【作 者】
齐培潇1，2（博士）
【作者单位】
1.中国科普研究所科普政策研究室，北京100081；2.中国科学院科技政策与管理科学研究所，北京100190
【摘 要】
【摘要】本文梳理了P2P网络借贷平台出现至今研究该领域的主要文献，主要从三个方面进行归纳：一是关于P2P网络借贷成功率的研究；二是关于P2P网络借贷中借款利率的研究；三是关于P2P网络借贷其他方面的研究。本文总结了主要代表性研究的重要观点并进行评述，同时也指出了现有研究的不足之处，并提出了一些进一步研究的建议。
【关键词】P2P网络借贷；借款成功率；借款利率
【中图分类号】F830.5 【文献标识码】A 【文章编号】1004-0994（2016）28-0107-4一、引言
随着金融市场的不断完善以及互联网的不断发展和普及，信贷市场中出现了一种新型的借贷模式，即P2P网络借贷模式（Online Peer to Peer Lending）。在这种模式中，资金提供者与需求者通过P2P网络借贷平台实现了资金的供需匹配。P2P网络借贷平台属于借贷行为中的中间服务方。P2P网络借贷出现的背景是正规金融机构一直未能有效解决中小企业融资问题，而以互联网为代表的信息技术的普及，减少了信息不对称和交易成本，并弥补了正规金融机构的不足，借款人可以获得比民间借贷更便利的信用融资渠道，同时付出更低的借款成本（谢平等，2014）。
P2P网络借贷模式不需要金融机构的直接参与，借贷行为的实施与完成主要由出资人和借款人共同决定，借贷平台只是给出资人和借款人提供一个双方交易的中间平台。借助网络借贷平台，借款人可首先发布借款标，并说明其借款用途或目的，同时提供个人财务状况等信息，如果有出资人对这些借款条件感到满意，并具备相应的资金实力，便可向借款人提供贷款。对于一个借款标，可以由一个出资人完成投标，也可由两个或两个以上的出资人共同完成投标，直到借款标的金额满额为止。对借款人而言，P2P网络借贷是不用通过传统金融机构就可能获得贷款的一种新的融资方式，而且可能比通过传统银行来寻求贷款更方便；对出资人而言，P2P网络借贷可以看作是一种投资行为，其购买的实际上是针对借款人的信用贷款（谢平等，2014）。P2P网络借贷这种新型的借贷模式有助于借款人和出资人依托于互联网在平台上直接交易，节约了如传统商业银行等金融中介机构的运作成本，成为互联网金融脱媒化的典型代表（彭冰，2014）。作为一种新型融资平台，P2P网络借贷平台通过向成功实现借贷交易的出资人和借款人收取一定比例的服务费来实现自身营利（Galloway等，2009）。
2005年3月，全球第一家网络借贷平台Zopa在英国成立。2006年2月，Prosper成为美国第一家P2P网络借贷平台。2007年6月，中国的第一家网络借贷平台拍拍贷在上海成立。根据《2014年中国网络借贷行业年报》的数据，到2014年年底，中国P2P网络借贷平台数量为1575家，月均复合增长率5.43%；中国网络借贷行业历史累计成交量超过3829亿元，2014年全年累计成交量为2528亿元，是2013年的2.39倍；到2014年12月底，行业总体贷款余额1036亿元，是2013年的3.87倍；2014年上半年平台平均综合年利率20.15%。
从广义上讲，P2P网络借贷平台按运营模式可分为两种：营利性平台和非营利性平台。营利性平台的经营范围一般是在本国范围内运作，而非营利性平台可跨国经营，把资金用于资助世界上经济欠发达或不发达的国家或者地区。由于不同国家对P2P网络借贷有着不同的管理模式和法律要求，现在绝大多数的P2P网络借贷平台都只在本国范围内运营（Berger和Gleisner，2009），而且都属于营利性平台。
随着P2P网络借贷行业的迅速发展，这种新的借贷模式迅速引起了人们的广泛关注（Hulme和Wright，2006）。其中，P2P网络借贷的快速发展是否可以有效弥补传统信贷市场的不足，以及如何通过完善网络借贷平台建设来推动P2P网络借贷的发展，更是人们关注的焦点。虽然P2P网络借贷是一个较新的研究领域，但是随着网络借贷平台Prosper在2007年对外开放平台数据，近年来学者们藉此进行了大量富有价值的探讨。二、关于P2P网络借贷借款成功率的研究
