FinTech借贷如何影响银行对借款人的信贷供应

消费信贷市场是最大和最重要的信贷市场之一，在美国有4万亿美元的未偿信贷(美联储(2019))。然而，它的特点是有几个不完善的地方，如信用卡利率高和经常拒绝信贷申请。许多金融技术(FinTech)的革新者已经进入了消费信贷市场，可能是因为他们能够克服其中的一些困难，并看到有利可图的机会。主要的消费信贷机构TransUnion估计，金融科技贷款目前占个人无担保贷款市场的三分之一。

为了更全面地理解金融科技在借贷中的作用，中国人民大学金融科技研究所（微信ID：ruc_fintech）对论文核心内容进行了编译，描述了P2P借贷的创新，以及P2P借贷人和银行在借贷流程上的关键区别。

来源 | Rotman School of Management Working Paper，Tetyana Balyuk

编译 | 王皓月

摘要

从理论上讲，科技(金融科技)贷款机构对银行信贷的影响是模糊的。如果从金融科技贷款机构借款增加了违约风险，银行可以减少信贷。另一种选择是，银行可以提供更多的信贷，如果这种贷款显示了信用价值。本文使用一个大型个人对个人(P2P)贷款机构的独特设置来研究这些可能性。本文发现银行为那些获得P2P贷款的消费者增加了信贷，尤其是那些信用记录较差的消费者。大多数借款人使用P2P贷款来为昂贵的银行债务再融资。资金有限的借贷者消费这些贷款，但他们的银行信贷却增加了。这些结果与p2p贷款对银行业的信息溢出相一致。

消费信贷市场是最大和最重要的信贷市场之一，在美国有4万亿美元的未偿信贷(美联储(2019))。然而，它的特点是有几个不完善的地方，如信用卡利率高(Stango和Zinman(2009))和经常拒绝信贷申请。不完善的来源包括信息不对称(Stiglitz and Weiss(1981))、高交易成本(Brito and Hartley(1995))和不完全竞争(Parlour and Rajan(2001))。许多金融技术(FinTech)的革新者已经进入了消费信贷市场，可能是因为他们能够克服其中的一些困难，并看到有利可图的机会。主要的消费信贷机构TransUnion估计，金融科技贷款目前占个人无担保贷款市场的三分之一。

金融科技贷款机构通常将自己定位为比银行更方便、更快、更便宜的选择，因为金融科技贷款机构的在线业务、自动化和有利的监管。这些贷款机构还声称，它们使用了更高级的算法(如机器学习、替代数据)，能够更好地甄别借款人，并减轻信息不对称造成的困境。如果金融科技行业的新进入者确实能够通过缓解信息摩擦来减少信贷市场扭曲，消费者应该能够通过扩大信贷渠道和降低利率而受益。尽管金融科技贷款具有潜在的重要性，但它对借款人的影响尚不清楚。

本文研究了从金融科技贷款机构获得贷款如何影响传统信贷中介机构(如银行)提供的消费者信贷，以及它如何影响消费者的借贷模式。本文关注的是最成功的金融科技借贷模式:P2P借贷。从2006年到2018年，美国的P2P借贷平台已经发放了超过480亿美元的消费者贷款。普华永道预计，到2025年，P2P借贷每年将增长到1500亿美元。P2P借贷的主要创新点是通过双边平台实现借贷双方的直接匹配。借款人在网上申请小额无担保贷款，然后由多个投资者评估和“众筹”贷款申请。这一借贷技术的创新对借款人信息的处理方式产生了影响。另一个创新的特点是使用全自动算法来定价和包销贷款，以降低筛选成本。当信贷决策是按顺序做出的，当其他贷款人可以观察到来自P2P平台的贷款时，消费者贷款的这些改进可能会导致P2P贷款人向银行的信息溢出。

