一、 引言

根据最高人民法院《关于审理民间借贷案件适用法律若干问题的规定》，民间借贷自2015年9月1日起施行24%和36%两线三区的规定。由于当前我国网贷平台的利率水平基本不超过36%，而2015年网贷行业平均利率仅12.05%并有下降趋势，故可以认为当前我国P2P网贷利率决定是市场化的。市场化的利率水平一定程度上反映了投资者对出借风险的态度，所以P2P网贷利率决定因素的分析为研究P2P网贷投资者信任模型打开了一扇窗。

那么，P2P网贷的利率是如何决定的呢？从时间序列的角度来看，已有文献表明，P2P网贷的理论水平与货币政策、SHIBOR等有关联。从横向比较来看，P2P网贷投资者是如何对一笔网贷投资达成信任，并接受其利率水平，从而决定投资的呢？已有文献多基于单个平台的借款项目，分析了影响借款利率的借款人方面的因素。但单考虑借款人因素是不全面的，平台因素应该也是一个重要因素。

而且，由于我国投资者习惯了“刚性兑付”，我国P2P网贷平台较为普遍地向投资者承诺本息保障。这种保障大多数通过平台风险准备金或通过第三方担保机构提供。因此，P2P网贷的利率水平与平台的受信任程度紧密相关。

基于以上两点，本文首先假定平台属性和借款人属性是促成投资者形成信任的两大外部因素。然后通过实证研究利率对这些因素所作出的反应来间接检验包含这两大外部因素在内的投资者信任模型。

二、 文献综述

P2P网贷涉及的主体包括借款人、投资者和网贷平台，每两个主体之间都存在一对信任关系。投资者与借款人间的信任关系属于一种人际信任，而P2P网贷平台作为一个非人格化的主体，用户对它的信任更多包含了一种对制度的信任。而网络交易环境的虚拟性和匿名性更对制度信任提出了极高要求。

Lin（2009）将P2P网贷平台上的信用信息分为“硬信息”和“软信息”。“硬信息”包括信用等级、信用分数、个人资产负债率等社会征信机构提供而且被银行用来做贷款决策的参考指标。^[1]“软信息”则包括社会关系网、性别、长相、对借款用途的描述等非传统征信指标。Klafft（2008）发现信用等级是影响利率的最重要指标，负债比例也具有一定的影响但远远弱于信用等级，而借款人的信用卡账户和拥有房屋的认证基本上对于利率的决定不发挥任何作用。^[2] Freedman和Jin（2008）研究发现，即使同一个信用等级的借款人，信用分数较低者其后续的还款表现确实相对较差。^[3]王会娟和廖理（2014））研究发现“人人贷”网络借贷平台上信用评级越高，借款成功率越高且借款成本越低。^[4]姜培和宋良荣（2016）以“拍拍贷”历史经验数据为例，研究发现：影响网贷利率的因素主要包括信用等级、借款金额、借款期限、成功借款次数。^[5]已有研究还显示，借款人的硬信息与违约率之间确实相关。例如：Klafft（2008）以及Lin等（2013）都指出借款人信用等级越低，其违约率的确更高。^[2][1]但Emekter和Tu（2015）指出，在美国lending club平台上，对高风险借款人收取的稍高一点的利率（风险溢价）不足以补偿风险，因此，引入高信用借款人是当务之急。^[6]廖理等（2014）利用“人人贷”平台数据得出利率只是部分反映了借款人的违约风险，但是投资者足够理性，他们能够从公开信息中识别出未包含在利率中的违约风险。^[7]陈霄和叶德珠（2016）也得出网贷市场利率低于最优利率的结论。^[8]

借款人软信息对利率的影响方面，Ravina（2008）的研究表明，美貌的照片能使借款人在相同条件下更容易获得借款或相同借款成功率前提下降低借款利率。^[9] Freedman和Jin（2008）研究发现朋友投标的项目还款率和收益率均较高。^[3]Pope和Sydnor（2011）以及Ravina（2008）指出种族信息的披露对于借款利率具有显著影响。^[10][9]彭红枫等（2016）的研究指出借款人提供借款陈述都能降低借款成本，但是不一定能增加借款成功率。^[11]裴平和蔡越（2016）发现加入群组有利于提高借款成功率同时降低利率。^[12] Chen和Han（2012）对中美两国P2P网贷进行比较发现，国内投资者更重视软信息。^[13]李金阳和朱钧（2013）还发现借款人是否加入优先计划、是否具有视频认证等也对利率有影响。^[14]

