章雷 胡建新

[摘 要]P2P网贷平台颠覆了过去贷款行业由商业银行主导的格局，基于大数据的金融信息技术是这种变革的核心驱动力。本文从信息经济学的视角研究大数据如何推动贷款行业的转型，聚焦于如何减少大数据时代下的信息不对称，即通过P2P借贷信用风险识别的大数据分析如何降低P2P网贷中的信号和搜索成本。提出了基于借贷平台的大数据经济学理论，并探讨了该领域日后的重点研究方向和挑战。

[关键词]P2P借贷;大数据经济学;金融科技;信息经济学

[中图分类号]F830.5

[文献标识码]A

[文章编号]2095-3283（2019）05-0128-03

Abstract： In the past decade， online Peer-to-Peer （P2P） lending platforms have transformed the lending industry， which has been historically dominated by commercial banks. Information technology breakthroughs such as big data-based financial technologies （Fintech） have been identified as important disruptive driving forces for this paradigm shift. In this paper， we take an information economics perspective to investigate how big data affects the transformation of the lending industry. By identifying how signaling and search costs are reduced by big data analytics for credit risk management of P2P lending， we discuss how information asymmetry is reduced in the big data era. Rooted in the lending business， we propose a theory on the economics of big data and outline a number of research opportunities and challenging issues.

Keywords： P2P Lending; Economics of Big Data; Fintech; Information Economics

[作者简介]章雷（1987-），男，湖南湘乡人，讲师，经济学硕士，研究方向：互联网金融;胡建新（1979-），男，湖北鄂州人，讲师，工程硕士，研究方向：国际金融。

[基金项目]广东省普通高校创新人才类项目“互联网金融背景下P2P融资模式在区县发展的调研-基于增城的创新实践研究”（项目编号：2017WQNCX180）。

一、引言

中小企业是全球经济发展的重要命脉，融资能力是维系中小企业生存的关键。然而，中小企业融资对传统银行而言是一项极具挑战的任务，因为这类企业比大企业具有更高的信息透明度、财务约束性、银行依赖性和风险性[1]。具体而言，掌控完全信息的借款者通常回避自身的劣势信息，让贷款人很难预测实际的风险;而这些网贷平台在绩效和成本的双重约束下，通常很难实现尽职调研。长此以往，贷款者就依据较大的风险来评估融资项目，获取较高的借贷利率，从而将一些低风险、低利率的标的从资金市场中排挤掉，使某些具备较强偿还能力的融资者被迫退出融通市场。P2P网贷是资金交易双方借助贷款平台形成的无抵押贷款方式，它重新界定了金融中介的功能，互联网借贷平台上的融资方大多数是受传统信贷分配的长尾群体[2]。本文拟借助信息经济学原理研究信号和搜索成本对贷款行业信息不对称的影响，并分析大数据将如何减少P2P借贷中的信息不对称。

二、文献综述

国内文献针对融资可得性主要有两种不同的阐述：某些学者将资金可得性界定为筹资效益，即不同融资方式的收益、成本和风险等;另一派的学者将资金可得性界定为资金利用率，是指融资方在最终募资后怎样实现最高的企业效益[3]。因为P2P借贷平台的核心作用是筹措资本，因此这种条件下的筹资效益主要包括成交效率。信息不對称条件下P2P 行业的探讨主要从贷款人决策的某一项指令开始，来测度该项指令对决策是否产生了影响，即通过借款人的还款步骤来评估决策人是否发现了欺诈信息的风险。但是，这种考察依旧忽视了借款人刻意隐藏部分信息的作用。因为隐蔽的信息和欺诈的信息不同，因此它或许更难以辨别。有效的违约风险数据包括借款者的信用评分、个人基本信息和社交网络等[4]。这些研究表明日后需要深入对P2P借贷中大数据的分析。本文将探讨大数据在P2P网络借贷领域的应用。

