P2P网贷信息不对称问题研究

P2P网贷信息不对称问题研究

摘要：P2P网贷作为金融体系中的重要组成部分正如火如荼地飞速发展。但是网络平台上严重的信息不对称问题必然会影响其健康发展。已有相当数量的研究着眼于P2P网贷中信息不对称的问题并探讨解决方案。本文对这些研究的发现进行了归纳整理，发现P2P借款人通过“边干边学”的方式提高了自己的推断能力，社会网络在缓解信息不对称中起到了重要作用。同时，指出了现存研究的局限性并为今后的研究方向和实践方式提供了建议。

关键词：P2P网贷；信息不对称；社会网络

一、 P2P网络借贷加剧信息不对称

2006年诺贝尔和平奖得主尤努斯教授（孟加拉国）创造了P2P小额借贷，它是一种将非常小额度的资金聚集起来借贷给资金需求人群的一种商业模式，它具有重要的社会价值：满足个人资金需求；发展个人信用体系；提高社会闲散资金利用率（吴晓光，2012）。互联网技术的飞速发展将P2P由线下搬至线上，一个显著的特征就是它摆脱了传统中介的支持和担保，直接联系起了资金的需求者和借出者（Lin et al.，2009；Collier & Hampshire，2010；Bachmann et al.,2011）。尽管低搜寻成本能部分解释P2P网贷的飞速增长的现象，但是借贷双方之间严重的信息不对称问题仍然存在。许多平台出于隐私保护，不公开参与人的全部信息，造成了信息不对称加剧。尽管如此，在次贷危机之后，P2P网贷在全球范围经历了爆发式增长。难道P2P平台能提供更多有关借款人信用风险的“软信息”来平衡匿名机制带来的 “硬信息”的缺失？ P2P出借人如何有效利用这些 “软信息”？解答这些问题不仅对P2P平台的长期发展有重要意义，也有助于我们更好的理解金融市场。

为了解答这些问题，众多学者对极具代表性的P2P平台（如Prosper）交易记录做了充分研究。国内的P2P网络平台在2013年经历了爆发式增长，但仍处于成长初期阶段，且运营模式主要借鉴国外平台；加之国内个人征信系统尚处于大力建设初期，有关P2P网络平台上对借款人的信用鉴别和筛选的研究极为缺乏。鉴于此现实情况，笔者主要归纳了若干国外学者基于Prosper平台对P2P网络平台中的信息不对称问题研究的相关文献。

研究发现，除了运营方式的差别，Prosper与传统借贷市场主要有以下两个区别：

一方面，匿名的在线交互给Prosper带来了传统银行所不曾面对的新的挑战。尽管Prosper提供身份认证并公布由美国主要信用机构Experian提供的借款人信用记录，但Prosper出于隐私保护等目的不公开借款人的具体信用分数，而是根据分数对借款人进行粗略的信用分级。加之在分散的个人直接出借的借贷形式中，出借人没有足够的专业知识和动机对借款人的信用风险状况进行判断和筛选。这意味着，与传统银行相比，Prosper平台上的出借人面临着更严重的逆向选择和道德风险问题。

另一方面，Prosper利用社会网络提供的“软”信息来弥补上述“硬”信息不足所带来的挑战。借款人和出借人可以发起建立或申请加入在线小组，小组成员之间可以相互“背书”以提升其信用水平，且对某些特定贷款，小组成员可以参与投标。小组成员的背书和投标均有特别标注。但是，不同于典型的微金融小组（如格莱珉银行），Prosper并没有给小组成员强加连带责任，且参与背书的小组成员无需承担任何法律责任。因此，P2P网络平台上的社会网络的有效性只是经验性的，有待检验。

信息不对称严重影响借贷市场健康发展：宏观来说，资金进入到不应得到支持的高风险、低效率领域，使得资源发生错配，严重降低了市场配置资源的效率，进而带来经济的低效率和产业结构的畸形；从微观来说，优秀的借款人得不到资金而难以为继，资金的错

