夏 雨，魏明侠

(河南工业大学 管理学院，河南 郑州 450001)

近年来，伴随着互联网金融行业的蓬勃发展，其风险也逐渐聚焦。互联网金融风险事件频发，网贷行业成为互联网金融风险发生的重灾区。以网贷行业的典型代表P2P为例，据网贷天眼不完全统计，在P2P网贷行业“短暂性休克”的2018年7月，共有253家问题平台出现提现困难、平台失联、停业或转型、平台诈骗等现象。截至2019年12月底，正常网贷平台运营数量已经下降至343家。互联网金融风险不仅损害投资者的切身利益，还会诱发金融行业系统风险，甚至成为金融领域风险爆发的高发区[1]。如何防范和化解互联网金融风险，成为当前实业界、学术界和政府相关部门亟待解决的问题。

平台生存及其行业发展除了受外部因素的影响，如平台实力、风控能力、业务模式及行业监管等[2-4]，还与个体平台自身在投融资利率、信息披露、平台运营等方面的决策密切相关。首先，在投融资利率方面，魏丽萍等[5]探讨借款利率和平台成交量之间的关系，认为借款利率的提高不会引致成交量的上升，但平台成交量的增加会降低借款利率。朱家祥等[6]通过构建网络借贷投资利率模型考察正规金融市场流动性松紧对平台投资利率的影响，并建立预警机制。崔婷等[7]基于双边市场理论的视角，研究网络借贷利率形成的特征，进一步探讨双边借贷用户供求关系、外部资金成本等对网贷借款利率的影响。向虹宇等[8]提出网贷平台的利率与平台风险的关系在不同利率区间存在异质性，且对于整个网贷市场而言，其他条件不变时，网贷平台提供的利率与投资者人数正相关。其次，在信息披露方面，Wang等[9]研究信息披露和平台违约之间的关系，认为信息披露程度越高，违约概率越低；相对于登记信息、经营数据和贷款计划等信息，审计信息的披露对违约概率的影响较大。Zhu[10]指出贷款信息披露不足是众筹平台信用评级质量下降的一个重要原因。古定威等[11]从双边市场的视角研究优质众筹平台区别于劣质平台的信号显示行为及其影响因素，认为平台传递信息与否、传递的信息真实与否均依赖于信号显示成本；而且平台传递真实信息的可能性还会受到平台收费、借款人项目特征、投资人资金成本等因素的影响。Chen等[12]提出平台设计最优动态信息披露政策对提高其自身价值和用户交互的作用。在平台运营决策方面，周正龙等[13]考虑众筹网络借贷交易的双边市场特征下，提出双边密封的动态关闭式拍卖机制，认为这类机制满足激励相容特性，有利于降低羊群效应。Liu等[14]通过构建三阶段博弈模型，探讨竞争性平台在不同收费机制下的最优定价。薛伟贤等[15]认为众筹平台运营中的生存问题主要与其捕食共生策略有关，声誉建设、实物担保物价值、平台道德风险行为被发现概率等因素是平台“捕食共生”策略产生的增量。刘伟等[16]基于三方博弈视角，对网贷市场参与主体行为策略的演化博弈均衡进行分析。刘赫等[17]运用两阶段动态博弈的方法研究众筹网贷平台的定价行为，提出通过补贴手段能够吸引更多的出借人，获取更高的利润；但同时还要根据规模大小分类别、有重点地加强风险控制。Elena等[18]考虑不同时间和执行规则，提出基于延期支付的平台机制设计。

从上述文献可以看出，已有相关研究主要侧重信息披露策略对借款人违约率及平台评级和自身价值的作用、平台运营决策等。而且，平台运营决策相关研究重点关注其运行机制，较少从行为的视角研究平台运营决策。此外，仅有的众筹平台运营行为的研究均假设平台决策为单期行为，仅以单期收益最大化为目标。然而，实际上，平台的决策行为是跨期的，当平台作为决策主体进行跨期决策时，不仅会考虑当期收益，还会考虑当期决策给未来收益带来的影响。并且，平台在运营过程中普遍存在羊群行为，如平台推出项目的同质化、业务战略的多元化、营销手段的多样化等；平台的羊群行为对互联网金融市场的风险状况影响更大、更深、更远。因此，这种影响机理，尤其是平台在项目推出及审核准入过程中表现出的羊群行为将如何影响互联网金融整个行业的决策，进一步如何影响互联网金融行业风险等问题需深入研究。

