前言：这是一篇关于互联网金融的论文《Peer-to-Peer Crowdfunding: Information and the potential for disruption in comsumer lending》的不完全翻译。该论文本身是对于国外的互联网金融P2P相关文献进行综述总结。本文只翻译其中在中国市场中能够使用的部分.
单位: HAAS SCHOOL OF BUSINESS, UNIVERSITY OF CALIFORNIA AT BERKELEY AND NBER
作者 ADAIR MORSE
正文摘要:
P2P众筹是否能够取消中介并且改善出借的信息摩擦，以使得至少有一些贷款人(borrower)和投资者(investor）能够获益呢？我提供了研究该问题的框架并且研究了早期的P2P文献。从投资者的角度看，P2P取消了一类消费贷款的中介，并且投资者似乎也能够从消除金融中介而降低的成本中获益(capture some rents). RIsk and portfolio choice questions linger prior to any inference. 从贷款人的角度看, 有迹象表明直接或者推测的信息能够解释一些软信息(soft information), 并且P2P应该能够潜在地为贷款人提供价格 and/or 通道的优惠(benefits). 可是, social connections 要求高成本的风险共担以识别信用风险(此处指的是一个人拥有很多高风险的朋友, 那么他本人很可能也是高风险的). 早期的研究表明, 使用大数据以及再中介化保险的范围在不断增加. 相比于当前的研究能够回答的部分, 我会提出更多的问题, 希望能够激励将来对P2P的研究.
Introduction背景介绍
P2P是对众筹家庭信用的补充. 在P2P运营过程中, 人们通过平台(例如Lending Club, Prosper, 国内有人人贷, 拍拍贷之类)发布贷款需求(borrowing needs)和个人背景介绍. 在这之后, 个人或者机构投资者能够看到并且通过平台购买该贷款需求, 出借资金. 2013年, 美国前5大P2P平台总贷款额达到了35亿美元, 而2012年该数字仅为12亿美元. 根据一份惠誉国际在2014年出具的报告, 保守估计下, 到21世纪中期, P2P行业整体市场规模有望增长至1140亿美元. 与之相对的是, 2014年7月, 美国家庭有8800亿美元的信用卡债务, 而此前12个月的净贷款金额为285亿美元. 将285亿美元作为证券化消费借款的大致估计, 惠誉的数据表明与消费借款的净增长可能会被众筹借款赶上.
P2P众筹有许多别的名字, 例如social finance, marketplace finance, 或者disintermeidated finance. 而这些术语描述的P2P都不是完全准确. 事实上, P2P是一种通过社会市场交易的去中介化消费金融手段(P2P is indeed a disintermediation of consumer finance using a social marketplace). P2P去中介化的方面(the marketplace term)体现在想要分散消费借款类固定收益资产风险暴露的投资者不必参与ABS(资产支持证券)市场, 摆脱了中介层并且将该类资产直接开放给小型投资者. 在P2P市场上, 投资出借人和贷款人直接接触. 而对于其去中介化的一个反驳是承销P2P的最优新增平台数量已经成为了人们首要考虑的问题.(这可能是美国市场的现状吧, 中国的P2P并没有这个情况). 而social fiannce term则体现了这样一种想法: 通过网络公布的软信息能够指引认购行为, 因此能够优化筛选或者能够优化将来的偿还行为. 从众筹的社交网络层面衍生出来的一系列问题已经成为了最近文献研究的重点. 我们即将看到的是, the extent to the benefits to proximate knowledge and relationships faciliated by a P2P platform matters greatly for how P2P position itself in completing consumer finance markets.
虽然很难准确定义P2P的特征, 但是却能够很直观地看到受到技术进步和审核机制完善而推动的去中介化的市场已经有了明显的增长. P2P借款的增长可以部分反映在大萧条之后传统金融机构替代品的活力. 可是, 我研究了关于P2P可能至少使得一些贷款人和投资者的选择和结果改善的争论. 因此, 这篇文章时为了研究P2P使得经济崩溃的可能性. 从Agrawal, Catalini and Goldfarb的工作开始, 他们提供了关于权益众筹经济学的讨论. 可是, 技术和审核机制在P2P中扮演着与众不同的角色, 在投资者方面也是如此. 话虽这么说, 而他们的工作提供了an insightful discussion 以思考在投资者人群中的信息.