在影响利率的时间序列因素方面，陈霄和叶德珠（2016）的研究结果显示Shibor隔夜拆借利率与网贷市场利率之间存在单向格兰杰因果关系。^[8]钱金保（2015）分析6次货币政策调整对于P2P网贷成交量和平均利率的影响，结果显示，货币政策在P2P市场的作用有限，认为信贷市场分割一定程度上是形成这一结果的原因。^[15]周耿和范从来（2016）研究发现降息降准的货币政策实施对P2P市场的利率下降产生了显著影响。^[16]

在影响利率的横截面因素方面，陈虹和马永健（2016）指出P2P网贷平台在利率定价权分配方面主要表现为借贷双方博弈定价和平台自主定价两种模式，平台成交利率与投资者人数和借款者人数比值之间存在一定的反向关系。^[17]

综上所述，国内外有基于同一平台的实证研究以及基于多平台平均数据的时间序列研究两种，而基于跨平台横截面数据的研究较少。从大量平台跑路的事实来看，迄今为止我国P2P网贷平台风险是投资者面临的主要风险，我国网贷平台具有一定的信用中介属性，因此，投资者在识别投资风险时首先观察对象是网贷平台整体，其次才是具体借款项目，所以本文基于跨平台横截面数据研究利率的影响因素，对于揭示我国网贷投资者的信任形成方式具有理论和现实意义。

三、 理论基础和研究假设

在诸如出借款项这样的具有未来不确定性，并且结果依赖于对方行为的活动中，信任是影响出借人预期和行为的决定因素。信任是一种复杂的人类行为，各学科从不同视角对信任进行了界定，至今仍没有一个统一的定义，但是已达成共识的观点是：信任是涉及交易或交换关系的基础。心理学认为信任是人格特征和人际现象，个性不同信任程度也不同。营销学对信任的研究主要聚焦在交易活动中。管理学对信任的定义也不尽相同。

陈冬宇（2014）以出借人为研究对象，从社会认知理论的视角分析P2P网络借贷交易信任的形成过程。^[18]社会认知理论(Social Cognition Theory，SCT)是Bandura创立的关于个体行为的基本理论。该理论认为，个体、个体的行为以及行为所处的环境之间不断进行着持续的相互作用，其中任意两个因索之间都存在着双向关系，并不断地变化；行为决策是个体因素和环境因素共同作用的结果。社会认知理论被广泛地用于理解和预测个体以及群体的行为特征，因此适用于分析P2P网络借贷市场中交易信任的形成过程。陈冬宇（2014）提出P2P网贷的信任形成过程源于个体自身因素和外部环境因素，其中外部环境因素又可分为借款人和借款平台。本文将外部环境因素进行了指标化，见图1。

（1）平台上线时间。由于迄今为止，出现问题的平台半数以上上线时间不足半年。在控制其它因素的情况下，投资者可能觉得P2P网贷平台上线时间越长越安全。原因有三：首先，平台上线时间越长，对信用风险的管理能力越成熟，从而在审核的时候就剔除掉违约风险高的借款标的，从而降低风险报酬率，间接降低平台的利率水平；其次，平台上线时间越长，用户规模和交易规模越大，可以分散信用风险，从而降低平台的利率水平。第三，已有的安全运营时间可以作为决策的先验值。

（2）注册资金。据网贷之家提供的平台档案资料显示，网贷平台注册资金最少的只有几万元，最多的几十亿元。注册资本过小，比如100万元以下的，平台实力弱的可能性很大。虽然单独比较两家公司不一定注册资本大越大越有实力，但从概率上来说，注册资本大的平台可能偿付能力更强。故假定公司注册资本与利率负相关。

（3）平台背景。平台背景是一个业界说法，指P2P网络贷款平台的大股东或主要发起人的企业资金性质，总共分为5类：银行背景、国资背景、上市公司背景、VC/PE背景和其它民营企业。由于出现问题的平台共计1085家，几乎全部集中在“其它民营企业背景”的贷款平台，而其他背景类型的平台无一例出现问题，说明不同背景的平台跑路的先验概率有较大差异。

（4）资金存管。在2016年8月颁布并实施的《网络借贷信息中介机构业务活动管理暂行办法》，已经明确了网贷平台应当实行自身资金与客户资金隔离管理，应选择符合条件的银行业金融机构进行资金存管。据网贷之家数据统计，截至2016年6月底，网贷之家统计的2953家P2P网贷平台，仅835家平台实现了用户资金托管，受托机构以第三方支付企业为主，仅少数平台的用户资金受托机构为银行业金融机构。未实现用户资金托管的平台中，有58家实现了风险准备金托管，2060家平台未进行任何资金托管，对客户资金安全形成重大威胁。一部分网贷平台正在整改过程中。资金存管是一个重要合规性指标。

