伴隨著大數(shù)據(jù)、機(jī)器學(xué)習(xí)等技術(shù)的廣泛應(yīng)用，信貸科技在過去的十幾年中取得快速發(fā)展。與此同時(shí)，國(guó)內(nèi)征信行業(yè)也在快速發(fā)展。

　　自 2005 年以后，監(jiān)管機(jī)構(gòu)要求金融機(jī)構(gòu)向中國(guó)人民銀行征信中心披露商業(yè)和消費(fèi)者信貸的還款和違約信息。除官方的征信中心外，私營(yíng)征信機(jī)構(gòu)隨著金融科技的廣泛應(yīng)用也正蓬勃發(fā)展。個(gè)人征信業(yè)務(wù)的發(fā)展如何影響借款者的借款行為和隨后的違約風(fēng)險(xiǎn)也受到了學(xué)術(shù)界、業(yè)界及監(jiān)管部門的關(guān)注，成為重要的研究課題。

　　文章使用網(wǎng)絡(luò)借貸平臺(tái)數(shù)據(jù)，對(duì)征信提醒如何影響個(gè)人借款者的借款行為進(jìn)行了實(shí)驗(yàn)研究。文章發(fā)現(xiàn)，征信提醒可以通過降低信息尋租的方式，顯著降低借款者的違約概率。

　　1998 年以后，中國(guó)的金融系統(tǒng)蓬勃發(fā)展，消費(fèi)者信貸業(yè)務(wù)也逐漸興起。2005 年以后，中國(guó)監(jiān)管部門要求金融機(jī)構(gòu)向征信中心報(bào)告還款及違約信息，并且持牌金融機(jī)構(gòu)可以獲得這些信息。2013 年以后，金融科技快速發(fā)展，大數(shù)據(jù)征信技術(shù)在個(gè)人借貸中的應(yīng)用，補(bǔ)充了官方征信覆蓋面不足的問題。

　　本文采用一家網(wǎng)絡(luò)借貸平臺(tái)開展了兩個(gè)自然田野實(shí)驗(yàn)，該平臺(tái)匹配小額線上貸款的需求方和機(jī)構(gòu)放款人。放款人方面，既有需要向征信中心提交借貸記錄的持牌金融機(jī)構(gòu)，也有實(shí)驗(yàn)時(shí)不需要（同時(shí)也不具有途徑）提交記錄的機(jī)構(gòu)。

　　平臺(tái)上的借款方男性居多，通常收入穩(wěn)定（平均月薪 4000 元），具有比較高的信用評(píng)分（芝麻分平均 602）。平臺(tái)對(duì)于借款者有較嚴(yán)格的篩選，拒絕率可達(dá) 90%，但即使這種情況下，仍有 10% 的新用戶會(huì)違約。平臺(tái)會(huì)取消違約用戶未來在平臺(tái)借款的資格來激勵(lì)用戶正常還款。老用戶一般會(huì)在平臺(tái)每年借款 3-4 次，平均每次 4500 元。

　　在該平臺(tái)申請(qǐng)貸款時(shí)，用戶需要披露自己的年齡、性別和身份信息。同時(shí)還會(huì)被要求披露自己的收入、教育情況、是否持有信用卡以及是否有房產(chǎn)。這些信息雖然難以驗(yàn)證，但也和螞蟻芝麻分、平臺(tái)內(nèi)部評(píng)分一起，是貸款申請(qǐng)審核的重要依據(jù)。

　　平臺(tái)內(nèi)部會(huì)將個(gè)人的芝麻分、大數(shù)據(jù)信息和借款者還款歷史納入模型形成內(nèi)部評(píng)分，內(nèi)部評(píng)分不會(huì)向其他平臺(tái)共享。由于新用戶違約更加嚴(yán)重，且不會(huì)對(duì)某些特定放款人的披露政策過于敏感，文章聚焦于新用戶進(jìn)行兩個(gè)實(shí)驗(yàn)。

　　作者們隨機(jī)抽選了 1464 個(gè)剛剛申請(qǐng)到貸款的借款人，并隨機(jī)分為兩組。第一組有 332 人，他們?cè)谑盏劫J款時(shí)會(huì)收到如下的短信內(nèi)容： 你的貸款還款情況和違約信息會(huì)同時(shí)上征信 ，而另一組的 1132 人不會(huì)包含這一信貸提醒。

