个解释变量。我们发现被剔除的变量相对过多，对此笔者提出以下解释：初始模型中的解释变量（共 15个）过多，相比而言，样本容量是有限的，因此，通过筛选后，只有最显著的解释变量留在模型中。 根据表 7，对回归结果的简单分析如下。 第一，借款期限（Loloan） 。借款期限对借款成功的影响为正，每增加 1个月，发生比（SX（P（Success=1）P（Success=0）SX）变为原来的 1047倍。说明出借人更喜欢借款期限较长的借款标的，原因是：出借人为了得到稳定的

13、现金流回报，愿意投资期限更长的借款标的。第二，信用评级（Credit_R） 。借款人信用评级对借款成功的影响为负。在变量定义中我们将信用评级定义为有序分类变量，并且随着信用评级的降低，数值为增大。所以，该变量的回归结果可以理解为：随着信用评级的降低，借款成功的可能性降低，具体来说，当信用评级每降低 1级时，发生比变为原来的 808%。 第三，有无房产（House） 。借款人有无房产对借款成功的影响为正。在变量定义中我们将有无房产定义为名义变量，其值在有房产时取 1，否则取 0。因此回归结果可以解释为：借款人有房产使得借款更容易成功，具体来说，当借款人有房产时，借款发生比为没有房产的 1431倍

14、。 第四，借款标的分类（Classification） 。借款标的分类对借款成功的影响为正。人人贷中借款标的分为三种：信用认证标、实地认证标和机构担保标。在变量定义中我们将借款标的分类定义为有序分类变量：信用认证标、实地认证标和机构担保标分别取 1、2、3。由回归结果可知：当该变量的取值每增加 1，发生比变为原值的 27798倍。原因是信用认证标、实地认证标和机构认证标的风险是递减的，所以，发生比是递增的。第五，借款年利率（Rate） 。在变量定义中我们将借款年利率定义为无序分类变量，即哑变量。编码是以高利率区间作为参考类别，相当于低利率区间的系数为-2327，正常利率区间的系数为 0836，

15、高利率区间的系数为 0。因此，随着利率由低利率区间升高至正常利率区间的过程中，借款成功的可能性是上升的（由于 0836-2327） ；接着当利率由正常利率区间升高至高利率区间时，借款成功的可能性是下降的（由于 00836） 。具体来说，同高利率区间相比，低利率区间的发生比是其 98%，正常利率区间的发生比是其 2307倍。所以，概括来说，借款成功的可能性随着利率的升高先升高后降低。 第六，历史成功次数（Num_S） 。借款人的历史成功借款次数对借款成功的影响为正。具体来说，借款人的历史成功借款次数每增加 1次，发生比为原来的 2957倍。原因是：当借款人的历史成功借款次数较多时，出借人相信借款

16、人的信用比较良好，违约风险较低。 第七，债务收入比（DIR） 。借款人的债务收入比对借款成功的影响为负。具体来说，债务收入比每增加 1，发生比为原来的 924%。原因是：随着借款人的债务收入比增加，其违约风险也升高。 4 单一自变量模型设计及结果分析 以上实证结果表明借款成功率随着借款年利率的上升先升高后降低，为进一步分析借款年利率对借款成功率的影响，笔者构建以下针对借款年利率的单一自变量模型： 式中 0 为模型截距，为模型误差，变量 Rate为未经分段的借款年利率，变量 Rate2 为变量 Rate的平方。此次模型中的因变量为借款年利率初始值，即将借款年利率不经分段、直接以数值形式加入模型；

17、为方便分析，借款年利率仍然扩大 100倍。 表 8显示了回归方程的解释度。由表 8可知，此次模型的Nagelkerke R Square为 0202，表示因变量（借款成功率）的变差的 202%能够被回归方程中的自变量解释，虽然该解释程度不高，但考虑到此次模型中只涉及借款年利率一个因变量，笔者认为该方程的解释度尚能接受。因此，LnSX（P（Success=1）P（Success=0）SX）为开口向下的抛物线，为求顶点值，令上式导数为 0，求得顶点值 Rate*约为12；又因为模型中的借款年利率扩大了 100倍，所以实际借款年利率的顶点值约为 12%。我们发现，该顶点值正好处于上文中借款年利率的正

18、常区间（111%13%） ，说明该值与上文中的结论相互验证。 5 假设验证及结论 本文以人人贷网站中 2014年 1月至 2015年 1月的抽样借款交易信息作为研究样本，研究借款年利率对借款成功率的影响。初步研究发现：随着借款年利率的升高，借款成功率先上升后下降；通过进一步构建针对借款年利率的单一自变量模型，笔者发现借款年利率的分段顶点值约为 12%。总体来说，随着借款年利率升高直至 12%，借款成功率上升；当借款年利率从 12%继续上升时，借款成功率下降，即前文中的假设 H成立。这主要是因为当借款利率低于 12%时，随着借款年利率的升高，出借人的收益是增加的，因此，此时出借人的借款意愿逐步增

19、强，具体表现为借款成功率逐渐上升；但当借款年利率上升至 12%后，随着借款年利率的继续升高，借款人的违约风险增加，此时出借人的借款意愿逐步降低，具体表现为借款成功率逐步降低。 参考文献： 1温小霓，武小娟 P2P网络借贷成功率影响因素分析以拍拍贷为例J.金融论坛，2014，219（3）：3-8 2王会娟 P2P网络借贷中出借人的投资策略J.金融论坛，2014，226（10）：29-36 3陈建中，宁欣 P2P网络借贷中个人信息对借贷成功率影响的实证分析以人人贷为例J.财务与金融，2013，146（6）：13-17 4宋文，韩丽川 P2P网络借贷中投资者出借意愿影响因素分析J.西南民族大学学报：

20、自然科学版，2013，39（5）：795-799 5王会娟，廖理中国 P2P网络借贷平台信用认证机制研究来自“人人贷”的经验证据J.中国工业经济，2014，313（4）：136-147 6冯新月 P2P网络借贷违约风险的影响因素研究J.中国商贸，2014（11）：72-74 7宋文 P2P网络借贷行为的实证研究D.上海：上海交通大学，2013 8宋晨 P2P网络借贷影响因素的实证研究D.扬州：扬州大学，2014 9刘琅 P2P网络借贷在小微企业融资中的应用研究D.上海：华东政法大学，2014 10李龙我国 P2P网络借贷的风险与监管探讨D.杭州：浙江大学，2014 11丁捷我国 P2P网络借贷平台及借款人行为研究以拍拍为例D.成都：西南财经大学，2012 12张珏敏信息不对称下 P2P网络借贷行为的实证研究D.成都：西南财经大学，2014 13林鑫 P2P网络借贷缓解中小企业融资难问题的探讨J.中国市场，2015（30） 14朱?B，蔡珉我国民间金融的发展现状及规范化管理以 P2P网络借贷平台为例J.中国市场，2013（18）