互联网金融借贷期限、信用风险与定价关系研究

奥鹏网院作业

互联网金融借贷期限、信用风险与定价关系研究
——基于借款者投融资期限错配视角
胡金焱1,2 水兵兵1
(1.山东大学经济学院，山东 济南 250100；2.青岛大学经济学院，山东 青岛 266071)
摘 要： 能否有效降低异常偏高的信用风险关系到互联网金融借贷市场未来的生存和发展，学者们试图从多个方面探寻风险因素，但却鲜有关注“借款者投融资期限错配”这一重要而直接的风险来源。借贷期限非常短和借款者以大量小微企业为主是互联网借贷市场非常重要的两个特征，过短的贷款期限容易使小微企业面临严重的投融资期限错配从而产生较高的信用风险，继而导致较高的风险溢价和利率水平，而适当增加贷款期限可以通过缓解借款者的期限错配使信用风险和利率水平得到一定改善。本文采用2011-2017年中国某互联网借贷平台微观数据进行研究，证实了借款者投融资期限错配影响机制的存在，发现信用风险、利率水平与借贷期限存在局部“∩”型关系，局部拐点分别出现在30个月和40个月附近。这一发现为近几年互联网借贷平均期限不断变长的现象提供了理论和经验解释，为互联网借贷市场风险治理提供了“期限”角度的思路。
关键词： 互联网金融； 贷款期限； 期限错配； 信用风险； 利率水平
一、引言
在互联网金融借贷市场，面对较高的信用风险，投资人(出借方)可能采取缩短贷款期限的方式来实现规避风险的目的，因为根据利率期限结构理论，短期债务的平均风险低于长期债务。但是，在中国互联网金融借贷市场着力化解风险和不断完善治理的实践中，存在完全相反的事实：互联网借贷的平均期限不但没有缩短，反而朝着不断变长的趋势动态演化，现实和理论出现了背离。近些年，互联网金融作为金融领域比较重要的创新，依靠互联网信息技术和金融科技手段拓展了金融边界，将大量“尾部”资金需求者纳入了金融可能性集合，在当前国家积极推动金融服务实体、加快普惠金融发展、支持大众创业万众创新和着力缓解小微企业融资难融资贵背景下具有重要的现实意义。尤其是发展迅猛的互联网借贷市场，以被排斥在银行等传统金融机构之外的数量庞大的小微企业和个人借款者为主要服务对象，让民众以及政府对其有了较高关注和期望。但是，互联网借贷市场在迅速发展的同时，风险也在不断积聚和爆发，如何有效地识别、化解和防范风险已经成为当前互联网金融治理的最主要内容和互联网金融研究领域的重要课题。
利率期限结构理论对期限、信用风险、风险溢价或利率水平之间的关系进行了深入研究，内容涉及理论构建(如预期理论、市场分割理论和流动性偏好理论)、定量分析模型(如Merton模型、CIR模型、Ho-Lee模型和HJM模型)、模型的适用性检验等，但这些研究主要以债券、银行信贷等传统金融产品为分析对象，得出的结论在新兴的互联网金融借贷市场可能并不完全适用，例如，中国互联网金融借贷市场期限动态演化的事实与利率期限结构理论出现的背离，很可能是忽略了互联网金融借贷市场某些重要的特征，例如，互联网借贷期限普遍过短导致借款者容易产生严重的投融资期限错配。而目前关于互联网借贷市场信用风险及定价的研究主要集中在人口统计学特征，也有少量的研究基于宏观视角，但鲜有文献关注借贷期限和借款者投融资期限错配对互联网金融借贷市场信用风险和利率定价产生的重要影响。
因此，本文从借款者投融资期限错配的视角，对互联网借贷市场借贷期限、信用风险及利率水平的关系展开研究。具体包括，在借贷期限影响信用风险和利率水平过程中是否存在借款者投融资期限错配这一影响机制？借贷期限对信用风险及利率水平的影响在投融资期限错配程度不同的群体中是否呈现出显著的异质性效果？动态来看，互联网金融借贷市场系统风险逐渐降低的要求是否会对借贷期限的长期趋势产生影响，如果有，最优的期限结构将收敛至何处？
本文使用中国某互联网金融借贷平台2011-2017年的微观交易数据进行了经验分析，证实了互联网金融借贷市场借款者投融资期限错配影响机制的存在，即借贷期限在变化过程中会改变借款者投融资期限错配的程度，进而对信用风险和利率水平产生影响，并发现借贷期限在影响信用风险和利率水平过程中存在关键性的局部“拐点”，在到达拐点之前信用风险、利率水平随期限的增加而增加，但增加力度逐渐变缓，达到拐点后，信用风险和利率水平随期限的增加反而开始有所下降。
与既有研究相比，本文的边际贡献主要体现在：第一，研究视角不同，将期限错配引入了互联网金融借贷市场信用风险和利率定价的分析框架中。事实上，借款者投融资期限的匹配也是其生产经营活动的重要内容，期限错配视角的切入有助于从借款者生产经营状况的角度探寻互联网金融借贷市场新的风险源和风险因素。第二，研究内容不同，与以往研究主要关注借贷主体人口统计学等特征不同，本文重点研究了互联网借贷决策的核心变量之一“借贷期限”对信用风险和利率水平的影响，期限决策是每个借贷主体都要面对的，因此研究结论更具普遍意义，丰富了互联网金融借贷市场风险及定价理论的研究。第三，趋势分析方面，本文还基于期限错配影响机制对互联网借贷市场平均期限进行了动态性分析，为互联网金融借贷期限的实践提供一定借鉴。
二、文献回顾与理论分析
(一)相关文献回顾
