论文部分内容阅读
摘 要：网络借贷是传统借贷体系的有益补充，具有间接融资的延伸作用，能满足小微企业小额、快速、短期的借款需求，解决小微企业融资需求与传统借贷体系难以匹配的问题。基于网络借贷的间融延伸的特征，探析网络借贷的匹配机制及效率的机理。通过国内典型的P2P网络借贷平台——人人贷的交易数据，从小微企业的融资可得性和融资成本的角度，验证网络借贷的间融延伸作用，并对网络借贷的匹配机制和效率进行探究。实证结果表明，网络借贷平台能突破地域限制，有效匹配小微企业的小额贷款需求，达到间融延伸的目的。信用等级较高、融资需求合理的小微企业获得贷款的概率更高、融资成本更低。
关键词：网络借贷；间融延伸；匹配机制和效率；小微企业
文章编号：2095-5960（2015）05-0058-11；中图分类号：F832.3；文献标识码：A
一、引 言
小微企业是我国国民经济的重要支柱，也是经济持续稳定增长的坚实基础。据《全国小微企业发展报告》显示，截至2013年底，全国共有小微企业116987万户，占企业总数的7657%，若纳入443629万户个体工商户，小微企业占比则高达9415%。另外，小微企业还是我国实体经济的重要基础和新增就业的主要渠道。据统计，小微企业在经济增长中贡献额占GDP的60%，税收比例为50%，新增劳动力达到80%。鉴于此，国家出台了一些相关的政策（财政、金融、技术等）来扶持小微企业的发展。然而，小微企业融资难、融资贵的问题却一直没有得到有效解决，小微企业的发展也因此受到了严重地制约，那么是什么原因导致小微企业存在融资瓶颈？
小微企业自身处于发展的初级阶段，其制度不健全、管理不完善、易受市场环境影响等特征，使其难以适应传统银行的信用评估方式。特别是科技型小微企业创业初期缺乏足够固定资产和抵押物，很难直接从银行贷款。传统银行在借贷过程中处于信息劣势，基于自身风险控制的考虑，对小微企业贷款审批时间较长，实际贷款利率较高，这与小微企业“短平快”的资金需求无法匹配，导致小微企业与银行的间接融资贷款的匹配率不足30%① ①据中国银行业监督管理委员会2012年报显示，截至2012年，小微企业贷款占全部贷款月的21.95%。。结果是小微企业只能采用非正式融资方式。例如，小微企业选择“向亲戚朋友借款”的比例达到243%（《2013小微企业融资发展报告——中国现状及亚洲实践》）。所以，小微企业融资模式创新和融资渠道延伸已迫在眉睫。
网络借贷为解决小微企业的融资问题带来全新模式。P2P网络借贷（Peer-to-Peer Online Lending）是指个人之间通过网络平台实现直接借贷，借款者和投资者通过平台进行匹配，投资者获得比银行存款高很多且低风险的收益，而借款者可能以较低利率融资（（Bruce，2007[1]；Steiner，2007[2]）。在P2P网络借贷中，借款者不再需要抵押和担保。通过平台的资格审核后，按照平台的要求进行借款发布，公开接受投资者投标。其中融资金额、利率和借款期限由借款者自行设定。这样融资方式与缺乏抵押担保和借款金额较小的小微企业相适应。投资者根据借款者的借款信息、信用信息、财务信息和个人特征决定自己是否参与投标以及投标的金额。另外，从技术上网络借贷可以缓解信息不对称和降低交易成本，这些方面具有传统金融机构难以比拟的优势。因此，越来越多的小微企业和个人通过P2P网络借贷寻求小额资金支持。2012年，中国国内网络借贷市场的交易额为2286亿，2013年上升到6803亿。人人贷平台自2010年成立到2014年4月底，累计成交总金额为2781亿元，累计成交笔数53454笔，投资者累计赚取利息1701935万元。2013年度平均投标利率1307%，47%的借款者借款期限为25-36个月，平均筹款时间仅为25小时。显然实现了间融市场的完美匹配和高收益率。
那么，网络借贷作为小微企业间接融资渠道的延伸，如何有效地匹配借贷双方的需求？本文基于网络借贷的特征，探析网络借贷匹配机制和效率的机理，通过国内典型P2P网络借贷平台——人人贷的交易数据，从小微企业的融资可得性和融资成本的角度，验证网络借贷平台的间融延伸功能，对的匹配机制和效率进行研究。
二、P2P网络借贷融资的机理分析
（一）小微企业融资瓶颈与间融延伸
融资渠道狭窄、资金需求不足已经成为制约小微企业发展的重要原因。那么小微企业为何会出现融资瓶颈呢？首先，小微企业处于发展的初级阶段，规模较小、自有资本较少，内源融资明显不足，再加上治理结构不健全、经营风险较大、易受外部环境影响、缺乏可担保物等缺陷，使其在外源融资中也很难得到支持（Udell & Berger，1998[3]）。其次，从银行的角度来看，小微企业与银行间的信息不对称，导致逆向选择以及道德风险，使得银行在面对超额的贷款需求时，被迫采用信贷配给以达到供需平衡（Stiglits & Weiss；1981[4]）。具体而言，银行经营管理目标与小微企业资金需求的矛盾、缺乏有效信用担保以及资金需求期限难以匹配等多方面的原因，导致银行对小微企业的信贷支持十分有限。再次，监管当局对小微企业缺乏差异化的监管政策，金融体系难以多层次发展，经济多元化与金融机构服务体系单一化的矛盾是造成小微企业融资瓶颈的重要原因（罗越，2004[5]；梁峰，2000[6]）。
为了促进小微企业的发展，帮助小微企业走出融资困境，国务院出台了一系列支持小微企业发展的优惠政策。首先，政府通过加大税收扶持力度、扩大中小企业专项资金规模等财税措施改善中小企业的生存环境、提升其利润空间，同时大力发展中小金融机构，以解决小微企业的融资问题；其次，银行也加大了对小型微型企业的信贷支持（银监会在2010年出台“两个不低于”的政策保障银行对小微企业的信贷投放量），清理纠正金融服务不合理的收费，细化对小微企业金融服务的差异化监管政策，以缓解信息不对称和产权私有的约束（林毅夫、李永军，2001[7]；欧阳凌等，2004[8]）。 尽管政府、银行和企业之间致力于解决小微企业的融资瓶颈问题，但是要想缓解小微企业对银行贷款的过度依赖，必须通过对传统间接融资渠道的延伸，满足其对外部融资的需求。网络借贷平台的出现，无疑给解决小微企业融资瓶颈问题带来了新的契机。对借款者而言，原先只能通过民间借贷或者亲戚朋友等非正规金融方式进行融资的小微企业，通过网络就能实现融资需求的匹配，交易成本也大幅降低，网络借贷平台让民间借贷更加“阳光化”。对投资者而言，网络借贷平台改善了目前投资途径单一、准入门槛较高的现状，通过P2P网络借贷平台，投资者不仅可以获得借款者提供的利息收益，还可以通过小额投资（最低100元）分散风险。因此，笔者认为网络借贷平台的出现正是融资渠道的有益补充，可以有效解决小微企业的融资瓶颈问题。基于此，笔者提出第一个命题。
命题1：网络借贷是传统借贷体系的有益补充，为小微企业提供间接融资延伸，扩大了融资可得性。
（二）网络借贷的匹配效率
匹配可以定义为一个调节过程，在这个过程中，市场一方的代理人向其满意的另一方发出邀约，另一方可以接受或拒绝而选择更好的代理人，这个过程不断持续直至均衡（Crawford V P & Knoer E M，1981[9]）。金融领域的匹配理论较早应用于农村信贷市场，比如，通过对菲律宾农村非常规信贷市场的研究发现，借贷双方会根据各自的特征和商业关系来进行匹配，匹配过程中交易成本和信任起着重要作用（Floro & Yotopoulos，1992[10]）；中国的农村民间借贷市场中则存在着正向分类匹配现象（Positive Assortative Matching），即穷人更倾向于把钱借给穷人，富人更倾向于把钱借给富人（张海洋、平新乔，2010[11]）。匹配过程中交易成本和信任起着重要作用。信贷市场的匹配是指借贷双方在其参与约束条件下，根据自身及对方的特征进行分类排序，从而形成具有不同特征的借款者与投资者之间的匹配（张海洋、平新乔，2010[11]）。交易主体的异质性和信息不对称是信贷市场匹配的核心，投资者的贷款技术、信贷合约与借款者显示其信用信息禀赋以及借代需求的异质性，是决定信贷市场匹配关系的主要因素（林乐芬等，2013[12]）。
