对于很多土生土长的福州人来说，虾油是他们难以忘怀或者割舍的家乡味道……
我是一条内河，名叫台屿河，我生活在福州仓山区。
我们从小就生长在这种氛围之下，自然而然地会喜欢上根雕行业。
12345678910
12345678910
12345678910
Tel：0Mail：7610 条评论分享收藏感谢收起赞同 111 条评论分享收藏感谢收起P2P借贷的成功率和违约率，原来也事关网络昵称
实名和昵称哪个能帮助你在网贷平台上获得借款？还记得这个有趣的话题吗？上周，小新节选了上海新金融研究院（SFI）研究员、北京大学互联网金融研究中心及国家发展研究院博士后郭峰所撰写的《网络昵称与P2P借贷的成功率和违约率》这篇论文，发现感兴趣的小伙伴很多，所以今天继续奉送这篇论文的余下部分，也是文中最多干货的研究设计和数据、实证结果内容。
鉴于所节选的内容字数很多，所以小新先把结论部分提到前面，以方便小伙伴们阅读和理解。想复习论文引文和文献综述部分请猛戳：。想了解论文所有内容请大力戳“阅读原文”。
网络昵称与P2P借贷的成功率和违约率
在网络时代，使用一个网络昵称还是真实姓名，是我们都要面对的选择。然而，使用网络昵称还是使用真实姓名，哪个更容易得到信任?这是一个有趣也有意义的问题。本文利用我国P2P网络借贷行业代表性企业“人人贷”的大数据样本，独辟蹊径地探讨了在P2P网络借贷市场中，使用网络昵称和真实姓名，对借款成功率和借款违约率的影响。
实证结果表明，相对于使用网络昵称，使用一个真实姓名的借款人，借款成功率更低，即使用真实姓名的借款人在P2P借贷市场上并没有得到更高信任。同时，针对借款违约率的分析也表明，所谓使用真实姓名的借款人，较实用网络昵称的借款人，借款违约率更高。违约率和成功率的对比分析则表明，所谓使用真实姓名的借款人，得到的信任还是有些盲目。
就本文的政策涵义而言，监管者应该加强对P2P平台信息披露的监管。所谓信息披露是指P2P企业将其经营信息、财务信息、风险信息以及标的信息等向监管者和社会公众履行告知义务的行为。
真实姓名之所以没有比网络昵称得到更多的信任，就是因为这些所谓真实姓名，其真实性其实是无法保障的。而且，如果最终借款人违约，是否使用了真实姓名，对借款人的追讨和出借人权益的维护，都并没有太多的帮助。
在无法核实和制约的情况下，取一个看起来像真实姓名的名称，反而可能意味着可能是要诱导出借人。而我们的回归结果也表明，这种“倒挂”的异常现象也已经被出借人所识破，因而使用看起来像是真实姓名的借款人，反而不被信任，借款成功率更低。这种局面并不是一个理想局面，而打破它就有赖于信息披露机制和信息披露审查机制的建立和完善。
研究设计和数据
（一）实证模型
如前所述，本文主要考察对象是在网络借贷平台上，网络昵称和真实姓名哪个更容易得到信任。为此，我们首先可以考察在网络借贷平台上，在控制了其他因素之后，使用网络昵称和真实姓名，哪类借款人借款成功率更高。此外，我们还可以考察使用网络昵称和真实姓名的借款人，哪类借款人违约率更高，从而可以检验他们得到的信任之间的差异是否是“理性”的。
由于借款人是否可以成功借款和是否违约作为被解释变量时是一个虚拟变量，因此我们主要采取Probit模型对其进行估计，即估计如下模型：
（二）数据选取
本文搜集了人人贷网站（月正式上线。人人贷发展迅速，到2015年8月，人人贷已经累计撮合借款800多万人次，撮合总金额超过100亿。根据人人贷网站规定，借款人在注册时，都要填写一个昵称，但并不要求实名，因此一部分借款人使用真实姓名，另一部分借款人则使用昵称。
此外，借款人在申请不同订单种类进行借款时，分别有相应的认证信息需要提交人人贷网站进行审核。对于信用认证标，必须提交审核的材料包括身份证复印件、个人征信报告、带公司公章的劳动合同或工作证明以及近3个月工资卡银行流水等。此外，借款人在填写借款申请时，还被要求填写少于14个字的借款标题和20-500字的借款描述。为了吸引投资，借款人还可以主动提供更多的资料给人人贷审核，如房产、车产、技术职称、结婚证、居住地证明、学历证明，等等。