投又给出借人带来了极大的风险，在风险事件发生时使坏账率骤升，造成巨大损失。Prosper 自2006年2月上线运营，至2013年已完成4.4亿美元的借贷，吸纳会员159万人，成为现今最成熟、最先进的P2P网络平台，也仍面临严重的信息不对称问题。作为信息技术和金融领域Web2.0的革命性应用（Iyer et al.，2009；Lin et al.，2012），P2P网络平台能有效利用信息的快速发布和搜寻，提供众多促成交易完成的工具和媒介，大幅降低了搜寻成本，提升了市场效率（Brown，2008；Herzenstein et al.，2008）。然而融资这一方面的效率提升同时伴随着另一方面的信息不对称问题的加剧，这一问题需要引起重视并得到有效解决。相关从业者和学者面临着以下三个亟待解决的问题：一是什么加重了P2P平台中的信息不对称问题？二是社会网络能有效解决信息不对称吗？三是如何构建有效的社会网络体系？

这三个问题的解决，对P2P网络平台在未来更好的发挥作用具有重要意义。我国的P2P平台在个人征信体系不健全的现状下，也积极探索其他解决信息不对称问题的方式，比如“线上线下结合”的运营模式。但如此一来在一定程度上有悖于P2P网络平台的初衷：低成本、高效率、无媒介、无抵押。因此，笔者希望在总结归纳国外的研究成果的基础上，在今后的研究中能结合国内P2P网络平台的发展现状，提出适合国内平台发展的可借鉴经验。

二、解决P2P网络借贷信息不对称问题的对策

在传统的借贷市场上，商业银行扮演着交易中间人的角色，资金提供方和资金需求方之间无直接联系，而是均与商业银行对接。商业银行拥有较为专业的风险评估和风险控制工具，并且凭借其专业化和信誉度掌握更多借款人的信用信息，他们能在事前对借款人信用风险有准确的判断，并在事后对贷款的使用情况进行充分地监管，以此有效规避由信息不对称引起的逆向选择和道德风险问题。

形成鲜明对比的是，在P2P网络平台中，出借人很难获得与借款人信用状况相关的多元的信息，从而导致了严重的信息不对称问题（Lin et al.，2009）。因此，相关文献着重于以下问题的研究以减轻信息不对称带来的风险：（1）至今在P2P平台上出借人在筛选借款人方面的表现情况。（2）社会网络如何解决P2P平台中存在的信息不对称。（3）如何得到有效的软信息，即如何建立有效的社会网络。（一）对出借人在筛选借款人方面表现的评价

本部分主要从以下几方面分析。

1.出借人所处的信息环境

以Prosper为例，该平台自开始运营后就多次调整过信息政策，具体调整见表1。

简单来说有三种有关借款人的信息：包括Experian提供的信用记录在内的“硬”信息、由社会网络产生的“软”信息和借款人在留言板自行发布的未经验证的信息。

从Prosper上线运营开始，其发布的“硬”信息主要有债务收入比、信用等级、有无违约记录等不良行为、是否有房产、信用卡数及卡号、信用额度和借款申请历史情况等（Lin，2009；Lin et al.，2009；Lin et al.，2012）。其中，信用等级是根据借款人信用分数进行的粗略分级，出借人无法获得具体的信用分数。2009年7月调整后的分级标准为760及以上为AA，720—759为A，680—719为B，640—679为C，600—639为D，560—599为E（调整前为540—599），520—559为HR（调整前为0—540），取消了信用分数少于520的和无信用分数的借款人资格。尽管在调整之后，Prosper提供了更精细的信用分级，但是区间化的信用等级在假设借款人提供的所有“硬”信息均为真实信息的条件下，仍产生一种匿名效果，使得在区间内的逆向选择风险大大提升。如果发生借款人在自行提

供的“硬”信息中有造假行为，而这部分信息是出借人乃至P2P平台都难以验证的（虽然平台有网络验证，然而造假蒙混过关并不困难），则出借人面临的信息不对称问题的严重程度骤升。

除了相关的“硬”信息，平台还会利用其互联网技术带来的极大便利开发“软”信息—-模糊的、难以量化的信息，来弥补“硬”信息的相对缺失，这就是对社会网络的利用（Collier & Hampshire，2010；Iyer et al.，2009）。Web2.0技术使得出借人很容易从借款人的社会网络中获得大量“软”信息，如借款人的年龄、性别、愿意支付的最高利率、所在小组成员人数、借款申请中成员背书数（或比例）、为其他成员背书字数等。有时，借款人还可以根据自己的需要在借款申请描述中加入自己的照片或家庭合影，或者描述一个精彩的故事来打动出借人。出借人可以从这些充满“噪音”的“软”信息中提取自己关心的信息作为判断借款人信用品质的依据。

