论文推荐借款人描述性信息对投资人决策的影响
本文关键词：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，由笔耕文化传播整理发布。
摘要：已有研究证明，在缺乏抵押机制的P2P网络借贷关系中，自愿性信息披露对投资人的决策会产生影响。但怎样的自愿性信息披露会影响投资人的投资决策？对个人经历、性格、品质等方面的叙述（即描述性信息）是否会对投资人决策产生影响？本文以手工收集的P2P网络借贷平台“拍拍贷”借款标的为研究样本，对描述性信息所包含的...
本文的研究贡献主要体现在两个方面：第一，已有研究虽然涉及借款人自愿性信息披露对投资决策的影响，但主要从客观信息的披露数量进行研究，本文以描述性信息为研究视角，丰富了有关自愿性信息披露对投资决策产生影响的研究；第二，引入社会学研究方法，采用质性分析的方法，提出了中国文化背景下借贷关系中描述性信息包含的特征，为描述性信息在信贷领域的研究提供了一定参考价值。
但是，限于样本缺乏不成功还款的数据，本文还无法确定描述性信息是否能使投资人有效规避违约风险，这将是我们后续研究的一项重要内容。此外，不同描述特征间的相互促进或削弱作用；特征组合蕴含的复杂含义，如情绪的传递、个性的表达等；投资人个人情感因素是否导致判断偏差，如投资人是否会对“为母亲治病”、“为孩子上学”等特定内容有格外的偏好和关注；投资人是否会更加信任与自己背景相似的借款等，均是我们未来的研究内容。
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
内容提要：已有研究证明，在缺乏抵押机制的P2P网络借贷关系中，自愿性信息披露对投资人的决策会产生影响。但怎样的自愿性信息披露会影响投资人的投资决策？对个人经历、性格、品质等方面的叙述（即描述性信息）是否会对投资人决策产生影响？本文以手工收集的P2P网络借贷平台“拍拍贷”借款标的为研究样本，对描述性信息所包含的特征进行分析。以随机抽样的方法从2011年7月至2013年6月的拍拍贷借款标的中选取研究样本，采用社会学研究中质性分析的方法，确定了诚信、稳定、顾家、追求生活品质、有事业心、道德、刷信用、试一试8个描述性信息特征。实证结果发现，描述性信息会对投资人决策产生影响，提供更多描述性信息的借款人更容易成功借款；低信用等级的借款人倾向于提供更多的描述性信息；描述性信息中包含的不同特征对投资人决策的影响不同，表明自己是稳定的更有助于成功借款。
关键词：P2P网络借贷 文本性描述 特征信息 投资决策
一、引 言
如何解决借款人和投资人之间的信息不对称问题是能否成功借款的关键。现实中，个体经营业主、低收入群体往往被排斥在传统金融体系（正规银行信贷）之外。一方面，此类借款人缺乏良好的个人征信报告、收入证明、资产证明等信息，使银行面临较高的逆向选择风险；另一方面，他们缺乏有效的抵押担保贤产，使银行面临较大的道德风险。然而，随着新兴金融模式的发展，这类缺乏抵质押物、没有稳定收入来源的借款人却可以在P2P网络借贷平台成功借款。自2007年我国第一家小额网络借贷平台——拍拍贷成立以来，许多P2P网络借贷平台如雨后春笋般相继建立，并呈现交易规模快速增长、影响范围渐趋广泛的发展态势。截至2012年末，全国规模以上P2P贷款服务平台超过200家，2013年拍拍贷累积交易额超过10亿元。
P2P网络借贷的特点是：借贷双方直接交易，无中介；非专家参与；借贷金额小、期限短、无抵押。以业务内容最符合网络借贷平台标准的拍拍贷为例，其交易平台上借款人和投资人一般为个人或小业主，主要包括学生、职员、网店店主、个体经营业主等；借款金额在3000～200000元之间，通常低于10000元；借款期限一般为3～12个月；借款人不需提供抵押或担保物。P2P网络借贷模式完全不同于传统银行。传统银行通过现场调查、专家认证、集体审核等做法和严格的制度保证，确定借款人偿还贷款的承诺值得相信，在此基础上完成借贷交易。在P2P网络借贷平台上，借贷双方互不相识，资金交易无任何抵押品，投资人一般为非金融专家的普通人。然丽，这种看起来很“不靠谱”的小额借贷方式却发展迅速，有效弥补了正规金融体系的不足，对银行起到了一定的替代作用（Berger，2009）。究竟是何种机制设计能替代抵押担保，有效解决借贷双方的信息不对称问题，保证P2P网络借贷平台的平稳运行？这个问题引起了理论和实务界的广泛关注。