确定获得P2P贷款如何影响借款人的银行信贷是一项经验上的挑战，因为如果获得P2P贷款的借款人与被拒绝(或不申请)的潜在借款人之间存在系统性差异，那么不可观察的借款人风险可能会对结果产生偏差。本文使用应用级数据和Prosper Marketplace (Prosper)上的独特设置，Prosper是美国最大的P2P贷款机构之一，以克服这一挑战。主要样本期为2011年至2015年。中位数申请人有很强的借款人背景(即她可能缺乏抵押品，也没有能力承担更多的债务）。P2P贷款申请者的一个显著特点是信用卡使用率高。贷款规模中位数为12,000元，分3年期或5年期。Prosper向信用机构报告P2P贷款，银行可以从信用报告中观察这些贷款。

Prosper平台的三个独特特性为本文的研究提供了便利。首先，Prosper跟踪重复的借款人(即重复的借款人)。它允许用户构建一个消费者面板，并在P2P贷款申请后观察他们财务状况的变化。其次，贷款金额和利率在融资前设定。因此，决定借款者是否获得贷款的是投资者的资金，而借款者无法通过协商获得更高的利率。第三，P2P贷款只有在投资者承诺超过所要求金额的70%时才能延期。这一融资门槛造成了贷款发放概率的不连续性，从而有助于确定P2P借贷的因果效应。

本文将分三步进行分析，将在下面详细解释。首先，本文证明获得P2P贷款可以获得更高的银行信贷，而这种效果在不同的借款人身上有所不同。其次，P2P借贷对消费者借贷模式的影响也是异质的，但是债务再融资，或者由此导致的信用分数的变化，并不能解释P2P借贷之后银行信用的增加。第三，本文指出，信贷渠道的扩大不会导致过度借贷，同时也不会导致更高的违约率。

结果总结如下。首先，本文发现P2P借款人不仅通过P2P借贷平台扩大了自己的信贷，银行也随之增加了对这些客户的信贷供应。利率的关键变量是银行提供的循环信贷的数量(例如信用卡、信贷额度)。本文表明，在OLS回归中，P2P借贷与限额1020美元的增加有关，即2.6%的平均值。这一效应的规模超过了向自有住房转变对信贷限制影响的一半以上，而且这是一个不小的增长。在确定P2P借贷对银行信贷的因果影响方面，本文又向前迈进了一步，本文将重点放在了资金有限的借款者的子样本上。这些借款人获得P2P贷款的概率在70%的融资门槛上“跳跃”了40个百分点(pp)。本文在本文的回归不连续设计(RDD)中利用了这一事实。RDD的结果支持了P2P借贷导致银行信用额度增加的假设。这些结果是新颖的，它们表明，银行在做出增加信贷渠道的决定时，应考虑P2P贷款。这些结果也与银行将P2P贷款的扩展视为信誉度的信号相一致。本文通过研究P2P借贷对银行信贷的影响为这种解释提供了额外的证据，这些消费者最初有不同的信贷受限的可能性(例如，Jappelli(1990))。本文的研究表明，对于信用记录较短、信用评分较低的P2P借款人，银行信贷的增幅更大(5.2%的增幅)。这一结果表明，P2P贷款人提供了关于风险更高的借款人的有价值的信息，这与信息故事是一致的。

其次，本文发现P2P借贷对消费者借贷模式的影响是异质性的。对于许多借款人来说，银行债务显然会取代P2P债务。本文展示了P2P贷款的使用与平均借款者的循环余额减少7.6%和循环信用减少10.4%有关。这一结果与信贷重新定价是一致的。它表明，考虑到借款人的整体债务水平没有下降，大多数借款人通过P2P贷款来为昂贵的信用卡债务再融资。如果P2P借贷确实采用边际定价，那么替代的程度应该与已有的池化成本有关，信用质量最好的借款人应该从再融资中获益最多。这正是本文所发现的。本文证明，对于信用评分较高的借款人来说，周转余额的下降幅度更大。然而，资金有限的借款人在接受P2P贷款后不会降低他们的循环余额，这表明他们消费了贷款，而银行贷款和P2P贷款是对这些借款人的补充。重要的是，尽管如此，银行仍愿意向资金有限的借款人提供更多的信贷，这意味着P2P贷款后借贷模式的变化，并不能解释获得银行信贷的更高途径。