当一个借款人发起一个订单时，投资者可以进行投标，投标的最低金额是50元，因此对于同一个订单，可能会有多个投资者共同参与，每个投资者投资的额度也不尽相同。一个订单自挂出后，当所有投资者的出资额度相加等于借款人需要借款的数额时，表示该订单筹款成功，即使期限未到，订单也不能再继续接受投资者投标；如果在规定期限内未能筹到款或是所有投资者愿意投资的额度相加不能达到订单需要借款的数额时，则订单筹款失败。
我们采用爬虫软件从人人贷网站抓取了该网站自日上线至日间的借款标的信息。人人贷网站的投标种类分为四种：信用认证标、实地认证标、机构担保标以及智能理财标。由于实地认证标、机构担保标和智能理财标的担保方式和信息披露方式与我们要考察的目标存在较大的差异，并且在我们的样本期间违约率基本为零，因此本文主要对信用认证标进行深入研究，剔除了其他三类订单样本。对每一笔借款，我们抓取的信息主要包括：借款标的编码、类型、金额、利率、保证形式、还款方式、预期或者坏账信息、借款描述、借款标题，以及借款人编码、昵称、性别、年龄、受教育程度、婚姻状况、工作城市、单位规模、职业、工作时间、收入、毕业的学校、房产情况、车产情况及房贷、车贷等信息。需要说明的是，我们的样本中剔除一些异常值，主要包括年龄小于18岁或大于80岁的样本，以及借款金额小于1000元，或大于50万的样本。因此，本文使用的样本可视作“全样本”，而不是常见的“抽样样本”，不存在选择性偏误。此外，在网络借贷平台上，出借人是根据借款人在该网站上披露的信息进行投资的，而这些信息我们基本上已经全部定量化，并全部纳入了回归分析，因此本文的回归也不存在遗漏变量的问题。
（三）主要变量说明
1.被解释变量。P2P平台上独特的数据样本可以让我们从不同的角度分析网络借贷的结果：是否成功借款（success），以及是否借款违约（default）。是否成功借款反映的是投资者对于借款人该笔借款的认可程度，是投资者观点的集中体现。是否违约反映的是借款人最终行为结果，是借款人信用风险的真实揭露。将借款结果分为两个层面探讨的好处之一是可以将两个层面的研究结果相互对比分析，进而得到投资者认知与借款人真实风险的差异。具体而言，相关变量构造说明如下：
成功借款（success）：哑变量，如果标的状态显示为借款失败，则哑变量借款成功取值为0，如果标的状态为还款中、已结清、逾期、坏账，则哑变量成功借款取值为1。根据描述性统计可知，在本文样本中，所有订单中大约有4.7%的订单筹款成功。
借款违约（default）：哑变量，若订单违约（逾期、坏账）则取值为1，否则如果借款已结清则为0。由于正在还款的订单无法考察其最终的违约情况，因此不计算在内，但在下文我们也将这种情况作为一种稳健性分析。
当一个订单完成筹款后，如果未能按时还款超过约定时间30天后，人人贷网站将这种行为认定为严重逾期，网站对于该订单的状态会显示为“逾期”；另有一些订单逾期时间超过90天，人人贷网站将按照对投资者“本金保障”的约定，垫付本金，这时网站对于该订单的状态会显示为“已垫付”。本文将这两种状态下的订单都视作违约订单。在本文样本中，人人贷网站上，订单违约比率约为15.4%。我们的借款违约率高于一些其他基于人人贷进行研究的文献，如廖理等（2014a）统计的违约率约为6%。他们的样本仅到2013年4月份，这说明，随着时间的演进，网络借贷中积累的违约风险逐步上升。最终本文包含了514607个投标记录，其中流标490560个，在成功借款的投标中，8988个标的仍然在还款，12743个标的已结清，350个标的逾期，1966个坏账。