2.对出借人筛选表现的评价

Iyer和Asim（2013）根据Prosper平台上过去的债务表现对出借人筛选借款人的能力做出了检验。他们假设“每个出借人的目标都是投资组合收益最大化”（后来他们放松了该假设，结果与预测无太大出入），选用利率作为贷款表现的预测指标，用两种方式做出了检验：一种是对利率和过去的贷款表现进行线性回归，将拟合优度R?作为筛选表现的检验结果，即出借人预测贷款违约的能力，同时建立借款人的信用分数与贷款表现的线性回归和计量经济学家利用所有可获得的量化信息做出线性回归，对三者的R?进行比较；另一种方法采用了信号探测理论和商业银行经常采用的、标准化的技术方法——受试者工作特性曲线（ROC），将曲线下的面积（AUC）作为表现检验结果，并比较了选用利率、借款人分数和计量预测作为不同标准下的AUC。在第一种方法下，他们发现出借人表现优于信用分数的预测能力，前者的R?是后者的两倍，说明出借人能较好的预测贷款的违约情况（即

借款人的信用品质）并据此选择合适的贷款利率。但是有一种可能的解释是较高的利率本身导致了借款人的负担过重从而导致违约（Stiglitz and Weiss，1981），这种反向的因果关系加强了二者的联系。Iyer和Asim通过考察信用等级边界发现没有证据表明利率对贷款表现存在因果效应，排除了反向因果的影响。在第二种方法下，他们得到了类似的结果。利率对违约的预测能力比信用分数高出45%之多，达到了计量经济学家80%的水平。

通过对不同信用等级的进一步研究，Iyer和Asim发现在相对优质（AA、A、B）的借款人中，利率的预测作用更有效。同时根据不同类型的信息预测，他们发现，“硬”信息在用于判断优质借款人的信用品质时更重要，“软”信息在判断相对次级的借款人的信用品质时尤其重要。他们发现存在出借人对借款人信用判断出现较大偏差的情况，而他们更倾向于将其认定为出借人出于慈善目的进行的贷款。

不同于Iyer和Asim如此乐观的结论，S.Freedman和Jin.G.Z发现在P2P网络平台上，专业知识和相关经验的缺乏导致出借人做了很多错误判断，而不是仅仅出于慈善目的。出借人可以区分不同信用等级的借款人，但是在同一区间内，由于出借人无法获得具体的信用分数，当其他可获得信息相同时他们便无法区分不同的借款人，这就导致了在每个区间内产生逆向选择（Akerlof，1970）。事实不可否认，尽管宏观经济环境和P2P平台的信息政策帮助出借人向优质借款人集中，但是在每个信用区间尾部的逆向选择问题也在增加。

但他们也发现出借人在P2P平台参与借贷的过程中会“边干边学”来提升自己对借款人信用品质判断的水平，进而逐步修正自己的错误判断。S.Freedman和Jin.G.Z通过研究出借人对之前的贷款中产生的延迟和违约行为如何反应来检验出借人的学习能力。他们发现，如果出借人之前的资产组合中发生违约，则其会在今后的资产组合中减少相应类型借款人的贷款，并通过实证排除了宏观经济冲击（如2008年的次贷危机）和其他因果关系（如之前的违约）导致随后贷款本金的被动减少的情况。然而，不同的出借人学习能力有