基于以上现实背景和理论研究，本文以互联网金融平台为研究对象，探讨存在短视认知偏差时平台跨期决策行为，以及羊群效应对整个行业的项目准入决策的影响。进而，运用数值分析的方法探析影响其项目准入行为决策的重要因素，并在此基础上提出相应的决策建议和管理启示，以期为相关决策者及管理部门提供决策参考和理论依据。

1 模型描述与基本假设

假定互联网金融行业共k个互联网金融平台(简称“平台”)，在第t(t=0,1,2)阶 段第i(i=0,1,2,···,k)个平台上发起n项借贷项目，平台可以允许高质量项目进入，也可以允许低质量项目进入。其中，平台审核高质量项目产生边际成本cH、审核低质量项目所产生的边际成本为cL，由于项目质量高低的判别主要取决于平台对其基本资料和项目公司的资质及过程案例等相关信息掌握的程度，因此，平台审核高质量项目所产生的边际成本高于审核低质量项目所产生的边际成本，即cH≥cL。此外，若相同融资额度的两类项目进入均能使平台获得收入y，平台允许每一期低质量项目进入的数量为qit，高质量项目进入的数量为n−qit。

考虑该平台3期的决策行为(如图1所示)如下。 1)t=0期，平台对未来行为进行规划。为将研究聚焦于互联网金融项目的质量对平台决策的影响，不考虑该阶段平台规划时所产生的支出。2)t=1期，项目进入平台。在该期，平台对其申请项目进行审核，此时，以单位审核成本cL允许低质量项目进入的数量为qit，以审核成本cH允许高质量项目进入数量为n−qit。假定相同融资额度的两类项目均能成功发起，此时平台获得单位收入为y。 3)t=2期，在该期，进入的低质量项目以概率p被政府等相关监管部门发现。此时，平台将承受罚款等处罚费用，为其中，α (α≥0)为低质量项目被发现时平台受惩罚的系数。

图1 互联网金融平台决策流程Figure 1 Decision-making flow chart of Internet financial platform

此外，第i个平台作为一个动态的决策者，在决策时不仅考虑当期收益，还会考虑当期决策对未来收益带来的影响。并且，平台对跨期收益贴现计算时，还可能表现出“短视认知偏差”。本文借鉴Laibson[19]提出的双曲线贴现模型对互联网金融平台行为进行刻画。此时，平台跨期效用可表示为

其中，t表示平台行为决策期； δ表示贴现因子； β表示平台存在“短视认知偏差”( β≤1)。由于平台之间认知存在差异，因此，按照是否存在认知偏差，将平台分为两类；并假定，在t=0期，整个互联网金融行业中存在短视认知偏差的平台数量占整个行业平台总数的比例为θ，受羊群效应的影响，t=1期 时，其所占比为 εθ(ε ＞0)。

相关变量及说明如表1所示。

表1 相关变量及其说明Table 1 Relevant variables and their descriptions

2 单一平台项目准入决策

首先选取具有短视认知偏差的平台为代表，分析短视认识偏差影响下的单个平台项目准入决策行为。根据双曲线贴现模型可知，平台在第 0期的贴现因子结构为，在第1期与第0期之间贴现时将使用贴现因子 βδ，在第2期和第1期贴现时将使用长期贴现因子δ。因此，在第0期，平台计划项目准入时，其目标函数可表示为

式(2)表明，在项目准入规划期(即t=0期)，平台的期望收益主要由两部分构成：在第1期，高质量项目与低质量项目进入所带来的收益贴现；在第2期，低质量项目被发现后所造成的损失贴现。

