推荐 | 金融科技会颠覆传统金融吗？——大数据信贷的经济解释

近日P2P的清零有其内在的必然性，IMI研究员邱志刚、罗煜、江颖、伍聪等人曾对此著文深入研究。该文构建了一个存在不对称信息的模型，比较了直接借贷模式、传统银行信贷模式和大数据信贷模式在风控上的差异，详细论证了大数据有助于解决借贷中的道德风险和逆向选择问题的机理。大数据信贷模式收集和利用了传统银行信贷模式中所没有的信息，改善金融机构的风控能力，是对传统银行信贷模式的升级；而P2P网络借贷如没有大数据支持，按照其的信息中介的本质，只是在直接借贷模式上加入了互联网平台，并不能有效改善信息不对称问题，和银行相比在风控上并无优势。

以下为观点速递：

 1

引言

金融科技为传统银行没有触达的客户提供两种改善融资可得性的新模式：一是P2P网络借贷，出借人和借款人通过互联网实现直接的资金匹配；二是大数据信贷，机构通过获得银行没有的大数据信息对借款人信用状况进行更好的甄别进而发放贷款。一方面，学界和实务界都对金融科技可能给传统金融带来的变革抱有很高的期待，一些人声称金融科技会颠覆传统金融；另一方面，贴上“金融科技”标签的P2P网贷等新业态呈现的种种乱象又引发人们对金融科技的疑虑。金融科技会颠覆传统金融吗？与传统银行信贷模式相比，经过金融科技改造的信贷模式有什么优势，能否在理论层面对传统金融和金融科技开展信贷业务上的差异做出严谨的解释？

尽管已有文献讨论了金融科技的基础理论，一些研究也指出了大数据有助于解决信息不对称导致的道德风险和逆向选择问题，但多数对金融科技的研究还集中于定性描述和经验研究，权威中文文献中极少有用严谨的经济学语言去论证金融科技如何解决信贷业务中最关心的道德风险和逆向选择问题：需要什么样的信息？解决过程是什么样的？机理何在？成效如何确定？

为此，本文构建了一个存在不对称信息的模型，论述大数据如何解决传统金融模式所面临的信息不对称问题，主要结论是：P2P网络贷款本质是直接融资模式，虽然商业模式新颖，但大多数平台在运营中基于线下的传统风控内核没有变。因此，P2P模式没有比传统信用中介额外获取多少私人信息，并没有明显缓解信息不对称问题，依然无法真正解决小额信贷的风控难题。基于大数据的信贷通过大数据分析，产生了新的、对信用审查有用的信息。当大数据所提供的信号足够精确时，大数据信贷模式可以有效覆盖传统商业银行不能覆盖的客群，并且能较好的解决道德风险和逆向选择问题。

以下分别为文献综述、基准模型、拓展模型、结论。

 2

文献综述

一系列文献讨论了P2P网贷能否有效解决信息不对称问题。大量的实证文献试图论证P2P所依赖的非传统信息可以影响其成功率和利率定价，如外貌（Duarte et al.，2012）、种族性别（Pope & Sydnor，2011）、财务状况（Iyer et al.，2009）、社会关系（Freedman & Jin，2008）、社交网络（Lin et al.，2013）、借款陈述（李焰等，2014）和投资者理性（廖理等，2014）。这些非传统信息是对信用信息的一种替代，起到了信号作用，通常被视为“软”信用信息。不过，除了必需的身份等信息外，P2P的借方通常是自愿发布那些有助于他们获得贷款的信息，而这些信息一般是无法核实的，无论是出借人还是平台都缺乏甄别信息真伪的能力，所以不能作为可信的信息来源，但实证研究表明，出借人却很容易受到这些信息的影响，而做出可能是错误的决策（Michels，2012）。

随着大量数据的涌现，研究者开始关注大数据的经济影响。例如Goldfarb & Tucker（2019）发现大数据可以降低经济成本，Begenau et al. (2018) 和 Farboodi et al.（2019）分析了大数据和公司规模及成长性的关系，Farboodi & Veldkamp (2020)探讨了大数据的获取如何影响市场有效性。另外，对大数据进行分析的方法层出不穷，这为金融业的应用提供了很好的方法论支持，Varian (2014)和Mullainathan & Spiess (2017)对此进行了总结。实证方面，Hua et al. (2017)和Huang et al. (2018) 使用蚂蚁金服的数据，发现大数据信贷可以提升商品的成交量和多样性，并提高商户的服务水平。这个结论不仅验证了大数据信贷的效果，还间接反映出金融科技促进实体经济发展的渠道。

