1、银行信贷互联网化的博弈行为研究以线上个人消费信贷为例 钱智通 南京证券投资银行部 摘 要： 随着银行业务的互联网化, 互联网银行业开始兴起, 但该行业在发展的过程中产生了诸多乱象。为了解释这些乱象产生的原因, 本文基于线上个人消费信贷申请者、网络商城以及互联网银行的现实特点, 分别建立了两两相应的博弈模型。最终发现:在线上个人消费信贷市场, 互联网银行根据信贷发放后的资金回收情况建立事后信用数据库及失信者惩罚机制, 能促进该市场进入有效状态。因此, 互联网银行可在建立有效事后追惩机制的基础上, 通过数据挖掘建立行业共享信用数据库以促进该市场的良性发展。在互联网银行与网络商城的合作中, 双方采取
2、的合作策略取决于各自可获得的协作收益。因此, 双方可通过约定合作收益, 来发挥协同作用以最大化各自收益。关键词： 消费信贷; 互联网银行; 博弈模型; A Game-theoretic Analysis of the Internet Banking:A Case Study of Online Personal Consumption LoanQIAN Zhitong Abstract： With the banking business moving online, Internet banking has gained great development, accompanied by
3、some undesirable phenomena. In order to explain the causes of these problems, based on the realistic characteristics of applicants of online personal consumption loans, online shops and Internet banks, this paper develops two corresponding game models. We find that for the online personal consumptio
4、n loan market, Internet banks can promote the development of the online loan market if they can establish a credit information database of the credit records of borrowers and a subsequent punishment mechanism. Therefore, based on the subsequent punishment mechanism, Internet banks can establish the
5、industry-wide shared credit record database through data mining to promote the healthy development of the online loan market. In addition, for the cooperation between Internet banks and Internet shops, the final collaborative strategies adopted by both sides depend on their cooperative incomes. Ther
6、efore, the two parties can maximize their profits through a cooperative income agreement.Keyword： Consumption Loan; Internet Banks; Game Model; 一、引言当前, 随着互联网金融的发展, 我国金融业的一些传统业务开始慢慢地向线上迁移。由于其具有快速、便捷、普惠的优势, 因此在短时间内获得了消费者的青睐。P2P 产业、互联网银行业等诸多带有互联网金融特色的产业不断发展, 整个互联网金融市场的规模得以迅速扩大。在蓬勃发展的互联网金融业大环境下, 银行业务开始呈
7、现互联网化, 新兴的互联网银行业随之兴起。而淘宝网、京东商城、一号店以及亚马逊等诸多网络商城与互联网银行电子支付通道的打通, 则催生了线上个人消费信贷, 该业务的市场规模也在不断发展壮大。当前, 我国的线上个人消费信贷业务的运营模式主要有以下三种:第一种业务模式以网络商城与我国商业银行的互联网银行业务部合作, 为网络商城的消费者提供个人信贷。比如一号店和商业银行的互联网银行部门合作, 为商城里售卖的某些商品提供信贷支持。第二种业务模式以拥有第三方支付牌照的网络商城为主导, 自主为用户发放网上虚拟信用。例如京东商城为其用户提供京东白条, 而白条所代表的授信额度则根据其在商城的消费记录来发放。第三