信息是金融市场和交易的重要组成部分，传统的商业银行贷款可以分为两种，依据企业“硬信息”的“交易型贷款”（transactional lending）和基于企业“软信息”的“关系型贷款”（relationship lending）（Berlin &Mester，1998[13]）。贷款技术的差异决定了不同规模的商业银行在处理信息时具有比较优势，如小银行在收集、传递和利用“软信息”进行关系型融资方面具有优势（Berger & Udell，2002[14]；马九杰，2012[15]），其小额高息的信贷需求与小微企业的信息禀赋与融资需求比较匹配。而“硬信息”比较完善的大企业则会倾向于向大银行借款。网络借贷平台中，借款者根据自身特征、信息禀赋发布不同利率、金额、期限的借款列表，投资者根据自身流动性、风险考虑以及信息的掌握情况，有序地选择合适的借款列表进行投标，从而形成一定的匹配模式，这大大减少了借贷双方匹配的信息搜寻成本和交易成本。
简言之，P2P网络借贷平台就是利用借款者“软信息”与“硬信息”进行融资的中介服务机构。借款者通过平台发布自己的投资需求，包括金额、利率、期限以及财务信息、人口特征信息，同时平台会公布借款者的信用信息，包括信用等级、历史借款次数、借款成功次数、逾期次数等。投资者浏览借款列表，根据自己的偏好做出投资决策。
网络借贷平台通过对借款者“软信息”和“硬信息”的双重考察，判断借款者的质量，从而有效匹配双方借贷需求。不过由于投资者的匹配行为存在异质性，不同的投标人的投标策略也会随着时间及投标人的经验而发生变化（Puro et al，2011[16]）。此外，借款者参与投标的频率越高，与投资者之间的互动越多，越容易吸引投资者参与投标（Lee， 2012[17]），即匹配效率越高。基于此，笔者提出第二个命题。
命题2：小微企业通过网络借贷可以有效匹配借贷双方的需求，使得融资效率更高。
三、数据、变量和模型
（一）数据
人人贷是中国较早的P2P网络借贷平台。根据权威的第三方平台“网贷之家”统计（截止2014年4月19日）的平台综合指数排名显示，人人贷平台国内综合指数最高。同时由于与单纯中介型的网络借贷平台不同，人人贷平台为投资者提供本金保障或者本息保障两种保障方式，因此，投资者在投标时对小微企业信息禀赋和融资需求的判断更为客观和理性。鉴于此，我们选择人人贷平台作为典型网络借贷平台，研究网络借贷平台在解决小微企业融资瓶颈难题中的间融延伸作用，并分析平台对借贷双方的匹配机制和效率问题，具有一定的代表性。
采用网页请求、获取固定位置数据的方法，我们获取了该平台从2012年10月12日编号为1到2014年3月编号为170000的所有交易数据，共169908条。为了观测网络借贷平台对小微企业的融资需求的匹配及效率，我们以“公司”、“企业”、“创业”、“扩大规模”、“店铺”、“周转”等为关键词对借款标题进行筛选，并删掉了10000元以下标明资金周转但实质可能为个人消费借贷的借款列表，以及超出网站所规定的借款范围的408条借款列表（只有22条借款成功，借款成功率仅为539%，远远低于正常的借款成功率，不具有代表性）。同时，删除了借款者工作地为非大陆地区的借款列表（共12条）。最终确定的借款列表共有58845条，占全部借款列表的3463%。
（二）变量
1.借款金额（amount）：指小微企业的资金需求额度。人人贷对于不同类型的借款，规定了借款金额的范围，对于不同信用等级的借款者，信用额度也有所不同。小微企业借款金额为3000元—50万元。 2.借款利率（rate）：人人贷对不同信用等级的借款者指定了借款利率的范围，借款者可以在符合指导利率的前提下，根据自身的还款能力，发布借款利率，借款利率反映了小微企业的融资成本。
3.借款期限（period）：借款期限越长，投资的不确定性越大，因此借款期限会影响融资可得性和成本，影响借款的匹配结果。
4.信用等级（credit）：信用等级是借款者的信用属性，也是投资者判断借款者违约风险的重要依据之一。信用等级通过认证分数转化而来。信用等级越高，违约的风险越小。用1-7表示信用等级从低到高的不同水平。一般来说，信用等级越高，对于投资者而言意味着出借资金的违约风险越小，对于借款者而言更容易获得借款。
5.历史成功次数（num_suc）：借款者借款成功次数越多，表明借款者的还款能力比较有保障，会增加借款者的信用。
6.逾期次数（num_over）：逾期次数会直接影响投资者对借款者声誉的评价和判断。
7.房贷（hloan）：有房贷标记为1，否则为0。
8.车产（car）：有车产标记为1 ，否则为0。
9.车贷（cloan）：有车贷标记为1 ，否则为0。
10.收入（income）：借款者的收入在一定程度上反映了借款者的还款能力，收入越高的借款者，还款能力越强，相应的贷款违约风险降低，会影响借款可得性。同时，收入高的借款者可以承受的融资成本也相应增加。
11.年龄（age）：指借款者的实际年龄。
12.婚姻状况（marriage）：表明借款者的婚姻状况，如果借款者未婚，定义marriage=1，已婚定义为marriage=2，离异或丧偶定义为marriage=3。
13.性别（sex）：借款者的性别，如果借款者是男性sex=0，借款者是女性sex=1。
14.学历（degree）：借款者的学历状况，如果借款者的学历是高中或以下，定义degree=1，大专、本科、研究生或以上，分别定义为2，3，4。
将上述变量分为四类，具体如表1所示。
（三）模型
通过建立两个实证模型，验证网络借贷平台对小微企业融资的间融延伸作用，并从融资可得性和融资成本两个方面研究网络借贷平台对借贷双方的匹配机制和效率。
1.人人贷平台中，间融延伸的表现形式是融资的可得性，即订单的投标状态。流标表示借款失败，已经完成审核的标的，均表示成功获得借款。根据借款成功状态可以观察间融延伸的范围和渗透程度，对借款成功与否的分析，可以探究小微企业在网络平台融资的可得性，从而检验网络借贷平台起到的间接融资作用和对小微企业间接融资的延伸。因此，我们将是否成功借款作为模型的因变量，设借款成功为1，流标编码为0。我们构建如下模型并采用Logistic回归处理：
z=（b0+B1L+B2R+B3F+B4D）+ε
其中
z=LnP（Y=1）P（Y=0）
L、R、F、D分别代表借款信息变量（Loan）、借款者声誉变量（Reputation）、财务信息变量（Finance）、人口特征变量（Demographic）的相应变量矩阵，B1、B2、B3、B4分别代表相应的系数矩阵，b0为常数项，ε为随机干扰项。
2.小微企业的信息禀赋和融资需求通过网络借贷平台展示，从而与投资者的投资意愿进行匹配，大量不能通过传统的金融机构得到满足的借款需求在网络借贷平台上得以实现。与此同时，借款者必须按设定的借款利率到期提供利息回报，而这将产生一定的企业融资成本。网络借贷平台的匹配机制的效率可以通过企业的融资成本进行反馈。信用信息良好、融资需求合理的小微企业，与之匹配的应该是更低的融资成本。因此，我们建立如下的回归模型，检验网络借贷平台在解决小微企业融资匹配时的效率。
rate=β0+β1ln_amount+β2period+β3credit+β4income+β5hloan+β6car+β7cloan+β8age+β9sex+β10degree+β11marriage+ε
四、实证分析
（一）样本的描述
表2是对所有小微企业借款需求进行的描述性统计。从中可以看出，通过人人贷平台借款的小微企业借款平均值为7947688万元，最小值3000元，最大值500000元。借款利率平均为1536%，借款期限平均为1626月，借款者的平均年龄为3202岁，只有173%为女性借款者，借款者的学历795%为本科以下，学历较低。大部分的借款者信用等级不高，7175%的借款者为高风险HR级别。整体借款需求呈现小额、短期的特征。