利率期限结构理论是与本文密切相关的文献之一，该理论对利率定价与还款期限的关系进行了系统研究，提出了诸如预期理论(expectations hypothesis)、市场分割理论(market segmentation hypothesis)和流动性偏好理论(liquidity preference hypothesis)等，但预期理论在分析时并未考虑信用风险，而是将市场假设为无违约风险市场，流动性理论则将风险因素纳入了分析框架，认为持有长期债券的风险平均要高于短期债券，存在“风险溢价”或“流动性升水”。还有大量文献对利率定价与还款期限的关系进行了定量分析，如Vasicek(1977)[1]提出Vasicek模型，Cox等(1985)[2]提出CIR模型、Ho和Lee(1986)[3]提出Ho-Lee套利模型以及Heath等(1992)[4]提出HJM无套利模型等，Lee(1989)[5]、Cargill(1975)[6]分别利用美国和英国数据对部分定量模型进行了实证检验，朱世武和陈健恒(2004)[7]利用中国数据对期限结构理论在中国的适用性进行了实证检验，认为忽略违约风险的预期理论在中国并不适用，因为风险溢价是影响利率期限结构非常重要的因素。
资产和负债任何一端期限结构发生改变都可能会对期限匹配的质量产生影响，导致期限错配，有诸多文献证实了期限错配对金融风险的影响。Morris(1976)[8]认为资金来源(负债端)与资金运用(资产端)的期限结构应当匹配。早期的研究，例如，Diamond和Dybvig(1983)[9]认为合理的期限错配可以提高金融效率。但2008年全球金融危机以来，学者们开始关注期限错配对金融风险的影响，认为过度的期限错配是造成各类金融风险和金融危机的主要根源[10]，因为严重的期限错配容易造成财务脆弱性，很容易因经营、财务等问题导致资金链断裂产生违约和破产[11-13]。根据资本资产定价理论，风险水平发生变化会引起风险溢价和利率水平的变动。Angbazo(1997)[14]对违约风险影响银行利差进行了研究，发现银行利差中反映了信用风险溢价。裘翔(2015)[15]认为期限错配风险是影响利率决定的重要因素，将期限错配引入商业银行利差决定模型。
但以上研究主要集中于债券市场、银行等传统金融机构，而新兴的互联网金融模式无论是在市场主体还是平均风险水平、贷款期限等方面与传统金融机构均存在重大差异，这些差异可能会导致既有的研究结论在互联网金融借贷市场并不完全适用，缺乏可靠的理论和实践指导价值。
与本文密切相关的另一类文献是关于互联网金融借贷市场中信用风险和利率定价的研究。互联网金融是一种新兴金融模式[16]，对任何一种金融市场而言，风险和定价总是居于核心地位，且风险总是以风险溢价的形式体现在定价中，因此，自互联网金融出现以来，围绕其定价和风险机制的研究便得以逐步展开，且两者的研究通常是互相渗透融合的。纵观已有文献，关于互联网借贷风险及定价的研究主要从互联网金融系统内外因素两个层面展开。研究更多是集中在内部微观因素，探寻影响风险、定价的微观发生机制，例如，借款人的人口统计学特征，包括性别[17-18]、年龄[19]、种族[20]等；财务特征，如资产、收入、贷款等情况[21]；也有探究了平台层面的因素[22]。与内部微观因素的作用不同，外部因素的影响通常是短时间内就能产生系统性的冲击，速度快、面积广，相关的研究主要从货币信贷政策[23]、互联网金融监管[24]以及其他金融市场的影响[25-26]等展开。但是，这些研究鲜有关注互联网借贷的期限特征，以及借款者普遍面临的投融资期限错配可能对信用风险和利率水平产生的影响。事实上，借款者的投融资期限错配状况会对其生产经营业绩产生比较直接的影响，是影响借款者还款能力和信用风险的重要因素。
因此，本文在以上研究的基础上，将互联网金融借贷市场期限结构特征、借款小微企业投融资期限错配因素引入互联网借贷市场信用风险及定价的分析框架中，从一个新的视角来研究互联网金融借贷市场的信用风险和利率水平，探寻新的风险来源和风险因素，丰富互联网金融借贷市场的风险和定价理论。
(二)理论分析
1.互联网借贷市场特征
与银行等传统金融机构相比，互联网金融借贷市场在主体、期限等方面存在很大差异。首先，主体特征方面，与银行贷款主要面向大中型企业完全不同，互联网借贷市场的借款主体是大量的小微企业，他们通常规模很小，虽具有较强创新性但经营和收益的不确定性大，稳定的财务资金环境对他们来说至关重要。但他们大部分权益资金非常有限，外部融资受到严重约束，资本结构非常不合理，财务韧性差，极易因经营、财务及资金等问题出现流动性风险导致贷款违约。
其次，贷款期限方面，互联网借贷的期限普遍非常短，据统计，2019年12月中国网络借贷行业贷款期限平均仅为15.71个月(1)具体参见https://www.wdzj.com/news/yc/5533102.html。。融资期限过短非常容易造成小微企业借款者严重的投融资期限错配，导致财务脆弱性和流动性隐患，短贷长投、借新还旧甚至借新还息成为很多小微企业惯用的财务策略[27]。可见，互联网借贷市场在增加小微企业融资渠道的同时，过短的贷款期限也成为小微企业经营发展面临的另一种“硬约束”，但他们却因融资渠道有限无法主动选择或调整至最优的债务期限结构。与大中型企业比，他们对资金的需求更加渴望，经营业绩和经营风险对资金的期限更加灵敏。