8、种业务模式则是网络商城既开通自己的线上信贷业务, 也与互联网银行合作开通线上信贷业务。比如小米金融和淘宝网, 既有自身的授信渠道, 同时又在某些商品的售卖上与互联网银行发起合作。与传统的个人消费信贷模式相比, 基于互联网技术的线上个人消费信贷具有以下特点:第一, 该模式具有业务运行快捷, 用户使用方便的特点。该模式突破了传统金融网点的营业时间以及经营地点的限制, 用户可 24 小时在网上办理消费信贷业务。为使客户能够更好地使用线上信贷业务, 互联网银行一般将操作网页设计得简明扼要, 内容易于客户理解, 操作简单安全。第二, 该模式下贷款申请流程简短, 授信审批处理迅速。由于该模式基于互联网技术
9、, 因此其在合理设计贷款环节, 加快个人消费信贷的审批速度上具有先天优势。申请者只需提前准备好相关的证明材料, 即可借助移动终端随时随地地提出贷款申请, 互联网银行则在几天之内就可完成审批, 发放贷款, 大大缩短了传统信贷业务中从申请受理到最终授信的处理时间。第三, 该模式中信息涵盖范围广, 行业内的数据传递和传播都很迅速。由于互联网在传递信息的速度上具有先天优势, 因此无论是客户信息还是互联网银行信息, 都会在网上 24 小时随时更新、传递, 互联网银行可以据此迅速建立数据库, 主动屏蔽一些网上公布的不守信用的贷款申请者。而用户则可以随时比较各家互联网银行的业务信息, 选择最为经济划算的线上
10、贷款方式。第四, 该模式下个人消费信贷的借贷成本相对传统渠道而言更为低廉。因为在线上个人消费信贷模式中, 互联网银行节省了很多的人力、物力成本, 使得小额信贷的审批和发放也可以形成规模经济, 从而使信贷申请者可以享受到更低的借贷利率, 得到更好的普惠金融服务。线上个人信贷业务虽然具有诸多优点, 但该行业也暴露出了一些突出的问题。首先, 该模式具有极大的信用风险。因为发放线上个人信贷业务需要在网上开通虚拟信用账号, 这就等同于为客户发放信用卡。考虑到线上业务中客户所提供的客户信息未必是真实的, 因此虚拟信用业务无法保证客户身份认定的真实可靠性以及网上支付的安全性。其次, 该行业内部竞争激烈, 引
11、发了巨大的行业风险。由于该业务包含着巨大的业务潜力, 因此互联网银行迫切希望与网络商城合作开拓市场。但它们的合作往往走在政策允许的边缘, 给行业带来了巨大的风险。另外, 网络商城本身也想抛开银行, 独自吃下线上信贷的大蛋糕, 因此其本身与互联网银行既竞争又合作, 使得二者之间的合作不断发生变化。由此可见, 整个线上个人消费信贷行业既蕴含着机遇又隐藏着各类风险。因此, 通过建立与之特点相对应的博弈模型来研究这些现象出现的原因, 具有重要的现实意义。二、文献综述当前, 针对本文提出的研究问题, 已有的文献多集中于发掘该业务模式的特点, 在锁定业务的主要参与者的基础上, 研究该业务模式所蕴含的各类风
12、险。互联网信贷的产生, 在于互联网信贷业务迎合了普惠金融的需求, 使得资金供求的双方通过网络信任机制来进行资金匹配, 提高了资金使用的效率 (郑联盛, 2014) 。随着电子交易以及安全加密技术的发展, 网上信贷成为互联网银行线上业务的一个重要方面 (Margaret and Thompson, 2000) 。我国的互联网信贷业务借助互联网银行自身平台以及与第三方电商平台构建的战略联盟 (黄绍辉和李楠, 2014) , 扩大了服务的受众群体, 将原先低附加值的小微信贷业务分散到成本低的互联网渠道上 (Robert, 2005) 。在实际的互联网金融信贷业务中, 由于线上信贷打破了传统金融对消费
13、贷款的垄断, 因而传统金融机构以及新兴互联网公司均有意建立互联网银行对接个人消费信贷业务 (叶湘榕, 2015) 。当前, 网络商城等第三方机构也有独自开展线上信贷的冲动, 但又离不开互联网银行的资金和渠道支持 (王金彩和黄思刚, 2014) , 因此, 第三方机构和互联网银行部门实际上既有合作又有竞争 (常晓, 2013) 。虽然该业务模式促进了资金的合理分配, 但其在具体运营中也存在着用户的欺诈风险、技术上的不成熟性以及激烈的市场竞争等带来的各类潜在风险 (洪娟, 2014) 。尤其在技术上, 突出存在着互联网银行机构难以对个人的信用状况进行精准建模度量 (刘芸和朱瑞博, 2014) 的问
14、题, 其根源在于诚信体制不完善, 即互联网金融机构面对个人用户的征信信息不全, 进而导致围绕线上信贷的激烈市场份额竞争所带来的行业不规范性 (金晶, 2015) 。因此, 应从借款者的个人信息真实性、市场竞争参与者的特征控制行业风险 (龚丹丹和张颖, 2016) , 并从行业准入、动态监管、业务守则等方面, 制定监管规则以完善该业务的风险监管, 更好地控制行业风险 (廖愉平, 2015) 。在现有的博弈研究方面, 针对网络贷款申请人的行为, 黄儒靖 (2003) 考虑了不完全信息下的个人消费信贷中申请者的可能博弈行为。在这些可能博弈行为的基础上, 俞林, 康灿华和王龙 (2015) 采用了不完