这篇文章以经济崩溃的可能性为基础, 分为两步. 在Section b, 我将快速回顾P2P的机制, 然后深入研究去中介化为投资者创造利息收入的潜力. 几乎没有研究是关于资产选择和投资者获利的话题. 因此, 我为其提供了一个框架. 我的思路如下:
i. 去中介化至少为投资者产生了一些利息, 但是特征化风险和组合选择将是研究人们在何种程度上获得去中介化的租金(capture rents from disintermediation)的首要研究方向. Section c是回顾的核心, 研究了人群模型中邻近性的作用(the role of proximity in the crowd model). 尽管这些文献还在形成阶段, 但是我还是再提出三个要点:
ii. 当邻近关系意味着现实世界的联系以及当投资者参与其中并验证该信息时, 投资者人群可能拥有有价值的邻近信息.
iii.个人陈述可能丰富直接的信息, 也可能改变投资决策. 从中进行信号算法提取是可能的.
iv.社交圈子和当地经济能够暗示信用风险. 大数据应该能够在信用风险估计中扮演重要角色, 如果一个人的信息垄断, 将会暗示其具有信用风险(which could mean anti-competitive effects for borrowers if personal information monopolies inform credit risk).
此外, 个人信贷风险的代理对于非关联的投资者是公开的, 这一信息很重要, 特别是在技术世界和算法风险评分的条件下. 观测到这种现象导致了Section d的产生. 我使用来自Lending Club的数据快照刻画贷款人. 贷款人被分为负债者, 中高收入, individuals who are consolidating credit cards and other debt. 使用这些分析数据, 我不加研究地提出了关于消费者借款最优设计的问题.
Finally, I explore literature using platform policy design shocks to consoder whether some of the benefits from the crowd model might arise from different contract designs or more intermedation, offering a twist that disintermediation may involve more intermediation than people think.
v. 去中介化能够从被(more incentivezed)的中介承销中获益.
在Section e中, 我提出了关于P2P在消费金融方面的分解作用(P2P disruption)和期望理解去中介带给大众的好处(caveats needing exploration in looking forward to understand any welfare benefits accruing to the crowd)的见解.
b. 概述以及P2P中的去中介化
P2P是如何工作的?
P2P借款源于社会联结金融(social-connected finance), 但是它的成功当然要归功于技术进步,(Einav, Jenkins and Levin 2013). 他们发现相比于其他事物, 技术扩展了人们接触信贷的途径. 技术进步使得以下三点更加便利化
(a) 筹集资金, (信用)评分以及将信用质量信息传递给一群潜在地网络平台贷款人;
(b) 实时报告贷款的债表情况, 使得投资者能够分散借款风险, 并且将贷款人的风险在不同投资者之间分散;
©在线服务, 监管, 以及贷款表现的信用历史报告.
以下是借款过程的概述:
P2P平台为未来的贷款人建立数据库. 大多数的平台主要提供期限贷款, 分期期限为3-5年. 贷款申请者输入必须完善的信息: 包括贷款金额, 到期期限, 贷款目的, 收入, 雇用情况以及其他债务, 还有一些自愿披露的信息. 贷款人可以上传文件以验证收入和就业率. 在一些平台上, 贷款人会被划分为不同的组以增强辨识度, 或直接给出信用评分范围, 或者给出风险评级.
在面对一个满是未来贷款人需求和信息的平台, 投资人能够浏览并且筛选申请者. 投资人能够选择独立投资, 在投资组之内, 或者算法投资. 他们不必为每一个贷款人筹满款项, 只需要在贷款人之间分散投资. 如果筹集的款项没有达到某一个临界值, 则贷款失败. 如果筹集款项到达临界值, 则贷款以一个通过边际支付意愿定价的利率或者通过平台信用评级给出的利率结束筹款.
去中介化的好处
在第一代信用补充系统中, 平台扮演了服务商或者委托人的角色(Rubinstein and Wolinsky’s). 平台通过关闭贷款或者提供贷款服务赚钱. 例如, Lending Club和Prosper按贷款人风险水平和贷款期限的不同, 收取1%-5%的服务费. 根据Lending Club在2013年公布的数据, origination fee的均值和中位数分别为2.7%以及3%. 该费用来自于提供给贷款人的资金(from investors). 平台通知贷款人贷款利率以及扣除手续费后隐含的APR, 以便APR能够反映真实的贷款成本. 当贷款人进行还款时, Lending Club从中收取1%的服务费, 此外, Lending Club还向贷款人收取违约费(例如逾期), 向投资人收取collection fee.