显然，在完全依靠信任的借贷模式中，投资人有效判断借款人的信用水平，规避逆向选择和道德风险的唯一途径就是信息。信息内容足够真实、信息量足够大，有助于帮助投资人准确判断借款人诚信度，降低风险。P2P网络借贷中，借款人信息主要来自其直接提供的信息。借款人必须按照平台要求提供可以确认的信息，如身份证号、号码等，也称硬信息。但出于保护借款人隐私的目的，借款人提供的硬信息只由平台管理方接受、确认，并作为评判借款人信用等级的依据。投资人无法看到硬信息，只能看到经过平台加工后的组合信息——信用评级。出于同样的目的，借款人也不了解投资人，借款人和投资人在P2P网络借贷中是双向匿名的。于是，此处似乎出现了悖论：没有抵押制度的P2P网络借贷中，投资人必须完全依赖信息规避逆向选择和道德风险，而P2P网络平台的信息披露机制又使投资人无法全面了解借款人的硬信息。既然如此，投资人如何有效规避投资风险？显然，一定存在其他保障机制使P2P网络借贷走出风险的悖论。
Petersen＆Rajan( 1994)、Berger＆Udell( 1995)认为，当存在严重的信息不对称时，借款人与投资人之间的人际关系对借款成功起着非常重要的作用。人际关系的建立主要通过近距寓接触，具体实现方式既可以是网络，即通过网络提供的大量信息实现近距离接触；又可以是网站论坛，即通过留言、评价机制了解对方；也可以是借款人自愿披露的信息，即借款人通过主动披露反映自己特征的信息，留给投资人一个“全息”图像。学者发现这些做法均有助于缓解信息不对称，提高P2P网络借贷成功率。Freedman&Jin(2008)、Lin et al．(2009)对一些提供群组功能的P2P网络借贷平台研究发现，加入群组的借款人比未加人群组的借款人更容易成功获得贷款；Herrero-LoPez( 2009)认为P2P网站上一对一或一对多的社交能够提高借款成功率；Herzenstein et al．( 2012)、Pope&Sydnor( 2011)、Klaffe( 2008)发现借款人主动提供自己的特征信息，如性别、年龄、种族、婚姻、照片等对能否成功借款产生影响；Michels( 2012)研究发现，虽然那些毫无成本的、无法核实的自愿性信息披露可能并不是可靠的信息，但自愿性信息披露可以有效降低借款利率、提高投标活跃度。
目前，有关自愿性信息披露与投资人决策的研究主要集中于客观信息的披露数量，如是否披露借款目的，收人情况、收入来源、学历情况、负债情况等。但对自愿披露的描述性信息，即有关个人经历、品质、性格等信息，是否影响投资人决策的研究却很少。按照Iyer et a1．(2010)的观点，自愿性信息披露可以部分缓解P2P借贷中双方匿名情况下的信息不对称问题，使投资人区分出在同一信用等级内实际信用分数更低的借款人，但要取得投资人的信任，借款人还需要提供更有效的描述性信息，以帮助投资人全面认识借款人。
描述性信息是指通过一系列的结构性的表述来展示描述者情况的信息( Riessman,1993)，如对个人过去经历、现在状况或未来希望的表述( Thompson，1996；Wong&King，2008)，以此向外界提供有关个人品质和自身特征的刻画( Gergen＆Gergen，1997)。在P2P借贷中，描述性信息就是借款人填写的有关自身状况（包括借款状况）的叙述性语言。研究表明，描述性信息通过印象管理渠道塑造个人特征和特定身份，从而获得想要的结果( Schlenker＆Weigold，1992)。描述性信息在经济领域中起到重要作用，，关于组织认同的描述性信息能帮助企业家获取所需的经济资源( Martens et a1．，2007)．企业家的商业陈述在不确定性较高的金融交易中起到关键的信息桥梁作用( Chen et al.，2009)。基于同样的道理，我们认为描述性信息在P2P借贷中也会起重要的作用，描述性信息通过对未来行为的塑造，在一定程度上预示借款人还款行为，使投资人建立对其的信任，从而影响投资决策。
通过对已有文献的梳理，我们认为有必要进一步就有关借款人描述性信息对投资决策的影响进行研究。首先，Herzenstein et al．( 2012)研究发现借款人描述性信息对投资决策产生影响，有助于提高借款成功率，但该研究主要集中于有关个人品质的描述性信息，如借款人是否是可信的、道德的、宗教的等。而心理学研究显示信任的获得至少需要具备正直、能力、善意三个方面的认可( Arrow，1974)，因此有必要对描述性信息进行多维分析。第二，已有研究均以英语为研究背景，而对描述性信息的理解受文化、语言和社会传统等方面的重要影响，在东西方存在较大文化差异的情况下，有必要研究东方文化下描述性信息对借款决策的影响。第三，已有研究认为描述性信息是借款人信用信息的补充，但由于我国征信体系相对落后，且我国P2P网络借贷平台无法直接接人央行征信系统，平台中的信用信息严重不足，在此情况下，若描述性信息与信用信息之间是补充关系，则我们预测描述性信息无法在中国P2P借贷中起到作用，若描述性信息与信用信息之间是替代关系，则我们预测描述性信息在中国P2P借贷中的作用更强。基于上述原因，本文选择中国最早成立的P2P网络借贷平台——拍拍贷的交易数据作为研究样本，研究描述性信息对投资人决策的影响，以此补充现有文献的不足，并对实践有一定指导意义。