2.借贷期限、期限错配与信用风险及利率水平
利率期限结构理论对利率曲线的形态也做了大量分析。传统研究在分析时通常将利率曲线设定为线性状态，但Chan等(1992)[28]、Stanton(1997)[29]认为两者存在非线性关系。康书隆和王志强(2010)[30]利用Diebold-Li估计方法发现中国与美国的利率期限结构变动存在显著不同，例如利率分布右偏等。刘金全和郑挺国(2006)[31]将马尔科夫区制转移纳入CKLS模型发现中国的利率期限结构存在非线性特征。周子康等(2008)[32]构建NSM模型灵敏地捕捉到了利率曲线的“多峰”特征。流动性偏好理论同样可以为互联网金融借贷市场的期限结构提供部分解释。因为相对于短期限的互联网贷款，期限长的贷款在未来所承担的风险相对要高，并要求较高的风险溢价来进行补偿，风险溢价的变动将在利率水平的变动中得到反映。如果风险得不到补偿，就没有出借人愿意提供长期限的贷款。但是，互联网借贷市场存在一个显著的特征，短期限贷款的集中分布极易造成小微企业借款者严重的投融资期限错配继而容易引发较高的信用风险，偏高的信用风险是互联网借贷利率异常偏高的一个重要原因。因此，在互联网借贷市场，如果普遍过短的贷款期限能够延长，可能会极大缓解因投融资期限错配产生的信用风险和利率变动，信用风险和利率水平的曲线将呈现上升逐渐变缓的非线性特征，如果这一效果足够大还可能在信用风险和利率水平的曲线上出现局部“拐点”，峰值过后，信用风险和利率水平反而随着期限的增加开始下降。因此，提出理论假设1。
H1 在互联网金融借贷市场，贷款期限对信用风险和利率水平的影响呈现局部“∩”型关系，即存在局部“拐点”，拐点之前期限对信用风险和利率水平产生正向影响，但力度逐渐下降，拐点之后期限对信用风险和利率水平开始产生负向影响，信用风险和利率水平随期限增加开始下降。
特别地，这里仅讨论一个阶段内的峰值(局部拐点)情况，因为随着期限的增加曲线可能会出现“多峰”情况。
3.借贷期限、资金流向与信用风险及利率水平
从资金流向看，互联网金融借贷市场的贷款主要流向个人消费和小微企业投资领域。消费和投资会对借款者的期限错配产生不同的影响。对于将资金用于消费的借款者，根据永久收入假说[33]，他们之所以利用负债进行跨期消费主要是基于对永久收入的预期，贷款到期时可以使用未来收入进行偿还。而投资不同于消费，投资对资金需求的规模要大得多，投资回收期长，收益的不确定性大，而小微企业借款者拥有的资金非常有限，资金期限错配相对于消费要严重得多，财务呈现脆弱性，容易出现信用风险。因此，投资借款者的信用风险、利率水平与贷款期限可能表现出更强的敏感性。因此，提出理论假设2。
H2 在互联网金融借贷市场，借贷期限增加，相对于用于消费的借款者，用于投资的借款者的信用风险及利率水平改善的效果更明显。
4.借贷期限、规模(行业)与信用风险及利率水平
对于在互联网金融借贷市场借款的小微企业而言，投融资期限错配的程度还会因规模和行业的不同而异。规模较小的企业，通常进行短期投资，投资期限较短，盈利和资金周转速度快，经营不确定性相对要小。而规模较大的企业，投资期限相对较长，而且通常在一段时间以后才会出现收益，整个投资期内现金流不平滑，呈现出阶段性特征，不同阶段波动性比较大。因此，在互联网借贷短期限的硬约束下，规模较大的企业投融资期限错配更加严重，如果增加贷款期限，资金期限错配以及由此引发的信用风险和风险溢价将得到更明显的改善。
相对于服务业，制造业企业的规模通常相对较大且投资期限较长。与服务业不同，制造业除了销售环节，还需要进行生产和固定资产投入，对资金需求的规模大，且一部分属于沉没成本，无法变现或变现能力差，造成资金期限错配严重。因此，对于制造业小微企业来说，融资期限的硬约束是财务管理中面临的一个重要问题，缓解融资期限的约束对于制造业企业借款者的期限错配改善的效果更大。据此，提出理论假设3和4。
H3 在互联网金融借贷市场，贷款期限增加对改善规模较大借款企业信用风险和利率水平的效果要好于规模较小借款企业。
H4 在互联网金融借贷市场，贷款期限增加对改善制造业借款企业信用风险和利率水平的效果要好于服务业借款企业。
5.借贷期限、借款者社会资本与信用风险及利率水平
社会资本主要指借款人通过社会联系涉取机会、信息等稀缺资源并因此获益的能力[34]。社会资本理论认为，企业主或重要管理者的社会资本对企业获取信贷资金和投资活动具有重要的作用。尤其对于物质资本十分匮乏的小微企业来说企业主的社会资本至关重要。社会资本可以产生“俱乐部”效应，例如，大学同学关系可以让学历高的人处在一个群组内，职位高的群组内大部分都是职位相对高的人，这些认同和联系可以让同一群组内的人通过群内其他人共享和获取自己所需的资源。拥有较高社会资本的借款者可以依靠自身的社会资本拥有更多的融资方式和融资渠道，更容易获得规模较大、期限较长的资金，期限匹配相对合理或期限错配程度低，财务韧性强。而缺乏社会资本的借款者获取信贷资金能力有限，融资严重受限，期限错配严重，财务韧性差，更容易出现贷款到期违约的情况。如果增加借贷期限，能够较大幅度改善他们的期限错配和因期限错配产生的流动性风险。因此，提出理论假设5。