信息不对称是P2P网络借贷面临的最基本问题。虽然出资人想尽可能多地获取和了解借款人的有效信息，但是借款人为了能够以较低的利率获得贷款而会有意隐瞒对自身不利的信息。为了降低出资人可能面临的违约风险，P2P网络借贷平台会强制要求借款人提供由相关征信机构出具的财务信息等材料。另外，大部分P2P网络借贷平台也会要求借款人提供如个人近照、年龄、性别、种族等个人属性信息和家庭背景、朋友圈等社会属性信息。Prosper平台的平均借款成功率从2005年11月 ~ 2007年3月的8.51%上升到2006年6月 ~ 2008年7月的10.14%，上升的原因在于Prosper平台上借款人的相关信息越来越完善，除一般的财务信息外，借款人还必须提供自己目前的收入、就业状态和所任职务等一系列详细信息（Freedman和Jin，2011）。
绝大多数P2P网络借贷平台都会向出资人提供借款人的财务信息报告，并将它作为衡量借款人信誉水平的主要指标。一般情况下，财务信息报告是一份关于借款人的信用评级报告，包括个人收入信息、支出信息、房产信息和债务—收入比信息等。这些信息由相关评级机构提供，根据个人的财务信息，评级机构会计算出个人总信用分。以美国的网络借贷平台Prosper为例，其将借款人的信用等级分为七个档次，由高到低分别是AA级（信用得分为760分 ~ 900分）、A级（信用得分为720分 ~ 759分）、B级（信用得分为680分 ~ 719分）、C级（信用得分为640分 ~ 679分）、D级（信用得分为600分 ~ 639分）、E级（信用得分为560分 ~ 599分）和HR级（信用得分为520分 ~ 559分）。然而，中国目前还缺少高度透明的个人信用体系，虽然人人贷平台的信用认证机制能够在一定程度上揭示信用风险，缓解借贷双方的信息不对称，但是信用评级指标过于单一（王会娟和廖理，2014）。此外，一些网络借贷平台还会向出资人提供借款人相关的其他财务信息，例如近期开放的信用额度、银行卡的使用情况等（Klafft，2008）。对于处在同一信用评级区域但信用得分不相同的借款人，出资人能够根据借款人的其他财务信息做出正确区分（Iyer等，2009）。Klafft（2008）指出，出资人的银行账户信息对借款成功率的大小有非常显著的影响。
另外需要说明的是，对于不能从传统银行获得贷款的信用评级较低的借款人，同样也不一定就能通过P2P网络借贷途径获得贷款。在有借款需求的借款人中，信用等级为HR级的借款人占到57.4%，但借款成功的只有5.5%，而信用等级为AA级的借款人中有54%均可成功借款（Klafft，2008）。
除对财务信息的影响研究外，借款人的个人属性信息也会影响借款成功率。借款人的个人长相、年龄、性别和种族等是个人属性中影响借款成功率的主要因素。Ravina（2007）研究了与借款人具有相似个人特征（部分特征相似或全部特征相似）的出资人对其做出出借决策的影响，结果表明，这种相似性对出资人的出借决策有非常显著的正向影响，如果借款人和出资人属于同一种族或同一性别，抑或是生活在同一个地方，这些都会加大借款人的借款成功率。一般而言，借款人的长相是通过借款人按照P2P网络借贷平台的要求而提供的个人照片来体现的。借款人提供的个人照片会影响其借款的成功率（Klafft，2008）。在同样的信用等级下，长相出众的借款人，其借款成功率比长相一般的借款人高1.41%。Pope和Sydnor（2011）证实了这一研究结论，他们指出，Prosper平台上的出资人对提供照片但长相一般或主观印像不好的借款人和没有提供照片的借款人所发布的借款标反应不太积极，甚至表现消极。
Pope和Sydnor（2011）还分析了借款人的年龄对借款成功率的影响，以35岁 ~ 60岁为对照组，研究结果表明，35岁以下的借款人更容易获得贷款，借款成功率比对照组高出40 ~ 90个基点，而60岁以上的借款人的借款成功率比对照组要低1.1 ~ 2.3个百分点。温小霓和吴小娟（2014）以中国拍拍贷为例研究了影响借款人借款成功率的因素，结果显示，借款人的性别对借款成功率有一定影响。
种族也是对P2P网络借贷的借款成功率有重要影响的一个因素。在同一信用等级下，黑种人获得贷款的成功率比白种人要低25% ~ 34%（Pope和Sydnor，2011），这一结论和Herzenstein等（2011）的分析结果一致。产生这种差异的一个原因是：黑种人在通过P2P网络借贷平台进行借款时愿意支付的最大利率比其他种族低，这就大大降低了出资人对其进行投标的概率（Herzenstein等，2011）。但Ravina（2007）指出，种族、性别和年龄对借款成功率均没有显著影响。Herzenstein等（2011）、Pope和Sydnor（2011）的研究也发现，相对种族歧视而言，年龄歧视和性别歧视对借款成功率的影响非常小。