本文以随机抽样的方法从2011年7月至2013年6月的拍拍贷借款标的中选取研究样本，采用社会学研究中质性分析的方法，确定了诚信、稳定、顾家、追求生活品质、有事业心、道德、刷信用、试一试8个描述性信息特征。实证绪果表明，较低信用等级的借款人会在描述性信息中包含更多的特征；描述性信息有助于提高借款成功率，增加投资人投标的踊跃度；不同特征对投资人决策的影响存在差异，有关借款人是稳定的描述性信息会使投资人作出正面评价，提高借款成功率、降低满标时间，而顾家的、追求生活品质的描述性信息会使投资人作出负面评价。
本文的研究贡献主要体现在两个方面：第一，已有研究虽然涉及借款人自愿性信息披露对投资决策的影响，但主要从客观信息的披露数量进行研究，本文以描述性信息为研究视角，丰富了有关自愿性信息披露对投资决策产生影响的研究；第二，引入社会学研究方法，采用质性分析的方法，提出了中国文化背景下借贷关系中描述性信息包含的特征，为描述性信息在信贷领域的研究提供了一定参考价值。
本文第二部分提出研究假设；第三部分介绍描述性信息特征的确定过程及其它研究变量；第四部分实证检验描述性信息对投资决策影响；最后得出结论。
二、假设提出
本文的研究主要基于拍拍贷平台，因此在提出研究假设之前，我们先对拍拍贷的借款机制进行简要介绍。
（一）P2P网络借贷平台借款机制
P2P网络借贷平台的运作机制大同小异。本文以拍拍贷的借款标的为研究样本，因此以拍拍货为例介绍P2P网络借贷平台的借款机制。
借款人在拍拍贷申请借款时，首先需要进行身份证注册，并可自愿提供绑定、居住证明文件（包括银行对账单、公用事业缴费单、房产证、簿）、收人证明文件（包括央行征信记录、交易流水或银行存折、行驶证）等信息，拍拍贷根据上述信息对借款人进行信用评级，并根据其在拍拍贷的交易情况，按照借款、还款、逾期、违约等进行后续调整。完成注册后，借款人就可以在拍拍贷平台发布借款信息，包括借款金额、期限、利率。此外借款人还可以自愿披露标准化信息和非标准化信息：标准化信息包括借款目的、性别、年龄、婚姻状况、文化程度、住宅状况、是否购车等；非标准化信息是借款人对借款详情的描述，包括关于“我”、“我想要使用这笔款项做什么”、“我的还款能力说明”三个部分，也就是本文研究的描述性信息。借款信息发布后，投资人就可以对该笔借款进行投标，单个投资人的投标额必须小于借款总额，以达到分散风险的目的。投资人投标总额达到借款金额即为满标，其后拍拍贷会对该笔借款进行审核，审核通过后即进入正式的借款环节。
由于拍拍贷的审核不考虑借款人自愿披露的信息，且满标后除非审核不通过，投资人不能再改变投资，困此本文以借款满标作为衡量成功借款的指标。由于一个借款人对应多个投资人，且一旦达到借款金额，投资人就不能再进行投标，对于优质的借款标的投资人需要迅速作出决策才能成功投标，因此本文以满标时间作为衡量投标踊跃度的指标。
（二）研究假设
1．谁更愿意在描述性信息中包含更多特征？
描述性信息是为了塑造自身形象，印象管理理论认为个人会有意识的去创造或者维持一个自己希望拥有的形象( Leary＆Kowalaski，1990)。个人可以有策略地运用描述性信息建立并维护所希望的形象( Rosenfeld et al.．1995)。生活中一个常见的例子是，如果某人获得过很有份量的奖项或成就，他在简历中往往只将这类有分量的奖项或成就展示出来，而没有获得过许多奖项的人则更愿意将自己所有的荣誉都展示出来，以达到塑造自己很优秀的目的。不过，印象管理的使用并不会传递完全的谎言，而是通过选择自我形象的一个侧面进行描述，树立他们可能获得支持的形象( Leary＆Kowalaski，1990)。基于以上分析，本文提出如下假设：
Hl:信用等级越高的投资人在描述性信息中包含的特征数量越少；反之亦然，信用等级越低的投资人在描述性信息中包含的特征数量越多。
2．特征数量对借歉人投资决策的影响