H5 在互联网金融借贷市场，贷款期限增加对改善拥有较低社会资本借款企业的信用风险及利率水平的效果要好于拥有较高社会资本的借款企业。
三、实证策略与结果
(一)样本与数据
样本选自中国某互联网金融借贷平台的微观交易数据，时间窗口为2011-2017年(共7年)，大于样本内最长贷款期限(样本内最长贷款期限为4年)，可以保证能够充分涵盖期限的所有取值。如果时间区间选择过短，就会导致样本与总体的期限结构发生重大偏差，因为贷款期限较长的样本更可能被排除在外。此外为逐一对应每笔借贷的借款-履约信息，仅保留了借款人首笔成功借款的样本。
(二)变量测度
1.被解释变量与核心解释变量
(1)信用风险。很多文献都将借款人违约情况作为信用风险的重要衡量指标[35]。例如，国际著名的信用风险模型KMV、Credit Metrics、Credit Risk和Credit Portfolio View[36]。实证研究中，马九杰等(2004)[37]采用借款人“是否违约”来衡量中小企业信用风险。借鉴以上文献，本文从借款人违约的三个维度对信用风险进行衡量：平均逾期金额、平均逾期次数和是否严重逾期。平均逾期金额是逾期金额按照合同借贷金额单位化处理的相对变量，平均逾期次数是逾期次数按照还款期限单位化处理的相对变量，经过单位化处理后具有可比性。平均逾期金额越大、平均逾期次数越多，说明违约的概率越高，信用风险越大。是否严重逾期是一个虚拟变量，作为平均逾期金额和平均逾期次数的替代变量在稳健性检验中使用。相对于未严重逾期，借款人严重逾期表明信用风险更大。(2)利率定价。使用贷款合同约定的年借贷利率进行测度。(3)借贷期限。使用合同约定的还款期限来对借贷期限进行测度。
2.控制变量
国内外已有不少文献从多个视角实证分析了不同因素对互联网借贷信用风险和利率水平的影响[38]。借鉴这些文献，选择年龄[19]、收入、房产、房贷、车产、车贷[21]以及借贷金额、信用评级、教育程度、婚姻、实地认证作为控制变量。宏观经济以及政策变量也可能会产生影响，例如经济发展水平、货币信贷政策、其他资本市场波动以及利率市场化改革等，而宏观经济变量间通常呈现高度相关性，为避免多重共线性等问题，引入年度哑变量对宏观经济及政策变量进行控制。
为进行异质性分析和验证期限错配的机制作用，还选择了四个分组变量：资金流向、企业规模、所在行业和社会资本。借款资金流向分为消费、日常经营投资和创业投资三组；借款人所在企业规模分为较小规模和较大规模；借款人所在行业分为服务业、制造业和其他行业；边燕杰和丘海雄(2000)[34]认为学历和职位在个人的社会资本积累中发挥着重要的作用，马九杰等(2004)[37]证实了企业第一负责人受教育程度和年龄能够对信用风险产生显著影响，因此按照学历和职位将借款人社会资本分为高社会资本和低社会资本两组。具体定义见表1。
表1 变量定义及说明

(三)计量模型
为实证检验所提出的理论假设，设定计量模型如下
首先，设定多元线性模型
risk=∂0+∂1term+∑δjControl+ε
rate=β0+β1term+∑γjControl+ε
其中，risk表示信用风险，使用overdueamount_s和overduetimes_s进行衡量；rate表示借贷利率水平；term表示借贷期限；Control表示控制变量；ε表示误差项。
其次，为检验期限的非线性效果，在模型中引入期限的平方项(term×term)，计量模型如下
risk=∂0+∂1term+∂2(term×term)+∑δjControl+ε
rate=β0+β1term+β2 (term×term)+∑γjControl+ε
这时，期限对信用风险和利率的影响不再是常数(∂1和β1)，而是与term有关的变量((∂1+2∂2 term)和(β1+2β2term))，term越大，其产生的边际效应越大。
(四)实证结果
1.描述性统计与相关性分析
主要变量的描述性统计结果见表2。由表2可知，样本量足够大(N=196 822)。根据大样本理论，可以放松严格外生性和正态性强约束条件，使回归结果更稳健。平均逾期金额的均值为0.009 56元(贷款金额为1元)，平均逾期次数的均值为0.019 8次(贷款期限为1期)，利率水平的区间为[6%，24.4%]，均值为11.64%，中位数为11.4%。最长借贷期限为48个月，最短期限为3个月，平均期限为27.88个月，中位数为36个月。核心解释变量和被解释变量均有较大的浮动区间，为实证分析提供了条件。相关性检验结果表明被解释变量与核心解释变量均存在显著相关性(2)限于篇幅，相关性检验结果不再报出，有兴趣的读者可向笔者索要。。
2.回归结果分析