通过对qi0求导可最优化其目标函数，进而得到如下命题及推论。

命题1当t=0时，平台计划允许低质量项目进入的最优数量为

推论1当t=0时 ，q*0随 着cH的增大而提高；亦随着cL、δ、p、α的增大而降低。

由命题1和推论1可知，在规划阶段，当项目准入总数一定时，平台项目准入决策不仅与高低质量项目审核成本相关，还与贴现因子、低质量项目被发现概率及被发现后所受的惩罚力度相关。随着高质量项目审核成本的增加、低质量项目审核成本的降低，平台倾向于允许更多数量的低质量项目进入；然而随着贴现因子的增大，平台倾向于允许低质量项目进入的数量减少，表明平台决策时更具有耐心，也更具有理性。此外，随着低质量项目被发现概率及被发现后所受的惩罚力度的增大，平台倾向于允许低质量项目进入的数量也会随之减少。

在第1期，平台实际允许项目进入时，其目标函数可表示为

式(3)表明，在实际项目准入期(即t=1期)，平台的期望收益主要由两部分构成：在第1期，高质量项目与低质量项目进入所带来的收益；在第2期，低质量项目被发现后所造成的损失贴现。同样，通过对q1求导可最优化其目标函数，进而得到如下命题及推论。

命题2当t=1时，平台允许低质量项目进入的最优数量为

推论21) 当t=1时 ，q*1随 着cH的增大而提高，亦随着cL、β 、δ、p、α的增大而降低。

2) 当t=1，且仅当 β ＜1时 ，q*1＞q*0，∆q*=q*1−q*0=随着cH的增大而提高，亦随着cL、β、δ、p、α 的 增大而降低；当 β=1时 ，q*1=q*0，∆q*=0。

由命题2和推论2可知，在实际准入阶段，当项目准入总数一定时，平台的项目准入决策不仅与高低质量项目审核成本相关，还与平台短视认知偏差系数、贴现因子、低质量项目被发现概率及被发现后所受的惩罚力度相关。随着高质量项目审核成本的增加、低质量项目审核成本的降低，平台倾向于允许更多数量的低质量项目进入；然而随着短视认识系数、贴现因子、被发现概率、惩罚力度的增大，平台倾向于允许低质量项目进入的数量减少；此外，当认知偏差系数 β＜1时，在项目实际准入阶段，平台允许低质量项目进入的数量比计划阶段决策数量多，并且随着认识偏差系数的降低，这种数量差越来越大。这表明，由于认知偏差的存在，平台在规划期与实际准入期决策行为存在偏差，由于不同时期贴现因子的变化( δ →βδ)，使得平台高估了低质量项目进入所带来的收益，从而导致其允许更多的低质量项目进入平台；若认知偏差系数 β=1，则表明平台为理性的决策者，此时，在项目实际准入阶段，平台允许低质量项目进入的数量与计划阶段决策数量相等。

3 平台行业项目准入决策

基于单一平台项目准入决策分析，进一步探讨羊群效应存在时平台行业的项目准入决策行为。

短视认知偏差虽然是互联网金融行业中普遍存在的一种现象，但个体平台之间还会存在差异。因此，按照理性程度将整个行业的平台分为两类：存在短视认知偏差的平台和不存在短视认知偏差的平台。若在第0期，存在短视认知偏差的平台数量占整个行业平台总数的比例为θ，那么不存在短视认知偏差的平台数量所占比例为 1 −θ；且在第1期，在羊群效应情形下，存在短视认知偏差的互联网金融平台数量占整个行业平台总数的比例为 ε θ(ε≥1)。

在第0期，即项目准入规划期，平台行业的期望收益函数为

在第1期，即项目实际准入期，平台行业的期望收益函数为

式(4)和(5)分别表示在项目计划期(t=0期)和实际项目准入期(t=1期)，整个平台行业的期望收益主要由存在短视认知偏差和不存在短视偏差这两类平台期望收益组成。同样，通过对Q0求导可最优化其目标函数，进而可得如下命题及推论。