关于传统金融与金融科技的关系，一些文献探讨了P2P平台和传统商业银行之间到底是相互替代还是补充关系。Tang（2019）构建了理论模型对该问题进行分析，并应用Lending Club的数据进行验证发现，P2P平台出借的对象也是银行的服务对象，P2P借贷只会发生在能够从银行获得信贷的人身上，从这点上看，P2P平台对银行是一种替代；但是P2P平台的贷款额度非常小，从这个意义上对银行是一种补充。Braggion et al.（2019）也进行的类似的建模分析，并用人人贷的数据进行验证。另外一些学者关注金融科技和金融监管之间的关系，例如Buchak et al. (2018)和De Roure et al. (2018)。而Tarullo (2019)则认为金融科技是影子银行的一种。国内一些学者研究了金融科技公司和商业银行的竞争，从结果上来看，如果竞争是良性的，金融科技能够促进传统金融业进步；而另一方面，竞争的加剧还可能威胁商业银行生存，并诱使商业银行开展高风险高收益的项目以留住客户（谢平和邹传伟，2015；郭品和沈悦，2015）。

然而，目前还没有较为成型的理论模型刻画出金融科技影响传统金融背后的经济机理，尚且只能定性的描述金融科技在解决信息不对称问题上比传统金融有优势，因此对于认识金融科技和传统金融的关系贡献有限。本文正是在众多经验研究的基础上，建模分析大数据信贷如何解决道德风险和逆向选择问题。Holmstrom & Tirole (1997) 对最基本的借贷行为构建了一个基础分析框架，本文的模型基于该文的框架。不过，本文针对的是广义上的借贷模式，并不特别指P2P，也包含银行信贷模式，因此区别于专门建模分析P2P借贷模式的文献（如Chen et al.，2014；谈超等，2014；张海洋，2017）。

 3

基准模型

（一）模型假设

基于Holmstrom & Tirole (1997)经典模型设定，一个企业家可以生产某种产品，该产品的产量被标准化为1。假设产品有两种状态，分别是合格品和非合格品。消费者只接受合格品，不接受非合格品。如果企业家生产的是合格产品，则其收益为R。如果企业家生产的非合格品消费者不接受，则收益为0。如果企业家进行生产，需要投资总量为I（I固定）。企业家有自有资产A，但不够投资需要（A<I）。为了投资该项目，企业家需要融资I-A。

如果借贷双方不存在中介，则为直接融资模式，如果存在中介（银行），则为间接融资模式。企业家最终的产品会被消费者消费掉。因为消费者只接受合格产品，不接受非合格品，其效用随合格品的概率增加而增加，即随企业家的努力程度增加而增加。

（二）模型分析

1.直接融资模式

对于借贷双方，考虑一个最优合约。最优合约需要满足两个条件：1）在最优合约的约束下，企业家会努力工作；2）在努力工作的条件下，企业家能够获得融资，进行生产。最优合约具体描述如下：

模型说明，由于道德风险的存在，不管企业家愿意支付多高的利息，如果没有足够的自有资产作抵押，都融不到资。以上模型的结果和Holmstrom & Tirole (1997)一致，一定程度反应了我国小微企业的融资现状。该模型分析的是一种最原始的直接借贷关系，如民间借贷。

P2P平台的实质是在传统直接信贷中加入了互联网，让借贷双方更容易撮合。从这个概念来看，P2P平台起到的是纯信息中介的作用。从本质上讲，在没有额外信息的情况下，P2P的运行机理和直接融资模型完全吻合。如果没有额外获取信用信息，P2P网络借贷模式只是在客户营销层面实现了更有效的撮合和风险分散，并没有在实质上解决道德风险问题，也就无法解决金融最核心的风险控制问题。

2. 传统银行信贷模式

3. 大数据信贷模式

以阿里小贷为例，此时阿里巴巴（网商银行）为出借人，可观察到的信息为淘宝商家的交易量。当商家交易量较大时，阿里巴巴得到较好的信息，并推断商家将来产品的合格率较高。这些信息基本是客观的在电商模式下得到的私人信息，是企业家自身难以篡改的，有很高的真实性。这时的信息是出借人通过网络交易数据得到，与P2P模式中借款人主动披露的信息有显著区别。