P2P网络借贷是借款者与投资者通过网络平台而不是金融机构产生的无抵押贷款（Lin et al， 2009[18]； Collier& Hampshire， 2010[19]； Bachmann et al， 2011[20]）。通过P2P网络借贷平台发起的借款，一般是小额、无抵押的信用借款，这部分借款者无法从传统的金融机构获取间接融资。P2P网络借贷平台中，借款者，投资者和借贷平台都试图通过提供认证、建立声誉机制，以及监督各方的活动来缓解信息不对称问题。通过利用网络降低成本、减少信息不对称，网络借贷平台可以更有效率地进行借贷双方的匹配，为间融延伸提供了渠道和途径。通常来讲，小微企业对借款金额需求较小，我们通过比较所有的小微企业借款需求的样本和成功融资的小微企业获得的进款金额进行比较分析，可以看出小微企业对资金的需求大多集中在1万元到10万元的资金需求，占到了所有样本的70%以上。而从成功融资的借款金额来看，88%的金额在1万元至10万元之间，详见图1、图2。
为了更直观的观测有融资需求的小微企业的地区分布情况，我们对借款列表的数量分省份进行统计，并按照需求数占比降序排列，具体见表3。 从借款需求数量占比来看，排名前五位的分别是山东、广东、浙江、江苏、福建，占据所有借款数量的3998%。长三角三省一市借款数量占比为2097%。2012年6月和7月，中国人民银行分别两次下调金融机构人民币存贷款基准利率，但是东部企业中“未感到成本降低”的比例最高，达到722%。这可能与东部小微企业数量、类别众多，且东部地区企业受外贸环境的影响较大，企业为了保持持续经营的短期流动性需求较为集中有关。正如前文所述，东部地区的小微企业普遍认为“银行贷款融资成本高”，网络借贷平台作为传统借贷体系的有益补充，为小微企业提供了融资替代，延伸了其间接融资的渠道。
（二）实证结果
1.融资可得性模型结果
为了检验模型及其稳健性，在基础模型1的基础上，控制借款者的财务特征变量形成模型2，最终控制借款者的人口特征变量形成模型3。三个模型的整体卡方检验都显著，拒绝除截距外所有系数为零的原假设，表明所选取的变量对融资可得性有显著的影响。
2.融资成本模型结果
通过观察解释变量的Pearson相关系数矩阵及变量的方差膨胀因子（VIF）计算，模型1-3的VIF值远小于10，可以拒绝自变量之间共线性的原假设，自变量之间的共线性不严重。回归方程方差分析的检验值显著小于0001，说明方程是高度显著的，拒绝全部系数为零的原假设，表明进入方程的变量与融资成本间的线性关系能够成立。
为了与前面的研究相统一，我们在基础模型1的基础上，控制了借款者的财务特征变量形成模型2，最终控制借款者的人口特征变量形成模型3。从表5可以看出，模型1到模型3调整后的R2在0299到0309之间，并且随着变量的加入，呈现递增的趋势，模型具有一定的解释能力。
（三）结果分析
（1）模型一结果分析
小微企业的借款需求通常较低。实证结果显示，借款金额对借款成功的概率有显著的负向影响，说明借款金额越大的项目，获得资金的概率越低。在表2的描述性统计中，借款金额平均为7947688元，最高金额为50万元，从图1中也可以看出，小微企业的资金需求大多集中在1万元到10万元之间，这是传统融资渠道不可能覆盖的用户层面。然而，通过网络平台却获得了众多投资者的青睐。同时，100元的最低投标金额也降低了投资者的理财门槛，在国内投资途径单一，银行利率尚未市场化的大环境下，网络平台的出现，增加了融资和理财的途径，是间接融资延伸的一个方面。
此外，间融延伸还体现在打破地域限制的方面。从表3可以看出，人人贷平台成立地为北京，但是借款者的工作地点分布在全国34个省、市、自治区、直辖市。为了更直观地显示融资需求的地域分布，我们按照经济划分的通常标准，绘制小微企业借款需求的地域分布图，如图3所示。其中东部地区需求占比为59%，体现绝对优势，中部地区次之。《2013年小微企业融资发展报告》指出东部2011年和2012年对小微金融的关注度明显高于中部和西部。东部地区小微企业数量众多，借款需求也相对较大。这说明东部地区对传统融资延伸有强烈的需求，通过网络借贷平台，体现了不同地区的小微企业融资需求状况，并且在一定程度上实现了资金的匹配。因此，网络借贷平台有间融延伸作用，且在一定程度上实现了资金匹配，命题一得证。
（2）模型二结果分析
参与网络借贷的投资者，通常是没有专业金融知识背景的普通人。为了使得平台运营的风险降低，人人贷平台通过专业的风控团队，对借款者的资格和满标后的借款列表进行严格审核。这不仅有利于平台自身违约率的控制，也有助于P2P网络借贷行业的良好发展。人人贷平台从提交的58845条小微企业借款列表中，最后审核通过并发放借款的只有16927条，借款成功率不足30%。那么小微企业融资可得性受到哪些因素的影响呢？
实证结果表明：借款金额、借款利率、借款期限对借款成功的概率都具有显著地负向效应。借款金额小、期限短、利率相对较低的借款更能获取成功，这说明投资者并不是单纯追求更高的利率，而是经过理性的思考和评估，投资者将金额、利率视为借款者风险高低的信号（Seth Freedman，2008）。[21]
人人贷对不同等级的借款者提供最低的指导利率，在同样的信用等级下，利率越低，说明借款者对自己发起的借款列表越有信心，不需要通过提高利率，吸引投资者。这与Stiglitz & Weiss（1981）[4]对传统金融市场的预测是吻合的，对于投资者而言，较高的利率可能导致较低的回报率，因为高利率吸引了更多次级的借款者。
借款者的信用等级与借款成功的概率显著正相关，说明借款者的声誉能显著提高借款成功的概率。这与Klafft（2008）[22]利用美国最大的网络借贷平台Prosper的数据进行研究的结论相一致。该研究表明信用评级为 HR的借款者（占所有借款列表574%）借款成功率仅为55%，而信用评级为 AA 的借款者的成功率却高达 54%。
借款者的财务状况与借款成功率也有显著的相关性，Freedman & Jin （2008）[23]研究指出，Prosper借款成功率的提高得益于平台要求借款者提供更多的信息。通过回归结果可以看出，收入高、没有房贷和车贷的借款者借款成功的概率更高。
通过对已经成功匹配的借款需求进行实证分析，结果显示：影响融资成本的因素中，借款金额与借款利率显著负相关，这与通常认为的借款金额越大，借款风险越大，因而利率也应该更高相悖。但是，通过平台成功匹配的借款通常是信用信息良好、融资需求合理的借款，借款者的信用等级较高。人人贷平台的借款额度随着信用等级的上升而增加，因此，能成功借款的大额借款者通常信用等级较高，综合资质表较好，借款金额增加对实际年利率的正影响被其他因素的影响消除。
借款期限对利率的影响为正，借款期限越长，相应的风险越大，投资者对投资的收益率要求上升。通过网络借贷平台匹配的借款中，期限越长，利率越高。 信用等级对借款利率的影响最大，有显著的负向影响。信用等级越高的借款者，融资成本越低（Klafft，2008）。[22]市场可以有效识别借款者的声誉，不同信用等级的借款者的融资成本有显著的差异，对于相同等级的借款者，投资者会进一步关注借款者的其他信息（Iyer et al， 2009）。[24]
借款者的财务信息变量也对利率产生了显著地影响。收入越高的借款者利率越高，这是由于收入越高的借款者，还款能力更强，能承受较高的融资成本。有车产的借款者也是经济实力较好的借款者，因此能承受的借款利率更高。有无房贷和车贷都对利率有显著的负影响。相对于其他的借款者，拥有房贷或者车贷的借款者，已经获得了银行的借款，银行已经对借款者的基本还款能力做出了恰当的评估，因此，在网络借贷平台上，被投资者认为是更具有信用的借款者，因此，融资成本更低。