（5）平台所属地区风险。如果本地区平台出问题概率较高，应该会影响投资者的风险感知，从而注册地可能是影响利率的一个因素。已有数据表明，不同地区出险概率差异较大。

（6）用户综合评价。网贷之家给出了每个平台由网友基于提现、资金站岗、服务、体验4个维度评价的打分，每个维度5分制，简单加总得到一个综合得分。这个得分可以反映活跃使用平台的用户对平台的主观评价。假定利率与平台综合评价负相关。

（7）平台保障模式。平台保障模式是平台总体上的风控调节方式，它是平台总架构的基础，从我国目前网贷行业已经出现的问题看，平台风险是首要风险，所以平台保障模式对投资者的风险感知影响较为重要。目前绝大部分平台都至少为会员用户提供本息保障，而成为会员用户的门槛并不高，所以在保障承诺上绝大部分平台的差异并不大，但提供保障的模式却差异较大。P2P网贷平台保障模式的类型包括提供足值抵押或质押、第三方提供机构担保或保险、以及平台备用金垫付等。利率是风险感知的体现，所以假定平台保障模式影响利率。

（8）借款期限。借款期限反映了借款人占用资金的长短。在我们所收集的数据中，绝大多数标的利率随着借款时间的增加而增加，只有个别平台的利率期限结构为水平的。P2P网络贷款平台的这种利率期限结构反映了出借人资金让渡时间越久，要求的风险补偿越高。

（9）借款金额。不同的借贷主体有不同的资金需求，个人消费借款金额较小，企业贷款金额较大。但不同的借款金额，还可以反映背后贷款人的资本实力，如有较优质的抵押品和较强偿债能力，从而间接反映背后的信用风险大小，所以我们将其纳入指标，假定单笔借款金额越大，借款利率越低。

（10）项目类型。这里项目类型与借款人身份类型对应。我们根据借款人身份类型将项目类型划分为：企业贷款、个体工商贷、个人贷款。不同的借贷主体，其资产升值能力不同，中小企业和个体工商户升值能力较强，农户和城市工薪阶层较弱。其不同的运用资金能力，投资人可能认为其风险水平不同而要求不同的利率。

（11）借款人提供的保障措施。借款人提供的保障措施包括提供担保和提供抵押品两种。两者都不提供则为纯信用交易。通过我们收集的数据，提供抵押品中，房产抵押和车辆抵押是最常见的，部分公司提供股权质押；担保可分为：第三方担保公司担保，关联企业或同业提供担保情形，以及提供抵押品担保。根据利率决定理论，借款人提供的保障措施可以降低利率。

四、 数据选取和描述性统计

（一） 数据选取

本文采用python软件编写爬虫程序获取网页信息。首先，获取来自网贷之家网站的平台档案数据。截至本文获取数据的时间2016年6月，我国正在运营的P2P网络贷款平台有2954家。按背景可分为5类：银行背景、国资背景、上市公司背景、VC/PE背景，数量对应为9家、106家、82家、97家，其余平台可归为“其它民营背景”。

为了将平台数据与具体借款项目的数据联系起来，需要从所有平台中挑选具有代表性的平台，然后进入该平台的网站获取具体借款项目数据。具体过程可分为两个阶段：第一阶段，按平台背景分层随机选取平台，然后剔除重复平台，数据缺失平台以及成立日期在2016年之后的平台；第二阶段，平台上具体借款标数据的选取，是在每个平台上的直投类业务（剔除定期理财类业务）中，按不同借款期限，不同项目类型，不同保障措施选择“借款成功”的标的，并且时间上要为近两个月的数据。最后我们得到7家银行背景，18家国资背景，20家上市公司背景，24家VC/PE背景，36家其它民营背景，共计105家平台。从每个平台找出不同的借款类型，对每个借款类型随机抽取1条借款数据，共获得577条借款数据。在界定借款类型时，同一平台的借款中，期限，借款人类型，是否提供抵押、担保等，只要有一项不同就属于不同的借款类型。