三、大数据在P2P网贷行业的应用

随着互联网金融行业的大力创新，对大数据的运用变得愈加深入和具体，它在产品研发和征信体系层面的应用尤为显著。首先，客户利用移动端口或PC终端进行交易会生成大量的原始数据，然后再把搜集的信息通过分配中心依据特定的原则进行分配，所有的集群服务器都会接收到这些信息。最后，这些信息经过进一步的筛选会形成可被运用的商业模式。在信用征信方面，它主要包括网络购物、基本信息和社交群体三个方面。基本信息主要包含个人收入、资产状况、职业信息、社交关系、个人技能和教育背景等[5]。拍拍贷是国内最早对个人基本情况进行评估的网贷中介，该平台交易数量的剧增主要得益于对基本信息精准有效的统计。科技进步使得人类对于社交应用软件的依赖程度与日俱增，社交媒介信息正是大数据的获取渠道之一，因此基于大数据的P2P网贷借款人的信用评级的完善将有利于整体网贷行业的良性竞争和发展。

技术革新加速了数据的生成速度，如何运用数据创建新型商业模式引起了社会极大的关注。大数据研究侧重于将大数据转换为实用、相关、及时信息的技术、系统、实践、方法和应用程序等，它可以帮助企业更好地了解其业务特征和市场形势并做出理性决策。P2P借贷平台（或其他类似的在线小额贷款网站）需要大数据，并且可能最有效地利用它。由于P2P借贷交易在线进行，因此我们可以有效利用互联网和在线数据来协助信用风险管理。在线P2P借贷中的信用评估流程很简单，但在做出贷款决策时，它比传统银行获得的数据要多得多[6]。以阿里巴巴的阿里金融为例，它可以轻松访问潜在借款人的数据和信用信息。大数据可以收集阿里巴巴、淘宝、天猫、支付宝等平台借款人的交易信息及第三方认证信息。

四、信息披露机制与信息不对称的关系

在双边市场中，信息系统可以作为买方和卖方之间的中介，信息中介可以降低买方必须支付的搜索成本，以获取市场上的价格和产品信息以及卖方必须支付的信息成本，进而将平台的产品、价格和质量信息告知消费者。在线P2P借贷平台作为贷方和借方之间的代理商，可以降低搜索和信号成本[7]。因此，大数据技术可以显著减少P2P借贷中的信息不对称。通过各种数据源检索的具有不同数据格式的大数据，可以对借款人的资质进行更精准的评估[7]。P2P借贷平台正在使用各种数据来评估信用风险，而传统银行可能缺乏技术或评估能力而不能有效处理这些数据。德国在线P2P网贷平台Kreditech会考虑潜在借款人的行为数据，包括填写在线申请表的方式，使用大写字母的频率，或鼠标移动的速度等。事实上，大多数领先的P2P借贷平台都使用大数据技术来构建更全面、更可靠的信用档案。借贷平台Lending Club开发了独有的信用评分模型和一种称为模型等级的独特算法，以确定每个贷款等级的最终利率。

虽然信息发布规则对于解决信息不对称现象具有非常重要的作用，金融科技和双边市场理论的广泛运用也被视为解决信息缺失问题的主要工具。目前学者们普遍认为P2P网贷行业中依然存在严重的信息不对称现象，主要表现为融资方掌握关键违约信息。当前的P2P网贷信息披露平台缺乏相应的标准和法律约束，占据信息主导地位的平台所披露的信息不一定真实可信，因此笔者认为，网贷平台所披露的信息量越大，投资者对于网贷平台的信任度反而会减少。假如资金供给双方与网贷平台之间互不信任，我国P2P网贷行业可能会呈现持续衰退的形势，但现实并非如此，这说明贷款人和借款人并不完全相信平台发布的信息。此外，从需求互补性、交互网络外部性和利率非中性的角度来看，P2P网贷行业充分满足双边市场的特性。按照双边市场理论的观点，网贷企业的核心价值体现在互补效益上，而互补效益又依赖于平台的数量[8]。由此，笔者认为，债权流动性、平台规模以及融资方和投资方的分散等级对于网贷机构集聚人气具有正面影响。