年龄越大的借款者，融资成本越低。投资者倾向于认为年轻人经济来源不稳定、风险较高；学历越高的借款者，融资成本越低，学历高的借款者，工作机会比较多，因此还款更有保障，也能降低其借款利率；比起未婚的借款者，已婚借款者的融资成本更低，这是由于已婚的借款者有稳定的家庭收入。
通过以上对融资可得性和融资成本的实证结果分析，可以看出，通过网络借贷平台进行的借贷匹配机制，是合理有效的。信用信息良好、融资需求合理的借款，能有效得到匹配。命题二得证。
五、总结及建议
本文基于我国典型的网络借贷平台——人人贷自2010年成立—2014年3月10日的交易数据，对小微企业的融资瓶颈问题和网络平台的间融延伸作用进行了研究，并通过实证分析检验了网络借贷平台的匹配机制和效率。研究表明，网络借贷平台确实可以缓解小微企业的融资瓶颈，作为传统银行借款的有益补充，为间融延伸提供了新的途径。小微企业通过网络借贷平台发布借款需求并在一定程度上实现资金的匹配，平台对借贷双方的匹配效率受到小微企业自身信息禀赋和融资需求的影响。基于上述研究，本文提出以下建议。
（一）增加借款者的信用信息，完善平台的信用评级制度
P2P网络借贷平台的出现，是间融延伸的一个方面。通过网络有效降低了信息不对称和融资成本，在借贷需求的匹配上更具时效性。对“普惠金融”“大众金融”都有着重大的意义，也倒逼了银行的改革和创新。通过网络借贷平台，小微企业可以发布自己的融资需求。因此，平台有必要增加借款者的信息，使得借款者的信号质量更加有效地传递，从而被市场识别。平台自身的发展关键在于风险的控制，从上面的研究可以看出，信用等级是识别借款质量的重要变量，因此，平台要完善评级制度，使等级能够更加准确反映借款者的质量。
（二）放松金融管制，明确监管主体
网络借贷平台延伸了小微企业的融资渠道，缓解了小微企业的融资困境，一定程度上解决了小微企业融资瓶颈问题。在网络平台的发展过程中需要放松对其的管制，增加对网络平台的支持力度。同时，网络平台融资涉及数量众多的投资者，他们大都是对风险的承担和抵御能力较低的人。因此，网络平台的行为需要纳入监管部门的合理监督，从而保证行业的有序发展。
参考文献：
[1]Bruce C. Got cash？ You can loan money like a big-time banker[Z]. Wired， 2007.
[2]Steiner C. The eBay of loans[J]. FORBES，2007， 179（5）： 68.
[3]N Berger A， F Udell G. The economics of small business finance： The roles of private equity and debt markets in the financial growth cycle[J]. Journal of Banking ＼& Finance，1998， 22（6）： 613-673.
[4]Stiglitz J E， Weiss A. Credit rationing in markets with imperfect information[J]. The American economic review，1981： 393-410.
[5]罗越. 我国中小企业融资瓶颈问题研究[D]. 武汉大学， 2004.
[6]梁峰. 试论制约我国中小企业发展的融资瓶颈[J]. 南开经济研究，2000（2）： 43-47.
[7]林毅夫，李永军. 中小金融机构发展与中小企业融资[J]. 经济研究，2001（1）： 10-18.
[8]欧阳凌，欧阳令南. 中小企业融资瓶颈研究——一个基于产权理论和信息不对称的分析框架[J]. 数量经济技术经济研究，2004（4）： 46-51.
[9]Crawford V P， Knoer E M. Job matching with heterogeneous firms and workers[J]. Econometrica，1981， 49（2）： 437-450.
[10]Yotopoulos P A， Floro S L. Income distribution， transaction costs and market fragmentation in informal credit markets[J]. Cambridge journal of economics，1992， 16（3）： 303-326.
[11]张海洋，平新乔. 农村民间借贷中的分类相聚性质研究[J]. 金融研究，2010（9）： 69-86.
[12]林乐芬，吴敏. 信贷市场交易主体的异质性与借贷匹配研究——基于江苏80家商业银行和301家企业的样本数据[J]. 经济学家，2013（10）： 70-78. [13]Berlin M， Mester L J. On the profitability and cost of relationship lending[J]. Journal of Banking & Finance，1998， 22（6）： 873-897.
[14]Berger A N， Udell G F. Small business credit availability and relationship lending： The importance of bank organisational structure[J]. The Economic Journal，2002， 112（477）： F32-F53.
[15]马九杰，王国达，张剑. 中小金融机构与县域中小企业信贷——从需求端对“小银行优势”的实证分析[J]. 农业技术经济，2012（4）： 4-13.
[16]Puro L， Teich J E， Wallenius H， et al. Borrower decision aid for people-to-people lending[J]. Decision Support Systems，2010， 49（1）： 52-60.
[17]Lee E， Lee B. Herding behavior in online P2P lending： An empirical investigation[J]. Electronic Commerce Research and Applications，2012， 11（5）： 495-503.
[18]Lin M， Prabhala N， Viswanathan S. Social networks as signaling mechanisms： Evidence from online peer-to-peer lending[J]. WISE 2009，2009.
[19]Collier B C， Hampshire R. Sending mixed signals： multilevel reputation effects in peer-to-peer lending markets[C]. 2010.
[20]Bachmann A， Becker A， Buerckner D， et al. Online Peer-to-Peer Lending--A Literature Review.[J]. Journal of Internet Banking ＼& Commerce，2011， 16（2）.
[21]Freedman S， Jin G Z. Do social networks solve information problems for peer-to-peer lending？ evidence from prosper. com[Z]. com .NET Institute Working Paper， 2008.
[22]Klafft M. Online peer-to-peer lending： a lenders' perspective[C]. 2008.
