派智库

摘要：本文借助拍拍贷网站交易平台个体交易数据，检验了我国网贷市场中出借人投资决策模仿效应的存在性、理性、递减性与抑制性特征。分析发现，网贷市场中潜在出借人投资决策受前期累计竞标人次和前期累计募资额度的影响而表现出模仿效应，随着模仿效应特征传递的信息量下降，潜在出借人的后续模仿效应会显得越来越理性，并且该模仿效应达到一定峰值后会逐渐递减并最终消失。另外，信息披露差的借款订单所呈现出的出借人投资决策模仿效应要比信息披露完善的订单更为突出。 dedecms.com

关键词：网贷市场；出借人；投资决策；模仿效应；借款订单

本文来自织梦

一、引言与文献综述 dedecms.com

自从2005年英国Zopa网贷平台成立，网络借贷已经蓬勃发展了十余年，与传统金融相比，新兴互联网金融呈现出极大的优越性和普惠性。大大减少了传统金融媒介的影响。2007年，拍拍贷网站作为中国首家最大和最多人使用的网络借贷平台正式进入运营，到目前为止，中国的网贷平台已达三千多家，历史累计成交额高达16312亿元，仅2015年成交额就有九千七百多亿元，参与交易人数超过一千多万，在数量和规模上均呈现膨胀式发展，可以预见的是，网络借贷已经成为我国金融借贷的重要途径。

从总体来看，与传统借贷相比，网络借贷仍然处于开辟探索的初级阶段。简单地讲，Lin等认为网络借贷主要是指社会个体将手中的闲钱通过网络平台借给那些需要筹钱的人群。皮天雷和赵铁[1]指出网络借贷的借款利率要稍高一些，其主要表现有小额、快捷、无抵押和无担保等优势特征，不过，网贷平台作为一种信息中介，需要做好对借款人提交借款资料的申请、审核、信息认证和还款管理等工作。

目前关于这种投资决策模仿效应的研究主要集中于股票市场。Kumar和Lee通过对股票市场的个体交易数据进行分析表明，出借人投资决策具有模仿效应，但是这种模仿效应也可能是失真的，比如，后续出借人和前期出借人或许获得了同样的信息披露或者是受到了同样的信息干扰，因此，对于投资决策的模仿效应检验必须能直接辨别出其背后的驱动机制。

copyright dedecms

对于网络借贷市场，出借人在判断借款人的个人信息和订单信息，尤其是借款人的信贷等级和违约风险时，缺乏足够专业的知识和资源，因此，前期出借人的投资决策就会成为后续出借人投资决策的重要参考。Herzenstein等发现网络借贷市场中潜在出借人更倾向于投标那些前期已经被投标多次的订单，这种投标策略还直接影响到借款订单项目后期的运营绩效。Shen等明确指出网络借贷中出借人在做出投资决策时并非理性地对借款订单项目的风险和收益进行评估，而是简单地浏览借款人的相关个人信息并依据其他人的投资决策进行跟随投标。Lee等采用韩国最大的网贷平台交易数据检验发现，随着投标时间的推移，出借人投资决策的模仿效应会逐渐递减。Zhang和Liu运用美国Prosper的数据研究了网络借贷中出借人投资决策的模仿效应，表明网贷市场的投资决策模仿效应是一种基于信息传递的理性行为，该研究虽然只是一个初步尝试，但研究意义却很重大，不过Chen和Han认为美国Prosper网贷平台和中国网贷平台有很大不同，比如Prosper网贷平台采用利率竞价制，而中国网贷平台是固定利率制，美国的浮动利率传递的信息价值在中国几乎没有，因而使得该结论在中国是否成立还有待商榷。Puro等指出网贷中出借人的投资决策会随着学习经验而变化，与竞拍市场上投标者的不理性行为相比，网贷市场上出借人会对借款人的软信息进行筛选，这就有利于其获得更好的投资机会。Zhang和Liu在研究中又进一步指出网贷市场中潜在出借人投资决策绝不仅仅是简单模仿前期出借人投资决策的纯粹行为，他们会在模仿过程中积极地进行观察，以便从前期出借人的投资决策中领悟推断借款人的信誉，并通过发布公开信息再调整自己的判断预期。 织梦好，好织梦