命题3当t=0时，平台行业计划允许低质量项目进入的最优数量为当t=1且 0＜ε≤时，平台行业实际允许低质量项目进入的最优数量为

推论31)Q*0、Q*1均 随着的增大而提高，亦随着cL、β、δ、p、α的 增大而降低；此外，Q*0与ε、θ 无 关，但Q*1与之相关，且当时，随着θ 的增大而提升。

由命题3和推论3可知，考虑到平台认知偏差分类及羊群效应影响后，平台行业计划允许低质量项目进入的最优数量与存在短视认知偏差的平台数量所占比例θ、羊群效应 ε均无关。然而，实际项目准入最优数量却与之相关，并且，当羊群效应 ε在一定的取值范围内，平台行业才存在最优的决策，否则没有现实经济意义。

4 数值仿真与分析

为验证以上模型分析结果，进一步探究短视认知偏差、羊群效应和低质量项目进入最优数量之间的关系，以及惩罚力度和监管概率等其他变量所产生的影响，相关参数设定如下。根据实际互联网金融市场的情况可知，借贷利率r一般在12% ～ 18%之间，因此，取r值为15%，则由贴现因子 δ和借贷利率r的关系式，可得 δ的取值为0.87；参考文献[10] ，设定cH=200 ，cL=100，f=150 ，p=0.5，α分别取值0.8和0.2；结合上文分析，β取值 [0.1,1]，θ取0.8时，ε可 取0.2； θ2取 0.2时，ε可取19/9。将以上参数代入模型中，经运算分析得到图2 ～ 5。

图2 认知偏差、惩罚力度对单一平台决策的影响Figure 2 The impact of cognitive bias and punishment intensity on single platform's decisions

由图2可知，在实际决策期，随着认知偏差系数的降低，低质量项目准入最优数量随之上升；实际决策期与计划期的低质量项目准入的最优数量的差额随着认知偏差系数的降低而增加。这表明认知偏差系数 β 值越小，认知偏差程度越大，平台的非理性程度也越高，从而使得计划期与实际决策期的行为存在较大的差异。当平台的认知偏差程度较大时，低质量项目准入带来的短期收益对平台的诱惑要高于其被发现和惩罚所产生长期成本的考虑，从而使得平台在实际决策期允许更多数量的低质量项目进入。然而，当惩罚力度增大，即 α由0.2提高至0.8时，对于平台而言，低质量项目进入造成的惩罚成本过高，使其短期收益不足以弥补长期可能受到的惩罚，此时，平台在实际决策期将允许较少数量的低质量项目进入。由此可知，若监管方严格监管，加大对低质量项目进入的惩罚力度，则平台在实际决策时并不会允许低质量项目进入平台。结合现实中的网贷平台行为进一步分析可知，在网贷市场发展初期，监管当局为弥补传统金融不足，发展普惠金融，采取“规范和促进互联网金融健康发展”的监管政策，在此环境下，不少平台受“眼前利益”的诱惑推出低质量融资项目，发布虚假标的。但随着《网络借贷信息中介机构业务活动管理暂行办法》等相关监管政策的出台，平台发布低质量项目等非理性行为面临较高的惩罚成本，甚至可能被淘汰出局。此时，实际决策期的非理性决策收益低于长期处罚成本，平台允许低质量项目进入的数量下降。