尽管传统经济学研究认为未经证实的信息是无关紧要的( Farrell＆Rabin，1996)，但心理学和行为经济学的相关研究证明在特定环境下，人们会把这些信息作为他们的决策依据之一，即使它并不包含任何有价值的内容( Nisbett et al.，1981；Della et al．，2009)。本文认为描述性信息所包含的特征数量会影响投资人的投资决策，这是由于过少的特征难以形成投资人对借款人的判断。在P2P借贷中，借款人和投资人都是匿名的，投资人只能依靠借款标的中披露的信息了解借款人的情况，而在缺乏足够的信息时投资人是风险规避的(Cox&Rich，1964)。因此，只有在借款人提供了足够的描述性信息特征的情况下，投资人才能形成对借款人相对完整的判断，从而产生对借款标的兴趣。否则投资人可能会怀疑借款人缺少足够积极的信息，或者隐匿与借款有密切关系的信息。
基于上述分析，本文提出如下假设：
H2:在控制客观变量和不确定信息的情况下，借款人在描述性信息中包含的特征数量越多，则越容易成功借款，且成功借款需要的时间（满标时间）越短。
3．特征内容对于投资人决策的影响
描述性信息的内容很多，是否都对投资决篥产生正面影响？影响的力度是否一样？对这个问题的研究有助于我们深入了解描述性信息对投资人决策的影响。现实生活有很多例证可以说明不同的描述会产生不同的影响结果。例如，两个不同的推销员推销同一件产品，他们运用的描述方法、重点、内容的不同会直接影响销售结果。同样，P2P借贷中借款人使用不同的方式展示自己诚信可靠也可能有不同的效果。比如在展示自己具备还款能力时，有的人倾向于用做了多少事情、还要做多少事情表达自己的能力，但在一些投资人眼中这种表述或许变成负面信息——做事情越多，借款人赔本或失败的几率可能越高，还款能力越差。有些人希望通过描述自己追求生活品质，展示自己对生活有追求，性格阳光的形象，但投资人或许会理解为借款人贪图安逸、不够勤奋，降低对其还款能力的评价。Herzenstein et al．(2012)在对Prosper的研究也发现借款人的描述是有选择的，当借款人信用等级较低时，借款人倾向于有策略性地进行叙述，并建议投资人应当偏好那些表达出
道德、可信特征而不是经济困难特征的借款人。基于上述分析，本文提出如下假设：
H3:描述性信息中的不同特征对借款成功率以及满标时间的影响是不同的。
三、研究设计
本部分首先介绍了数据来源，然后就描述性信息特征的确定方法进行详细介绍，最后对其他变量进行了界定。
（一）数据来源
本文使用的研究数据来自拍拍贷平台数据总库，从拍拍贷2011年7月1日至2013年6月30日的122967条借款标的中，采取随机抽样的方法抽取2500条借款标的作为研究样本。之后，按借款编号手工从拍拍贷网页中摘取其他所需字段。剔除存在缺失值的观察值，最终得到2331条借款标的样本数据。我们选择201 1年7月到2013年6月作为数据区间，是因为拍拍贷自2011年起进入快速发展时期，这时期借款标的较多，数据完整性相对较高。
（二）描述性信息变量的设计
为了检验描述性信息对投资人决策的影响，尤其是描述内容对投资决策的影响，需要确定描述性信息中所包含的特征。描述性信息的内容很多，怎样从中提炼出可测试的特征是本文实证研究的第一步，也是最重要的一步。采用社会学质性分析的方法对描述性信息进行分析，需要先提出主观选择的描述性信息特征，然后对其进行测试，得到可研究的特征，整个过程需要体现全面、准确、客观、可分析的原则。
1．确定主观选择特征的寻找方向
在主观选择描述性信息所包含的特征时，观察发现借款人提供的描述性信息涵盖了多个方面的内容。诸多的描述试图问投资人传递哪些方面的信息以证明自己是“可靠的”？如果我们可以确定哪些类别的描述会从哪些方面传递有用信息，就可以为寻找（或者说设定）主观选择特征确定一个有依据的方向。
首先，考虑到“信任”是实现资金借贷的决定性要素，为了得到借款，借款人必须获取投资人的信任，因此，描述性信息的特征应该基本围绕“值得信任”展开。接下来的问题是，怎样的借款人才是值得信任的？按照社会普遍的价值观，一个人是否值得信任至少需具备正直（投资人能够意识到借款人在道德上是正直的）、能力（借款人要有能力去完成所承担的还款义务）、善意（借款人是善意的）(Arrow，1974)三方面特征。按照这个理解，结合描述性信息的内容，寻找主观选择指标的方向应该是循着对借款人个人品质的描述、对借款人能力的描述、对借款人生活状况的描述三个方向进行。
对借款人个人品质的描述应体现借款人拥有高尚的道德品质，因为道德高尚的人不会付出违背道德底线的心理成本而去欺诈、损害投资人利益，容易取得投资人信任，因此我们认为这类信息中可以包括借款人是正直的、诚信的、道德的、善良的等内容。对借款人能力的描述应传达出借款人有还款能力的信息，因此我们认为这类信息可以包插反映借款人追求事业、具有稳定收入或能应对突发状况等内容。对借款人生活状况的描述应体现借款人承担责任以及生活态度的特征，比如有家庭的借款人会给人以有责任心，不轻易冒险的印象，容易获得投资人信任，追求生活品质的人会为了一时的消费大量借钱。这在以勤俭节约为美德的中国社会可能难以轻易获得投资人认同，因此我们认为这类信息可以包括反映借款人家庭与生活态度的内容。主观选择特征的寻找方向归纳为表l所示内容：