本文在前人研究基础上，借助拍拍贷网站交易平台，研究中国网贷市场中投资决策模仿效应的存在性、理性、递减性和异质性特征，通过对中国网贷市场中投资决策的模仿效应进行深层次的辨析，真正理清这种模仿效应的内在特征和相关影响。以期为网贷市场参与者和监管层制定有关政策建议提供确切的理论依据。

copyright dedecms

二、理论探讨

dedecms.com

在网贷市场上，借款人与出借人之间掌握着不同的信息，二者之间最主要的问题就是信息不对称，网络虽然有利于借贷双方彼此进行信息匹配，但是陈霄[2]、Akerlof认为随着交易范畴和交易对象的扩大，信息不对称问题可能会被放大得更为明显。Stiglitz和Weiss指出信息不对称的突出表现在于借款人比出借人更加了解自己的还款能力和还款意愿，这也是借贷配给差异的根源所在。本文借鉴Akerlof模型来探讨网贷市场中的信息披露在不同品质借款人与出借人之间借贷匹配成功的作用机制。假设市场上有一群出借人，每一个出借人的效用函数为：

G1（C1，L|H，S）=C1+HSL（1） 织梦好，好织梦

其中，G表示效用函数；C1表示出借人的网贷投资：L=1表示选择投资，L=0表示选择不投资；H表示出借人对网贷平台可靠性和借款人品质的评价函数；S表示借款人个人信息和订单信息的描述程度，假设出借人的预算约束为：

织梦内容管理系统

I1=C1+RL（2） 织梦内容管理系统

其中，I1表示出借人的收益；R表示出借人愿意接受的利率，虽然出借人并不熟悉借款人的品质和能力，但可以通过借款人标示出的利率和平台给出的信息披露做出大体判断，假定所有借款人期望的平均品质为E（S）=Q，出借人投资一笔订单的期望效用为：

dedecms.com

E（G1）=I1+（HQ-R）L（3）

其中，出借人借款时的效用若要有所提高，需满足HQ＞R。同样，假设市场上有一群借款人，每一个借款人的效用函数为： 内容来自dedecms

G2（C2，r|T，S）=C2+TSr（4） 织梦内容管理系统

其中，C2表示借款人的网贷借款；r=1表示借款失败，r=0表示借款成功；T表示借款人对网贷平台的评价参数和从借款中获得效用的感受；文中假设借款人的借贷约束为：

I2=C2+Rr（5） dedecms.com

其中，I2表示借款人的收入，若个人信息和订单信息S是公开有效的，那么借贷双方匹配成功，就都实现了各自的效用；若个人信息和订单信息S是不公开或为错误隐瞒的，那么借贷双方将无法实现共赢。R表示借款人愿意给出的利率。将式（5）代人式（4），即得出借款人订单筹款成功的期望效用为：

E（G2）=I2+（TS-R）r（6）

借款人要想获得借款，需满足TS＜R。

在网贷交易过程中，出现借贷双方不能达成交易的问题，主要是由于HQ≠TS。实际上，出借人会按照HQ＞R来决定是否对订单进行投资交易，但是，借款人个人信息和订单信息S的平均品质Q是由出借人根据借款人愿意出的利率R决定的，因此，均衡利率实际上是参与了Q的决定过程，假定S为均匀分布，即优质借款人和劣质借款人各占一半，那么在网络借贷双方互相选择过程中，劣质借款人则会选择支付高额利息来弥补其较少的信用风险以便获取出借人的青睐，导致优质借款人逐步退出网贷平台。不过由于优质借款人的还款率高，现实中的情况是优质借款人也有其他展示他们信用信息的方式，以便以较低的利率融资成本获得借款。Bester认为优质借款人在信用市场上通常会用担保抵押品和借贷信息记录来传递其信用信号，不同的信息披露描述记录（包括个人信息和订单信息）对优质借款人和劣质借款人获得借款成功所产生的影响就有很大差异。Barasinska和Schafer、李焰等[3]指出，在网络借贷行为中，出借人一开始并无法获知借款人披露的信息质量，他们通常会基于常识与感知来判断自己是否该投资于某个借款人订单，比如，他们会借助于该订单的前期累计竞标人次和前期累计募资额度等做出判断，从而产生出借人之间投资决策的模仿效应。当然，出借人采取投资决策时的模仿效应是市场上不健全的信息披露机制所造成的。也就是说，在网络借贷发展的相当长一段时期，由于网贷平台对用户的描述评价和信息披露口径不一，以及庄雷和周勤[4]所认为的出借人对借贷平台关键信息审核认证的信心缺乏等情形，使得在网络借贷过程中出借人的投资决策行为存在模仿效应。

