小微企业在P2P网贷平台的融资成功率影响因素研究

摘要：文章基于“拍拍贷”的借贷交易数据，对小微企业在P2P网贷平台的融资成功率影响因素进行了Logistic回归分析。回归结果显示，小微企业的借款期限、借款金额、历史借款流标次数与融资成功率之间均存在显著的负相关关系；而小微企业的借款利率、借入信用得分、借出信用得分与融资成功率之间则存在显著的正相关关系。基于此，文章就如何提升小微企业在P2P网贷平台的融资成功率提出了相应的对策建议。

关键词：小微企业；P2P网贷平台；Logistic模型；融资成功率

小微企业在吸纳就业、增加税收和助推经济增长等方面发挥着日益重要的作用。然而，自2019年以来，随着中美贸易摩擦愈演愈烈，加之国内经济“三期叠加”和疫情肆虐等不利因素冲击，小微企业的“融资难、融资贵”问题日益凸显。如果仅靠正规银行金融机构则很难有效解决小微企业的融资困境。为此，小微企业必须开拓新的融资渠道。而作为民间借贷与互联网“耦合体”的P2P（Peer-to-Peer）网贷平台凭借其独特优势，拓宽了小微企业的融资渠道，缓解了小微企业的融资困境。然而，小微企业在P2P网贷平台的融资成功率却普遍较低。基于此，本文使用“拍拍贷”的真实借贷交易数据，对小微企业在P2P网贷平台的融资成功率影响因素进行了实证研究。

本文的边际贡献体现为，把“拍拍贷”借款人分类为个人借贷者和小微企业，并基于小微企业的借贷交易数据进行了Logistic回归分析。

一、文献综述

国内外学者关于P2P 网络借贷成功率的相关研究主要分为以下几类。一是人口统计特征。Gonzalez et al.（2014）研究发现，颜值较高的女性借款人更容易筹集到大额可贷资金。此外，借款人的学历越高，其融资成功率也越高（廖理等，2015）。二是软信息。李焰等（2014）研究发现，借款人提供的描述性信息特征越多，越能增加出借人投标，进而提高其借款成功率。廖理等（2015）的研究则表明，借款申请人所使用的语言长度和语言内容均显著影响其借款成功率。彭红枫等（2016）基于美国Prosper平台数据，实证分析了借款陈述在不同利率定价机制下对融资成功率的影响。总之，当借款人的“硬信息”欠缺时，通过提供“软信息”可提高其融资成功率（Dorfleitner et al，2016）。三是信用认证机制。借款人提交的信用认证指标有助于提高其信用评级，进而提升其融资成功率（王会娟，廖理，2014）。四是社会资本。在P2P网络借贷中，借款人拥有的社会资本越多，就越能赢得出借人的信任与青睐，进而提高其借款成功率（陈冬宇等，2013；黄文彬，2016）。

另外，Puro et al.（2010）研究发现，通过对借款利率的战略性量化设定，借款人能在最优借款利率与融资可获得性之间做出理性选择。

通过梳理文献，发现基于小微企业借贷交易数据，对小微企业在P2P网贷平台的融资成功率进行研究的文献则寥寥无几。鉴于此，希望本文的研究成果能对完善相关文献作出贡献。

二、数据说明与统计量描述

（一）数据说明

“拍拍贷”把其借款人划分为私营业主、网店卖家、工薪族、学生和其他等五类。本文为了实证分析的需要，有意将私营业主和网店卖家归类为小微企业，而其余借款人则归类为个人借贷者。通过LocoySpider软件，采集到“拍拍贷”2016年2月7日至2月26日的有效借贷数据87662条，其中小微企业交易数据为16202条。

（二）样本统计量描述

1. 小微企业融资成功频率统计

表1显示了小微企业在“拍拍贷”的融资成功频率较低，仅为23.30%。由此推及小微企业在P2P网贷平台进行融资成功的概率也普遍较低。

2. 不同信用等级小微企业的融资频率统计

由表2可知，信用等级为E级的小微企业融资频率最高，占比达到53.20%；A级以上信用等级的小微企业，其累计融资频率仅占11.26%，而B级以上信用等级的小微企业，其累计融资频率也仅为12.99%；C、D、E、F等四类低信用等级的小微企业，其累计融资频率高达87.01%，这表明在“拍拍贷”进行融资的小微企业其信用等级普遍较低。