[23]Freedman S， Jin G Z. Do social networks solve information problems for peer-to-peer lending？ evidence from prosper. com[R]. com .NET Institute Working Paper， 2008.
[24]Iyer R， Khwaja A I， Luttmer E F， et al. Screening in new credit markets： Can individual lenders infer borrower creditworthiness in peer-to-peer lending？[J]. 2009.
责任编辑：萧敏娜 吴锦丹 常明明
关键词：网络借贷；间融延伸；匹配机制和效率；小微企业
文章编号：2095-5960（2015）05-0058-11；中图分类号：F832.3；文献标识码：A
一、引 言
小微企业是我国国民经济的重要支柱，也是经济持续稳定增长的坚实基础。据《全国小微企业发展报告》显示，截至2013年底，全国共有小微企业116987万户，占企业总数的7657%，若纳入443629万户个体工商户，小微企业占比则高达9415%。另外，小微企业还是我国实体经济的重要基础和新增就业的主要渠道。据统计，小微企业在经济增长中贡献额占GDP的60%，税收比例为50%，新增劳动力达到80%。鉴于此，国家出台了一些相关的政策（财政、金融、技术等）来扶持小微企业的发展。然而，小微企业融资难、融资贵的问题却一直没有得到有效解决，小微企业的发展也因此受到了严重地制约，那么是什么原因导致小微企业存在融资瓶颈？
小微企业自身处于发展的初级阶段，其制度不健全、管理不完善、易受市场环境影响等特征，使其难以适应传统银行的信用评估方式。特别是科技型小微企业创业初期缺乏足够固定资产和抵押物，很难直接从银行贷款。传统银行在借贷过程中处于信息劣势，基于自身风险控制的考虑，对小微企业贷款审批时间较长，实际贷款利率较高，这与小微企业“短平快”的资金需求无法匹配，导致小微企业与银行的间接融资贷款的匹配率不足30%① ①据中国银行业监督管理委员会2012年报显示，截至2012年，小微企业贷款占全部贷款月的21.95%。。结果是小微企业只能采用非正式融资方式。例如，小微企业选择“向亲戚朋友借款”的比例达到243%（《2013小微企业融资发展报告——中国现状及亚洲实践》）。所以，小微企业融资模式创新和融资渠道延伸已迫在眉睫。
网络借贷为解决小微企业的融资问题带来全新模式。P2P网络借贷（Peer-to-Peer Online Lending）是指个人之间通过网络平台实现直接借贷，借款者和投资者通过平台进行匹配，投资者获得比银行存款高很多且低风险的收益，而借款者可能以较低利率融资（（Bruce，2007[1]；Steiner，2007[2]）。在P2P网络借贷中，借款者不再需要抵押和担保。通过平台的资格审核后，按照平台的要求进行借款发布，公开接受投资者投标。其中融资金额、利率和借款期限由借款者自行设定。这样融资方式与缺乏抵押担保和借款金额较小的小微企业相适应。投资者根据借款者的借款信息、信用信息、财务信息和个人特征决定自己是否参与投标以及投标的金额。另外，从技术上网络借贷可以缓解信息不对称和降低交易成本，这些方面具有传统金融机构难以比拟的优势。因此，越来越多的小微企业和个人通过P2P网络借贷寻求小额资金支持。2012年，中国国内网络借贷市场的交易额为2286亿，2013年上升到6803亿。人人贷平台自2010年成立到2014年4月底，累计成交总金额为2781亿元，累计成交笔数53454笔，投资者累计赚取利息1701935万元。2013年度平均投标利率1307%，47%的借款者借款期限为25-36个月，平均筹款时间仅为25小时。显然实现了间融市场的完美匹配和高收益率。
那么，网络借贷作为小微企业间接融资渠道的延伸，如何有效地匹配借贷双方的需求？本文基于网络借贷的特征，探析网络借贷匹配机制和效率的机理，通过国内典型P2P网络借贷平台——人人贷的交易数据，从小微企业的融资可得性和融资成本的角度，验证网络借贷平台的间融延伸功能，对的匹配机制和效率进行研究。
二、P2P网络借贷融资的机理分析
（一）小微企业融资瓶颈与间融延伸
融资渠道狭窄、资金需求不足已经成为制约小微企业发展的重要原因。那么小微企业为何会出现融资瓶颈呢？首先，小微企业处于发展的初级阶段，规模较小、自有资本较少，内源融资明显不足，再加上治理结构不健全、经营风险较大、易受外部环境影响、缺乏可担保物等缺陷，使其在外源融资中也很难得到支持（Udell & Berger，1998[3]）。其次，从银行的角度来看，小微企业与银行间的信息不对称，导致逆向选择以及道德风险，使得银行在面对超额的贷款需求时，被迫采用信贷配给以达到供需平衡（Stiglits & Weiss；1981[4]）。具体而言，银行经营管理目标与小微企业资金需求的矛盾、缺乏有效信用担保以及资金需求期限难以匹配等多方面的原因，导致银行对小微企业的信贷支持十分有限。再次，监管当局对小微企业缺乏差异化的监管政策，金融体系难以多层次发展，经济多元化与金融机构服务体系单一化的矛盾是造成小微企业融资瓶颈的重要原因（罗越，2004[5]；梁峰，2000[6]）。
为了促进小微企业的发展，帮助小微企业走出融资困境，国务院出台了一系列支持小微企业发展的优惠政策。首先，政府通过加大税收扶持力度、扩大中小企业专项资金规模等财税措施改善中小企业的生存环境、提升其利润空间，同时大力发展中小金融机构，以解决小微企业的融资问题；其次，银行也加大了对小型微型企业的信贷支持（银监会在2010年出台“两个不低于”的政策保障银行对小微企业的信贷投放量），清理纠正金融服务不合理的收费，细化对小微企业金融服务的差异化监管政策，以缓解信息不对称和产权私有的约束（林毅夫、李永军，2001[7]；欧阳凌等，2004[8]）。 尽管政府、银行和企业之间致力于解决小微企业的融资瓶颈问题，但是要想缓解小微企业对银行贷款的过度依赖，必须通过对传统间接融资渠道的延伸，满足其对外部融资的需求。网络借贷平台的出现，无疑给解决小微企业融资瓶颈问题带来了新的契机。对借款者而言，原先只能通过民间借贷或者亲戚朋友等非正规金融方式进行融资的小微企业，通过网络就能实现融资需求的匹配，交易成本也大幅降低，网络借贷平台让民间借贷更加“阳光化”。对投资者而言，网络借贷平台改善了目前投资途径单一、准入门槛较高的现状，通过P2P网络借贷平台，投资者不仅可以获得借款者提供的利息收益，还可以通过小额投资（最低100元）分散风险。因此，笔者认为网络借贷平台的出现正是融资渠道的有益补充，可以有效解决小微企业的融资瓶颈问题。基于此，笔者提出第一个命题。
命题1：网络借贷是传统借贷体系的有益补充，为小微企业提供间接融资延伸，扩大了融资可得性。
（二）网络借贷的匹配效率
匹配可以定义为一个调节过程，在这个过程中，市场一方的代理人向其满意的另一方发出邀约，另一方可以接受或拒绝而选择更好的代理人，这个过程不断持续直至均衡（Crawford V P & Knoer E M，1981[9]）。金融领域的匹配理论较早应用于农村信贷市场，比如，通过对菲律宾农村非常规信贷市场的研究发现，借贷双方会根据各自的特征和商业关系来进行匹配，匹配过程中交易成本和信任起着重要作用（Floro & Yotopoulos，1992[10]）；中国的农村民间借贷市场中则存在着正向分类匹配现象（Positive Assortative Matching），即穷人更倾向于把钱借给穷人，富人更倾向于把钱借给富人（张海洋、平新乔，2010[11]）。匹配过程中交易成本和信任起着重要作用。信贷市场的匹配是指借贷双方在其参与约束条件下，根据自身及对方的特征进行分类排序，从而形成具有不同特征的借款者与投资者之间的匹配（张海洋、平新乔，2010[11]）。交易主体的异质性和信息不对称是信贷市场匹配的核心，投资者的贷款技术、信贷合约与借款者显示其信用信息禀赋以及借代需求的异质性，是决定信贷市场匹配关系的主要因素（林乐芬等，2013[12]）。