此外，温小霓和吴小娟（2014）以拍拍贷为例的研究结果显示，借款利率、借款人历史失败次数对借款成功率有负向影响，而借款金额、借款人历史成功次数、信用积分对借款成功率有正向影响，同时，借款人的住宅情况也对借款成功率也有一定影响。
除个人特征外，其他一些软信息（Soft Information）对P2P网络借贷也有一定影响。软信息通常是指难以完全数量化的信息（Petersen，2004），这类信息是在P2P网络借贷中由借款人的社会关系所引起的相关风险信息。借款人的社会关系，也被称为借款人的社会资本（Nahapiet和Ghoshal，1998）。当借款人的财务信息等硬性指标不一定能保证其成功获得贷款时，借款人的社会关系就可能会成为增加他们借款成功率的一个重要筹码（Herrero-Lopez，2009）。
P2P网络借贷平台上的出资人和借款人往往会基于一定的社会关系组建一些群，即“朋友圈”。朋友圈效应可以在一定程度上帮助出资人甄选更多的有效信息，以降低信息不对称产生的负向影响。以Prosper平台为例，基于朋友圈效应生成的相互信任关系可以使借款人的贷款成功率提高两倍（Herrero-Lopez，2009）。Berger和Gleisner（2009）、Greiner和Wang（2009）的分析指出，与出资人同属一个朋友圈的借款人更容易得到借款。另外，如果朋友圈发起人特别推荐某一借款标，那么发布这一借款标的的借款人获得借款的概率更大。信用评级偏低的借款人往往更有可能加入一个或多个朋友圈（Freedman和Jin，2008），因为他们可以利用朋友圈内其他成员的社会关系来增加其获得借款的成功率（Collier和Hampshire，2010）。
三、关于P2P网络借贷中借款利率的研究
借款利率是P2P网络借贷中出资人和借款人共同关注的焦点。不同的P2P网络借贷平台在利率设定方式上也不尽相同。如Prosper采用竞拍的方式设定借款利率，借款人先给出一个愿意支付的最大利率，然后在平台规定的时间内（Prosper的竞拍期限是14天），出资人给出他们能够接受的最低利率，并进行投标，即使借款人发布的借款标已经满标，只要竞拍期限未到，出资人仍可以继续投标，这样有可能会等到更低的借款利率。德国的网络借贷平台Smava是根据借款人的财务状况和个人特征等信息来确定借款利率，该平台规定，一旦满标，投标即刻结束，后续的投标将不会对已经计算出的借款利率有任何影响（Collier和Hampshire，2010）。如果借款人和出资人的借贷意向已经达成，某些网络借贷平台（如Prosper）仍会对借款人的还款能力进行进一步验证。
Iyer等（2009）研究发现，处在最高信用级别区域（AA级）且信用得分最高的借款人和处在最低信用级别区域（HR级）且信用得分最低的借款人所支付的借款利率之间存在28%的差别；另外，信用评级为D级而信用得分为600分的借款人的借款利率比同为D级但信用得分为635分的借款人的借款利率要高。Klafft（2008）利用Prosper提供的数据分析指出，借款人的信用评级对其借款利率的大小有非常重要的影响，其中债务—收入比对借款利率大小的影响相对要小一些，但是仍然显著，而出资人的银行账户信息对借款利率的大小几乎没有影响。
在个人特征方面，Ravina（2007）的研究发现，种族因素主要影响借款人的借款利率，在同样的条件下，黑种人所支付的借款利率要比白种人高1.39% ~ 1.46%，这很可能是由种族歧视造成的。Herzenstein等（2008）、Pope和Sydnor（2011）的研究也发现，相对种族歧视而言，年龄歧视和性别歧视对借款利率大小的影响非常小。Pope和Sydnor（2011）将P2P网络借贷中的歧视分为两类：统计学歧视和主观性歧视。统计学歧视是指出资人会根据某些统计结果有选择性地做出其出借决策。出资人可能会专门对某一类群体的借款人提供高息贷款，因为有统计分析证明，该类群体的借款人具有高于其他群体的违约率（Phelps，1972）。主观性歧视是指出资人具有某种主观倾向性选择，例如只贷款给女性群体或者只贷款给男性群体。Ravina（2007）的研究表明，在借款人信用等级相同的情况下，长相出众的借款人的借款利率比长相一般的借款人要低81个基点。Barasinska（2009）的研究结论显示，女性出资人比男性出资人更偏好风险，她们更有可能以较低的利率借款给那些信用级别低的借款人。