3. 不同信用等级小微企业的融资金额统计

由表3可见，融资金额最多的是信用等级为E级的小微企业，其融资金额占比达到36.30%；A级以上高信用等级的小微企业其融资金额相对较少，仅为12.29%；而B级以上信用等级的小微企业，其累计融资金额占比仅为14.97%，这意味着B级以下低信用等级小微企业的融资金额累计百分比将高达85.03%。

表2与表3的统计数据恰好印证了在P2P网络借贷中存在信息不对称的逆向选择问题，即低信用等级的小微企业通过提供较高的借款利率来吸引出借人投标，而高企的借款利率必将推高小微企业的融资成本。信用等级较高的小微企业如若不愿支付较高的借款利率，则很难及时筹集到所需资金。为此，较高信用等级的小微企业可能会退出P2P网贷市场而另寻其他融资渠道。

4. 变量的描述性统计

由表4可知，借款利率（APR）均值高达17%，这意味着小微企业在“拍拍贷”的融资成本较高；借款期限均值为11.35个月，借款金额均值为2132元，这反映了小微企业在“拍拍贷”的融资以短期小额资金为主；借出信用得分均值是借入信用得分的67.75倍，这说明小微企业通过投资活动积累了较多借出信用得分；历史借款成功次数均值仅比历史借款流标次数多1.88次，但前者的标准差却是后者的16.32倍。

三、实证模型的构建

（一）变量选择

1. 被解释变量

小微企业在“拍拍贷”的融资成功率用P表示，其对应的融资失败率则用（1-P）来表示。

2.P解释变量

（1）借款金额（Amount）。“拍拍贷”规定，小微企业初次借款金额最高为10000元；倘若小微企业能按时还本付息，并且累积较高信用得分的话，则其后续借款金额可大幅提升至500000元。鉴于借款金额数值较大，故对借款金额的原始数据取自然对数。

（2）借款利率（Interate）。借款利率是小微企业让渡给出借人使用其资金的价格。

（3）借款期限（Maturity）。“拍拍贷”设定的借款期限最长为12个月。

（4）借入信用得分（Borcrscore）。小微企业的借入信用得分由其实名认证、其他认证、邀请评价和交易记录等四项得分组成。

（5）借出信用得分（lencrscore）。小微企业的借出信用得分由其实名认证得分、投标得分、回报得分和资料得分等组成。此外，小微企业还可通过提供可验证信息来提高其借出信用得分。鉴于借出信用得分数值较大，故对借出信用得分的原始数据取自然对数。

（6）历史借款成功次数（Sucnum）。小微企业只有在规定的融资时限内足额筹集到所需资金，才算融资成功。

（7）历史借款流标次数（Fainum）。小微企业发布借款列表后，若未能在规定的融资时限内筹措到足额资金，则预示着此次融资失败。

（二）研究假设

H1：借款金额较大的小微企业，其违约风险也相对较高。出于风险规避的考虑，出借人一般不愿给借款金额较大的小微企业投标，这势必降低小微企业的融资成功率。

H2：一般来说，小微企业设定的借款利率越高，出借人为其借款投标的积极性就越高，进而提高小微企业的融资成功率。

H3：一般来说，借款期限越长，出借人面临的信用风险就越大。鉴于此，出借人往往会减少甚至拒绝给借款期限较长的小微企业投标，结果降低了小微企业的融资成功率。

H4：小微企业的借入信用得分越高，预示其违约风险越低，而这有助于提升小微企业的融资成功率。

H5：小微企业的借出信用得分越高，其信用等级也越高，这意味着小微企业的融资成功率较高。

H6：小微企业的历史借款成功次数越多，表明其具有较高的信用等级和较低的违约风险，而这势必提高其融资成功率。

H7：小微企业的历史借款流标次数越多，意味着其信用风险越高，而这必然降低其融资成功率。

（三）构建Logistic模型

logit（P）＝β0+β1ln（amount）i1+β2interatei2+β3maturityi3+β4borcrscorei4+β5ln（lencrscore）i5+β6sucnumi6+β7fainumi7+εi