信息是金融市场和交易的重要组成部分，传统的商业银行贷款可以分为两种，依据企业“硬信息”的“交易型贷款”（transactional lending）和基于企业“软信息”的“关系型贷款”（relationship lending）（Berlin &Mester，1998[13]）。贷款技术的差异决定了不同规模的商业银行在处理信息时具有比较优势，如小银行在收集、传递和利用“软信息”进行关系型融资方面具有优势（Berger & Udell，2002[14]；马九杰，2012[15]），其小额高息的信贷需求与小微企业的信息禀赋与融资需求比较匹配。而“硬信息”比较完善的大企业则会倾向于向大银行借款。网络借贷平台中，借款者根据自身特征、信息禀赋发布不同利率、金额、期限的借款列表，投资者根据自身流动性、风险考虑以及信息的掌握情况，有序地选择合适的借款列表进行投标，从而形成一定的匹配模式，这大大减少了借贷双方匹配的信息搜寻成本和交易成本。
简言之，P2P网络借贷平台就是利用借款者“软信息”与“硬信息”进行融资的中介服务机构。借款者通过平台发布自己的投资需求，包括金额、利率、期限以及财务信息、人口特征信息，同时平台会公布借款者的信用信息，包括信用等级、历史借款次数、借款成功次数、逾期次数等。投资者浏览借款列表，根据自己的偏好做出投资决策。
网络借贷平台通过对借款者“软信息”和“硬信息”的双重考察，判断借款者的质量，从而有效匹配双方借贷需求。不过由于投资者的匹配行为存在异质性，不同的投标人的投标策略也会随着时间及投标人的经验而发生变化（Puro et al，2011[16]）。此外，借款者参与投标的频率越高，与投资者之间的互动越多，越容易吸引投资者参与投标（Lee， 2012[17]），即匹配效率越高。基于此，笔者提出第二个命题。
命题2：小微企业通过网络借贷可以有效匹配借贷双方的需求，使得融资效率更高。
三、数据、变量和模型
（一）数据
人人贷是中国较早的P2P网络借贷平台。根据权威的第三方平台“网贷之家”统计（截止2014年4月19日）的平台综合指数排名显示，人人贷平台国内综合指数最高。同时由于与单纯中介型的网络借贷平台不同，人人贷平台为投资者提供本金保障或者本息保障两种保障方式，因此，投资者在投标时对小微企业信息禀赋和融资需求的判断更为客观和理性。鉴于此，我们选择人人贷平台作为典型网络借贷平台，研究网络借贷平台在解决小微企业融资瓶颈难题中的间融延伸作用，并分析平台对借贷双方的匹配机制和效率问题，具有一定的代表性。
采用网页请求、获取固定位置数据的方法，我们获取了该平台从2012年10月12日编号为1到2014年3月编号为170000的所有交易数据，共169908条。为了观测网络借贷平台对小微企业的融资需求的匹配及效率，我们以“公司”、“企业”、“创业”、“扩大规模”、“店铺”、“周转”等为关键词对借款标题进行筛选，并删掉了10000元以下标明资金周转但实质可能为个人消费借贷的借款列表，以及超出网站所规定的借款范围的408条借款列表（只有22条借款成功，借款成功率仅为539%，远远低于正常的借款成功率，不具有代表性）。同时，删除了借款者工作地为非大陆地区的借款列表（共12条）。最终确定的借款列表共有58845条，占全部借款列表的3463%。
（二）变量
1.借款金额（amount）：指小微企业的资金需求额度。人人贷对于不同类型的借款，规定了借款金额的范围，对于不同信用等级的借款者，信用额度也有所不同。小微企业借款金额为3000元—50万元。 2.借款利率（rate）：人人贷对不同信用等级的借款者指定了借款利率的范围，借款者可以在符合指导利率的前提下，根据自身的还款能力，发布借款利率，借款利率反映了小微企业的融资成本。
3.借款期限（period）：借款期限越长，投资的不确定性越大，因此借款期限会影响融资可得性和成本，影响借款的匹配结果。
4.信用等级（credit）：信用等级是借款者的信用属性，也是投资者判断借款者违约风险的重要依据之一。信用等级通过认证分数转化而来。信用等级越高，违约的风险越小。用1-7表示信用等级从低到高的不同水平。一般来说，信用等级越高，对于投资者而言意味着出借资金的违约风险越小，对于借款者而言更容易获得借款。
5.历史成功次数（num_suc）：借款者借款成功次数越多，表明借款者的还款能力比较有保障，会增加借款者的信用。
6.逾期次数（num_over）：逾期次数会直接影响投资者对借款者声誉的评价和判断。
7.房贷（hloan）：有房贷标记为1，否则为0。
8.车产（car）：有车产标记为1 ，否则为0。
9.车贷（cloan）：有车贷标记为1 ，否则为0。
10.收入（income）：借款者的收入在一定程度上反映了借款者的还款能力，收入越高的借款者，还款能力越强，相应的贷款违约风险降低，会影响借款可得性。同时，收入高的借款者可以承受的融资成本也相应增加。
11.年龄（age）：指借款者的实际年龄。
12.婚姻状况（marriage）：表明借款者的婚姻状况，如果借款者未婚，定义marriage=1，已婚定义为marriage=2，离异或丧偶定义为marriage=3。
13.性别（sex）：借款者的性别，如果借款者是男性sex=0，借款者是女性sex=1。
14.学历（degree）：借款者的学历状况，如果借款者的学历是高中或以下，定义degree=1，大专、本科、研究生或以上，分别定义为2，3，4。
将上述变量分为四类，具体如表1所示。
（三）模型
通过建立两个实证模型，验证网络借贷平台对小微企业融资的间融延伸作用，并从融资可得性和融资成本两个方面研究网络借贷平台对借贷双方的匹配机制和效率。
1.人人贷平台中，间融延伸的表现形式是融资的可得性，即订单的投标状态。流标表示借款失败，已经完成审核的标的，均表示成功获得借款。根据借款成功状态可以观察间融延伸的范围和渗透程度，对借款成功与否的分析，可以探究小微企业在网络平台融资的可得性，从而检验网络借贷平台起到的间接融资作用和对小微企业间接融资的延伸。因此，我们将是否成功借款作为模型的因变量，设借款成功为1，流标编码为0。我们构建如下模型并采用Logistic回归处理：
z=（b0+B1L+B2R+B3F+B4D）+ε
其中
z=LnP（Y=1）P（Y=0）
L、R、F、D分别代表借款信息变量（Loan）、借款者声誉变量（Reputation）、财务信息变量（Finance）、人口特征变量（Demographic）的相应变量矩阵，B1、B2、B3、B4分别代表相应的系数矩阵，b0为常数项，ε为随机干扰项。
2.小微企业的信息禀赋和融资需求通过网络借贷平台展示，从而与投资者的投资意愿进行匹配，大量不能通过传统的金融机构得到满足的借款需求在网络借贷平台上得以实现。与此同时，借款者必须按设定的借款利率到期提供利息回报，而这将产生一定的企业融资成本。网络借贷平台的匹配机制的效率可以通过企业的融资成本进行反馈。信用信息良好、融资需求合理的小微企业，与之匹配的应该是更低的融资成本。因此，我们建立如下的回归模型，检验网络借贷平台在解决小微企业融资匹配时的效率。
rate=β0+β1ln_amount+β2period+β3credit+β4income+β5hloan+β6car+β7cloan+β8age+β9sex+β10degree+β11marriage+ε
四、实证分析
（一）样本的描述
表2是对所有小微企业借款需求进行的描述性统计。从中可以看出，通过人人贷平台借款的小微企业借款平均值为7947688万元，最小值3000元，最大值500000元。借款利率平均为1536%，借款期限平均为1626月，借款者的平均年龄为3202岁，只有173%为女性借款者，借款者的学历795%为本科以下，学历较低。大部分的借款者信用等级不高，7175%的借款者为高风险HR级别。整体借款需求呈现小额、短期的特征。