定理1描述的情形是在大数据信贷模式下，好的企业（G类）的融资约束要低于传统银行信贷模式下所有企业的平均融资约束。在该模式下，好企业的潜力通过大数据反映给出借人，于是其融资约束和出借人根据信号更新的产品合格率成反比。可以看到，通过大数据得到的信号越精确，根据信号更新的好企业产品合格率越高，出借人愿意给企业贷款的意愿就越强。因此，在大数据信贷模式下，只要从大数据中能得到足够精确的信号，大数据信贷模式可以让那些在传统银行信贷模式融不到资的好企业获得融资机会。

定理2描述的情形是在大数据信贷模式下，不好的企业（B类）融资约束要高于传统银行信贷模式下所有企业的平均融资约束。在该情况下，通过大数据得到的信号越精确，根据信号更新的不好的企业产品合格率越低，而出借人愿意给企业贷款的意愿就越弱。因此，在大数据信贷模式下，只要从大数据中能得到足够精确的信号，大数据信贷模式可以淘汰那些在传统商业银行模式可能侥幸融到资的坏企业。

 4

模型拓展

（一）模型拓展一

图1描述了两个阶段的生产经营以及融资的过程。

图1 考虑道德风险的两阶段融资模型

一般情况下，企业家的努力程度不能被外界观察到。而金融科技为数据的拥有者提供了更多的信息。例如，可以通过观察订单量等数据推测企业家的产品和市场开发成功与否。假定在大数据信贷模式下，e可以被出借人观察到，可以应用交易的成交量或成功率作为参数。如果卖家想提高交易的成功率，需要提高产品质量，而更加努力工作是提高产品质量的一种方法，可以用基于大数据的交易成功率作为努力工作的一种信号。

下文将讨论传统借贷（包括直接借贷和银行信贷）和大数据信贷两种模式下，企业家的努力程度选择和两个阶段的融资成功率。

以上定理论证了大数据信贷模式在一定程度上解决了多阶段融资中的道德风险问题。现实中，电商平台可以观察到买卖双方的每一笔交易，并且可以根据交易量为企业提供融资。交易数量越多，平台能提供的融资量可能就越大。因此，企业家知道如果自己产品的订单上升，会得到更多的信用额度，于是有动力提高订单量，而最有效的提高订单量的方法就是努力工作。这是一种正向的激励。

（二）模型拓展二

在动态模型的基础上，加入企业的类型，引入逆向选择问题。模型的时间线见图2。

图2 考虑道德风险和逆向选择的两阶段融资模型

这一部分的模型也是两阶段融资模型。在两个阶段的初期企业都需要资金投入：第一阶段所需的投资量为I，企业家的自有资产为A”；第二阶段初期所需的投资量为ρ，并且ρ是符合均匀分布的随机变量U(0,T)。如果企业的第二阶段投资需求无法被满足，则整个项目停止，没有任何资金可以被回收。在第二阶段产品和市场开发结束时，如果企业家生产的是合格产品，则其收益为R；如果不合格，收益为0。

以上模型考虑两种类型不同的企业时应用的是不同的收益，因为好的项目（或企业）得到的收益比较高。以阿里小贷为例，大数据能够更好的揭露项目的类型。那么对好的企业来说，更努力工作能够让大数据所提供的信号更加精确，从而得到更高的期望收益，因此更有动力努力工作。

模型扩展二同时存在逆向选择和道德风险，当大数据提供的信息不够精确时，企业家项目继续进行的概率不高，于是选择放弃努力工作。当信息比较精确时，项目继续进行的概率和企业家的行为更相关，于是给企业家提供了努力工作的动力。例如，在阿里小贷模式下，阿里巴巴能够动态的观察到电商的交易情况，从而不断更新其信息。这样的一种动态交互在缓解道德风险的同时给那些质量更高、更有创新能力的小微企业提供更多的信用额度，帮助其成长。实际数据也表明，在风险管理方面，大数据信贷模式确实表现良好，2019年末网商银行的贷款不良率为1.3%，微众银行为1.24%，均显著低于全国商业银行平均水平1.86%，如果单独统计商业银行的小微贷款不良率，大数据信贷的风控效果将更加凸显。