差别，并不是每个出借人都能从过去的错误中吸取教训（他们不认可慈善目的这种解释）。对面临的信息不对称问题，出借人会通过对次级借款人提高贷款利率来做出应对。Prosper的信息政策使社会网络在不断净化后发挥了更重要的作用，这都在一定程度上帮助出借人加深了对“次级”借款人的理解，缓解了信息不对称。出借人成长和P2P平台信息的优化都预示着P2P网络借贷将有更加光明的未来。人类不完全理性导致其决策行为受其心理活动和感官感受影响。Laura.G和Yuliya.K.L从心理学、管理学和市场营销的角度开发视角，检验了借款人和出借人个人特征（如个人魅力、年龄、性别）对贷款决策的影响。在可获得的客观信息有限的条件下判断借款人的信用品质，进而在众多可选择的决策中选出最终决策时，简单线索带来的启发起到了极其重要的作用（Payne et al.，1993），它可以使决策过程简单化。虽然这种启发能提高决策效率，但是它们往往使最终决策偏离最佳决策（Tversky & Kahneman，1974）。Laura.G和Yuliya.K.L通过分析P2P平台上的历史交易记录，检验了借款人的照片、性别、年龄等因素对出借人心理的冲击，进而研究了出借人可能产生的偏见对其决策行为的影响。他们发现：中年年纪的借款人更能获得出借人的信任，从而可以从出借人手中得到更大额度的贷款，而学生年纪的借款人则只能获得较小额度；当直观年龄不能成为判断依据时，借款人的直观个人魅力和相对出借人性别则成为另外的主要线索，不同于一般的“美丽溢价”理论（该理论认为个人魅力总是和健康、聪明、可靠联系起来，即有魅力的人更能获得青睐），有魅力的借款人会遭到出借人的冷漠。这种“魅力罪恶”效应按照进化心理学的解释，是来自于出借人评估同性借款人时产生的加强的竞争意识（Buss，1988），当人们判断他人时会受对自己的判断的影响。

在P2P网络平台上的借款人会根据需要发布自己的照片等个人信息，而这些信息使出借人产生的偏见可能会导致出借人的贷款决策偏离其根据借款人“硬”信息和“软”信息（来自社会网络的）做出的最佳决策。Laura.G和Yuliya.K.L的研究发现表明，纵使信息不对称问题得到一定程度上的解决，出借人在决定贷款决策时仍可能犯错误。

总结来说，针对信息不对称问题的研究很多，在评价出借人对借款人信用品质推断的能力时，得到了较为乐观的结论：首先，出借人能较好地推断借款人的信用品质，并且在不断的实践中通过学习提升自己的推断能力。其次，社会网络在“硬”信息相对缺乏的P2P网络平台上起了很重要的作用，其产生的“软”信息成为出借人推断借款人（尤其是信用等级较低的借款人）的信用品质的重要依据。但是对出借人行为的研究较少，Laura.G和Yuliya.K.L以其全新视角告诉我们，出借人的心理感受会显著影响其决策行为，可能导致错误的贷款决策。

（二）信息不对称的解决：社会网络的作用

P2P是一个互联网概念，除了技术概念外还指人们通过互联网直接交流。P2P网络平台是利用互联网的信息交互便利和大数据技术为银行体系外的资金供需双方提供服务平台。目前我国众多P2P借贷平台采取线下信贷员考察监督的方式来应对信息不对称问题，而这种方式有悖于P2P网贷的初衷，提高了借贷成本并添加中间环节，且在平台环节本身加剧了诸如非法集资、欺诈、多重信息不对称等风险，颇有“无奈”之意。因此在此处着重讨论利用大数据技术的解决方式，更符合P2P网络平台的发展环境和发展要求。

1.社会网络的形式

社会网络主要有在线小组和朋友网络两种形式（Lin，et al.，2012）。个人可以在网络平台上发起建立在线小组并作为小组首领，负责小组网页的制作维护、招募组员、指导并监督组员。每一位借款人不能同时成为两个及以上小组的组员，小组首领不对小组负有法律责任，而是被寄希望于在小组内营造社区环境来给组员施压以督促他们按时还款。小组首领可以为组员提供背书增信或参与投标，且其背书行为和投标行为会在该借款人的借款清单中标注出来以供出借人参考。2007年2月，Prosper开始允许借款人邀请朋友加入平

台并获得朋友的背书增信。与网络上的小组成员相比，朋友更了解借款人的基本情况和背景，其评价更有说服力。

在社会网络的构成上，国内和国外有细微的差别。在国内的P2P网络平台（如拍拍贷）的社会网络包括朋友网络和交流论坛两部分，再如红岭创投只提供了交流论坛。朋友网络与国外平台(如Prosper)的朋友网络相同，而交流论坛则类似于一个布告栏，在这里每个会员都可以对他人做出评论或对他人的评论做出回应。

