NBER | 信贷市场中的数据与福利
来源 | NBER
作者 | Mark Jansen, Fabian Nagel, Constantine Yannelis, Anthony Lee Zhang
编译 | 杨世祺
编译评论
信贷市场中增加数据获取对社会福利产生两种相反的影响，一是通过更精准的信息甄别减少逆向选择，实现对不同风险借款人的区分及分别定价，由于信息效率更高，总体社会福利增加；二是低风险借款人信息透明度增加，融资成本降低，但高风险的借款人不再能通过逆向选择来“浑水摸鱼”，因而可能通过价格被排除市场，导致市场参与者减少，投资机会减少。文章建立了一个分析框架，对两种效应的进行量化，并证明，在某些情况下，第二种机制的影响程度大于第一种，暗示数据获取与社会总体福利并不总是正相关。
摘要
我们展示了测度数据获取对福利影响的方法。当贷款人获得更多关于潜在借款人成本的数据时，他们可以制定更符合这些成本的价格。这导致社会福利总额增加，并将剩余从借款人转移到贷款人。福利变化的规模只能使用数量和价格变化来估计。我们使用了破产标识移除的管理数据，发现移除标识大大增加了以前破产个体的消费者剩余，代价是社会福利总额略有下降，这表明移除标识是将剩余重新分配给以前破产借款人的合理有效工具。
引言
本文建立了一个易处理的框架，通过将数据可获得性的变化视为一种三级价格歧视形式，该框架提供了足够的统计数据来衡量数据可获得性对社会福利和剩余划分的影响。然后，我们在消费者贷款市场进行应用，表明取消破产标识大大增加了受影响消费者剩余，而这对社会福利来说成本很低。
我们建立了一个家庭贷款模型，贷款人获取潜在借款人的数据。在没有数据的情况下，贷款人在高成本借款人（即风险更高的借款人——那些更有可能违约的借款人）上赔钱，并在低成本借款人身上赚钱。当贷款人无法区分借款人类型时，一些借款人会获得信贷，即使他们的支付意愿低于贷款的社会成本。获取数据允许贷款人区分高成本和低成本借款人，从而向高成本和低成本借款人收取不同的价格。
该框架使我们能够量化数据可获得性对社会剩余的影响，以及不同类型潜在借款人之间的剩余分布。数据可获得性增加有两个影响。第一种效应导致社会福利总额增加，因为信贷分配效率更高，其中低风险的借款人，可以通过支付低于混合利率的价格获得贷款，而高风险的借款人如果要获得贷款，不得不支付更高的利率，进而被排除市场。第二种效应是数据改变了借款人之间的剩余分配：低成本消费者福利更好，而高成本消费者福利更差。
我们表明，第二种效应往往在影响上大于第一种效应：与对剩余分配的影响相比，数据可获得性对社会福利总额的影响较小。这是因为社会承载量损失与价格微小变化的二次项成比例，而与消费者剩余则为线性关系。因此，小价格变化比社会福利的同步变化更能改变消费者剩余。
接下来，我们开发了一个现实的框架，用于实证衡量数据可获得性的福利效果。该框架和方法基于Einav、Finkelstein和Cullen（2010年）的成本曲线方法，DeFusco、Tang和Yannelis（2021年）适应了消费者贷款市场。与之前的成本曲线方法不同，我们的基线模型允许我们仅使用价格和数量数据的变化来估计数据获取或删除的福利后果。该框架允许（1）多个时期，（2）对消费者来说可能代价高昂的违约，以及（3）密集和广泛的贷款需求幅度（即消费者可以调整贷款规模，以及完全选择退出贷款市场）。
虽然该框架广泛适用，但我们将我们的方法应用于根据《公平信用报告法》（FCRA）导致信息删除的常见研究事件。七年后，刻画发生消费者破产的标识被移除。使用TransUnion的管理数据，我们发现移除标识会导致信用评分的不连续上升，新贷款利率相应下降，贷款量增加。我们在申请中专注于汽车贷款。
我们使用该框架来研究汽车贷款中的社会福利损失和转移。结果表明，转移比规模损失大得多。我们发现，移除标识导致信用评分增加17个百分点，利率下降18个基点，借款增加19美元。通过我们模型的视角，我们发现，取消破产标识每年向以前破产的消费者转移约1560万美元，社会福利成本约为46万美元。因此，每向以前破产的消费者转移一美元的剩余，只有0.03美元的社会剩余被销毁。因此，虽然“摘标”对社会剩余来说代价高昂，但“摘标”的分配影响远远大于它们对社会福利的影响。我们的结果表明，移除标识是将剩余转移给以前破产的消费者的一种具有社会效率的方式。