 5

结论

本文研究了学界和实务界高度关注的金融科技对传统金融所谓“颠覆”的问题。通过建立理论模型，推导出大数据缓解由不对称信息导致的道德风险和逆向选择问题的机理。互联网上的海量交易可以产生大数据信号，对这些信号收集和处理能够缓解道德风险和逆向选择问题，从而改善金融机构的风险控制能力，覆盖银行过去不能服务的客群。大数据信贷不仅提升了机构的风控能力，也具备成本优势，这对传统银行的经营模式构成了挑战。

不过，传统信用中介有其存在的合理性，如果金融科技仅仅是对信贷业务商业模式线下到线上的改变，在处理信息不对称问题上，银行仍比P2P平台更有优势，所以对于缺乏有效大数据支持的P2P网贷模式，更像传统民间借贷在商业模式上的改良，和传统银行相比在风控上并无优势。因此，不是所有标榜“金融科技”的网络借贷都能真正体现金融科技的优势，嵌入大数据内核的信贷模式才代表着金融的发展潮流。

在金融科技发展浪潮中，如果传统银行业不能抓住机遇进行变革，则有被替代的危机。如果传统银行能吸收金融科技成果，用科技力量改造其业务体系和风控模式，则不但不会被颠覆，反而会变得更加强大。实践中，国内外一大批传统金融机构已经开始高度重视利用金融科技促进经营转型，并取得了令人瞩目的成果。从这个意义上讲，金融科技与传统金融并非对立关系，短期内金融科技兴起可能对传统金融构成一定冲击，但在长期，金融科技会被吸纳进主流金融的发展轨道中。

此外，我们还应辨别什么是真正有价值的金融科技创新。金融科技应当能更有助于金融功能的发挥——通过有效的风险管理去配置资源，服务实体经济。做到这一点，必须依赖充分、精确的信息。大数据信贷的出现是在金融活动中有效利用信息的一个范例，通过资金出借者和企业家的互动，促使企业家为了获得下一步的融资而搞好生产，产生有助于其获得信贷的信息，这无疑对实体经济活动是一种促进，客观上有助于金融服务实体经济。

点击识别下方二维码查看全文

编辑  周佳林

来源  《国际金融研究》2020年第8期

责编  李锦璇、蒋旭

监制  安然、魏唯

点击查看近期热文

欢迎加入群聊

为了增进与粉丝们的互动，IMI财经观察建立了微信交流群，欢迎大家参与。

入群方法：加群主为微信好友（微信号：imi605）,添加时备注个人姓名（实名认证）、单位、职务等信息，经群主审核后，即可被拉进群。

欢迎读者朋友多多留言与我们交流互动，留言可换奖品：每月累积留言点赞数最多的读者将得到我们寄送的最新研究成果一份。

关于我们

中国人民大学国际货币研究所（IMI）成立于2009年12月20日，是专注于货币金融理论、政策与战略研究的非营利性学术研究机构和新型专业智库。研究所聘请了来自国内外科研院所、政府部门或金融机构的90余位著名专家学者担任顾问委员、学术委员和国际委员，80余位中青年专家担任研究员。

研究所长期聚焦国际金融、货币银行、宏观经济、金融监管、金融科技、地方金融等领域，定期举办国际货币论坛、货币金融（青年）圆桌会议、大金融思想沙龙、麦金农大讲坛、陶湘国际金融讲堂、IMF经济展望报告发布会、金融科技公开课等高层次系列论坛或讲座，形成了《人民币国际化报告》《天府金融指数报告》《金融机构国际化报告》《宏观经济月度分析报告》等一大批具有重要理论和政策影响力的学术成果。

2018年，研究所荣获中国人民大学优秀院属研究机构奖，在182家参评机构中排名第一。在《智库大数据报告（2018）》中获评A等级，在参评的1065个中国智库中排名前5%。2019年，入选智库头条号指数（前50名），成为第一象限28家智库之一。

国际货币网：http://www.imi.ruc.edu.cn

微信号：IMI财经观察

（点击识别下方二维码关注我们）

理事单位申请、

学术研究和会议合作

联系方式:  

010-62516755 

[e-mail]

只分享最有价值的财经视点

We only share the most valuable financial insights.