为匹配数量级，对term做了term/100处理，变量符号前加“ln_”表示对该变量做了取自然对数处理(下同，不再赘述)，回归结果见表3。列(1)(4)(7)为线性回归结果，列(2)(5)(8)分别加入了二次项(term×term)，列(3)(6)(9)又加入了年度哑变量。借贷期限对信用风险影响的结果。列(1)(4)显示，在控制住其他变量的情况下，借贷期限(term)对平均逾期金额(overdueamount_s)和平均逾期次数(overduetimes_s)产生了显著正向线性影响(系数为0.062 9和0.051 4)，表明在样本区间内，平均而言，借贷期限越长，互联网借贷的信用风险越大。但线性分析结论比较粗略，可能会忽略某些局部趋势的变化，而这些变化可能会对结论产生关键性影响。
表2 主要变量描述性统计结果

表3中，列(2)(5)和列(3)(6)显示的是二次型回归结果。二次项(term×term)系数∂2显著为负，表明期限对信用风险的影响呈“∩”型，期限对信用风险的影响随着期限(term)的增加逐渐降低。由列(3)知，∂1等于0.404，∂2等于-0.680，经计算，当term=0.297时，∂1+2∂2 term=0，即“拐点”出现在29.7个月。当借贷期限达到29.7个月时，期限对信用风险的影响出现“峰值”，在拐点之后，借贷期限对信用风险的影响开始为负。这一结论得到了列(6)的支持。列(6)显示，∂1等于0.306，∂2等于-0.508，同样存在拐点，经计算拐点出现在30.1个月。
借贷期限对利率定价影响的结果。线性关系，列(7)表明借贷期限对利率水平产生正向线性影响(β1=0.045 0)。列(8)(9)显示二次型系数β2显著为负(-0.407和-0.214)，表明借贷期限对利率水平的影响同样呈“∩”型，期限对利率水平的影响随期限的增加逐渐降低，在拐点之后边际影响由正转负。经计算，利率水平曲线的拐点出现在39.49个月。
综上可知，借贷期限对信用风险、利率水平的影响均存在局部“拐点”，表明随着贷款期限的增加，借款者投融资期限错配开始逐步缓解，由期限错配产生的信用风险及风险溢价逐步降低，在到达拐点后，进一步增加期限反而会使信用风险和利率水平开始下降。这一结论符合前文理论预期，也与近些年互联网借贷市场在不断完善的过程中平均贷款期限有所变长的事实相一致。理论假设1得到证明。
表3 多元线性回归结果

注：括号内为t统计量；*，**，***分别表示在10%,5%和1%水平上显著，下同。
3.稳健性检验
(1)内生性分析。在理性经济人假设下，无论是借款者，还是资金的出借者基于风险规避的目的[39]都可能会为了降低风险而影响其借贷期限选择，即存在反向因果的内生性问题。为尽量降低内生性偏差，采取了以下措施：一方面在样本选择上，仅保留借款用于“消费”的样本，因为相对于投资，消费借款者收益的不确定性及发生违约的概率要小得多，可以在较大程度上降低可能发生违约风险在借款人期限决策中的影响权重；另一方面，进一步筛选出“借贷金额≤收入”的子样本，对借贷金额>收入的样本进行剔除，因为对于这类借款人来说，还贷压力非常小，借贷期限决策受担心发生违约的影响也会变得非常微弱。
回归结果见表4列(1)-(3)。结果显示，期限对信用风险、利率水平的二次型系数仍显著为负。经计算，随着期限增加平均逾期金额、平均逾期次数和利率水平的拐点分别出现在30.6个月、32.9个月和48.6个月。以期限为横轴的残差图显示残差分布在0附近，无明显趋势 ，可认为内生性问题得到了较大改善。因此，结论依然得到支持。
(2)调整时间窗口。自2015年大量问题借贷平台爆发后，国家逐步加大了对互联网金融借贷平台的监管和风险处置力度，互联网借贷市场开始更多受到政策等因素的影响。为降低政策因素干扰，将样本的时间窗口由2011-2017年调整为2011-2015年，回归结果见表4列(4)-(6)。结果表明，即使在调整时间窗口后，期限对信用风险和利率水平的二次型系数在1%的显著性水平下仍然显著。二次型回归方程对平均逾期次数的校正拟合优度超过50%，对利率水平的校正拟合优度高达71.6%。结论并未发生改变。
表4 稳健性检验：内生性和调整样本时间区间

(3)信用风险衡量指标的敏感性。将被解释变量的测度指标替换为是否严重逾期(seriousoverdue)，估计方法变更为logit回归(因为是否严重逾期是一个虚拟变量，OLS回归会出现偏差)。表5列出的是几率比和特定期限处的边际效应估计结果。期限的几率比为1.052 471，表明在给定其他变量的条件下，借贷期限每增加1个月，发生严重逾期的几率比就会增加约5.25%。边际效应随着借贷期限的增加也在逐渐增加，但在24个月出现高点(0.000 504)后于第36个月的边际效应(0.000 480)有所降低，不过拐点还未出现(因为边际效应仍为正)。经验证，采用普通标准误和稳健标准误的结果非常接近，可认为模型设定比较合理(3)本文分别使用普通标准误和稳健标准误进行了logit估计，限于篇幅未报出，如感兴趣可向笔者索要。。
表5 稳健性检验：替换变量及估计方法

四、异质性与动态性分析
(一)异质性效果与借款者投融资期限错配机制检验
异质性效果如果得到证实，可以在一定程度上反映借款者投融资期限错配在期限作用于信用风险和利率水平中的影响机制，因为不同组别的借款者的投融资期限错配存在较大差异。
1.资金流向异质性检验