其中，logit（P）＝ln（■）；P和（1-P） 分别表示小微企业融资成败的概率；ε为随机扰动项。

四、实证结果分析

表5的Logistic回归结果显示，一是借款金额与融资成功率之间存在负相关关系，回归结果与H1相符。二是借款利率与融资成功率之间存在显著的正相关关系，回归结果与H2相符。三是借款期限与融资成功率之间存在不太显著的负相关关系，回归结果与H3相符。四是借出信用得分、借入信用得分与融资成功率之间均存在正相关关系，但借出信用得分对融资成功率的影响较借入信用得分更为显著。回归结果与H4、H5相符。五是历史借款成功次数与融资成功率之间存在不太显著的正相关关系。然而，历史借款流标次数却对融资成功率产生了显著的负向影响。回归结果与H6、H7相符。

综上所述，借款利率、借款金额、历史借款流标次数和借出信用得分这四个解释变量对融资成功率的影响较为显著，其中借款利率对融资成功率的影响最为显著。借款期限和借入信用得分对融资成功率的影响不太显著，而历史借款成功次数对融资成功率的影响最不显著了。

五、结论及对策建议

样本统计量描述表明，小微企业在“拍拍贷”的融资成功率仅为23.30%。Logistic回归结果则显示，小微企业的历史借款流标次数、借款期限、借款金额与融资成功率之间均存在显著的负相关关系；而小微企业的借出信用得分、借入信用得分、借款利率与融资成功率之间则存在显著的正相关关系。

为了提高小微企业在P2P网贷平台的融资成功率，建议小微企业采取如下融资策略，首先，选择实力雄厚、管理规范的P2P网贷平台融资；其次，选择借款利率较低、融资期限较长、融资金额较大且服务收费较合理的P2P网贷平台融资；再次，社会资本有助于提高小微企业在P2P网贷平台的信用评级。为此，小微企业应重视其社会资本的积累；最后，小微企业除了保留其机密信息外，应向P2P网贷平台披露尽可能多的信用信息，而这有助于提高其在P2P网贷平台的信用评级，进而提高其融资成功率。

参考文献：

[1]Laura Gonzalez，Yuliya Komarova Loureiro.When can a photo increase credit？The impact of lender and borrower profiles on online peer-to-peer loans[J].Journal of Behavioral and Experimental Finance，2014（02）：44-58.

[2]廖理，吉霖，张伟强.借贷市场能准确识别学历的价值吗？——来自平台的经验证据[J].金融研究，2015（03）：146-159.

[3]李焰，高弋君，李珍妮，才子豪，王冰婷，杨宇轩.借款人描述性信息对投资人决策的影响——基于P2P网络借贷平台的分析[J].经济研究，2014（01）：143-155.

[4]廖理，张伟强.语言可信吗？借贷市场上语言的作用——来自P2P平台的证据[J].清华大学学报（自然科学版），2015（04）：413-421.

[5]彭红枫，赵海燕，周洋.借款陈述会影响借款成本和借款成功率吗？——基于网络借贷陈述的文本分析[J].金融研究，2016（04）：158-173.

[6]Gregor Dorfleitner，Christopher P-

riberny，Stephanie Schuster，Johannes Stoiber，Martina Weber，Ivan de Castro，Julia Kammler.Description-text related soft information in peer-to-peer lending-Evidence from two leading European platforms[J].Journal of Banking & Finance，2016（64）：169-187.

[7]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”的经验证据[J].中国工业经济，2014（04）：136-147.

[8]陈冬宇，赖福军，聂富强.社会资本、交易信任和信息不对称——个人对个人在线借贷市场的实验研究[J].北京航空航天大学学报（社会科学版），2013（04）：75-83.

[9]黄文彬.我国P2P网络借贷成功率影响因素研究[J].厦门大学学报（哲学社会科学版），2016（03）：136-146.

[10]Lauri Puro，Jeffrey E.Teich，Hannele Wallenius，Jyrki Wallenius.Borrower Decision Aid for people-to-people lending[J].Decision Support Systems，2010（49）：52-60.

（作者单位：广州城市理工学院经济学院）