2．核心解释变量。借款人是使用网络昵称还是真实姓名，是本文考察的核心解释变量（name），为哑变量，真实姓名为1，网络昵称为0。需要进一步解释说明的是，由于人人贷平台并不强制注册人使用真实姓名，因此借款人是使用网络昵称，还是真实姓名，是完全自愿的。而且，由于出借人无法验证一个名字究竟是不是真实姓名，因此这里的真实姓名只是一个看起来更像是真名的名称。与此相对应，我们划分真实姓名和网络昵称的办法也是根据常识，进行人工判断。我们对50多万个借款者名称进行逐一判断，看起来像中国人名称的，就认定为真实姓名，否则即为网络昵称。全英文、拼音者或数字者认定为昵称，但在下文的分析中，也将这些样本删除，作为一个稳健性分析。因为取名称非常自由，因此这种人工识别的方式优于机器识别，通过不同人员对抽样样本的交叉核实，我们的识别误差非常小。在全样本中，使用真实姓名的比例约为15.9%。而在借款成功的子样本中，使用真实姓名的借款人比例9.9%，低于全样本。这可能意味着借款人使用真实姓名，反而更不易得到出借人的信任，当然，对此还需要进一步的计量分析。
3.控制变量。本文控制变量主要包括借款人特征和借款标的特征等。借款人特征包括借款人性别、婚姻状况、年龄、收入情况、受教育程度、资产情况（住房和汽车）等。借款标的特征主要包括借款金额、借款期限等。此外，我们还在回归方程中进一步增加了不同年份和省份的虚拟变量，年份虚拟变量可以用来控制全国性宏观政策和趋势的共同影响，地区虚拟变量则可以用来控制出借人对不同地区借款人的相对信任程度，廖理等（2014a）发现我国的P2P网络借贷交易中存在地域歧视问题，并且还是偏好性歧视，不是理性行为，即一些地区借款成功率更低，但其实违约率并非更高。具体而言，本文主要变量的变量定义如表3所示。
表4是本文主要变量的描述性统计。除上面已经介绍过的主要变量之外，我们也可以粗略了解一下其他变量的主要特征。男性借款人在网贷市场中比较活跃，占比86.1%，已婚人士占到42.6%，借款人的年龄平均刚刚超过30岁。大专及以上教育水平的借款人占据全部借款人的59.7%，参与网络借贷的借款人学历普遍高于社会平均水平。31.5%的借款人拥有房产，低于中国城市住房拥有率，可能是因为很多人没有在认证房产信息，18.3%的借款人拥有车产，拥有房贷和车贷的比例则分别为10.1%和4.2%。82.2%的借款人有超过一年的工作经验，另外，收入区间为的借款人占比约为73.1%。
本文的实证部分主要回答以下问题：借款人在注册信息中使用网络昵称，还是使用真实姓名，是否会影响借款人在P2P平台上成功获得借款的可能性，并考察使用网络昵称和使用真实姓名的借款违约率是否有所不同。
（一）借款成功率
在本文，我们的解释变量数目很多，为检验解释变量是否存在多重共线性，我们用方差膨胀因子（VarianceInflation Factor，VIF）检验了回归模型的有效性，所有解释变量的方差膨胀因子均小于2，在可接受范围之内，因此本文解释变量之间不存在多重共线性问题。
本文的基准回归使用Probit模型，以哑变量是否借款成功为被解释变量，以哑变量真实姓名（真实姓名=1，网络昵称=0）为核心解释变量，以其他借款标的特征和借款人特征为控制变量。回归结果见表5。表5第1列结果显示在单变量回归中，哑变量真实姓名的点估计系数为-0.247，在1%的水平上显著，这意味着，在未控制其他变量的情况下，相对于网络昵称，使用真实姓名成功获得借款的可能性不是更高，反而是更低了。表5第2-4列，我们分别加上不同的控制变量，发现在控制了其他影响因素之后，真实姓名系数的绝对值有所下降，但仍然在1%的水平上显著为负。在表5第5列，我们进一步增加了不同年份和省份的虚拟变量，此时回归结果显示，哑变量真实姓名仍然在1%水平上显著为负，系数为-0.0564。计算可得，在控制了其他影响因素之后，真实姓名的平均半弹性系数为-0.128，即使用真实姓名，比使用网络昵称，使得借款成功率下降0.128%。相对于本来就不高的平均4.7%的借款成功率而言，使用真实姓名并没有使得借款成功率再下降太大幅度。
从各个控制变量系数的情况看，已婚人士、女性、年龄大、受教育程度高、收入高、工作时间长、信用等级高的借款人容易获得借款。拥有住房对借款成功率没有显著影响，但拥有房贷对借款成功率有显著影响，与此恰恰相反的是，拥有汽车对借款成功率有显著正向影响，但拥有车贷则对借款成功率没有显著影响。对于借款标的特征而言，借款期限越长，越容易获得借款，而借款金额越大，则越不容易获得借款。