表1 主观选择特征的三个寻找方向（依据）
2．确定描述性信息特征
确定主观选择的方向后，就可以对研究样本中描述性信息所包含的特征做主观选择。为了保证描述性信息特征合理、可信，我们设定三个基本原则：一是能够获得大众的普遍认同；二是能够被合理的定义，并易于理解；三是对于相同的描述性信息，不同个人能够取得一致的判定。按照这个原则，我们分三个步骤甄选描述性信息所包含的特征。
第一步，我们根据拍拍贷参与群体的特征，选定四名互不相识的、与拍拍贷主要参与者处于相似的年龄阶段和学历水平的研究助理进行特征甄选，以此确保我们获取的特征与拍拍贷实际参与者的主观判断相一致。
第二步，在信息不能互相交换的情况下（四名研究助理均不知道其他三人是谁），安排四人对2331条借款标进行独立的、通篇的阅读。按照主观选择特征的三个方向，各自对描述性信息进行主观判断，将特征进行细化。要求每人至少总结归纳出9个特征，并对各个特征进行独立解释。
第三步，组织四名研究助理对各自归纳的特征进行讨论分析。当某一特征在四人归纳的特征中均存在时，则保留这一特征；当某一特征只在三个或者两个人的特征中存在时，则进一步讨论，分析保留该特征的理由以及舍奔该特征的原因，在取得四个人一致认同后保留这一特征。最后，经四人一致同意的特征共有8个，分别是：诚信，稳定，顾家，追求生活品质，有事业心，道德，刷信用值，试一试。各特征的定义及举例说明见表2。
表2 选择的描述性信息特征
“刷信用”和“试一试”这两个特征不在我们最初设定的寻找方向中，其中“刷信用”是指借款人为了累积信用，提高信用评级而借款；“试一试”是指借款人出于体验网络借款的目的而借款。但这两个特征在借款人提供的描述性信息中具有一定的普遍性，且部分借款标的仅包含这两个特征，此外，我们认为投资人会预期此类借款人的安全性高，因此将其纳入特征选择中。
在确定了描述性信息所包含的特征后，我们借鉴Herzenstein et a1．(2012)的研究方法进行数据处理，并通过一致性分析确保数据处理结果是客观可信的。
第一步，将2331条数据平均分为4个组，由四名研究助理按照表2中定义，判断各个借款标的的描述性信息是否包括这8个特征。如果描述性信息中包括有关诚信的表述，则X1为1，否则为0，其他特征以此类推。例如，在编号为260的借款标的描述性信息中，可以获得的特征是诚信、顾家以及有事业心，而不存在其他特征，则获取的数据为10101000。一共获得8组数据，每组数据包含2331个样本量。通过四名研究助理对各自样本（占总样本的四分之一）的分别统计，形成8个特征的统计值。
第二步，对获取的特征数据进行一致性检验。为此我们选择描述性统计方法，运用频率这一统计量判断特征在描述性信息中的运用程度，并对特征数据进行一致性分析。所谓一致性是指对于同一描述性信息，四名研究助理获得的特征判断结果是一致的。该检验使用同意率以及Kappa值( Landis et al．，1977)进行判定。我们从2331条数据中随机选择100条数据，让四名研究助理财这100条数据进行独立判断，按照8个特征存在与否，每名研究助理形成8组数据。为获得同意率结果，我们检查四名研究助理的判断结果，如四人的结果完全一致记作100%，存在一人与其他三人不一致记作75%，两两不一致记作50%，最后取均值。在此基础上进一步检验Kappa值，Kappa值越高，一致性满意度越高。从表3可以看出，除“道德”特征外，其他7个特征的一致性程度较高，数据判断结果是可信的。
表3 描述性信息特征的描述性统计
（三）其值变量界定
根据已有文献以及拍拍贷借款标的实际情况，我们选取10个控制变量，被解释变量、控制变量和解释变量的定义详见表4。
表4 其他变量定义
四、实证检验结果
（一）描述性统计结果
本文首先对研究样本的主要变量进行了描述性统计分析。从表5可以看出，描述性信息所包
含的特征数量均值为1.6，总体看来各借款标的包含的特征数量较少。此外，借款人主要集中在26-31岁（年龄的均值为2.06），且以男性居多（性别的均值为0.71）。
表5 描述性统计
本文进一步对8个特征变量进行相关性分析。从表6可以看出，各特征变量之间存在一定的相关关系。
表6 不同特征的相关关系统计
（二）检验假设1：描述性信息特征与借款人信用等级
本文首先通过直观的画图方式观察描述性信息与借款人信用等级的关系。
图1 描述性信息特征数量与借款人信用等级的关系