第三，本文提供了额外的证据，表明P2P贷款机构认可的借款人确实是有信用的。银行可能错误地将P2P贷款的扩展理解为一种信誉度的信号。如果P2P借贷的审查不严格，贷款可以提供给那些信用较差、在决策过程中更容易产生偏见的消费者。在这种情况下，消费者应该过度借贷并更频繁地违约(例如，, Laibson (1997); Zhu, Dholakia, Chen, and Algesheimer (2012))。为了检验这种可能性，本文跟踪了所有信贷产品(包括银行债务)的债务总额和拖欠情况。本文发现平均每个P2P借款人的总债务增加了4.5%左右，资金有限的借款人没有变化。然而，本文没有发现任何证据表明，增加信贷渠道会导致更高的拖欠率。这一结果并不支持过度借贷。这与P2P贷款机构利用技术很好地甄别借款人是一致的，而且，获得P2P贷款可能会被其他贷款机构解读为一个积极的信号，这是有道理的。最后，银行可能会对P2P贷款机构的竞争做出反应，而不是对信息溢出做出反应。本文提供证据证明这种解释是不可能的。本文还评估了对重复借款者的关注是否会使测试偏向于发现上述结果。本文证明了事实正好相反。

本文的研究结果表明，P2P网络借贷是通过多种借贷关系的信息溢出而产生认证的。这些结果可能令人惊讶，因为银行数十年来一直活跃在消费贷款领域，因此应该比新进入者拥有更好的信贷模式。鉴于本文下面描述的P2P借贷过程，P2P贷款人似乎不会收集任何现有贷款人无法获得的新的软信息。相反，如果他们确实改善了信息，这种改善很可能是筛选的准确性提高的结果，因为机器学习算法可以更好地处理硬数据，或者是因为机构投资者(例如投资公司、对冲基金)在他们的平台上提供的信息。坊间证据证实，银行可能愿意通过银行-金融科技合作伙伴关系，将筛选工作外包给非银行贷款机构开发的专有技术(例如，Regions Bank与Avant合作，Beneficial State Bank与LendUp合作，摩根大通与OnDeck合作，荷兰国际集团与Scotiabank与Kabbage合作)。社区银行还投资于主要P2P借贷平台(如LendingClub、Prosper)的贷款，这表明这些银行信任金融科技行业新进入者的筛选算法。

个人对个人借贷（Peer-to-Peer Lending）

P2P借贷的创新

P2P借贷，也被称为“债务众筹”或“市场借贷”，于2005年出现在英国。美国第一个P2P借贷平台该公司成立于2006年2月。P2P借贷发展迅速，尤其是在2013年之后。目前，美国P2P贷款市场最大的部分是个人消费贷款，2006年至2018年，超过480亿美元的贷款发放给了320万借款人。面向消费者的P2P借贷由两个平台LendingClub和Prosper主导，市场份额分别为84.9%和15.1%。最近P2P借贷的快速增长很有趣，因为通过P2P交易进行借贷的非中介化似乎违反直觉，因为人们认为金融中介本身就是为了应对信贷市场的不完善而出现的(Diamond (1984);Boyd and Prescott (1986))。为了更全面地理解金融科技在借贷中的作用，本文描述了P2P借贷的创新，以及P2P借贷人和银行在借贷流程上的关键区别。

