网贷信用指标的信息不对称模型与实证

张聪慧 张成毅

（西安工程大学理学院，陕西 西安 710048）

一、引言

随着信息科技和金融工程的发展,网络借贷逐渐成为一种极其重要的金融交易形式。由于交易双方信息的不对称性,信用风险是网络借贷行业的非常重要的风险。关于借款者信用指标对网贷的影响,许多国外的学者做了深入研究。2015年Everett[1]通过对14。000多个项目的数据分析借款者的社交关系与网贷市场中的违约风险和利率之间的关系发现,约束借款者社交中的行为可降低借款者的违约概率。关于信息不对称的问题的网贷借贷研究,许多国内学者进入了深入的研究。2012年,孙英隽、苏颜芹[2]通过分析网贷信息不对称,研究影响网贷平台的信用风险,并提出网贷在信息验证方式中存在这很多的不确定性和不可靠性。2014年谈超等人[3]研究认为是因为借贷双方信息不对称才导致逆向选择和道德风险,使网贷平台产生信用风险。2017年,王小明[4]以“P2P网络借贷市场”为例,提出信息不对称中的“道德风险”使投资者对于投资有着艰难的选择。2011年周宏、李远远等人[5]通过研究我国企业债券市场中的信息不对称,构建了信用评估模型。

二、模型设定

本文根据“银联商务”的测试数据,选取了2017年10月至2018年3月间共计11016个申请数据,筛选出4614个真实有效的测试数据,并将所选列表中有违约记录的项目作为违约项目。

本文将运用变量进行描述:

（一）信息不对称:网贷市场利率与官方贷款利率回归后的残差序列。

（二）成功还款笔数(虚拟变量):PAY表示不同期限。采取PAY1表示30天内成功还款笔数；PAY2表示90天成功还款笔数；PAY3表示180天成功还款笔数。

（三）申请贷款笔数(虚拟变量):D表示不同时期。本章节采取D1表示30天内申请贷款笔数；D2表示90天申请贷款笔数；D3表示180天申请贷款笔数。（四）控制变量。借款者的基本信息提取其中的3个：SEX为性别；AGE为年龄；DIK表示贷记卡数量。

本文构建双对数回归模型Ⅰ:检测网贷市场利率(D K R)和上海银行间拆借利率是否存在信息不对称:

其中LnSHIBOR是上海银行间拆借利率的自然对数,LnDKR是网贷市场利率的自然对数。为避免数据可能存在的异方差性,对各个变量进行的自然对数处理。从理论上讲,若网贷市场是有效率的,则零假设应为:α=0，β=0。若市场效率低下时,也就是网贷市场存在信息非对称问题,则有:α≠0,β≠1。本文运用对模型Ⅰ进行OLS估计得到的残差RES变量代表信息不对称。

残差回归模型Ⅱ:为了检验信息不对称对申请贷款笔数的影响,建立回归模型:

残差回归模型Ⅲ:为了检验信息不对称对成功还款笔数的影响,建立回归模型:

三、实证分析

（一）网贷市场利率是否存在信息不对称的检验

如上所述,若网贷市场是有效的且不存在信息不对称问题,则有α=0,β=0的零假设成立。反之,若存在信息不对称问题,则假设α≠0,β≠1成立。下面通过EVIEWS8.0软件对模型Ⅰ进行OLS估计并对系数进行Wald检验,我们可以得到模型Ⅰ的估计方程如下:

由t统计量可知,系数,t统计量均大于2。Wald检验结果可知:在0.05的显著性水平下无论是t、F还是卡方统计量,其对应的p均小于0.05,故应拒绝原假设,说明,,说明市场效率低下,存在信息非对称性。

（二）成功还款次数与信息不对称之间关系的检测

信息不对称本文采用模型Ⅰ的残差序列RES进行量化,运用EVIEWS8.0软件得到参数估计,并对模型进行异方差性和自相关性检验,检测结果可知:F统计量为1.31,且对应的p值为0.1358大于0.05,故应接受原假设,说明残差序列不存在异方差性。F统计量为12506.4较大,且对应的P值小于0.05,说明残差序列存在自相关性。因此本文对模型Ⅱ进行修正,消除自相关。修正后的估计结果可知:模型的拟合优度为0.845,说明信息不对称性的变动84.5%可以由模型得到解释。DW值为1.97接近2,说明修正后的模型不存在自相关性。根据前面的理论假设,短期成功还款次数越多有利于降低非对称性,本实证中只验证了部分的假设,90天还款次数对信息不对称性具有抑制作用,180天还款次数对信息不对称性具有促进作用,从某种意义上证明了短期还款次数能够减少信息不对称性。但是30天短期还款次数与信息不对称的关系不显著,说明了短期还款次数与信息不对称性具有较复杂的关系。

（三）申请贷款次数与信息不对称之间关系的检测

通过对模型进行异方差性和自相关性检验可知:F统计量为1.62,且对应的p值为0.0244小于0.05,故应拒绝原假设,说明残差序列存在异方差性。F统计量为12309.5较大,且对应的P值小于0.05,说明残差序列存在自相关性。因模型Ⅲ中既存在异方差又存在自相关,导致估计量非有效,这种情况可以通过Newey-West估计得到参数估计量方差-协方差矩阵的一致估计,从而获得检验统计量的真实值,对估计的结果做出正确判断。HAC(Newey-West)估计可知:在0.05的显著性水平下,90天申请贷款笔数与信息不对称呈现显著的正向变动关系,说明短期内申请贷款的笔数越多信息不对称现象越严重。而180天申请贷款笔数与信息不对称呈现显著的反向变动的关系,说明180天申请贷款笔数对信息不对称性具有抑制影响。上述估计表明短期内申请贷款笔数越多,则说明投资者了解到借贷者的信息越少,同时审查核实更加粗糙,容易产生信息非对称性。

四、结论

根据网贷利率和上海银行间拆借利率中存在的信息不对称问题,构建了信息不对称模型,该模型刻画出在市场利率低下,存在信息非对称性。通过借款者两个信用指标与信息不对称之间关系的检测可知:90天成功还款次数对信息不对称具有抑制作用,180天成功还款次数对信息不对称具有促进作用;短期内申请贷款的笔数越多信息不对称现象越严重,180天内申请贷款笔数对信息不对称具有抑制影响。