检验结果见表6。列(1)-(6)显示对信用风险的异质性效果，借贷期限对信用风险的影响在三个子样本中呈现明显差异：日常经营投资组的二次型系数绝对值最大，消费组次之，创业投资组不显著，在一定程度上间接证实了借款者投融资期限错配在影响过程中的效果。因为用于日常经营投资借款的企业的投融资期限错配相对要高于用于消费的借款者，尽管期限错配更严重的创业投资组的结果不显著，但这可能恰好说明期限错配过于严重导致样本区间内贷款期限的小幅度增加还未到达发挥缓解作用的门槛。
表6 异质性分析：消费与投资

对利率水平的异质性检验结果(见列(7)-(9))表明，投资的两个组的二次型系数的绝对值要远大于消费组，反映增加贷款期限对期限错配相对更严重的投资借款人的利率水平缓解的效果比消费借款人的更明显，期限错配发挥了机制作用。
2.规模与行业异质性检验
样本使用投资借款样本，检验结果见表7。二次型系数均显著为负，但比较绝对值显示，增加期限在规模较小和规模较大两个组的效果存在明显差异。对信用风险的影响，规模较小组的效果要好于规模较大组(0.488>0.280；0.464>0.357)。不同的是，增加期限对规模较大组的利率水平的效果要好于规模较小组。结果可能会受到分组变量“规模”的影响，因为在互联网借贷市场可能同样存在规模歧视，资金出借者更偏好规模较大的借款者。
对行业异质性效果的分析也得出了类似的结论(见表8)：增加期限对期限错配相对更严重的制造业企业借款者的信用风险改善的效果好于服务业借款企业。但在利率定价方面，服务业组的二次型系数绝对值相对要大，可能是受到投资者对服务业更强的偏好的影响，因为他们觉得服务企业前期投资少、经营周期短、资金回流快、短期风险低。
表7 异质性分析：规模

表8 异质性分析：行业

3.借款人社会资本异质性检验
回归结果见表9。检验结果显示，增加借贷期限对投融资期限错配更严重的低社会资本借款人的信用风险影响的效果要好于高社会资本借款人，而对利率水平的影响却是高社会资本组的要大，表现出在利率定价上投资人对优质客户更强的偏好。
(二)动态性分析与互联网借贷期限收敛
由以上分析可知，过短的借贷期限特征和借款主体普遍存在严重的投融资期限错配是造成互联网金融借贷市场风险水平偏高的重要原因，那么，随着互联网借贷市场不断地发展和完善，贷款的期限结构会发生怎样的动态变化？最终将收敛至何处？根据前文对互联网借贷市场借款人投融资期限错配影响机制的分析，可以推测，互联网金融借贷市场降低系统风险水平和实现可持续发展的最终目标会内在要求，在期限设置方面互联网借贷期限将沿着降低借款人资金期限错配的路径向最优的期限结构收敛，实现互联网借贷市场风险向最佳的市场风险水平逼近。使用某互联网借贷平台期限结构变化的情况来说明(见表10)，在2012年贷款期限仍以1年期以内为主(≤12月的交易超过80%)，但到了2017年，贷款期限已演变为以2-3年期限为主，1年期以内贷款仅占不到10%，期限结构发生了明显变化，平均期限有所延长。
表9 异质性分析：借款人社会资本

表10 某互联网借贷平台借贷期限结构动态变化情况(2012-2017年) 单位(%)

五、结论与启示
小微企业与互联网金融的良性互动能够真正促进互联网金融服务小微实体，任何一方出现问题都可能导致资金循环不畅产生风险。本文重点研究了互联网金融借贷市场过短的期限特征和借款小微企业严重的投融资期限错配对互联网借贷市场信用风险和利率水平的影响。研究发现：在互联网金融借贷市场，信用风险和利率水平同样受借贷期限的影响；借款者的投融资期限错配会对影响的效果产生冲击；在一定阶段内，信用风险、利率水平与借贷期限均呈现“∩”型关系，随着期限的增加，期限错配引起的风险逐步得到缓解，信用风险和利率水平出现局部“拐点”，信用风险出现峰值的时间要早于利率水平出现峰值的时间。借贷期限、金额、利率构成了每个借贷合同的必要内容，借贷期限的选择是每个借贷主体都必须进行决策的变量，与其他变量的影响比，本文关于期限影响信用风险和利率水平的结论对于互联网金融借贷市场的参与者来说无疑具有更普遍的现实意义。
本研究具有如下启示：
第一，对于互联网借贷平台而言，应进一步完善信息披露制度，使借款人发布的借款标的信息中能够充分涵盖借款期限、投资去向、投资期限等内容，让出借人能够容易获得借款人融资期限、投资期限等对借款人生产经营和财务产生重要影响的信息，使出借人能够根据这些做出合理的判断和决策。除了信息披露方面，互联网借贷平台还应在其信用风险评估模型和利率定价模型中充分纳入“期限”这一影响因子，尤其是期限的非线性影响特征。
第二，对于投资人而言，在出借资金进行期限选择时，应充分意识到借款人期限错配的风险性，尽量避免过短的期限偏好和过分追求投机，在保障资金安全和收益的同时让资金能够真正流入实体。
第三，对于互联网借贷市场的监管者而言，在构建的监管体系中应加入“期限结构”指标，对于那些整体期限结构严重不合理(如过短期限集中分布)的借贷平台能够及时发出预警，提前介入，避免平台出现系统性风险。
参考文献
[1]VASICEK O A. An equilibrium characterization of the term structure [J]. Journal of Financial Economics,1977,5(2):177-188.