（二）借款违约率
本部分我们继续对借款违约率进行回归，以哑变量是否违约为被解释变量（违约=1，借款已结清=0），以哑变量真实姓名（真实姓名=1，网络昵称=0）为核心解释变量，以其他借款标的特征和借款人特征为控制变量。回归结果见表6。表6第1列回归结果显示，在单变量回归中，哑变量真实姓名的点估计系数为0.412，在1%的水平上显著，这意味着，在未控制其他变量的情况下，相对于网络昵称，使用真实姓名的借款者，违约率更高。如同上文一样，表6第2-4列，我们分别加上不同的控制变量，发现在控制了其他影响因素之后，真实姓名的系数有所下降，但仍然在1%的水平上显著为正。在表6第5列，我们进一步增加了不同年份和省份虚拟变量，此时回归显示，哑变量真实姓名仍然在1%水平上显著为正，系数大小为0.233。计算可得，在控制了其他影响因素之后，真实姓名的平均半弹性系数为0.527，即使用真实姓名的借款人的违约率，较实用网络昵称的借款人的违约率高0.527%。
从各个控制变量系数的情况看，男性、年龄大、有车贷、借款期限长以及借款金额高的借款人或借款项目，违约率更高，而结婚人士、受教育程度高、工作时间长、信用等级高、有汽车或房贷的借款人或借款项目，违约率更低。
综合借款成功率和借款违约率的回归结果，借款人使用真实姓名，并没有让其更易得到出借人的信任，借款成功率反而更低，而出借人对借款人使用真实姓名的不信任，也是理性的，因为使用真实姓名的借款人，借款违约率也更高了。这是个有趣而并不太直观的解释，对此我们猜测可能是由于以下几个原因：
其一，真实姓名对违约后的追讨并没有什么帮助。因为在目前的经营模式下，网络借贷违约后的追讨，都是由P2P平台代为负责的，而平台是从头到尾知道借款人真实姓名的，并不依赖于借款人披露给出借人的用户名。
其二，在没有信息披露监管机制的情况下，平台也对借款人昵称的使用没有约束，因此借款人虽然使用真实姓名，但其真实性其实并无法保障。
其三，在P2P网站并没有要求借款人一定要使用真实姓名，真实姓名也没有什么实质信用信息的情况下，出借人更多的“信息披露”，反而可能意味着借款人的底气不足，即使用真实姓名可能反而意味着借款人是要诱导出借人，即出现了一种“逆向选择”的现象。张伟强等（2015）在一篇相关的研究中发现，虽然公务员在中国被普遍认为是一个收入稳定、福利和社会保障良好、社会地位高的群体，在商业银行借贷市场上也被定位为优质客户，但他们利用P2P 网络借贷平台的交易数据实证研究发现，公务员群体的借款成功率、利率与违约率与其他群体之间不存在显著差异，并没有表现出优质客户的特征，他们认为这就是一种逆向选择的原因。
其四，这也可能跟借款人的风险偏好有关，没有使用真实姓名的人，可能更加厌恶风险（害怕自己的个人信息被泄露），而使用真实姓名的人，可能有更强的风险偏好，从而暴露了更多的个人信息而不自知。而我们的回归结果也表明，这种“倒挂”的异常现象也已经被出借人所识破，因而使用真实姓名的借款人，反而不被信任，借款成功率更低。并且，从真实姓名哑变量的系数大小而言，使用真实姓名的借款人违约率更高，但其得到的更不信任的程度则较小，这说明虽然出借人已经意识到使用真实姓名的借款人并一定可靠，但仍然表现出了对真实姓名的某种盲目信任。
在这些解释当中核心逻辑是优质借款人，无所谓是否使用真实姓名，因而使用真实姓名比例反而相对更低；而次级借款人则由于借款的先天条件不足，才驱使他们采用真实姓名来意图增加其可信度。为检验这一逻辑，我们以是否真实姓名为被解释变量，借款人相关特征为解释变量，进行回归。表7的回归结果显示，确实是条件越差的借款人，越倾向于使用真实姓名，例如受教育程度更高、工作年限更长、信用等级更高的借款人更不倾向于使用真实姓名，“逆向选择”的逻辑得到了初步的证实。
（三）稳健性分析