三、变量定义与描述

织梦好，好织梦

本文选取数据来自拍拍贷网站2014年1月1日至2015年7月1日的借款成功订单，选择借款额度在3万元以上的订单，通过筛选大约有九千四百多个有效订单，采用计算机编程程序，对每个借款订单的所有投标记录按照投标时间的先后顺序，对投标间隔记录进行统计。 内容来自dedecms

为了更加详细地观察出借人投资决策的模仿效应，我们将拍拍贷网站交易平台上的所有订单看做一个市场，取小时t为观测单位，定义订单k在t时刻内被投标的金额份额为因变量，用表示，这里t=1，2，…，T（T为借款订单的最后期限）。主要解释变量有前期累计竞标人次Bk，t-1和前期累计募资额度Mk，t-1，这两个变量也是反映前期出借人对该订单的集体评价结果，可以作为后续的潜在出借人投资决策模仿效应的衡量指标。具体变量及解释如表1所示。

内容来自dedecms

表2为变量的描述性统计情况，从表2可以看出，由于订单被投标金额份额、前期累计竞标人次、前期累计募资额度都属于比重值，因此，它们的最小值和最大值均为0和1；时间间隔平均保持在5个小时，最长的时间间隔为122个小时；借款利率基本在5％—24％左右，平均利率为0.173；借款期限整体上大约是8个月，最长期限持续有36个月：借款人信用得分平均在E和D级别，借款人的信用等级普遍较低；借款人中男性、已婚状态居多，年龄平均为27岁；具有大专以上学历、月收入在0.500万—1.000万元之间的借款人较为常见。为了得出更为严谨的证据，还需要依据相关计量模型进行更为详尽的经验研究设计。 dedecms.com

dedecms.com

四、经验检验与结果分析 dedecms.com

1.存在性检验

内容来自dedecms

为了检验网贷市场中投资决策的模仿效应是否存在，本文设定下式： 织梦内容管理系统

表3模型（1）是对式（7）进行分析的结果。前期累计竞标人次的系数为4.273，在1％水平上显着，这表明借款订单的前期累计竞标人次越多，越会吸引更多的潜在出借人，从而导致借款订单被投标金额份额增长也越快；前期累计募资额度系数为3.215，在1％水平上显着，可以看出前期累计募资额度会对潜在出借人的投资决策产生正向影响，也就是说，出借人在考虑投标时，会很看重前期该订单被投资的累计额度。这两个指标均反映了潜在出借人的投资决策会受到前期出借人投资决策的影响，即网贷市场中存在投资决策的模仿效应。时间间隔的系数为-0.015，在5％水平上显着，表明在时间间隔较短的阶段，会吸引到很多的潜在出借人投资，使得订单被投标金额份额不断扩大，而随着出借人投资热情的下降，订单被投标金额份额降低时，相应地反映出投资时间间隔也在延长，这从侧面反映了出借人投资决策的模仿效应在各个阶段有一定的差异。而且从其他解释变量的系数来看，借款利率和借款人信用越高的订单会吸引到更多的投标金额，另外，借款人具有已婚、年龄偏大、高学历和高收入的特点都有利于其订单获得出借人投资青睐，出借人还更偏好于那些借款期限较短的订单。 本文来自织梦

2.理性检验 dedecms.com

表3的模型（1）印证了网贷市场中出借人投资决策是存在模仿效应的，那么我们想进一步了解这种模仿效应是否理性，需要综合分析模仿效应特征（这里采用前期累计竞标人次）与借款订单特征交互项变量对订单后续被投标金额份额的影响关系，故设定下式： 织梦内容管理系统