　　文章對(duì)相同的放款方在同一周內(nèi)的貸款申請(qǐng)進(jìn)行了實(shí)驗(yàn)。這其中包含 2631 個(gè)已經(jīng)被量化派平臺(tái)審核通過，但尚未綁卡借款人。相似地，其中隨機(jī)抽取的 1189 個(gè)用戶收到了提醒短信，另外的 1442 個(gè)用戶未收到提醒短信。

　　在第一個(gè)實(shí)驗(yàn)中，收到短信的組（CW=1）的違約概率為 5.1%，而未收到短信的組（CW=0）為 11.4%；

　　在第二個(gè)實(shí)驗(yàn)中，收到短信的組（CW=1）的違約概率為 7.7%，而未收到短信的組（CW=0）為 11.6%，其差值在 1% 的顯著性水平下顯著異于 0。

　　使用邏輯回歸控制其他特征變量可以得到相似的結(jié)果，其中進(jìn)行信貸警告可以降低違約率 7-7.5%（實(shí)驗(yàn)一）和 3.7%-4.3%（實(shí)驗(yàn)二）。當(dāng)使用馬氏距離進(jìn)行樣本匹配來緩解潛在的遺漏變量問題后結(jié)論保持穩(wěn)健。

　　第一種是信貸披露會(huì)降低信息尋租。當(dāng)社會(huì)面缺乏廣泛覆蓋的征信體系時(shí)，用戶可能會(huì)因?yàn)檎餍徘�道問題面臨較大的信息不對(duì)稱，換句話說，一個(gè)高質(zhì)量的用戶可能會(huì)因?yàn)闊o法向放款方展示自己的 高 質(zhì)量，從而不得不面臨較高的借款利率。這種機(jī)制之下，如果征信途徑拓寬，用戶有可能會(huì)選擇接受貸款來降低信息租，即收到短信警告的人貸款接受率會(huì)更高。

　　另一種解釋是信貸警告本身具有懲罰效果，會(huì)讓那些自身?xiàng)l件不好的用戶為了防止影響官方征信選擇退出。這種情況下，收到短信警告的人貸款接受率會(huì)更低。

　　兩種解釋的不同推論可以幫助我們厘清潛在的機(jī)制。下表的回歸結(jié)果顯示，實(shí)驗(yàn)二中，收到警告短信的用戶貸款接受率更高，這支持了信息尋租假設(shè)。

　　此外，文章將新老用戶的違約概率回歸到芝麻分和內(nèi)部評(píng)分后，可以發(fā)現(xiàn)內(nèi)部分可以顯著地預(yù)測(cè)新老用戶的違約概率，而芝麻分只對(duì)新用戶有預(yù)測(cè)作用。說明平臺(tái)在老用戶上具有獨(dú)特的信息優(yōu)勢(shì)，而對(duì)新用戶則更多地依靠半公開信息進(jìn)行甄選。

　　文章假設(shè)這些新用戶與老用戶具有一定的可比性（老用戶都是新用戶轉(zhuǎn)化而來），在此基礎(chǔ)上，文章首先將老用戶的內(nèi)部評(píng)分回歸在公開信息上，回歸的殘差部分即為內(nèi)部評(píng)分的私有信息�；貧w方程如下：

　　此外，平臺(tái)可以識(shí)別出三組違約概率的差異，從結(jié)果可以看到，不同的違約率收取的利率并沒有顯著不同（不存在信息租時(shí)，高評(píng)分的用戶利率應(yīng)該更低）。理論上說，這些高殘差的用戶多支付的利率即為信息租金，因此可以使用內(nèi)部評(píng)分殘差作為信息租的代理變量。

　　本文借助互聯(lián)網(wǎng)借貸平臺(tái)的實(shí)驗(yàn)，考察了征信提醒對(duì)于借款人行為的影響。文章發(fā)現(xiàn)，征信提醒可以顯著降低用戶的違約概率，提升用戶的貸款接受率。

　　這一結(jié)果主要來源于納入正規(guī)征信體系會(huì)降低信息尋租，征信提醒對(duì)于貸款接受率的提升在高信息租用戶組更加顯著。這一發(fā)現(xiàn)表明，征信提醒可以增加貸款接受率，同時(shí)不會(huì)擠出用戶，損害平臺(tái)利潤(rùn)。

　　文章的啟示意義在于：在借貸科技快速發(fā)展的今天，征信體系作為金融基礎(chǔ)設(shè)施的一部分，和金融科技應(yīng)用之間有良好的互補(bǔ)作用；金融科技在拓新業(yè)務(wù)的同時(shí)，也應(yīng)該積極擁抱金融基礎(chǔ)設(shè)施。