金融媒体经常将P2P借贷描述为消费金融领域最突出的创新之一。值得注意的是，P2P网贷并不是产品领域的创新，因为P2P网贷是一种无担保、摊销式的贷款合同，与银行提供的个人分期贷款非常相似。P2P借贷的创新在于借贷过程。P2P贷款市场是双边匹配市场，贷款人直接投资于消费者贷款并承担违约风险。借款人在网上市场申请贷款，投资者通过决定是否投资和投资多少来“众筹”这些贷款。因此，人们可能会认为P2P贷款市场是一个由技术驱动的消费债务公开市场，类似于2006年之前不存在的公司债券市场。这种模式与银行不同，银行将投资者的存款集中起来，然后将这些集中起来的资金用于贷款。另一个关键区别是，银行执行P2P贷款机构通常不执行的其他功能(如风险分担、流动性转换)。尽管银行在事后监控借款者方面扮演着独特的角色，但P2P贷款机构一直专注于对借款者的事前筛选(即贷款定价和信贷裁决)使用技术。

P2P借贷的另一个创新功能是在整个借贷过程中使用全自动算法（申请、核实、拨款及还款)。通过用算法取代信贷员，在没有分行网络的情况下开展网上业务，P2P贷款提供了比银行贷款更划算的选择。据行业估计，P2P平台的运营成本约为银行的三分之二。因此，P2P贷款机构可能在筛选银行认为无利可图的小额贷款方面处于更有利的地位。

贷款过程的这些创新特点可能对信息的处理方式和筛选质量产生影响。银行借款人只接受其申请银行的审查，而P2P借款人则同时接受P2P平台和投资者的审查。尽管P2P贷款最初是由不成熟的投资者作为贷款人，但这个市场很快吸引了机构投资者。这些老练的投资者使用专有算法来评估借款人，并且他们通过利用银行无法获得的额外的本地和宏观经济信息来洞察信贷市场状况(《华尔街日报》(2016))。P2P平台也在发展。目前，它们不只是作为事务协调人;他们还在筛选借款人方面发挥积极作用(Balyuk和Davydenko(2019))。因此，贷款评估的改善可以来自于“群体智慧”，它依赖于投资者集体筛选、平台筛选能力的提高，或者两者之间的相互作用(Vallee and Zeng(2018))。事实上，来自投资者筛选的反馈可以改善信息处理，这是银行在不改变其信贷中介模式的情况下无法复制的。

P2P贷款人在筛选过程中可以使用哪些信息?有几篇论文报道了之前P2P投资者可以获得的软信息的证据以及P2P借贷中内生产生的认证机制的证据(Lin, Prabhala, and Viswanathan (2013);Hildebrand, Puri和Rocholl(2017))。在P2P借贷中不再收集这些额外信息。投资者在筛选贷款申请时主要依赖“硬”信息，而银行也可以获得这些信息。因此，筛选质量的任何改进都应该来自于更好地处理硬数据(例如，使用机器学习)。总的来说，P2P借贷平台的运作方式表明，这些平台与银行有很大的不同，它们专门从事借款人筛选。

繁荣的借贷平台

Prosper是美国第二大P2P借贷平台，它提供固定利率、分期偿还的消费贷款，每月还款期限为1年、3年或5年。(1年期的期权在2013年终止。)贷款金额从2,000美元到35,000美元不等。利率从5%到35%不等。Prosper还收取贷款发起费，对于信用质量较差的借款人，这些费用更高。本文之所以关注Prosper的借贷平台，是因为它的公共数据比LendingClub提供的类似数据丰富得多，而且从研究的角度来看，该平台的设计具有一些有吸引力的制度特征。

Prosper平台上的贷款流程从贷款申请开始。信用评分在640或以上的消费者有资格申请。准借款人需要有官方收入和银行账户，这意味着P2P贷款不会提供给没有银行账户的人群。借款人要求一个具体的贷款数额，并提交她的收入和就业信息。Prosper随后会检查借款人的信用记录，并在不影响信用评分的情况下向信用局提交报告(即“软”信用检查)。信用报告包括借款人的信用评分、账户数量、利用率以及循环、分期和抵押账户余额等信息。Prosper为大多数借款者验证自本文报告的数据。