织梦好，好织梦

表3的模型（2）是对式（8）进行分析的结果。通过检验结果可以发现，前期累计竞标人次的系数为2.166，在1％水平上显着，表明模仿效应仍然存在，而前期累计竞标人次与前期累计募资额度的交互项系数为1.036，在1％水平上显着，与模型（1）单独前期累计募资额度系数相比小很多，也就是说，前期累计竞标人次所传递的信息量在下降，潜在出借人的投资决策受到前期出借人的影响，导致订单后续获得的被投标金额份额明显少了许多，这也反映了潜在出借人投资决策的模仿效应会变得越来越理性。前期累计竞标人次与时间间隔的交互项系数为0.000，在5％水平上显着，与模型（1）单独时间间隔的系数相比减少很多，意味着模仿效应特征所传递的信息量缩短了时间间隔对出借人投资热情的持续性。前期累计竞标人次与利率的交互项系数为3.213，在1％水平上显着，与模型（1）单独利率的系数相比，有很大的增加，表明模仿效应特征所包含的信息量会很容易影响到高利率对更多投标金额的吸引，也就是说潜在出借人对前期出借人的模仿效应拉高了利率的影响作用。前期累计竞标人次与信用的交互项系数为0.017，在1％水平上显着，与模型（1）单独信用的系数相比。有了很大的减少，这一现象比较特殊，可能因为信用评级主要是网贷平台依赖于借款人的各种申请资料和以往借款的归还记录而做出打分的，这对于成功借款和及时还款的借款人来说是有利的，那么出借人对这类借款人定向投资的概率很大，就会存在一个问题，即此类出借人可能倾向于对自己熟悉的领域进行反复、非等额的投资，这样出借人之间的相互模仿举措就不会对借款人的信用产生特别的关注，这有点类似于武志伟和陈莹[5]分析的证券市场中存在的投资人忠诚依赖度问题。 copyright dedecms

织梦内容管理系统

此外，前期累计竞标人次与借款期限、性别、婚姻、年龄、学历、收入的交互项变量系数，与模型（1）单独系数相比大体上都有所减小。综合来看，前期累计竞标人次与借款特征交互项变量对订单后续被投标金额份额的影响关系都符合理性的模仿效应特征，即网贷市场中出借人投资决策的模仿效应会表现得越来越理性。 本文来自织梦

3.递减性检验 本文来自织梦

为了考察网贷市场中投资决策的模仿效应递减性特征，我们预测模仿效应背后具有一个累计信息传递机制，并且潜在出借人从前期多个出借人那里获得的信息量是逐渐递减的。 本文来自织梦

从表4可以看出，随着订单募资额度的提升，除募资额度在21％—30％阶段以外，出借人预期订单募资成功概率在其他阶段大体都是边际递减的，这也间接印证了潜在出借人依据订单前期被投资完成进度（即累计募资额度和累计投标人次）所做出的决策行为模仿效应具有一定的递减性。

关于网贷市场中投资决策的模仿效应递减性验证模型，被解释变量仍然采用订单被投标金额份额，解释变量中引人前期累计竞标人次的平方项和前期累计募资额度的平方项。采用如下两个公式进行检验： copyright dedecms

表5的模型（3）是依据式（9）得出的结果。前期累计竞标人次和前期累计募资额度的系数分别为3.865和2.577，均在1％水平上显着。前期累计竞标人次平方项和前期累计募资额度平方项的系数分别为-2.113和-1.784，均在1％水平上显着，可以看出，潜在出借人投资决策的模仿效应达到一定峰值后会逐渐减少，也反映了潜在出借人从订单前期被投资状况中所读取的信息是边际递减的。 织梦内容管理系统

为了全面考察网贷市场中投资决策的模仿效应递减性特点，在式（9）引入其他控制变量，即表5中模型（4）为采用式（10）得出的结果。从中可以看出，前期累计竞标人次的一次项系数为3.024，二次项系数为-1.936：前期累计募资额度的一次项系数为2.383，二次项系数为-1.865。也就是说，当订单的累计竞标人次完成64.0％，累计募资额度完成78.3％时，潜在出借人投资决策的模仿效应会表现出边际递减并最终消失的过程。事实上，在中国信息披露不完善的互联网借贷市场里，出借人在网贷投资中主要是通过观察学习前期出借人的投资行为来进行信息推测并做出决策，不过随着推测得来的有效信息减少，所做出的模仿效应也在逐渐递减。 本文来自织梦