在社会关系方面，借款人的社会关系有助于降低借款利率（Greiner和Wang，2009），但一个朋友圈的发起人如果特别推荐某一借款标并不会影响借款利率的大小（Berger和Gleisner，2009），只有朋友圈发起人和朋友圈中的其他成员都积极参与竞标时才会降低借款利率（Berger和Gleisner，2009；Collier和Hampshire，2010）。Freedman和Jin（2008）认为，朋友圈发起人不但要特别推荐所发布的某一借款标，而且还要积极参与竞标，这样才会降低借款利率。
网络借贷平台Prosper还基于朋友圈的平均违约率和整体交易规模对每一个朋友圈进行了评级。Berger和Gleisner（2009）、Collier和Hampshire（2010）认为，朋友圈的评级高低对该圈中借款人所要支付的借款利率大小没有影响或只有非常小的影响；但是，朋友圈的规模越大，借款利率就越低。但Freedman和Jin（2008）的研究却有相反的结论：朋友圈的规模越大，借款利率反而越高，原因是自网络借贷平台Prosper对朋友圈发起人实施奖励（对朋友圈中的每一笔成功交易，Prosper都会奖励该朋友圈发起人12美元，这一措施一直被执行到2007年年底）以来，发起人就常常人为地对朋友圈的规模进行盲目扩张而不对申请加入者做认真严格的审核。Freedman和Jin（2008）、Greiner和Wang（2009）还从出资人和借款人各自在朋友圈中占比的视角做了相关研究，结果表明，在一个朋友圈中，相对朋友圈规模而言，出资人与借款人各自在朋友圈中的占比对借款利率有更大的影响，且出资人在朋友圈中的占比越大，借款利率就越低。
四、关于P2P网络借贷其他方面的研究
P2P网络借贷平台的盈利是通过对成功对接的借款人和出资人收取一定比例的服务费来实现的（Klafft，2008），具体的服务费标准和收费项目依平台不同而不同。此外，对于借款人而言，如果出现违约，P2P网络借贷平台还会向其收取一定比例的违约还款费。
就P2P网络借贷中的违约风险而言，张璐（2014）在对国内P2P网络平台分类的基础上分析了P2P网络平台中存在的信用风险。廖理等（2014）基于人人贷的实证研究发现：非完全市场化的利率反映了借款人的部分违约风险，但仍有相当高比例的违约风险未被反映在利率当中；出资人的风险识别能力能够直接反映在一个成功订单的参与人数上，间接反映在订单募资成功所需要的竞标时间上。缪莲英和陈金龙（2014）的研究认为，社会关系的存在可以降低借款人的违约风险。Freedman和Jin（2008）也指出，通过某种社会关系去贷款给借款人能有效降低违约风险。Greiner和Wang（2009）指，与朋友圈之外的其他借款人相比，选择同一朋友圈内的借款人能有效降低违约风险，Klein（2008）的研究证实了这一结论。此外，Freedman和Jin（2008）、Herrero-Lopez（2009）的分析也有相似结论。另外，王丹等（2016）参照企业与银行的信用风险等级评价指标分析框架，构建了具有中国特色的P2P网贷平台信用风险评价指标体系，并运用层次分析法确定指标权重，构建基于模糊数学综合评价方法的定量指标评价模型和基于专家评分表的定性指标评价模型。
Greiner和Wang（2009）的研究指出，借款人的社会关系对出资人的投资决策没有积极影响。出资人的社会关系能显著提高其收益回报（Freedman和Jin，2008）。Freedman和Jin（2008）也研究了朋友圈效应对出资人收益的影响，结论发现，朋友圈的规模越大，出资人的收益回报反而越低。另外，以直接信任或间接信任为基础建立起来的这种借款人与出资人的社会关系可以有效激励出资人去参与竞标（Herrero-Lopez，2009）。而且，社会关系中的每个人之间能够形成一种相互监督的机制，可显著提高出资人发放贷款和借款人及时还款的规范性（Freedman和Jin，2008）。
此外，Klein（2008）的研究还发现了一个有趣结论：朋友圈的发起人一般不会邀请或选择信用评级高的借款人（AA级、A级、B级和C级）加入该群体。发起人的这种不理智行为是由网络借贷平台的短期激励所造成，至于是怎样的短期激励，Freedman和Jin（2008）并没有具体指出。
五、总结
