三大产业借款人在P2p网贷市场中的融资可得性研究

孙庆蓉

摘要：P2P网络借贷在中国已发展数十余年，然而这一创新的金融形式依旧难以摆脱传统金融市场中信贷歧视的问题。本文将研究平台中的借款人按照行业信息进行分类，通过对于所属三大产业的借款人信贷歧视程度的研究来检验其在P2P网贷市场中的融资可得性。实证结果表明，相较于第三产业借款人，第一产业借款人不受投资人的非理性歧视投资，第二产业借款人则受到投资人的非理性歧视。由此对于投资人、网贷平台和行业提出政策建议。

关键词：P2P网络借贷 信贷歧视 三大产业 投资者行为

一、引言

P2P网络借贷在中国已经发展了11个年头，截止2018年年底，中国P2P网贷历史累积成交金额已经突破了8万亿，P2P网络借贷在一定程度上实现了资金适配，拓宽融资渠道的作用，其存在和发展丰富了我国金融市场的多样性。

但是，P2P网络借贷市场中也存在许多问题，例如金融排斥、金融歧视的现象。根据信息不对称理论，由于我国P2P融资市场尚未成为弱式有效市场，投资人不具备完全的信息和风险识别能力，只能更多地依照自己的经验和偏好进行投资，因此造成许多信用良好的借款人无法获得贷款或融资成本增高。而很多资信状况较差的借款人为了提高借款可能性会虚构自己的信息，进而造成逆向选择、信用风险和道德风险提升、资金配置效率下降等诸多问题。

在此背景下，本文选择借款人的行业信息作为研究对象，探究分属三大产业的借款人在P2P网贷市场中进行融资活动时是否受到来自投资人的歧视。中国在古代是典型的身份社会，“士农工商”的划分深入国民思想;在世界范围内，人们对于个人所从事的职业、所属行业也广泛存在偏见。因此，关注不同产业类型划分下的借款人的网贷融资情况具有重要意义。

二、文獻综述

首先，学界对于P2P网络借贷中信贷歧视现象已经有了多方面的研究。结果发现投资人对于借款人在年龄、地域、性别、收入、学历、婚姻状态等诸多方面都存在非理性歧视。高收入地区借款人更容易获得贷款而低收入地区借款人则倾向于设置更高的借款利率，已婚人士相较于离异的借款人的借款成功率显著为高，低收入群体并没有更差的履约表现，但是更难获得资金且融资成本更高，说明存在对于低收入借款人的非理性歧视H。

其次，在传统金融领域，针对于企业或个人借款人的行业（产业）信息也存在着信贷歧视，传统银行偏好贷款给房地产、重化工产业这样能够提供固定资产抵押的行业。而信贷歧视会导致金融资源高度集中于部分行业，造成产业多样化降低，经济体风险增加。因此，本文基于借款人行业（产业）信息的角度研究其在网贷市场中的受歧视程度和融资可得性，丰富了这一研究领域的内容。

三、实证研究

（一）研究假设和模型构建

本文将“人人贷”网贷平台中的借款人按照其工作行业划分为从事第一产业、第二产业和第三产业，将其作为核心变量。借款成功与否和违约与否作为被解释变量，前者反映借款人的融资可得性，后者反映违约可能性。其余信息作为控制变量，具体设置如下。

核心变量为是否为第几产业，primary/secondary，tertiary分别为是否是第一、第二、第三产业，是取1，不是取0。

成功与否和违约与否作为被解释变量。订单成功，违约取1，不是取0。

订单信息包括：In_amount借款人借款数额取对数处理;rate借款人利率;term借款期限，分别在3-36个月;level借款人信用评级，AA、A、B、C、D、E、HR分别取7-1。

借款人基础信息包括：age借款人借款时年龄;gender借款人性别，男性取1，女性取0;edu借款人学历。高中或以下、大专、本科、研究生或以上分别取1-4;marry借款人婚姻状况，未婚取O，其他为1;region借款人所在地域。根据省份分为东部、中部、西部和东北部。

借款人财产信息包括：income借款人收入，1千元以下、1千-2千元、2千-5千元、5千-1万元、1万-2万元、2万-5万元、5万元以上分别取1-7;experience借款人参加工作时间，1年（含）以下、1-3年（含）、3-5年（含）、5年（含）以上分别取1-4;companysize借款人供职公司规模，10人以下、10-100人、100-500人、500人以上分别取1-4：workiden借款人工作类型，私营企业主和网络商家取1，工薪阶层取0;car/card有车产，车贷取1，没有取0;house/housed有房产，房贷取1，没有取0。

借款人所处的产业类型与借款成功率和违约率之间的回归系数能够展现它们的关系。第一产业、第二产业和第三产业在性质、结构、投入产出比、垄断程度等方面均存在较大不同，其从业人员也在经济收入、社会地位、工作环境等方面存在较大差异。因此本文希望检测P2P网贷平台上是否存在对于借款人所处产业的歧视性投资行为，模型设定为：

以第三产业作为对照组进行Logit回归，若p rima ry或secondary与success的系数显著为负，则说明处于第一或第二产业的借款人融资可得性更低，若与default系数为正，则说明第一或第二产业的借款人的违约率更高，投资人的决策理性，若与default系数为负或不相关，则说明第一或第二产业的借款人的违约率更低，或借款人违约与否与借款人处于哪一类产业无关，但由于其借款成功率更低，说明投资人存在非理性歧视。

（二）数据选取和描述性统计

本文选取2014-2015年“人人贷”网贷平台中“信用认证标”（纯信用借款，无实物或机构担保）的交易数据，经删除选取变量中有残缺的订单信息后整理得到141299条有效数据。进行描述性统计后得到以下结论：（1）“人人贷”平台的借款成功率约为5.89%，借款成功率较低，而成功借款的违约率约为18.45%，说明网络借贷中的信用借款确实面临较大的信用风险：（2）总样本中借款人信用等级仅为1.09，而成功样本中的信用等级为1.86，说明信用等级较高的借款人更容易获得贷款：（3）借款的平均利率约为12.32%，男性借款人居多占到了86.56%，借款人的平均学历约为大专水平，44.81%和25.95%的借款人拥有房产和车产：（4）经过计算，第一、第二和第三产业的借款人借款成功率分别为3.67%、5.55%和6.11%，违约率分别为31.07%、19.56%和17.74%。说明来自不同产业借款人的借款成功率和违约率确实存在差异。