从图1可以看出，描述性信息所包含的特征数量与借款人信用等级呈反向关系，借款人信用等级越高，描述性信息所包含的特征数量越少。这是由于低信用等级借款人塑造自身形象的需求更为强烈，也会在描述性信息上花费更多精力。
回归分析显示出相同的结果。从表7可以看出，借款人信用等级与描述性信息特征数量呈显著负相关关系，借款人信用等级越低，越倾向于提供较多的描述性信息特征。此外，提供更多的认证、标题字数越多的借款人越倾向于提供更多的描述性信息，年龄较小的借款人提供的描述性信息较少，这也反映提供较多描述性信息的借款人会更慎重地对待借款。
表7 描述性信息特征数量与借款人信用等级
（三）检验假设2：描述性信息特征数量对投资人决策的影响
投资人的决策主要可以通过两个方面体现，一是投资人是否将钱借给借款人，二是投资人是否迅速借出款项。本文选取了是否满标( Full)和满标时间(Minute)2个被解释变量，分别以Logitic模型和Poisson模型对其进行归回。
表8 描述性信息特征数量与投资人决策
从表8可以看出，描述性信息所包含的特征数量与是否满标呈显著的正相关关系，与满标时间呈显著的负相关关系，描述性信息所包含的特征数量越多，借款标的越容易满标，满标所需要的时间越短。描述性信息可以提高借款成功率，增加投标活跃度，对投资人的投资决策产生正面影响。在控制了年份效应之后，结果保持一致。此外，我们发现投资人更偏好年长的借款人，这可能由于投资人预期年长的借款人自有资产更多，还款更有保障，并且年长者容易给人一种更为可靠和稳定的感觉。
（四）检验假设3：不同措述性信息特征对投资人决策的影响
对描述性信息特征的一致性分析显示，“道德的”特征一致性较低（Kappa值为0.4845），因此在分析不同特征的影响时，我们剔除了这一特征。
表9 不同描述性信息特征与投资人决策
从表9可以看出，稳定、顾家、追求生活品质、刷信用、试一试的特征与借款成功率存在显著的相关关系，其中，稳定、刷信用、试一试的特征与借款成功率呈正相关关系，顾家、追求生活品质的特征与借款成功率呈负相关关系。在控制了年份效应之后，实证结果保持一致。这说明借款人将自己塑造为一个稳定的人有助于使投资人对其产生正面印象，提高借款成功率，增加投标活跃度，而对生活状况的描述不利于投资人的判断，实证结果与我们的推断基本相符。而对于刷信用和试一试，这类特征表明借款的主要目的并不是实际使用这笔款项，并且借款人也可能在成功借款后并不进行提现，而是仅在平台上循环使用，因此还款基本有保证，投资人也会对其给予正面评价。
（五）稳健性检验
为验证以上研究结论的稳健性，本文还进行了如下检验：一是增加有关借款人特征的控制变量，将借款者逾期次数、借款人身份、认证类型作为控制变量，重新进行回归分析，研究结论保持不变；二是调整样本，将体验标、非提现标j应收账款安全标、审错就赔标等4种安全性相对较高的特殊类型借款标的删除，重新进行回归分析，研究结论保持不变。
五、结论
本文分析了描述性信息在P2P网络借贷平台中的作用。研究发现，对于借款人而言，较高的信用等级会使其提供较少数量的特征描述；对于投资人而言，充足的特征描述会削弱信息不对称带来的负面影响，增强其对借款活动的信心，从而提高借款人的借款成功率。同时，充足的特征描述有利于加快投资人信息甄别速度，使其在较短时间内全面地了解借款人，进而提高投标速度，降低满标时间。此外，从描述性信息特征的内容看，稳定、顾家、追求生活品质、刷信用、试一试这5个特征对借款成功率有较强的影响能力，其中稳定、刷信用、试一试3个特征为正面影响，顾家、追求生活品质为负面影响。研究表明，包含有效特征的描述性信息对投资决策有重要影响，借款人可以通过对文本的修饰营造良好的信用形象，提高成功借款的可能性。在P2P借贷中，投资人在谨慎识别描述性信息的同时，选择含右正向影响特征较多的项目，有助于减少投资等待时间，提高投标成功率。
限于样本缺乏不成功还款的数据，本文还无法确定描述性信息是否能使投资人有效规避违约风险，这将是我们后续研究的一项重要内容。此外，不同描述特征间的相互促进或削弱作用；特征组合蕴含的复杂含义，如情绪的传递、个性的表达等；投资人个人情感因素是否导致判断偏差，如投资人是否会对“为母亲治病”、“为孩子上学”等特定内容有格外的偏好和关注；投资人是否会更加信任与自己背景相似的借款等，均是我们未来的研究内容。
参考文献
郭忠金、林海霞，2013：《P2P网上借贷信用机制研究——以拍拍贷为例》，《现代管理科学》第5期。
谢平、邹传伟，2012：《互联网金融模式研究》，《金融研究》第12期。
宋文、韩丽川，2013：《P2P网络借贷中投资者出借意愿影响因素分析》，《西南民族大学学报（自然科学版）》第5期。