五、大数据信息经济学

大数据是当代信息科技快速发展的结果，信息经济学与大数据的融合也体现了历史的必然性。古典经济学更加侧重研究不同经济现象之间的因果关联性，但大数据经济学则更倾向于发掘经济现象间的潜在关系。大数据分析的关键在于数据或信息的实时加工与运用，借以便捷的获取信息，提升社会效益与企业价值。P2P网贷平台作为新型融资渠道，借助云计算对网购行为、成交信息、资金交易和交互数据等进行实时信息加工，记录网络用户在电商交易中的资信信息，为借款人提供资金融通业务[9]。此外，大数据推动了风险控制理念的转型和调整。传统风险管理主要借助抵押物、权证评估或财务报表来评估融资者的风险等级。然而大数据对于交易行为的真实性需求更为强烈，对于风险定价技术的要求更加复杂。大数据同时提升了P2P网贷平台的理性决策标准和和风险预警作用。大数据可以在一定程度上解决风险预测、信用授权甚至是违约识别等问题。基于资金交易行为的大数据也能够及时计算出信用评级和违约率等指标，有利于金融风险管理。

正如信息经济学所强调的那样，信息的货币价值必须以创造机会的方式呈现。大数据分析使P2P借贷平台能够更好地评估借款人并做出快速贷款决策。因此，大数据不是免费的，因为大数据的获取需要付出更高的信息搜集费用和风险评估成本。因此，在收集、分析和应用数据时考虑数据的质量和搜集成本非常重要。因此假设1：数据质量将影响信息不对称。具体而言，可以通过容量、类型、速度和准确性来确保大数据的质量。容量表示数据的大小，即交易记录的数量。例如，对于同一借款人，每日交易记录的次数将大于每月交易。我们相信更高的数据量能够更好地评估借款人资质。因此假设2：更大的数据容量将降低信息不对称性。多样性指的是结构化和非结构化的众多数据源和类型。对于同一借款人而言，包括移动电话和网购记录在内的数据比仅有手机记录的数据更多样化。因此假设3：类型丰富的数据将减少信息不对称。速度是指数据流入的速度，实时高频信息的速度高于滞后的低频信息[10]。

六、结论

以大数据为基础的金融创新已被视为颠覆金融服务业的驱动力。本文从信息经济学的角度研究了大数据如何影响贷款行业的转型。通过在P2P借贷中应用大数据分析来确定信号和搜索成本的降低，展示了大数据如何减少贷款行业的信息不对称。从大数据经济学的角度对P2P借贷研究的理论框架进行了假设和拓展，并计划在未来的研究中进行实证分析，以验证本文中提出的建议，希望为今后深入研究大数据金融创新提供参考和借鉴。

[参考文献]

[1]Riggins F J， Weber D M. Information asymmetries and identification bias in P2P social microlending[J]. Information Technology for Development， 2017，23（1）：107-126.

[2]Faia E， Paiella M. P2P Lending： Information Externalities， Social Networks and Loans Substitution[J]. Social Science Electronic Publishing， 2017，3（11）：340-349.

[3]Lin M， Zhao X， Zhou Z， et al. A New Aspect on P2P Online Lending Default Prediction using Meta-level Phone Usage Data in China[J]. Decision Support Systems， 2018（111）：24-34.

[4]Westland J C， Phan T Q， Tan T. Private Information， Credit Risk and Graph Structure in P2P Lending Networks[J]. 2018， 2（2）：124-128.

[5]Zhao H， Qi L， Zhu H， et al. A Sequential Approach to Market State Modeling and Analysis in Online P2P Lending[J]. IEEE Transactions on Systems Man & Cybernetics Systems， 2017（99）：1-13.

[6]周愛民， 彭俊华. 信息不对称、交易成本与互联网融资平台发展——以P2P网络借贷为例[J]. 金融理论探索， 2017（3）：3-12.

[7]闫琳. 大数据背景下的校园P2P网络借贷平台风险分析与防范[J]. 时代金融， 2017（33）：263-264.

[8]李爱婧. 大数据时代下P2P网络借贷的风险及监管研究[J]. 时代金融， 2018（2）：299-299.

[9]喻意. P2P网络借贷中的信息不对称及其解决方法[J]. 现代经济信息， 2017（16）：252-254.

[10]郭梁钰. 基于信息不对称的网络借款利率研究[J]. 现代商业， 2017（29）：171-172.

（责任编辑：顾晓滨 马琳）