P2P网络借贷是借款者与投资者通过网络平台而不是金融机构产生的无抵押贷款（Lin et al， 2009[18]； Collier& Hampshire， 2010[19]； Bachmann et al， 2011[20]）。通过P2P网络借贷平台发起的借款，一般是小额、无抵押的信用借款，这部分借款者无法从传统的金融机构获取间接融资。P2P网络借贷平台中，借款者，投资者和借贷平台都试图通过提供认证、建立声誉机制，以及监督各方的活动来缓解信息不对称问题。通过利用网络降低成本、减少信息不对称，网络借贷平台可以更有效率地进行借贷双方的匹配，为间融延伸提供了渠道和途径。通常来讲，小微企业对借款金额需求较小，我们通过比较所有的小微企业借款需求的样本和成功融资的小微企业获得的进款金额进行比较分析，可以看出小微企业对资金的需求大多集中在1万元到10万元的资金需求，占到了所有样本的70%以上。而从成功融资的借款金额来看，88%的金额在1万元至10万元之间，详见图1、图2。
为了更直观的观测有融资需求的小微企业的地区分布情况，我们对借款列表的数量分省份进行统计，并按照需求数占比降序排列，具体见表3。 从借款需求数量占比来看，排名前五位的分别是山东、广东、浙江、江苏、福建，占据所有借款数量的3998%。长三角三省一市借款数量占比为2097%。2012年6月和7月，中国人民银行分别两次下调金融机构人民币存贷款基准利率，但是东部企业中“未感到成本降低”的比例最高，达到722%。这可能与东部小微企业数量、类别众多，且东部地区企业受外贸环境的影响较大，企业为了保持持续经营的短期流动性需求较为集中有关。正如前文所述，东部地区的小微企业普遍认为“银行贷款融资成本高”，网络借贷平台作为传统借贷体系的有益补充，为小微企业提供了融资替代，延伸了其间接融资的渠道。
（二）实证结果
1.融资可得性模型结果
为了检验模型及其稳健性，在基础模型1的基础上，控制借款者的财务特征变量形成模型2，最终控制借款者的人口特征变量形成模型3。三个模型的整体卡方检验都显著，拒绝除截距外所有系数为零的原假设，表明所选取的变量对融资可得性有显著的影响。
2.融资成本模型结果
通过观察解释变量的Pearson相关系数矩阵及变量的方差膨胀因子（VIF）计算，模型1-3的VIF值远小于10，可以拒绝自变量之间共线性的原假设，自变量之间的共线性不严重。回归方程方差分析的检验值显著小于0001，说明方程是高度显著的，拒绝全部系数为零的原假设，表明进入方程的变量与融资成本间的线性关系能够成立。
为了与前面的研究相统一，我们在基础模型1的基础上，控制了借款者的财务特征变量形成模型2，最终控制借款者的人口特征变量形成模型3。从表5可以看出，模型1到模型3调整后的R2在0299到0309之间，并且随着变量的加入，呈现递增的趋势，模型具有一定的解释能力。
（三）结果分析
（1）模型一结果分析
小微企业的借款需求通常较低。实证结果显示，借款金额对借款成功的概率有显著的负向影响，说明借款金额越大的项目，获得资金的概率越低。在表2的描述性统计中，借款金额平均为7947688元，最高金额为50万元，从图1中也可以看出，小微企业的资金需求大多集中在1万元到10万元之间，这是传统融资渠道不可能覆盖的用户层面。然而，通过网络平台却获得了众多投资者的青睐。同时，100元的最低投标金额也降低了投资者的理财门槛，在国内投资途径单一，银行利率尚未市场化的大环境下，网络平台的出现，增加了融资和理财的途径，是间接融资延伸的一个方面。
此外，间融延伸还体现在打破地域限制的方面。从表3可以看出，人人贷平台成立地为北京，但是借款者的工作地点分布在全国34个省、市、自治区、直辖市。为了更直观地显示融资需求的地域分布，我们按照经济划分的通常标准，绘制小微企业借款需求的地域分布图，如图3所示。其中东部地区需求占比为59%，体现绝对优势，中部地区次之。《2013年小微企业融资发展报告》指出东部2011年和2012年对小微金融的关注度明显高于中部和西部。东部地区小微企业数量众多，借款需求也相对较大。这说明东部地区对传统融资延伸有强烈的需求，通过网络借贷平台，体现了不同地区的小微企业融资需求状况，并且在一定程度上实现了资金的匹配。因此，网络借贷平台有间融延伸作用，且在一定程度上实现了资金匹配，命题一得证。
（2）模型二结果分析
参与网络借贷的投资者，通常是没有专业金融知识背景的普通人。为了使得平台运营的风险降低，人人贷平台通过专业的风控团队，对借款者的资格和满标后的借款列表进行严格审核。这不仅有利于平台自身违约率的控制，也有助于P2P网络借贷行业的良好发展。人人贷平台从提交的58845条小微企业借款列表中，最后审核通过并发放借款的只有16927条，借款成功率不足30%。那么小微企业融资可得性受到哪些因素的影响呢？
实证结果表明：借款金额、借款利率、借款期限对借款成功的概率都具有显著地负向效应。借款金额小、期限短、利率相对较低的借款更能获取成功，这说明投资者并不是单纯追求更高的利率，而是经过理性的思考和评估，投资者将金额、利率视为借款者风险高低的信号（Seth Freedman，2008）。[21]
人人贷对不同等级的借款者提供最低的指导利率，在同样的信用等级下，利率越低，说明借款者对自己发起的借款列表越有信心，不需要通过提高利率，吸引投资者。这与Stiglitz & Weiss（1981）[4]对传统金融市场的预测是吻合的，对于投资者而言，较高的利率可能导致较低的回报率，因为高利率吸引了更多次级的借款者。
借款者的信用等级与借款成功的概率显著正相关，说明借款者的声誉能显著提高借款成功的概率。这与Klafft（2008）[22]利用美国最大的网络借贷平台Prosper的数据进行研究的结论相一致。该研究表明信用评级为 HR的借款者（占所有借款列表574%）借款成功率仅为55%，而信用评级为 AA 的借款者的成功率却高达 54%。
借款者的财务状况与借款成功率也有显著的相关性，Freedman & Jin （2008）[23]研究指出，Prosper借款成功率的提高得益于平台要求借款者提供更多的信息。通过回归结果可以看出，收入高、没有房贷和车贷的借款者借款成功的概率更高。
通过对已经成功匹配的借款需求进行实证分析，结果显示：影响融资成本的因素中，借款金额与借款利率显著负相关，这与通常认为的借款金额越大，借款风险越大，因而利率也应该更高相悖。但是，通过平台成功匹配的借款通常是信用信息良好、融资需求合理的借款，借款者的信用等级较高。人人贷平台的借款额度随着信用等级的上升而增加，因此，能成功借款的大额借款者通常信用等级较高，综合资质表较好，借款金额增加对实际年利率的正影响被其他因素的影响消除。
借款期限对利率的影响为正，借款期限越长，相应的风险越大，投资者对投资的收益率要求上升。通过网络借贷平台匹配的借款中，期限越长，利率越高。 信用等级对借款利率的影响最大，有显著的负向影响。信用等级越高的借款者，融资成本越低（Klafft，2008）。[22]市场可以有效识别借款者的声誉，不同信用等级的借款者的融资成本有显著的差异，对于相同等级的借款者，投资者会进一步关注借款者的其他信息（Iyer et al， 2009）。[24]
借款者的财务信息变量也对利率产生了显著地影响。收入越高的借款者利率越高，这是由于收入越高的借款者，还款能力更强，能承受较高的融资成本。有车产的借款者也是经济实力较好的借款者，因此能承受的借款利率更高。有无房贷和车贷都对利率有显著的负影响。相对于其他的借款者，拥有房贷或者车贷的借款者，已经获得了银行的借款，银行已经对借款者的基本还款能力做出了恰当的评估，因此，在网络借贷平台上，被投资者认为是更具有信用的借款者，因此，融资成本更低。
年龄越大的借款者，融资成本越低。投资者倾向于认为年轻人经济来源不稳定、风险较高；学历越高的借款者，融资成本越低，学历高的借款者，工作机会比较多，因此还款更有保障，也能降低其借款利率；比起未婚的借款者，已婚借款者的融资成本更低，这是由于已婚的借款者有稳定的家庭收入。
通过以上对融资可得性和融资成本的实证结果分析，可以看出，通过网络借贷平台进行的借贷匹配机制，是合理有效的。信用信息良好、融资需求合理的借款，能有效得到匹配。命题二得证。
五、总结及建议