Prosper的商业模式最初是一种拍卖式的模式，在这种模式中，借款人选择他们愿意支付的最高利率，投资者对贷款申请进行投标。2010年12月，Prosper转向了一种预设利率的模式，在这种模式中，投资者承诺按照平台设定的利率为全部贷款或部分贷款提供资金。这个模型类似于LendingClub的模型。Prosper使用一种专有算法将风险度量分配给借款人，并自动生成特定于应用程序的贷款利率。该利率出现在应用程序上，并且对资助该应用程序的投资者具有约束力，因为他们不能更改该利率。从研究的角度来看，这种预设的汇率环境是制度设置的一个有用的特征。这是因为P2P贷款市场的均衡(就是否提供贷款而言)直接取决于P2P投资者的融资承诺，而不是借款人和贷款人之间谈判的结果。

定价贷款申请被随机分配到三个融资渠道中的一个，一个面向散户投资者(票据渠道)，两个面向机构投资者。虽然本文在基线回归中使用了所有渠道的贷款数据，但本文的分析仅限于论文的识别部分的票据渠道。Note渠道允许高净值散户投资者承诺购买平台上列出的全部或部分贷款，最低投资额为25美元。此次上市将“众筹”14天，或直至投资者承诺全额融资(不存在超额认购)。随着模式的改变，Prosper在票据渠道中引入了一个部分融资门槛，在这个门槛中，只有当投资者共同承诺提供至少70%的贷款时，贷款才可以发放。因此，投资者在上市到期日(即决定是否可以延长P2P贷款。2011年至2015年，部分融资的贷款申请占所有成功上市公司的93.5%。Note渠道中资金门槛的存在，是Prosper平台制度设置的一个有用特征，因为它有助于确定P2P借贷的因果效应。

并不是所有从投资者那里获得足够资金承诺的贷款最终都会发放。作为平台筛选工作的一部分，Prosper取消了一些项目，而借款者取消了一些项目。如果被资助的应用程序通过了平台的筛选过滤器，就会产生P2P贷款。当一个申请只有部分资金支持时，贷款来源于它所收到的资金数额。2011年至2015年，66.2%的申请转化为贷款，30.0%被平台取消，1.1%到期未融资，2.7%被借款人撤回。Prosper限制在其平台上重复借贷。借款人在任何时候最多可持有两笔Prosper未偿还贷款，未偿还本金总额不得超过3.5万美元。这些限制可能解释了为什么申请超过一次的借款者平均提交两份申请。

银行如何观察P2P贷款?Prosper将其P2P贷款的信息报告给主要的信用机构(通过“硬”信用检查)。P2P贷款在信用报告中单独反映，尽管有2到4个月的延迟。互联网附录提供了P2P贷款报告的例子，并提供了报告延迟的证据。贷款支付状态也记录在信用文件中，并反映在FICO分数中。该报告使银行可以获得关于P2P贷款的信息。因此，银行可以通过观察P2P贷款来推断客户信用质量的变化。如果获得P2P贷款提供了借款人信誉度的有价值信号，银行可以在决策中使用这些信息。重要的是，银行不知道P2P贷款是全部还是部分融资，也不能从贷款的融资金额中推断出任何信息。同样，银行不遵守贷款的目的，也不遵守借款人是否符合规定的目的。因此，银行无法从借款人对某一目的的承诺(如债务再融资)来推断借款人的信用质量。

数据和样本

样本结构

Prosper从一开始就在其P2P平台上提供所有贷款申请的匿名数据。这个数据集的独特性在于它的范围和丰富性。除了保留被批准和被拒绝的申请之外，数据集还包括关键的贷款级变量(如贷款金额、利率)和500多个借款人特征。这些特征包括在申请时提供的本文报告信息(例如，收入和就业情况)和信用局数据。