从2013年第一季度的Lending Club的贷款数据来看, 有4.44%的贷款出险, 要么是逾期(2.16%), 要么是违约超过1年(2.28%). 一般来说, 这些平台的年度违约率大概在5%左右. 综合考虑从2013年第一季度(14.4%)至今的等权平均利率, 5%的违约率, 以及手续费结构, 投资者的年回报率大概为8%. 根据其他追踪Lending Club贷款以及Prosper网站的表现数据来看, LendingRobot.com计算了27,7814个Lending Club的贷款数据, 其2015年1月的贷款内含回报率IRR为6.93%. 而从2007年至2014年, Prosper的投资回报为5.4%, Lending Club的投资回报为5.1%, 从2009至2014年, Prosper的投资回报为8.7%, Lending Club的投资回报为7%. Lending Club和Prosper均公开了回报率数据, 使用风险加权平均, Lending Club从2007年至2013年的风险回报率为7.2%.
7%是否为适当的投资回报呢? 可以从信用卡贷款的ABS债券市场中比较分析, 特别是固定收益的信用卡贷款. Barklays资本固定收益ABS指数位4.4%的回报(2007-2013), 3.4%(2009-2014). 相比于P2P市场的回报率, 表明投资者的确从去中介化的P2P市场中获益. 近期的研究报告研究了中介的成本. Philippon(2012)发现金融中介的成本大约为2%, Hanson, Shleifer, Stein和Vishny(2014)发现成本大约为2.96%.
这样的比较对于ABS市场并不公平. ABS信用卡债券, 不同于有质押品的ABS, 保留了一些信用卡持卡人不支付的风险, 因此二者可能具有与P2P不同的风险仓位(risk position). 另一种可能的比较方法是在同样的5年期限内, 投资级的公司债券回报率为5.49%. 这样一来, 去中介化的回报只有1.5%了. 学术界将很欢迎一种更加精确的研究P2P风险的方法. 并且, 很显然, 我用来推断的数据范围也的确太短了.
另一种摩擦是市场规模. 2013年, ABS市场总共有1280亿美元的资产规模, 同时P2P仅有几十亿的资产规模. 因此, P2P这种资产类别目前还并不足够支持大资本配置.
去中介化对于投资者的其他优点
随着P2P平台的增长, 对投资者而言有两个额外的好处.
首先, 在上文对于风险的讨论中, 投资者可以结合宏观风险和到期期限去最优化资产选择. 以下举出一些例子. 个人投资者可以在投资组合中对冲当地经济, 就业部门或者其他风险暴露. Agrawal, Catalini和Goldfarb(2011)的文章在一个artist-entrepreneur权益众筹平台记录了投资者的大体轮廓…
第二个P2P增长给投资者带来的好处是improved access. 接下来, 我将会讨论proximity以及更好地刻画贷款申请人的信用风险所扮演的重要角色, 它们可能improve the access to or price of credit. P2P为需要比存单或者公司债券有更多固定收益的工具的中小型投资者提供了资产配置渠道.
对于投资者investor而言, 众筹的好处是:
i. 去中介化至少有一些节省成本的优势. 但是特征化风险和资产组合选择是理解crowd captures rents from disintermediation程度的首要研究目标.
Proximity距离, 近似性
crowdfunding的核心是人们相互认识或者能够通过网络, 工作拉近距离, 或者共同面对当地的经济风险. 从传统的银行文献中, 我们知道了人际关系和软信息在审核和降低道德风险中的作用.(Petersen and Rajan 1994, Boot and Thakor 2000, Petersen 2004, Berger, Miller, Petersen, Rajan, and Stein 2005, Stein 2002, Karlan 2007, Iyer and Puri 2012, Schoar 2014 and many others)
并没有理由拒绝在P2P市场中具有相似的情况. 这就是我研究的起始点. 如果Proximity发掘没有被中间金融机构发现的软信息, 那么P2P应该能够为潜在的贷款人(borrower)提供价格或者通道的优惠.(Jaffee and Russell 1976 and Stiglitz and Weiss 1980). 人们用自己的资金投资, 因此投资P2P的人们愿意为克服信息摩擦而支付审核的费用.(Leland and Pyle, 1977; Townsend, 1979)
一个不太高明的发现是, 软信息或者社会关系的源头是投资者池(the pool of investor). 与未来的贷款人相联系的个人投资者具有近似的知识和社会关系. 有人会好奇这些社会关系是否有可能是有限的. 因此, 当我在回顾关于提示风险近似性的文献时, 一个重要的方面是在何种程度上能够从潜在的近似投资者中提取信号. 即使前文的研究可能有限, 但我仍然尝试去着重关注类似近似性通过羊群效应或者瀑布效应(herding or cascades)传递的话题.
通过社会联系发现近似性(目前中国不可行, 没有办法知道投资者是否与贷款者之间有关系)
用来自Prosper的数据, Freedman and Jin(2014) 发现投资者背书并且竞标投资朋友申请的贷款对于投资者而言有6%的年化收益率. 与此相反, 有朋友背书但没有竞标的贷款表现弱于匿名的一揽子贷款人标的. 社会关系仅仅在成本能够分离可信的信息时才起作用.(Spence, 1973). 该发现被Everett 2010重复, 他研究了平台的投资组特性, 发现如果投资者中有人与贷款人有私人关系, 则投资组的表现更差. 此外, investors in the group perform worse than non-group investors.