本文基于我国典型的网络借贷平台——人人贷自2010年成立—2014年3月10日的交易数据，对小微企业的融资瓶颈问题和网络平台的间融延伸作用进行了研究，并通过实证分析检验了网络借贷平台的匹配机制和效率。研究表明，网络借贷平台确实可以缓解小微企业的融资瓶颈，作为传统银行借款的有益补充，为间融延伸提供了新的途径。小微企业通过网络借贷平台发布借款需求并在一定程度上实现资金的匹配，平台对借贷双方的匹配效率受到小微企业自身信息禀赋和融资需求的影响。基于上述研究，本文提出以下建议。
（一）增加借款者的信用信息，完善平台的信用评级制度
P2P网络借贷平台的出现，是间融延伸的一个方面。通过网络有效降低了信息不对称和融资成本，在借贷需求的匹配上更具时效性。对“普惠金融”“大众金融”都有着重大的意义，也倒逼了银行的改革和创新。通过网络借贷平台，小微企业可以发布自己的融资需求。因此，平台有必要增加借款者的信息，使得借款者的信号质量更加有效地传递，从而被市场识别。平台自身的发展关键在于风险的控制，从上面的研究可以看出，信用等级是识别借款质量的重要变量，因此，平台要完善评级制度，使等级能够更加准确反映借款者的质量。
（二）放松金融管制，明确监管主体
网络借贷平台延伸了小微企业的融资渠道，缓解了小微企业的融资困境，一定程度上解决了小微企业融资瓶颈问题。在网络平台的发展过程中需要放松对其的管制，增加对网络平台的支持力度。同时，网络平台融资涉及数量众多的投资者，他们大都是对风险的承担和抵御能力较低的人。因此，网络平台的行为需要纳入监管部门的合理监督，从而保证行业的有序发展。
参考文献：
[1]Bruce C. Got cash？ You can loan money like a big-time banker[Z]. Wired， 2007.
[2]Steiner C. The eBay of loans[J]. FORBES，2007， 179（5）： 68.
[3]N Berger A， F Udell G. The economics of small business finance： The roles of private equity and debt markets in the financial growth cycle[J]. Journal of Banking ＼& Finance，1998， 22（6）： 613-673.
[4]Stiglitz J E， Weiss A. Credit rationing in markets with imperfect information[J]. The American economic review，1981： 393-410.
[5]罗越. 我国中小企业融资瓶颈问题研究[D]. 武汉大学， 2004.
[6]梁峰. 试论制约我国中小企业发展的融资瓶颈[J]. 南开经济研究，2000（2）： 43-47.
[7]林毅夫，李永军. 中小金融机构发展与中小企业融资[J]. 经济研究，2001（1）： 10-18.
[8]欧阳凌，欧阳令南. 中小企业融资瓶颈研究——一个基于产权理论和信息不对称的分析框架[J]. 数量经济技术经济研究，2004（4）： 46-51.
[9]Crawford V P， Knoer E M. Job matching with heterogeneous firms and workers[J]. Econometrica，1981， 49（2）： 437-450.
[10]Yotopoulos P A， Floro S L. Income distribution， transaction costs and market fragmentation in informal credit markets[J]. Cambridge journal of economics，1992， 16（3）： 303-326.
[11]张海洋，平新乔. 农村民间借贷中的分类相聚性质研究[J]. 金融研究，2010（9）： 69-86.
[12]林乐芬，吴敏. 信贷市场交易主体的异质性与借贷匹配研究——基于江苏80家商业银行和301家企业的样本数据[J]. 经济学家，2013（10）： 70-78. [13]Berlin M， Mester L J. On the profitability and cost of relationship lending[J]. Journal of Banking & Finance，1998， 22（6）： 873-897.
[14]Berger A N， Udell G F. Small business credit availability and relationship lending： The importance of bank organisational structure[J]. The Economic Journal，2002， 112（477）： F32-F53.
[15]马九杰，王国达，张剑. 中小金融机构与县域中小企业信贷——从需求端对“小银行优势”的实证分析[J]. 农业技术经济，2012（4）： 4-13.
[16]Puro L， Teich J E， Wallenius H， et al. Borrower decision aid for people-to-people lending[J]. Decision Support Systems，2010， 49（1）： 52-60.
[17]Lee E， Lee B. Herding behavior in online P2P lending： An empirical investigation[J]. Electronic Commerce Research and Applications，2012， 11（5）： 495-503.
[18]Lin M， Prabhala N， Viswanathan S. Social networks as signaling mechanisms： Evidence from online peer-to-peer lending[J]. WISE 2009，2009.
[19]Collier B C， Hampshire R. Sending mixed signals： multilevel reputation effects in peer-to-peer lending markets[C]. 2010.
[20]Bachmann A， Becker A， Buerckner D， et al. Online Peer-to-Peer Lending--A Literature Review.[J]. Journal of Internet Banking ＼& Commerce，2011， 16（2）.
[21]Freedman S， Jin G Z. Do social networks solve information problems for peer-to-peer lending？ evidence from prosper. com[Z]. com .NET Institute Working Paper， 2008.
[22]Klafft M. Online peer-to-peer lending： a lenders' perspective[C]. 2008.
[23]Freedman S， Jin G Z. Do social networks solve information problems for peer-to-peer lending？ evidence from prosper. com[R]. com .NET Institute Working Paper， 2008.
[24]Iyer R， Khwaja A I， Luttmer E F， et al. Screening in new credit markets： Can individual lenders infer borrower creditworthiness in peer-to-peer lending？[J]. 2009.
责任编辑：萧敏娜 吴锦丹 常明明