由图3可知，对于整个互联网金融平台行业而言，随着认知偏差系数的增大，实际决策期低质量项目进入数量降低，实际决策期与计划期低质量项目进入数量的差值也越来越小，当认知偏差系数增大为1时二者相等。这表明，当单一平台存在认知偏差时，整个互联网金融平台行业的决策也会受到影响；认知偏差系数越小，表明整个互联网金融平台行业更加看重在短期内低质量项目进入所带来的收益。并且当惩罚力度增大，即 α由0.2提高至0.8时，对于整个平台行业而言，低质量项目进入造成的惩罚成本过高，使其短期收益不足以弥补长期可能受到的惩罚，该结论与单一平台多期决策相似。同时，通过对比图2和图3可知，单一平台与整个平台行业决策比较而言，虽然二者均随认知偏差系数的增大而降低，但随着认知偏差系数的增大，单一平台实际决策期低项目进入的最优数量降低的速率逐渐变小；整个平台行业实际决策期低项目进入的最优数量降低的速率则保持不变。由此可以看出，考虑到平台的分类之后，互联网金融平台行业行为偏差的程度降低，此结论与网贷市场合规整顿期间的行业实际情况相吻合。即监管当局于2016 ～2017年间进行的合规整顿，在一定程度上促使一部分认知偏差较小的平台趋向于降低低质量项目进入的数量，但仍然存在认知偏差较大的平台允许低质量项目进入。因此，监管者对网贷市场的合规整顿规范了平台的项目准入行为，为整个网贷行业的健康发展注入规矩的力量。

图3 认知偏差、惩罚力度对行业决策的影响Figure 3 The impact of cognitive bias and punishment intensity on industry's decision

图4展示了行业平台项目决策与认知偏差和羊群效应的关系。由图4可知，行业平台计划期低质量项目进入数量与认知偏差、羊群效应均无关系；行业平台实际决策期低质量项目进入数量随着认知偏差系数的增大而降低。并且，当羊群效应提高时(即 ε由0.2上升到19/9时)，实际决策期低质量项目进入数量也更高。这表明，在整个平台行业中，若一部分平台存在短视认识偏差，且行业跟风现象严重，则整个行业表现出对短期收益的追逐，而不顾长期惩罚可能带来的损失。在羊群效应的影响下，整个行业实际决策的低质量项目进入数量远远高于计划期的数量。结合网贷市场初期情形进一步分析可知，在宽松监管环境下，具有短视认知偏差的平台允许低质量项目进入能够获得更高的收益，造成“劣币驱逐良币”现象，部分理性平台在利益驱使下跟风决策，进而导致2015 ～ 2016年间问题平台数量暴增、网贷市场“暴雷”现象频发。

图4 认知偏差、羊群效应对行业决策的影响Figure 4 The impact of cognitive bias and herd effect on industry's decision

图5显示了羊群效应和认知偏差、羊群效应和短视认知平台数量占比的变动对项目准入决策偏差幅度的影响。由图5(a)可知，随着羊群效应的增大，项目准入决策偏差幅度越来越大，当羊群效应在一定阈值范围内(ε ∈[0，ε1)时)，整个行业平台的决策偏差幅度低于单一平台的决策偏差幅度；当羊群效应超出一定阈值范围内时，整个行业平台的决策偏差幅度高于单一平台的决策偏差幅度。并且，较小的短视认知偏差系数(β=0.4时)使行业平台与单一平台的决策偏差曲线更陡峭。这表明，在不考虑其他因素变动的情况下，当羊群效应达到一定阈值，会使整个行业平台实际的最优决策严重偏离规划期的最优决策，进而表现出，较单一平台而言，整个行业的实际决策与计划偏离程度更大。此外，单一平台的短视认知偏差系数越小，表明其非理性程度越高。此时，无论是单一平台还是整个行业平台，均呈现出较大程度的决策偏差。图5(b)表明，随着羊群效应的增大，项目准入决策偏差幅度呈上升趋势；且当短视认知偏差平台占比较小时(θ =0.4)，整个行业平台的决策偏差幅度低于单一平台的决策偏差幅度；当短视认知偏差平台占比较大(θ =0.6)且羊群效应的阈值在[0，ε2)内时，整个行业平台的决策偏差幅度低于单一平台的决策偏差幅度；然而，当短视认知偏差平台占比较大(θ =0.6)且羊群效应的阈值在内时，整个行业平台的决策偏差幅度则高于单一平台的决策偏差幅度。这表明，在不考虑其他因素变动的情况下，行业羊群效应的增大使行业决策偏差变大，进而使其与单一平台决策偏差变动幅度也越大；并且，当短视认知偏差的平台数量占比较大且羊群效应较高时，整个行业表现出的决策偏差大于单一平台的决策偏差。与单一平台相比，此时整个行业的实际决策更加偏离计划期决策。然而，若短视认知偏差的平台数量占比较大，但行业羊群效应较小，则与单一平台相比，整个行业的实际决策和计划期更相符。这一结论印证了互联网金融市场的实际情况。如网贷市场伊始，行业平台数量暴增、竞争加剧，为扩大资金规模，平台跟风保本贴息宣传，大量虚假产品和标的涌现。此时，整个网贷行业中具有短视认知偏差的平台的占比较大，低质量项目数量增多，行业乱象丛生，诈骗、跑路等问题相继暴露。随着“1+3”监管体系等合规政策的落地，即使网贷行业中存在较多具有短视认知偏差的平台，但受监管政策的制约，使得羊群效应降低。相较于前期，行业整体表现较为理性。