张娜，2010：《P2P在线借贷研究述评》，《经营管理者》第8期。
Arrow, Kenneth, 1974, The Limits of Organization, New York: Norhon, York.
Berger,S.,and F. Gleisner, 2009,” Emere;ence of Financial Intermediaries in Electronic Markets: The Case of Online P2P Lending”,BuR Busin,ess Research Journ,al,2(1).
BerSer,A.N。，and G.F.Udell, 1995,”Relationship Lending and Lines of Credit in Small Firm Finances” ,Jourrzal of Business, 68( 3)：351-381.
Chen, Xiao-Ping, Xin Yao, and Suresh Kotha, 2009,”Passion and Preparedness in Entrepreneurs’ Business Plan Presentations;A
Persuasion Analysis of Venture Capitalists’ FundinS; Decisions” ,Academy of Management Journ,al, 52(1),199-214.
Cox, Donald F..and Stuart U.Rich, 1964,“Perceived Risk and Consumer Decision-Making: The Case of Telephone Shopping”,Journal of Marketin,g Researchl (4),32-39.
Della Vigna,S。，and M. Gentzkow, 2009,” Persuasion: Empirical Evidence” ,An,n.ua/ Review of Economics,2:643-669.
Farrell, Joseph, and Matthew Rabin, 1996,” Cheap Talk” ,JournaL of Ecorzom.ic PerspecZives, 10(3),103-118.
Freedman,S.,and G.Z.Jin, 2008,“Do Social Networks Solve Information Problems For Peer-To-Peer Lending’/ Evidence from Prosper. Cam”, Working paper, University of Maryland.
GerSen, Kenneth J.,and Mary K.Gergen, 1997,“Narratives of the Self”,in Memory, Identity, Community:The Idea of Narrative in the Human Sciences, Lewis P. Hinchman and Sandra Hinchman, eds. Albany, NY: State University of New York, 161
Herrero-Lopez,S.,2009,”Social Interactions in P2P Lending”,In Proceedings of Lhe 3rd Workshop on Social Network Mining and Analysis(p.3)。ACM.
Herzenstein, M.,S.Sonenshein,and U.M. Dholakia, 2012,“Tell Me a Good Story and I May Lend You Money: The Role of NarraLives in Peer-to-peer Lending Decisions” ,Journal of Marketing Research, 48(SPL),S138-S149.
Herzenstein, Michal, Utpal M. Dholakia, and Rick L.Andrews, 2011,“Strategic Herding Behavior in Peer-to-Peer Online LoanAuctions” , lournal of Interactive Marketing25 ( 1 ) ,27-36.
