P2P网络借贷的决策分析

　　4 P2P网络借贷的决策分析

　　4.1决策模型与假设

　　一、决策模型

　　在借贷的初始阶段，最值得关注的决策行为就是：出借人是否选择借款给借款人。而借款是否能成功会受多种因素影响。笔者推导出了一个较为简易的小模型来描述这个决策行为过程。

　　在这个模型的基袖上，尝试提出以下若干假设：

　　1.借款人愿意接受的利率越高，出借人的收益预测值也就越高，从而提高借款成功率。借款人的借款金额越低时，还款能力会更容易满足，因此出借人对其预估的违约率会越低；此外，短期借款相对不容易产生违约行为，因此，借款成功率会高。借款人愿意接受的利率越高，借款金额越低，期限越短，借款成功率越高。

　　2.借款人在同一平台上的借款成功的次数越多，给出借人传达的信任感就越强，借款成功率就越高；若借款失败次数越多则反之。.借款人的历史记录中，借款成功次数越多，借款成功率越高。

　　3.平台与出借人意愿之间的关系。平台给予借款人的认证越多，借款人的违约成本就越高；信用评分越高，借款人的还款能力往往越好。出借人更倾向于借款给认证较多、信用得分较高的借款人。

　　4.借款人个人特征与出借人意愿之间的关系。依据常识，我们一般认为，经济发达地区的、年龄较大的男性借款人相应的还款能力较强。11,:出借人更倾向于借款给经济发达地区的、年龄较大的男性借款人。

　　5.借款人抵押担保形式与出借人意愿之间的关系。依据常识，借款人若具有抵押担保金，对于出借人而言可以降低出借风险。lis:抵押担保形式的贷款会提高出借成功率
　　
　　（二）变量选取

　　在提出假设之后，就要选取用以验证假设的变量。本文以拍拍贷为例进行研究，因此需要先研究清楚拍拍贷自身的设计。

　　拍拍贷向来有着自己的信用等级核定系统，分为''线下得分"和''线上得分"两部分，"线下得分"根据用户提交的结婚证、工资证明等信息来确定，也将年龄、学历、收入等因素都考虑在内。"线上得分"则包括身份认证、手机认证、和在平台上借还款的记录等。无疑，信用等级的评分结果会非常直接地影响借款人的借款成功率。

　　于是，根据本文所搭建的模型，结合拍拍贷网站自身的信息制度设计，选取如下变量用于分析：

　　1.借款金额

　　拍拍贷上可借金额范围是3000至500000元。从笔者抽取的实际借款成功的100个案例来看，平均借款金额为8509元。

　　2.借款年利率

　　借款年利率的范围是5%至26.24%,下文为了研究起来更为方便，将其沪大100倍处理，即5至26.24.

　　3.借款期限

　　拍拍贷规定借款最长时间不超过12个月，因此将其取值规定为1至12.

　　4.借款成功次数

　　借款人之前在拍拍贷上借款成功的次数。

　　5.借款失败次数

　　借款人之前在拍拍贷上未能借款成功的次数。

　　6.认证总分

　　拍拍贷上身份认证、视频认证、学历认证和手机实名认证都会有加分。

　　7.借入信用总分

　　拍拍贷上借入信用被划分为6个等级，由低至高依次赋值为1至6.

　　8.借出信用总分

　　总的分数反应了用户作为出借人的投标表现。

　　9.借款人年龄

　　借款人年龄段在拍拍贷上被分为3类：20-25岁，26-31岁，大于等于32岁。

　　10.借款人性别

　　下文将"男性"赋值为1,"女性"赋值为0.

　　11.是否非提现标

　　发布非提现标的借款人成功借款后将钱保留在网络账户内，因此风险较小。下文将"非提现标"赋值为1,"不是非提现标"赋值为0.

　　12.是否担保标

　　担保标指的是有人为借款者提供担保。下文将"是担保标"赋值为1,"不是担保标"赋值为0.

　　13.是否安全标

　　安全标指的是借款人在拍拍贷上还有出借给别人待收回的借款。下文将"是安全标"賦值为1,将"不是安全标"赋值为0.根据变量所表示的信息以及本文设定的模型，笔者将变量分类如下：

　　

　　4.2实证分析

　　笔者在拍拍贷上抽取了 200个自变量数据完整的业务，并釆用二元logistic回归模型来处理数据，下文中，将投标完成编码为1,投标未完成编码为0,用用到的logistic回归模型为如下形式：

　　

　　L、R、D、C、G分别代表借款信息、历史记录变量、平台信用变量、借款人特征变量、抵押担保变量的相应变量矩阵，而马、尽、式、^5分别代表相应的系数矩阵，6.为常数项，e为残差项，代表除了自变量以外其他因素对因变量有的影响以及数据误差。以借款是否成功作为因变量Y,其他部分作为自变量，进行二元logistic回归，结果如下：

　　

　　由表可以看出，回归方程的Omnibus检验中似然比卡方检验的观测值为168.872,自由度为46,P值为0. 000.在显著性水平a为0. 05的情况下，由于P值小于0.05,应拒绝零假设，认为所有回归系数不同时为零，解释变量全体与ln（P/l-P）之间的线性关系显著，所以该模型是整体有效的。

　　从表4.3中可以看出，所有变量P值都小于0.01,可见以上因素对投标能否完成的影响是显著的。原回归模型结果为：

　　

　　结合表4. 3中的第一列系数B,根据其正负性，可以将自变量对因变量的影响汇总，如表4. 4所示：

　　

　　依据上文得出的实证结果，各自变量对因变量的影响都显而易见，笔者在此再进行进一步分析：

　　1.借款金额

　　通过分析发现，借款金额对投标能否完成的影响其实是微弱的，这与实际认知有较大出入。可能的原因是：拍拍贷上借款额度是随着借款人信用等级的上升而增加的，因此借款金额的负面影响被其他因素的影响覆盖掉，所以导致借款金额对借款成功的影响微弱。