图5 羊群效应、认知偏差、短视平台占比对行业决策的影响Figure 5 The impact of herd behavior, cognitive bias and platform ratio on industry's decision

5 结论与启示

本文通过构建单一平台和整个行业平台的跨期决策模型，研究存在短视认知偏差和羊群效应时，平台及行业允许低质量项目进入的相关决策问题，主要研究结论和管理启示如下。

1) 短视认知偏差影响平台及行业的决策。短视认知偏差程度越大，平台的非理性程度也越高，从而使得计划期与实际决策期的行为存在较大的差异。由于短视认知偏差是一种慢变量，其改变需要一个相当漫长的过程。因此，对于主要由平台决策行为引致的互联网金融风险，比较直接的、快速的风险防控策略是相关管理部门加强对平台的监管，提高惩罚力度，促使平台严格审核项目，防止过多低质量项目进入，进而从源头防控互联网金融风险。同时，低质量项目进入的根本原因在于平台存在短期认知偏差，因此，互联网金融风险监管的长久之计是通过长期的绵绵用力策略逐渐降低平台的短视认知偏差程度。如加强教育宣传，优化平台的经营理念，规范平台经营行为，或者运用法律法规，加强长期相关制度的设计和安排，形成引导和约束互联网金融平台关注持续发展的长效机制，从而从根源上纠正其短视认知偏差，达到久久为功的治理效果。

2) 在不考虑其他因素变动的情况下，认知偏差程度和羊群效应共同影响行业决策。因此，相关管理者应当重视互联网金融行业中羊群效应的影响，重点监管行业中“领头羊”，即代表性平台，控制“重点传染源”；特别是，一旦发现“领头羊”的违规行为，应综合运用主流媒体舆论、监管部门约谈、重金处罚和法律工具等对其进行从重从快处置，对整个行业起到“杀鸡儆猴”的作用，从而有效遏制低质量项目的进入。2020年岁末，互联网金融界最受关注的热点事件“蚂蚁金服暂缓上市”发生后，监管部门对“蚂蚁集团”的一系列处罚措施就是一种典型的“领头羊”治理策略。

3) 在不考虑其他因素变动的情况下，短视认知偏差平台的数量占比和羊群效应共同影响行业决策。因此，政府相关监管部门应当特别重视互联网金融行业的结构和特征，既对短视认知偏差的平台加强监管，要求其进行充分的风险提示披露、交纳一定的风险保证金等措施，还要教育投资者提高自身的风险意识和规避风险能力；同时，也要引导网上舆论形成有利于降低短视认知偏差程度，注重长期可持续发展的平台舆论场，从而有效控制短视认知平台的占比。此外，加强监管频度，实时、动态关注互联网金融平台行业的动向，严控短视认知偏差的互联网金融平台数量，防止羊群效应造成的负面影响进一步扩散。

本文对解释短视认知偏差、羊群效应对互联网金融项目准入决策的影响，以及互联网金融行业的健康发展具有重要的意义。但同大多数文献一样，是在不考虑其他决策主体的情况下展开的，未来的研究可以进一步考察监管方对互联网金融项目准入决策的影响。此外，互联网金融项目准入决策的演化等也是值得研究的方向。