（二） 样本数据的描述性统计

以表1中的变量构建多元线性回归模型。其中，利率为被解释变量，其余为解释变量。^①

五、 实证结果

（一） OLS回归结果分析

根据表2显示的回归结果，平台因素方面，各项指标均显著影响利率水平。其中，银行背景、国资背景、上市公司背景和VC/PE背景的平台均能显著降低借款利率，相比于平台中数量最多的普通民营背景的平台，平台背景的因素可以降低利率3~5个百分点。说明平台背景是一个投资者识别度比较高的因素，但平台背景是否能真正降低风险还有待检验。平台进行资金存管的做法有利于降低利率。平台提供的担保或抵押措施也均能显著降低利率。所属地区风险程度越高，即该地区出现问题的平台比例越大，投资人要求的利率越大。平台的综合评价得分越高，利率越低。

借款人因素方面，借款期限越长，投资人要求的风险补偿越大；而借款金额增加，利率略微下降，可能原因是大额的借款金额反映了背后资金使用者的资本实力，其违约概率较小，从而投资人要求的风险补偿较低。项目类型的变量（个人借款、个体工商贷）以及担保、抵押的回归结果不显著。值得注意的是，同样是抵押或担保保障措施，平台提供比借款人自身提供保障措施更能够有效降低借款利率。

可见，投资者做P2P网贷投资决策时，信任的形成主要来自平台，对具体投资项目主要看期限，对其它借款人相关信息的识别度不高，因此不是信任形成的主要促成因素。我们可以推断出，投资人的投资脉络：投资人通过甄别平台的“平台背景”、“所属地区风险程度”以及“平台保障模式”来选择平台，以此来控制该平台上的系统性信用风险。然后投资人通过考察资金借贷中的最核心的两个指标——借款期限和借款金额，少部分投资者结合其他次要信息，如项目类型、借款人是否提供抵押物等公开信息来控制借款项目信用风险，并完成标的选择和资金出借。

注：***、**、*分别表示在1%、5%、10%水平下的显著性。

（二） 稳健性检验

前文对P2P网贷平台进行了筛选，可能存在代表性问题。由于上文分析表明，投资者对P2P网贷投资的信任形成主要来自平台，所以采用全样本进一步检验该假设。从表3的回归结果看，平台属性对利率的影响结果是一致的。

六、 结论

P2P网络借贷主要发生在陌生人之间，因此交易信任主要体现为初始信任。结论表明，在形成信任的两大外部条件中，P2P网贷平台和借款人两大类因素对投资者信任形成的影响并不对等。投资者对P2P网贷平台属性的识别度较高，能够识别平台上线时间长度、平台背景、平台是否有资金存管、平台所属地区风险，以及平台的口碑等信息。而对借款人相关的信息，能够显著识别的只有借款期限和借款金额。投资者对借款人身份、借款人是否提供抵押和担保等信息均不敏感。

根据上述结论，给出政策建议如下：

首先，监管部门应确保平台的所谓“背景”不误导投资者。应教育投资者“背景”好不代表风控能力和偿债实力强。平台对外宣传的所谓“背景”应仅限于实际出资并负责公司管理的大股东。禁止P2P网贷平台向银行、国资、上市或VC/PE寻求挂名，督促其做到实际出资，实际加强管理，并根据实际情况做好信息披露，避免误导投资者。例如，某平台因为和银监会在同一幢楼办公就试图诱导投资者认为该平台有银监会背景，后遭银监会回应打脸。类似事件屡见不鲜。

其次，确保平台提供的担保、抵押等保障措施真实而且合法。P2P网贷只是传统小额借贷在渠道上的一小步创新，其审核、增信等过程基本都在线下完成，只是交易搬到互联网上来达成，暂时还不能普遍地实现纯线上的信用借贷。既然国内网贷平台普遍地提供保障措施，且投资者也能够识别这一指标作为信任的源泉，那么这些保障措施的真实性和合法性便成为首要问题。没有真实交易的虚假票据质押，担保机构违规过度担保等，均可能为网贷行业带来巨大风险。

最后，应谨防平台期限拆标行为。已有理论和实践都表明，期限错配存在巨大的潜在风险，流动性趋紧时会引发系统性挤兑。实际上，一些平台的期限拆标是比较明显的，其典型特征是平台上的借款标的期限一般在3个月以下，但与借款人的借款合同上写的期限不同，后者一般长达1年以上。目前各项监管的规章制度尚未涉及这领域。此外，投资者也应对拆标产品具有风险防范意识，避开实施拆标的平台，一旦发现同一借款人滚动借款或借款合同的期限与投标项目的期限不符等，应对其提高警惕。

①类型变量，根据N个类型保留N-1个变量的原则，在模型中去掉了平台背景类型中的“其它民营背景”、平台保障方式中的“风险准备金或其它”以及贷款类型中的“企业贷款”类型变量。

参考文献