通过陈述发现近似性
需要现实世界的社会联系大大限制了crowd之间的信息优势. 通过别的方法也能够让投资者更加了解贷款人. 事实上, 在P2P中, 投资者和贷款人之间可观测的距离也许会非常遥远. 例如, 在artist-entrepreneur众筹市场上, 投资者们之间的平均距离为3000英里, 而当地的投资者似乎在信息信号方面起主要作用. 在本节以及接下去的章节中, 我研究了如何能够拉近这类投资者之间的距离. Agrawal et al 2011做了如下表述: 在线平台似乎能够消除大多数由于距离关系而产生的经济摩擦, 例如监测进度, 提供输入, 以及收集信息. 这些作者随后深入研究了社会联系的摩擦成本. 我在此有类似的安排.
此处, 我从考虑是否贷款人可以使用个人陈述拉近与投资者之间的距离开始入手. 在P2P平台, 未来的贷款人可以写公开可见的, 关于个人软信息情况的说明(家庭人口, 经济状况, 贷款的缘由等等), 希望通过这样的过程与投资者建立情感上的联系. 其间的细节非常重要, 因为目前这点尚不明确: 陈述信息和传递提供了可见的信号并且影响着投资者的判断.
Herzenstein, Sonenshein and Dholakia 2011 应用identity claim方法(Miles and HUberman 1994)去寻找贷款人陈述中的6个身份信息提示点–trustworthy, economic hardship, hardworking, successful, moral, religious. 他们发现, trustworthy和successful identity能够增加募集资金的数量并且改善资金的结构.
通过工作发现近似性
关于这个方面, 并没有学术文献, 只是我想是否能够通过贷款人的工作更加了解他们, 并且通过工作进行筛选是否能够提高审核筛选的优度. 例如, 如果一个金融教授是P2P平台的投资人, 也许她了解了工作部门的风险能够更好地分析劳动力收入风险吗?..
通过当地指标发现近似性
另一种可能性是通过贷款人当地的经济情况来近似估计他们的信用风险情况.
通过社会关系为作为信用风险的指标.
也许可以通过申请人的社会关系网, 而不是当地指标, 来发现贷款人的经济状况.
以上几点, 在中国的P2P平台均不可行, 因为没有公布相关的信息.
通过扩散效应近似分析贷款人
现在, 我从Proximity的根源以及其好处(benefits)中进行抽象, 仅仅假设Proximity存在于P2P市场中, 并且它影响着credit risk. 本节询问投资者是否能够根据information cascade(信息瀑布流), 或者, 通过羊群效应来近似选择贷款人. 如果一个投资的羊群效应是理性有效的, 那么某人就可以认为群羊中存在了解信息的人.(因此跟着ta, 或者跟着羊群效应进行投资就好)
相关的证据来自Liu 2012, Herzenstein, Dholakia, and Andrews 2011. Herzenstein et al(2011)认为投资者对于某一个未来贷款人的利率是服从羊群效应的(这在中国也不成立, 因为利率非市场化, 而是事前给定的), 但是羊群效应不够剧烈.
Zhang and Liu 2012 研究了羊群效应的理性程度. 作者将理性的羊群效应从非理性的羊群效应中区分出来. 作者发现从理性的羊群效应中筛选出来的funding占比超过10%, 并且其违约率下降2%. 从他们的结论中拓展出一个新的吸引人的地方是: 信用评分越低, 其债权更加具有价值. 因此, 当违约风险增加是, 软信息的价值同样也在增加.
在这里, 如果能够了解更多关于微观机制的研究将会很有帮助. 所有投资者能够成为发送信息的源头吗?(也就是通过投资者的行为判断贷款人的好坏) 信息的来源是否需要与当地的经济状况或者社交圈的代理指标相关联? 构建一个信息瀑布流需要多少信息?(Welch, 1992; Banerjee, 1992)? 在下一节中, 我会考虑合约设计中, 多大程度上需要再中介承销能够是最优的. 在这里很重要: 如果一个平台承担更多的信用风险分析工作, 那么从人群中获得更少的信号内容是否会抑制信息瀑布流的预测作用呢?
国内P2P研究方向
- 博弈视角下的P2P借贷行为. 博弈论下P2P借贷双方博弈论模型.
- 生存模型视角下的P2P违约模型分析
未完待续。。。。翻译得不好，有兴趣可以看原文。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