[2]COX J C, INGERSOLL J E, ROSS S A. A theory of the term structure of interest rates [J]. Econometrica, 1985,53(2):385-407.
[3]HO T S Y, LEE S B. Term structure movements and pricing interest rate contingent claims [J]. Journal of Finance, 1986,41(5):1011-1029.
[4]HEATH D, JARROW R, MORTON A. Bond pricing and the term structure of interest rates:a new methodology for contingent claims valuation [J]. Econometrica, 1992,60(1):77-105.
[5]LEE B S. A nonlinear expectations model of the term structure of interest rates with time-varying risk premia [J]. Journal of Money Credit & Banking, 1989, 21(3):348-367.
[6]CARGILL T F. The term structure of interest rates:a test of the expectations hypothesis [J]. Journal of Finance, 1975,30(3):761-771.
[7]朱世武,陈健恒.利率期限结构理论实证检验与期限风险溢价研究[J].金融研究,2004(5):78-88.
[8]MORRIS J R. On corporate debt maturity strategies [J]. The Journal of Finance, 1976,31(1):29-37.
[9]DIAMOND D W, DYBVIG P H. Bank runs, deposit insurance, and liquidity [J]. Journal of Political Economy, 1983,91(3):401-419.
[10]李扬.完善金融的资源配置功能——十八届三中全会中的金融改革议题[J].经济研究,2014,49(1):8-11.
[11]马红,侯贵生,王元月.产融结合与我国企业投融资期限错配——基于上市公司经验数据的实证研究[J].南开管理评论,2018,21(3):46-53.
[12]刘红忠,史霜霜.地方政府干预及其融资平台的期限错配[J].世界经济文汇,2017(4):62-77.
[13]白云霞,邱穆青,李伟.投融资期限错配及其制度解释——来自中美两国金融市场的比较[J].中国工业经济,2016(7):23-39.
[14]ANGBAZO L. Commercial bank net interest margins, default risk, interest-rate risk, and off-balance sheet banking [J]. Journal of Banking & Finance, 1997,21(1):55-87.
[15]裘翔.期限错配与商业银行利差[J].金融研究,2015(5):83-100.
[16]谢平,邹传伟.互联网金融模式研究[J].金融研究,2012(12):11-22.
[17]BARASINSKA N, SCHFER D. Is crowdfunding different? Evidence on the relation between gender and funding success from a German peer-to-peer lending platform [J]. German Economic Review, 2014, 15(4):436-452.
[18]CHEN D Y, LI X L, LAI F J. Gender discrimination in online peer-to-peer credit lending: evidence from a lending platform in China [J]. Electronic Commerce Research,2017,17(4):553-583.
[19]GONZALEZ L, LOUREIRO Y K. When can a photo increase credit? The impact of lender and borrower profiles on online peer-to-peer loans [J]. Journal of Behavioral and Experimental Finance, 2014, 2:44-58.