2.社会网络的作用和失灵

Lin et al.（2009；2012）发现在缓解借贷市场交易中存在的信息不对称问题时，社会网络发挥了极为重要的作用，并极大改善了借款人的信用水平。社会网络对信用等级处于E和HR的借款人帮助较大（提高了其贷款成功率）而对D及以上的借款人帮助并不显著 （Freedman & Jin，2008；2009）。2006年10月，Prosper开始依据在线小组成员过去的贷款表现给小组评级。Lopez（2009）进一步发现，成为一个信誉良好的在线小组的一员可以提高借款人的借款成功率并且能帮助信用水平较低的借款人以可负但的利率获得贷款。在借款人申请加入某个在线小组时，小组首领会考察借款人是否满足条件，对其过去按时还款记录予以确认；借款人在可能发生违约时担心在朋友和小组成员中失去信誉而尽力还款；一些可能释放正面信号的社会联系（如教育水平和工作单位）等，都对加入在线小组或邀请朋友背书的借款人行为形成一定的约束，从而提升了其信用水平。社会网络所提供的“软”信息也能帮助出借人在“硬”信息极为匮乏的条件下对借款人信用品质做出推断。然而社会网络对缓解信息不对称所起到的作用取决于其真实性和可靠性（Katherine & Sergio，2009）。

Freedman和Jin（2008）发现，有的社会网络没有起到解决信息不对称的作用，社

会网络能否其作用取决于其制度激励。他们通过对Prosper过去的交易研究发现小组贷款（即该贷款的借款人为某个在线小组的成员），尤其是获得了小组首领背书和投标的贷款，其收益率可能低于非小组贷款的收益率，且有更高的违约率。产生这一现象的原因在于，小组首领会因渴望获得“首领奖励”（当小组成员成功获得贷款时小组首领可以获得的4美元奖励）而随意为一个信用风险较高的借款人背书，并没有对其进行应有的信用评估。小组首领戏弄信息制度的行为造成了在线小组的作用失灵，因此Prosper与2007年9月取消了“首领奖励”这一激励制度。[5]Freedman.S and Jin.G.Z. Do Social Network Solve Information Problems for Peer-to-Peer Lending? Evidence from Prosper.com.[EB/OL].

http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1304138，2008-11-19.

[6]Iyer,R.,Khwaja,A.I.,andLuttmer,E.F.P. Screening in New Credit Markets:Can Individual

Lenders

infer

Borrower

Creditworthiness

in

Peer-to-Peer

Lending[EB/OL].

http://www.ssrn.com/abstract=1570115,2009-8.

[7]Freedman.S and Jin.G.Z. Learning by Doing with Asymmetric

from

Information:Evidence

Prosper.com.[EB/OL].http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1304138，2009-12-14.

[8]Lin,M.F.,Prabhala,N.R., and Viswanathan,S. Judging Borrowers by the Company they Keep: Social Network and Adverse Selection in Online Peer-to-Peer

Lending[EB/OL].

http://ssrn.com/abstract=1355679,2011-7.

[9]Bachmann,A.，Becker,A.,Buerckner,D..Online Peer-to-Peer Lending - a Literature Review[J].Journal of Internet Banking and Commerce,2011,16(2);1-18.

[10]Herzenstein,M.,Andrews,R.L.,Dholakia,U., and Lyandres,E.The

Democratization of Personal Consumer Loans? Determinants of Success in Online Peer-to-Peer Lending Communities.[EB/OL].

http://www.prosper.com/downloads/reaserch/democratization-consumer-loans.pdf,2011-8-16.

[11]Lopez，S.H. Social Interactions in p2p Lending. [EB/OL].

http://portal.acm.org/citation.cfm?id=1731014,2011-8-15.

[12]Gregor，N.F.,KatharinaPelger and Andreas Horsch. Minigating Adverse Selection

in

P2P

Lending:

Empirical

Evidence

from

Prosper.[EB/OL].http://ssrn.com/abstract=1650774,2012.

[13]Iyer,R.,Khwaja,A.I.,andLuttmer,E.F.P. and Shue,K. Screening Pees Softly: Inferring

the

Quality

of

Small

Borrowers[EB/OL].http://www.ssrn.com/abstract=1570116,2013-3-29.

[14]Laura.G and Yuliya.K.L. When can a Photo Increase Credit? The Impact of Lender and Borrower Profiles on Online Peer-to-Peer Loans[J].Journal of Behavioral and Experimental Finance,2014,2,44-58.