伴随着大数据、机器学习等技术的广泛应用，信贷科技在过去的十几年中取得快速发展。与此同时，国内征信行业也在快速发展。

两者相遇会产生怎样的思想火花？

(资料图片)

自2005年以后，监管机构要求金融机构向中国人民银行征信中心披露商业和消费者信贷的还款和违约信息。除官方的征信中心外，私营征信机构随着金融科技的广泛应用也正蓬勃发展。个人征信业务的发展如何影响借款者的借款行为和随后的违约风险也受到了学术界、业界及监管部门的关注，成为重要的研究课题。

来自清华大学的廖理、王正位，华盛顿大学的Xiumin Martin， Quant Group的Ni Wang，以及印第安纳大学的Jun Yang于2023年5月在会计学国际顶级期刊《The Accounting Review》发表论文 “What If Borrowers Were Informed about Credit Reporting? Two Natural Field Experiments”。

文章使用网络借贷平台数据，对征信提醒如何影响个人借款者的借款行为进行了实验研究。文章发现，征信提醒可以通过降低信息寻租的方式，显著降低借款者的违约概率。

文章投稿于2021年3月，2022年8月接收，2023年5月正式刊出。

背景介绍

1998年以后，中国的金融系统蓬勃发展，消费者信贷业务也逐渐兴起。2005年以后，中国监管部门要求金融机构向征信中心报告还款及违约信息，并且持牌金融机构可以获得这些信息。2013年以后，金融科技快速发展，大数据征信技术在个人借贷中的应用，补充了官方征信覆盖面不足的问题。

本文采用一家网络借贷平台开展了两个自然田野实验，该平台匹配小额线上贷款的需求方和机构放款人。放款人方面，既有需要向征信中心提交借贷记录的持牌金融机构，也有实验时不需要（同时也不具有途径）提交记录的机构。

平台上的借款方男性居多，通常收入稳定（平均月薪4000元），具有比较高的信用评分（芝麻分平均602）。平台对于借款者有较严格的筛选，拒绝率可达90%，但即使这种情况下，仍有10%的新用户会违约。平台会取消违约用户未来在平台借款的资格来激励用户正常还款。老用户一般会在平台每年借款3-4次，平均每次4500元。

实验设计与实证结果

1. 实验设计

在该平台申请贷款时，用户需要披露自己的年龄、性别和身份信息。同时还会被要求披露自己的收入、教育情况、是否持有信用卡以及是否有房产。这些信息虽然难以验证，但也和蚂蚁芝麻分、平台内部评分一起，是贷款申请审核的重要依据。

平台内部会将个人的芝麻分、大数据信息和借款者还款历史纳入模型形成内部评分，内部评分不会向其他平台共享。由于新用户违约更加严重，且不会对某些特定放款人的披露政策过于敏感，文章聚焦于新用户进行两个实验。

实验一：

作者们随机抽选了1464个刚刚申请到贷款的借款人，并随机分为两组。第一组有332人，他们在收到贷款时会收到如下的短信内容：“你的贷款还款情况和违约信息会同时上征信”，而另一组的1132人不会包含这一信贷提醒。

实验二：

文章对相同的放款方在同一周内的贷款申请进行了实验。这其中包含2631个已经被量化派平台审核通过，但尚未绑卡借款人。相似地，其中随机抽取的1189个用户收到了提醒短信，另外的1442个用户未收到提醒短信。

2. 实验结果

在第一个实验中，收到短信的组（CW=1）的违约概率为5.1%，而未收到短信的组（CW=0）为11.4%；

在第二个实验中，收到短信的组（CW=1）的违约概率为7.7%，而未收到短信的组（CW=0）为11.6%，其差值在1%的显著性水平下显著异于0。

在贷款率上，两组分别为76.1%和74.1%，并没有显著的差异。

使用逻辑回归控制其他特征变量可以得到相似的结果，其中进行信贷警告可以降低违约率7-7.5%（实验一）和3.7%-4.3%（实验二）。当使用马氏距离进行样本匹配来缓解潜在的遗漏变量问题后结论保持稳健。

在考察短信提醒是否影响借款人绑卡取现的研究中，文章考虑了两种潜在的理论解释。

第一种是信贷披露会降低信息寻租。当社会面缺乏广泛覆盖的征信体系时，用户可能会因为征信渠道问题面临较大的信息不对称，换句话说，一个高质量的用户可能会因为无法向放款方展示自己的“高”质量，从而不得不面临较高的借款利率。这种机制之下，如果征信途径拓宽，用户有可能会选择接受贷款来降低信息租，即收到短信警告的人贷款接受率会更高。

另一种解释是信贷警告本身具有惩罚效果，会让那些自身条件不好的用户为了防止影响官方征信选择退出。这种情况下，收到短信警告的人贷款接受率会更低。

两种解释的不同推论可以帮助我们厘清潜在的机制。下表的回归结果显示，实验二中，收到警告短信的用户贷款接受率更高，这支持了信息寻租假设。

尽管信息寻租在学术上具有严格的定义，但实证中却难以衡量。文章巧妙地运用了两个评分系统，即芝麻分（半公开信息）和平台内部评分（私有信息），对这一机制进行了进一步阐述。文章首先发现，当平台掌握用户更多大数据信息时，高质量用户确实会承担更高的利息费用（information rent）。

此外，文章将新老用户的违约概率回归到芝麻分和内部评分后，可以发现内部分可以显著地预测新老用户的违约概率，而芝麻分只对新用户有预测作用。说明平台在老用户上具有独特的信息优势，而对新用户则更多地依靠半公开信息进行甄选。

以上结果证明掌握私有信息的平台确实可能会掌握信息定价优势。那么按照信息寻租的假设，如果征信提醒降低了用户的信息租，使得用户更愿意参与信贷，那么对于那些信息租比较高的用户，这种作用应该会更加显著。

文章假设这些新用户与老用户具有一定的可比性（老用户都是新用户转化而来），在此基础上，文章首先将老用户的内部评分回归在公开信息上，回归的残差部分即为内部评分的私有信息。回归方程如下：

作者按照老用户的上述残差分为低、中、高三组。三组用户的描述统计如下表。可以发现，内部评分残差更高的组（High 组）其违约的确概率更低，但芝麻分等公开信息上差异并不显著。

此外，平台可以识别出三组违约概率的差异，从结果可以看到，不同的违约率收取的利率并没有显著不同（不存在信息租时，高评分的用户利率应该更低）。理论上说，这些高残差的用户多支付的利率即为信息租金，因此可以使用内部评分残差作为信息租的代理变量。

随后，文章将新用户和老用户使用马氏距离的方式进行匹配，并按照匹配的老用户内部评分残差分为三组，分别考察征信提醒警告对三组新用户贷款接受率的影响。

回归结果显示，征信提醒对于贷款接受率提升的作用仅存在于高信息租的用户当中。因此，信贷披露对这些用户的好处也就更高。

结论

本文借助互联网借贷平台的实验，考察了征信提醒对于借款人行为的影响。文章发现，征信提醒可以显著降低用户的违约概率，提升用户的贷款接受率。

这一结果主要来源于纳入正规征信体系会降低信息寻租，征信提醒对于贷款接受率的提升在高信息租用户组更加显著。这一发现表明，征信提醒可以增加贷款接受率，同时不会挤出用户，损害平台利润。

文章的启示意义在于：在借贷科技快速发展的今天，征信体系作为金融基础设施的一部分，和金融科技应用之间有良好的互补作用；金融科技在拓新业务的同时，也应该积极拥抱金融基础设施。