虽然我们的基线模型排除了不完美的竞争和不利的选择，但我们接下来会研究这些力量如何影响我们的结果。我们表明，我们对消费者剩余变化的估计不受这两种力量的影响，我们对基准模型中移除标识的社会福利影响的估计是不完全竞争下社会福利损失的上限。在不完全竞争下，由于标识的取消，社会福利也会增加。这是因为，在不完全竞争的情况下，价格可能高于高风险借款人的边际成本。因此，利率的小幅下降实际上增加了这些借款人的社会福利。因此，在我们的经验背景下，如果任何一种力量都相关，移除标识作为将剩余转移给以前破产的消费者的工具变得更加有效。
然后，我们展示了如何在逆向选择或不完全竞争下估计数据可获得性的福利变化。这需要额外的成本数据，这些数据在许多数据集中都很容易获得。有了成本数据，可以在新数据到达之前和之后分别估计各组的死重损失。在我们的环境中，我们几乎没有发现不利选择的证据，我们不能拒绝价格不上涨的边际成本。由于竞争不完全，关于冲销和资金成本的数据可以直接用于估算贷款人的利润。也许令人惊讶的是，我们估计，合理移除贷款人违约标识后，社会福利会增加。这是因为加价导致价格甚至在移除标识后也高于边际成本。
本文与经典发现有关，即三级价格歧视对社会福利的影响模棱两可（Schmalensee（1981年）、Varian（1985年）和Varian（1989年）。我们的分析和本文的主要区别在于，我们考虑基于成本信息而不是需求的价格歧视。
本文加入了越来越多的研究数据对金融市场影响的工作。Begenau、Farboodi和Veldkamp（2018年）、Farboodi和Veldkamp（2020年）和Farboodi等人（2019年）以及He、Huang和Zhou（2020年）构建了贷款市场的数据和效率模型。Nelson（2018）研究信息和价格监管，而Tang（2019）使用来自金融科技的数据来重视隐私。Jones和Tonetti（2020）和Acemoglu等人（2019）更普遍地研究数据经济学。Liberman、Neilson、Opazo和Zimmerman（2019）在智利使用自然实验研究了信息删除的影响。他们的框架侧重于信息删除的一般均衡效应，并使用利用数量而不是价格变化的方法。
本文还涉及越来越多的关于信贷市场福利衡量的文献。DeFusco、Tang和Yannelis（2021年）以Harberger（1964年）和Einav、Finkelstein和Cullen（2010年）为基础，并改编了保险文献中的方法，以估计消费信贷市场不对称信息造成的福利损失。许多现有文献（例如Herkenhoff，2019年）校准了结构模型。本文通过建立一个新的理论框架，为上述文献做出了贡献，并为衡量信贷市场数据获取的福利影响提供了一种易于使用的方法。
从最狭义的意义上讲，本文还加入了关于破产后果的文献，特别是取消破产标识。Dobbie、Goldsmith-Pinkham、Mahoney和Song（2020年）、Herkenhoff、Phillips和Cohen-Cole（2021年）以及Gross、Notowidigdo和Wang（2020年）在内的几项研究使用取消破产标识来研究获得信贷对就业、创业和消费的影响。Gross等人（2021）更广泛地研究了破产的经济后果。本研究应用了一种以移除破产标识为申请的新方法，并衡量信息删除产生的福利影响。
本文的其余部分结构如下。第2节介绍了数据和消费者福利的模型，并将其与简单的实证分析联系起来。第3节介绍了该框架的经验应用，使用管理数据和移除破产标识。第4节扩展了主要框架，以纳入不利的选择和不完善的竞争。第5节结论。
结论
本文提出了研究数据获取在消费信贷市场中的作用的新框架。我们表明，由于提供新数据，价格和借款增加，是福利分析的充分统计数据。使用管理数据，我们应用该方法去除破产标识，并检查汽车贷款的影响。我们发现，与福利转移相比，拆除破产标识造成的福利损失很小。因此，“摘标”是将剩余转移给以前破产的消费者的有效方法。
以下为部分报告截图
……
获取完整文章
请在后台回复“数据与福利”
获取下载链接
END
编辑/杨世祺
责编/
【延伸阅读】