自2005年3月全球第一家P2P网络借贷平台Zopa成立以来，P2P网络借贷行业的发展突飞猛进。P2P网络借贷和传统的银行系统一样是一种双向市场（Klafft，2008）。P2P网络借贷与传统商业银行在未来会首先经历一个以合作、借鉴等方式为主的融合阶段，最终基于各自优势，并针对不同的风险客户进行业务领域的重新分化（韩斯玥等，2014）。出资人和借款人是P2P网络借贷平台赖以存在的最重要的两个群体，所以学者们的研究绝大多数是围绕出资人和借款人展开，同时关注哪些因素决定借款成功率和借款利率。在一定的风险条件下，出资人会寻求那些能给自身带来尽可能多收益的投资机会，而本身具有一定违约风险的借款人寻求着符合自己预期的那类资金来源。P2P网络借贷平台作为中介机构，给出资人和借款人提供了能够彼此配对成功的机会。在某些时候，出资人和借款人会组成特定的“朋友圈”去更好地最大化他们各自的效用（Greiner和Wang，2009；Herrero-Lopez，2009）。
目前，国外学者对P2P网络借贷的实证研究几乎都是基于Prosper平台的数据展开，研究的焦点在对借款成功率的影响研究和借款利率的影响研究，且都是针对营利性P2P网络借贷平台的研究分析。极少数的文章针对非营利性平台Kiva进行分析，如Hartley（2010）研究了利用Kiva平台进行借贷的朋友圈效应问题；刘志明（2014）基于说服的双过程模型，通过Kiva平台中的信贷项目进行了实证分析，结果表明，信息的启发式线索以及系统式线索会同时影响网民的出借行为。
虽然现有研究已经取得一定有价值的成果，但作为一个较新的研究领域，仍然有许多方面的问题值得在未来的研究中做详细探讨，如针对P2P网络借贷行业监管的实证研究或理论模型研究、征信的研究、对传统商业银行和P2P网络借贷的比较研究、资产风险评估的研究等。此外，对P2P网络借贷行业的可持续发展研究、如何降低信息不对称的研究等也是值得进一步深入研究的问题。
主要参考文献：
Berger S. C.，Gleisner F.．Emergence of Financial Intermediaries in Electronic Markets：the Case of Online P2P Lending［J］．Official Open Access Journal of VHB，2009（1）．
Herzenstein M.，Dholakia U. M.，Andrews R. L.．Strategic Herding Behavior in Peer-to-Peer Loan Auctions［J］．Journal of Interactive Marketing，2011（1）．
Martinho L.，Reis L. P.．Web Portal for Matching Loan Requests and Investment Offers in Peer-to-Peer Lending［J］．International Journal of Web Portals，2013（2）．
Nahapiet J.，Ghoshal S.．Social Capital，Intellectual Capital，and the Organizational Advantage［J］．Academy of Management Review，1998（2）．
Phelps E. S.．The Statistical Theory of Racism and Sexism［J］．American Economic Review，1972（4）．
Pope D. G.，Sydnor J. R.．What"s in a Picture？Evidence of Discrimination from Prosper［J］．Journal of Human Resources，2011（1）．
韩斯玥，黄旭，贺本岚．国际P2P行业发展趋势与商业银行未来发展［J］．金融论坛，2014（3）．
廖理，李梦然，王正位．聪明的投资者：非完全市场化利率与风险识别——来自P2P网络借贷的证据［J］．经济研究，2014（7）．
彭冰．P2P网贷与非法集资［J］．金融监管研究，2014（6）．
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”的经验数据［J］．中国工业经济，2014（4）．
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（3）．
谢平，邹传伟，刘海二．互联网金融手册［M］．北京：中国人民大学出版社，2014．
张璐．P2P网络借贷信用风险及对策研究［J］．财会月刊，2014（2）．