[20]POPE D G, SYDNOR J R. What’s in a picture? Evidence of discrimination from prosper.com [J]. Journal of Human Resources, 2011,46(1):53-92.
[21]MICHELS J. Do unverifiable disclosures matter? Evidence from peer-to-peer lending [J]. The Accounting Review, 2012, 87(4): 1385-1413.
[22]郑迎飞,陈晓静,辛苑.中国P2P网贷利率决定——基于跨平台横截面数据的实证研究[J].当代财经,2017(4):47-56.
[23]魏鹏.中国互联网金融的风险与监管研究[J].金融论坛,2014,19(7):3-9+16.
[24]谢平,邹传伟,刘海二.互联网金融监管的必要性与核心原则[J].国际金融研究,2014(8):3-9.
[25]何启志,彭明生.基于互联网金融的网贷利率特征研究[J].金融研究,2016(10):95-110.
[26]杨文华,卢露,林树.P2P网贷利率与传统金融市场利率的联动效应研究——基于尾部风险溢出视角[J].金融经济学研究,2018,33(5):61-70.
[27]RODRIK D, VELASCO A. Short-term capital flows [C]//World Bank Conference on Development Economics. [S. l.]: National Bureau of Economic Research, Inc,1999.
[28]CHAN K C, KAROLYI G A, SANDERS A B. An empirical comparison of alternative models of the short-term interest rate [J]. The Journal of Finance, 1992, 47(3):1209-1227.
[29]STANTON R. A nonparametric model of term structure dynamics and the market price of interest rate risk [J]. The Journal of Finance, 1997, 52(5):1973-2002.
[30]康书隆,王志强.中国国债利率期限结构的风险特征及其内含信息研究[J].世界经济, 2010(7):123-145.
[31]刘金全,郑挺国.利率期限结构的马尔科夫区制转移模型与实证分析[J].经济研究, 2006, 041(11):82-91.
[32]周子康,王宁,杨衡.中国国债利率期限结构模型研究与实证分析[J].金融研究, 2008(3):135-154.
[33]MODIGLIANI F, BRUMBERG R. Utility analysis and the consumption function: an interpretation of cross-section data [J]. Franco Modigliani,1954, 1(1):388-436.
[34]边燕杰,丘海雄.企业的社会资本及其功效[J].中国社会科学,2000(2):87-99+207.
[35]于立勇.商业银行信用风险评估预测模型研究[J].管理科学学报,2003(5):48-54+100.
[36]曹道胜,何明升.商业银行信用风险模型的比较及其借鉴[J].金融研究,2006(10):90-97.
[37]马九杰,郭宇辉,朱勇.县域中小企业贷款违约行为与信用风险实证分析[J].管理世界,2004(5):58-66+87.
[38]廖理,张伟强.P2P网络借贷实证研究:一个文献综述[J].清华大学学报(哲学社会科学版),2017,32(2):186-196+199.
[39]胡金焱,宋唯实.P2P借贷中投资者的理性意识与权衡行为——基于“人人贷”数据的实证分析[J].金融研究,2017(7):86-104.
Research on the Relationship of Term, Credit Risk and Interest Rate in Internet Lending Market Based on the Perspective of Term Mismatch of Borrower’s Investment and Financing
HU Jin-yan1,2, SHUI Bing-bing1
(1.School of Economics, Shandong University, Jinan 250100, China; 2.School of Economics, Qingdao University, Qingdao 266071, China)
Abstract：Whether the abnormally high credit risk can be effectively reduced is related to the future survival and development of the Internet lending market. Scholars try to explore the risk factors from many aspects, but little attention has been paid to the “term mismatch of borrowers’ investment and financing”, which may be an important and direct source of risk. The two very important characteristics of the Internet lending market are that the loan term is very short and that the borrowers are mainly small and micro enterprises. If the loan term is too short, it is easy for the small and micro enterprises to face serious term mismatch of investment and financing, resulting in higher credit risk, and then leading to higher risk premium and interest rate level. Increasing the loan term properly can improve the credit risk and interest rate level by alleviating the borrower's term mismatch. Using the micro data of an Internet lending platform in China from 2011 to 2017, our research confirms the existence of the influence mechanism of term mismatch of borrowers’ investment and financing. It is found that there is a partial “∩” relationship between the credit risk or interest rate level and the lending term, and the local inflection points appear near 30 months and 40 months. This finding provides a theoretical and empirical explanation for the phenomenon that the average term of Internet lending has become longer in recent years, and provides a “term” perspective for the risk management of Internet lending market.
Key words：Internet finance; loan term; term mismatch; credit risk; interest rate level
中图分类号：F832.5
文献标识码：A
文章编号：1005-1007(2020)09-0003-16
收稿日期：2020-04-22
基金项目：国家自然科学基金面上项目(71873079)。
作者简介：胡金焱，男，山东大学经济学院教授，青岛大学经济学院教授，博士生导师，主要从事金融学研究；水兵兵，男，山东大学经济学院博士生，主要从事互联网金融研究。
责任编辑 廖筠