美國第一家P2P平臺Prosper成立于2006年2月5日，平臺擁有160萬會員，借貸總額超過5億美元。借款人要想在平臺上獲取資金，需要先在網站上注冊并提交個人相關信息證明材料。平臺會先審核借款人的個人信息，一旦信息準確性得到確認，借款人便可以在平臺上開展交易。

隨后借款人發(fā)布借款標的，標的內容包含他的個人信息，如：性別、年齡、收入、婚姻狀況等和借款相關信息，其中包括借款金額、借款期限、能接受的利率等。當投資人搜索到標的后，可以根據自己的需求和判斷決定是否投資。

值得注意的是，單一投資人最低的投資額度是50美元，這就意味著他的投資額不用覆蓋整個標的，這就大大降低了風險。根據競價機制，投資人為標的競價，利率較低者中標。

當競價過程結束后，該標的會被關閉并交由平臺審核。一旦審核通過，資金就會由投資人的賬戶轉到借款人賬戶。平臺會收取一定比例的手續(xù)費，手續(xù)費最高為借款總額的2%。Lending Club是另一家美國P2P平臺，成立于2007年，他的機制和功能與Prosper相似。

一方面，借款人提供了大量的信息，另一方面，最終利率是由投資者競價得到的。那么，究竟借款人的哪些信息對于利率的確定起著決定性的作用？本文搜集了Prosper上477筆交易數據和Lending Club上475筆交易數據，嘗試用回歸分析的方法來解決該問題。

本文選取最終利率為因變量，自變量包含：個人信用評分、Prosper評分、借款金額、初始利率、房屋所有權、負債收入比，就職情況、收入水平、集體借款情況、投資者數量。

運用STATA作回歸分析可以發(fā)現：

1、大部分變量的相關性都比較低。金額和投資者數量相關性最高，為0.89，因為金額較大的標的能吸引較多的投資者。初始利率和最終利率的相關性也比較高，為0.88，意味著初始利率是最終利率的一個很好參考。

2、Prosper的回歸結果如下：R-square是0.8978，意味著89.78%的變化可以被自變量所解釋。初始利率，Prosper評分，信用評分和收入水平在99%的置信區(qū)間都是顯著的。投資者數量在95%的置信區(qū)間是顯著的。借款金額在90%的置信區(qū)間是顯著的。房屋所有權，債務收入比，就業(yè)情況和集體借款情況在90%的置信區(qū)間都是非顯著的。Prosper評分，信用評分，收入水平和投資者數量的相關系數都為負值，意味著這些變量和利率水平負相關。標的金額和初始利率與最終利率正相關。

3、同樣得到Lending Club的回歸結果，相比較發(fā)現：收入水平在Prosper是顯著的，但是在Lending Club不是顯著的。房屋所有權和負債收入比在Lending Club是顯著的，但在Prosper不是顯著的。值得注意的是，只有信用評分在兩個平臺都是顯著的，并且在99%的置信區(qū)間都是顯著的。通過比較得出結論：信用評分是影響P2P平臺利率水平的最重要因素。信用評分越高，利率水平越低。

一方面，個人信用評分在P2P平臺中如此重要，另一方面，中國還未建立全民征信系統(tǒng)。個人信用體系的缺失嚴重制約了中國P2P平臺的發(fā)展，在沒有借款人信用評分的情況下，平臺上的投資者難以判斷借款人的真實信用，這無疑加大了投資風險。全民信用體系建設在我國才剛剛起步，還有很長的一段路要走。既然全國性的信用體系建設不是一朝一夕可以完成的，那么P2P平臺自身能否率先建立屬于自己的信用體系呢？Prosper提供了Prosper評分，國內的平臺能否著手建立屬于自己的信用評分體系呢？

以宜信為例，借款人需要提供一系列的信息，包括：借款金額、年化利率、借款期限、借款描述、年齡、性別、學歷、收入、婚姻狀況、現居地和信用卡額度。借款人需要上傳身份證復印件、信用報告、收入證明、工作認證及房產認證供平臺審核。如此多的信息為建立信用評價體系提供了可能。

為了建立一個信用評分體系，平臺可以對大量信息進行分析并賦予各項信息一定的權重，如：學歷占比10%，收入占比30%等。然后把各項信息量化，如：本科學歷得7分，碩士學歷得8分；收入在5000元-10000元得7分，10000元以上得8分等。這樣就可以得出某一借款人的信用評分，可以稱之為宜信信用評分。在建立初期肯定有很多不完善的地方，可以根據交易的開展來進行調整，如：借款人按時歸還借款，信用評分可以有一定幅度的提高，或是在實踐中不斷修改各項信息的權重和得分。

P2P平臺建立自己的信用評價體系可以提升平臺服務水平，降低經營風險，有助于吸引更多的投資者，增強客戶黏性。與此同時，這些個人投資者的信用報告對我國整個信用體系的建設都大有裨益，也為P2P平臺同銀行等金融機構合作提供了可能。

來源：《上海證券報》 作者系中孚和泰資產管理（上海）有限公司董事總經理