4.异质性检验 内容来自dedecms

网贷市场中投资决策模仿效应的主要成因是由于存在不完全信息披露及传递所造成的，那么对于不同信息披露程度的订单，出借人投资决策的模仿效应是否会有差别呢?本文依据借款订单的借款人信用得分进行分组，这是因为信用得分在一定程度上反映了借款人的信息披露层次，信用得分越低，借款人的信息披露越差；信用得分越高，借款人的信息披露传递程度越充分。依据借款人信用等级将样本划分为模型（5）的非HR组和模型（6）的HR组，依据的公式如下： 织梦好，好织梦

本文来自织梦

其中，被解释变量依旧是订单被投标金额份额，由模型（5）和模型（6）检验结果可以看出，HR组的前期累计竞标人次系数为3.726，前期累计募资额度系数为1.950，分别高于非HR组的前期累计竞标人次系数2.217和前期累计募资额度系数1.169，表明信息披露差的订单组所呈现出的模仿效应要更为突出一些，这是因为出借人能够从这些订单属性里面获取的信息很有限，因而需要借助于前期出借人的投资行为做出是否模仿跟进的决策，而信息披露完善的订单组，出借人自己可以很好地判断该订单属性是否值得投资，因此，出借人对非HR组订单投资决策的模仿效应表现要弱一点。

织梦好，好织梦

此外，从表5中模型（5）和模型（6）的二次项系数来看，当模型（5）中非HR组的前期累计竞标人次在83.0％，前期累计募资额度在77.6％时，该组的模仿效应会不断减少直至消失；当HR组的前期累计竞标人次在71.2％，前期累计募资额度在68.0％时，该组的模仿效应会不断减少并逐步消失。通过对比可以发现，无论是前期累计竞标人次还是前期累计募资额度，HR组的拐点都要低于非HR组的拐点，也就是说，信息披露差的订单组，其信息传递所引发的投资决策模仿效应要比信息披露完善的订单组特续时长更短暂一些。

织梦好，好织梦

五、结论与政策建议

内容来自dedecms

总体来看，中国的网贷市场中存在投资决策的模仿效应，由于网络借贷中信息披露质量的问题，使得借款订单的前期累计竞标人次越多，前期累计募资额度越高，越容易对后续潜在出借人的投资决策产生正向影响，即形成潜在出借人投资决策的模仿效应，不过该模仿效应在每个竞标阶段产生的投资热情并不相同；通过分析模仿效应特征（即前期累计竞标人次）与借款订单特征交互项变量对订单后续被投标金额份额的影响发现，由于潜在出借人的投资决策受前期出借人投资决策的影响，前期累计竞标人次所传递的信息量在下降，使得订单后续获得的被投标金额份额明显减少，意味着中国网贷市场中潜在出借人投资决策的模仿效应会表现得越来越理性；进一步研究得出，由于从前期累计出借人投资决策行为所获得的信息传递及包含的信息量是不断递减的，因此，潜在出借人投资决策的模仿效应达到一定峰值后会逐渐递减，并且根据订单被投资完成情况（累计募资额度和累计投标人次完成的百分比）也可以推断潜在出借人投资决策的模仿效应达到一定程度后会逐步降低直至消失；基于HR组和非HR组的异质性分析结果表明，信息披露程度越差的借款订单，潜在出借人的投资决策模仿效应越明显突出，不过该模仿效应所持续的时间却较为短暂。 织梦内容管理系统

基于此，我们提出几点建议：第一，着力构建科学完善的针对借款人的动态和可调整的信息披露机制。第二，加强政府对信息披露机制的有效监管，明确引导与监管主体。第三，努力创造条件实现主要网贷平台信息披露资源共享，并与征信认证系统做好衔接。 本文来自织梦

参考文献： 内容来自dedecms

[1]皮天雷，赵铁.互联网金融：逻辑、比较与机制[J].中国经济问题，2014，（7）：98-108.

本文来自织梦

[2]陈霄.民间借贷成本研究——基于P2P网络借贷的实证分析[J].金融经济学研究，2014，（1）：37-48.

dedecms.com

[3]李焰，高弋君，李珍妮，等.借款人描述性信息对投资人决策的影响——基于P2P网络借贷平台的分析[J].经济研究，2014，（S1）：143-155. copyright dedecms

[4]庄雷，周勤.身份歧视：互联网金融创新效率研究[J].经济管理，2015，（4）：136-147. dedecms.com

[5]武志伟，陈莹.我国证券市场出借人忠诚度影响因素的实证研究[J].软科学，2010，（1）：114-120.

dedecms.com