1.回归方法的稳健性。在上文的基本回归中，我们使用了Probit模型，为了检验回归方法是否会影响我们的基本结论，本部分我们分别使用OLS和Logit回归，回归结果见表8。回归结果显示，无论是OLS回归，还是Logit回归，哑变量真实姓名都对借款成功率有显著的负向影响，对借款违约率有显著的正向影响。OLS的回归更为常用，结果也更直观，从中我们可以看出，使用真实姓名的借款人，借款成功率下降0.359%，幅度并不算太大，但使用真实姓名的借款人的借款违约率却高出5.48%。对于Logit回归，几率比（odds ratio）分析表明使用真实姓名的借款人借款成功率，是使用网络昵称借款成功率的88.5%（exp（-0.122）），使用真实姓名的借款违约率，是使用网络昵称借款违约率的148.5%（exp（0.395））。对于二值选择模型，不同的回归方法，回归系数隐含的经济价值差异较大，因此我们下文将主要关注回归系数的显著性和方向。
2.剔除纯字母的昵称。在关于借款人的名称究竟是真实姓名还是网络昵称的认定中，我们将纯英文或拼音，全部认定为昵称。然而，严格说来，在英文或拼音的名称中，也存在“真实姓名”（如姓名拼音和英文姓名）和纯粹昵称的区分，但考虑到识别方法的局限，无法做到理想的区分。为了进一步检验本文关于真实姓名的认定是否受此影响，我们将名称为全英文或者全拼音的样本进行剔除，仅比较真实中文姓名与中文网络昵称（可以含有部分字母或数字）的影响。此时的回归结果见表9，回归结果显示，剔除全英文和全拼音的昵称后，回归结果仍然十分非常显著，系数方向也和上文完全一致，并且对不同的回归方法，皆如此。我们的结果具有较强的稳健性。
3.违约率的稳健性。在上述关于借款违约率的回归中，我们是在已违约项目和已成功结清项目中定义违约率的，即违约项目为1，结清项目为0。然而，由于人人贷还款机制一般都是每月等额还款，因此并不一定非要等借款项目结束之后，才能判断其是否违约，可能在项目还款过程中，就会出现违约事件，即上述定义可能会高估真实违约率。为此，在本部分我们使用第二种违约率的计算，即违约项目对应的不仅仅是已结清项目，还同时包括正在正常还款项目。根据此定义的违约率为9.6%，低于上文方法计算的违约率。
此时的回归结果见表10。表10第（1）-（3）分别使用了Probit、OLS和Logit回归，回归结果显示，对于不同的回归方法，哑变量真实姓名对违约率都有显著的正向影响，这说明对于不同的违约率定义标准，回归结果都是稳健的。具体数值上，表9哑变量真实姓名对违约率的影响系数均较上文有所减小，这可能跟这里定义的违约率本身就较小有关。
（备注：本工作论文是未曾公开发表的论文。文中观点仅代表作者本人，不代表CF40、SFI及作者所在单位意见。未经许可，谢绝任何形式的转载和复制。）
相关文章精选：（猛戳标题）
新金融评论
聚焦新金融，独家、专业，尽在新金融评论。
中国金融四十人论坛智库体系新金融系列——上海新金融研究院、北方新金融研究院、北大互联网金融研究中心、上海浦山新金融发展基金会强强联手，打造最专业的新金融平台。
小新欢迎您！长按二维码即可关注。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点经过核实后将会做出处理，感谢您为社区和谐做出贡献。
请选择删除原因
确定推荐该回答？
p2p网络借贷平台哪个更好,违约率一般是多少
Lending Club, 2007年成立与美国。P2P网络借贷违约风险的影响因素研究_论文_百度文库
您的浏览器Javascript被禁用，需开启后体验完整功能，
享专业文档下载特权
&赠共享文档下载特权
&10W篇文档免费专享
&每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
P2P网络借贷违约风险的影响因素研究
中国最大最早的专业内容网站|
总评分0.0|
试读已结束，如果需要继续阅读或下载，敬请购买
定制HR最喜欢的简历
你可能喜欢