Iyer, R. , A. I. Khwaja, E. F. P. Luttmer, and K. Shue, 2010, ” Screening in New Credit Markets: Can Individual Lenders Infer Borrower Creditworthiness in Peer-To-Peer Lending7″ , Working paper, University of Amsterdam and Harvard University.
Klafft , M. , 2008 , ” Peer to Peer Lending: Auctioning Mircocredits over the Intemet” , Proceedings of the 2008 International Conference on Information Systems, Technology and Management(ICISTM 08) , March, Dubai, United Arab Ernirates.
Landis , I. Richard, and Gary G. Koch , 1977 ,” The Measurement of Ohserver Agreement far Categorical Data” , Biometrics, 33 ( 1 ) , 159.
Leary, M. , and R. Kowalski, 1990, “Impression Management: A Literature Review and a Two-Component Model” , Psychological Bulletin,107 ( 1 ) 34-47 .
Lin, M. , N. R. Prabhala, and S. Viswanathan, 2009,”Judging Borrowers hy the Company They Keep: Social Networks and Adverse Selection in Online Peer-To-Peer Lending” , Working paper, University of Arizona and University of Maryland.
Martens, Martin L. , Jennifer E. Jennings, and P. Deveareaux Jennings, 2007, ” Do the Stories They Tell Get Them the Money They Need? The Role of Entrepreneurial Narratives in Resource Acquisition” ,Academ,y of Mart,agement Jou,rn,al, 50( 5) , 1107-1132.
Meyer, T. , S. Heng, S. Kaiser, and N. Walter, 2007, Online P2P Lending Nibhles at Banks’ Loan Business, Deutsche Bank Research.
Michels , Jeremy, 2012 , ” Do Unverifiable Disclosures Matter? Evidence from Peer-to-Peer Lending” ,Accoun.ting Review , Vol. 87 , July,1385-1413.
Nisbett, R. E. , H. Zukier, and R. E. Lemley, 1981, ” The Dilution Effect: Nondiagnostic Information Weakens the Implications of Diagnostic Information” ,Cognitive Psychology, 13 (2) : 248-277.
Petersen, M. A. , and R. G. Rajan, 1994,”The Benefits of Lending Relationships: Evidence from Small Business Data” , Journal of Fin,ance, 49( I ) : 3-37.
Pope, D. G. , and J. R. Sydnor, 2011, ” What’s in a Picture? Evidence of Discrimination from Prosper. Com” , Journal of Hum,arz Resources, 46 ( 1 ) : 3-37.
Riessman, Catherine Kohler, 1993 , Narrative Analysis. Newbury Park, CA: Sage Puhlications.
Rosenfeld, Paul, Robert A. Giacalone, and Catherine A. Riordan, 1995, Impression Management in Organizations, Londen Routledge.
Schlenker, Barru, R. Michael, and F. Weigold, 1992,”1nterpersonal Processes Involving Impression Regulation and Management” Annual Review of Psychology43, 133-168.
Thompson, Craig J. , 1996,” Caring Consumers: Gendered Consumption, Meanings and the Juggling Lifestyle” ,Journal of Consumer Research, 22(4) ,388.
Wong, Nancy, and Tracey King, 2008,”The Cultural Construction of Risk Understanding through Illness Narratives” , JournaL of Consum,er Research , 34 ( 5 ) , 579-594.
The Influence of Borrower’s Description on Investors’ Decision-Analyze Based on P2P Online Lending
Li Yan, Gao Yijun, Li Zhenni, Cai Zihao, Wang Bingting and Yang Yuxuan
( School of Business, Renmin University of China )
Abstract: Studies have proved that in the absence of a mortgage mechanism /n P2P lending relationship, volumary disclosure of information would influence decisions of investors. Based on manual collection of loan data, we found that the Lextual description will provide obvious impact on investors decision, borrowers are more likely to provide more personal characteristics information successful borrowing; Low credit rating borrowers tend to provide more personal characteristic information; Different feature information to influence the investor decision-making, shows that he is sLable characteristics of the information the borrowing more contnbute to success.
Key Words:Peer-to-peer Online Lending; Identities; Narratives; Investors’ Decision Making
JEL Classificafion:Dll, G20
分享到：
0
往期回顾
系列三十六：“一带一路”贸易对中国 有重要意义
朱青：两法合并
瞿强：股权分置改革
许荣：债转股
王秀芝：三项制度改革
郭庆旺：积极财政政策
本文关键词：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，由笔耕文化传播整理发布。
本文编号：111483
本文链接：https://www.wllwen.com/guanlilunwen/tongjijuecelunwen/111483.html