Prosper为每个申请人提供了唯一的标识符，这使本文能够跟踪重复的借款人，即在贷款批准或拒绝后多次申请贷款的消费者。本文使用这种数据结构来构建一个观察面板，其中包含借款者的横截面和他们的财务时间序列(例如，信用限额)。图1显示了信用事件的时间轴和关于如何构建面板的详细信息。在每次申请中，本文都会观察到借款人从益百利信用局获得的银行贷款(例如，限额、余额、贷款数量、拖欠情况)。本文亦会观察在申请后14天内的申请结果(即，是否提供贷款)。大多数回头客在一年内会再次申请贷款。面板中的每个观察值都包含每个申请时的借款人财务状况，以及前一个申请获得P2P贷款的滞后指标。本文将一个滞后的P2P贷款指标赋给第一个观察值。因此，提交了两份贷款申请的消费者将在数据面板中得到两个观察结果。

图1

如图1所示。时间线和数据面板的构造。该图提供了信用事件的时间轴，并详细描述了使用循环信用作为借方财务的一个示例的数据面板的构造。在申请时观察借款人的财务状况，并在申请后约14天内观察是否提供P2P贷款。面板观察是由接收P2P贷款的滞后指标构建的。第一个观察被分配一个滞后的P2P贷款指标为零。

图1的Panel A显示P2P贷款是小型贷款，中位数为$12,000。这些贷款中的绝大多数(74%)用于对现有债务进行再融资，主要是信用卡债务。因此，人们可以把P2P贷款看作是信用卡借贷的替代品，这可能是因为这些消费者无法从银行获得个人贷款，或者因为从银行获得小额贷款进行再融资的成本很高。值得注意的是，在本文的样本期间，P2P平台并没有强制将贷款收益用于他们所宣称的目的，这使得借款人是否确实使用P2P贷款来偿还债务变得不清楚。贷款期限中位数为3年。虽然发卡机构通常对信用质量不同的借款人收取相似的利率，但P2P借贷平台使用的是边际定价，也就是说，利率是根据借款人的信用质量来确定的(见互联网附录)。包括费用在内的P2P贷款利率(APRs)从6.4%到36.0%不等，中位数为17.1%。这些利率比信用卡利率优惠。然而，相当一部分P2P借款人支付的利率远远高于20%，这大概比他们从个人银行贷款中获得的利率要高。这一分析表明，虽然一些消费者使用P2P借贷是因为它是一种比银行信贷更便宜的选择，但该平台也吸引了信贷受限的借款人。贷款申请的融资率为96.6%，但只有64%的申请人获得P2P贷款，因为该平台筛选了许多申请人。本文将18.1%的借款人归为重复借款人。

图1的B组和C组展示借款人的特征。P2P借款人拥有强大的借款人档案，是优质或接近优质的借款人(Panel B)。与美国人口相比，FICO分布向风险更大的借款人倾斜(图2)。(被拒绝贷款或获得贷款的机会较低)。富裕借款人的年收入中位数为63,000美元(73,889美元)，是美国人均年收入30,176美元的两倍多(BLS(2014))。P2P借款人的平均工作年限为6.5年，有17年的信用记录。这一证据与Di Maggio和Yao(2018)的发现基本一致，表明富裕的借款人是高收入，但年轻的个人。如果他们的大部分收入来自自主创业，他们可能缺乏获得银行贷款所需的文件。

图2

图2所示。P2P借款人和所有消费者的信用评分。这个数字比较了Prosper的P2P借贷平台上的借款人的FICO分数分布(灰色实线条)和美国普通消费者的FICO分布(虚线透明条)。这两个分布的条形图并不重叠，因为FICO评分数据来自于bins，而对于P2P借款人和一般人群，bins的定义是不同的。

以下为部分论文截图

……

获取完整论文

请后台回复“P2P贷款研究”

获取下载链接

END

整理/王皓月

审校/袁阳

责编/齐庆武