15、全信息博弈模型, 对网络贷款中可能出现的博弈结果进行了理论分析。李昌荣、胡斐斐和毛顺标 (2015) 分别采用了静态博弈和动态博弈的方法, 分析了贷款过程中申请者的策略选择以及博弈的最终结果。针对互联网银行以及其他互联网金融机构等信贷活动的参与主体, 伦墨华和李建军 (2014) 通过建立合作博弈模型, 分析了各博弈主体的博弈行为, 并提出能够使得参与博弈的各方利益最大化的策略解。张磊、耿丽和赵天琪 (2015) 通过建立演化博弈模型, 为包括互联网银行在内的金融机构如何更好地合作共赢指出了相应的竞争策略。杜杨 (2015) 通过建立动态演化博弈模型得出了互联网金融机构如何更好地进行业务创新的
16、各类策略。钱智通和孔刘柳 (2016) 则通过系统地、分门别类地建立博弈模型, 分析了互联网银行模式下的市场主要参与者的博弈策略选择。综上所述, 已有的各类研究基本明确了我国网络商城的个人消费信贷业务中的主要的参与者, 即互联网银行、网络商城以及个人消费信贷申请者;同时, 很多研究还建立了相应的博弈模型, 为后续研究提供了非常好的借鉴。但现有的大多数研究要么将研究对象固化在某个参与主体, 要么就将博弈模型固化在线上个人消费信贷业务的某个点, 并采取静态的方式对其进行理论分析, 因而得出的结论具有一定的局限性。有鉴于以上研究中存在的问题, 本文针对不同主体之间的博弈分门别类地建立了不同的模型,
17、以求全面地反映整个市场的博弈状况;同时, 本文还根据线上消费信贷市场当前所呈现的现实特点, 对已有的博弈模型进行了相应修正, 得出了一些新的结论。这也是本文的创新点所在。三、线上个人消费信贷业务的博弈行为分析(一) 互联网银行与个人线上消费信贷申请者的博弈1. 博弈模型的基本假设与传统的银行信贷相比, 互联网银行不仅实现了融资渠道的扁平化和客户的直接化。还能将个人线上消费信贷申请者的资金流和信息流结合在一起, 采用大数据分析手段, 通过对个人线上消费信贷申请者在各类消费、生产以及借贷等诸多资金使用过程中表现出的特性, 来倒推其个人的具体特质信息。这些信息包括了消费信贷申请者的消费习惯、性格特征
18、以及还款能力。理论上来说, 这是一种在互联网技术背景下所特有的一种新的消费信贷申请者信息搜集方式, 且优于传统信贷信息搜集方式。但当前由于技术手段的不成熟, 导致个人线上消费信贷申请者在网上伪造自己优良的资金使用习惯的成本很低, 因而造成了互联网银行在了解这一类申请者的具体信用情况时出现了严重的信息不对称现象。有鉴于此, 在建立互联网银行与个人线上消费信贷申请者的博弈分析模型时, 本文基于这一征信过程中的信息不对称特性, 提出以下假设:假设一:互联网银行与消费信贷申请者都具有理性人的基本特征, 能在博弈中做出有利于自己的决策, 且决策都是依据市场自主做出的, 不受第三方的干扰。假设二:由于消费
19、信贷申请者比互联网银行更清楚自身的信息, 能够决定自己在申请消费信贷时提交哪些自身信息, 因此, 互联网银行在博弈的初始阶段处于不完全信息状态。假设三:自然将线上消费信贷者分为两类, 一类是信用良好, 一类是信用不良, 且在同等市场条件下, 前者相比后者更愿意诚实提供个人信息, 按照线上放贷约定及时归还贷款。假设四:博弈分为两个阶段, 在第一阶段, 互联网银行主要根据消费信贷的申请者在网上提交的信息来自主进行授信筛选, 并根据授信对象来建立相关数据库, 再根据获得授信者的后续行为, 即获得授信者是否及时还款来形成消费信贷申请者中信用好者和信用差者的概率分布;在博弈的第二阶段, 互联网银行根据先
20、前建立的数据库对消费信贷申请者的申请进行判断, 然后再进行授信筛选。根据以上假设, 互联网银行和消费信贷申请者的博弈如图 1 所示。首先, 在第一阶段博弈中, 自然将线上个人消费信贷申请者分为好与坏的两部分。好与坏的借贷申请者根据自己的现实需求决定自己是否需要申请贷款, 然后由决定申请贷款的个体组成互联网银行在第一轮博弈中接收到的申请贷款的群体。互联网银行根据自己掌握的信息对这类群体进行资质评价, 决定是否授信。在该轮博弈的最后, 互联网银行根据这些获得授信的群体的还款情况, 最终修正自己对借款申请者的认知, 并由此形成自己对消费信贷申请者群体的信用好坏的认知, 第一轮博弈结束。随后, 第二轮
21、博弈开始, 互联网银行首先凭借自己掌握的对消费信贷申请者群体的信用的新的认知, 重新制定事后追察策略, 重新对新一轮博弈中提出消费信贷申请的个体所组成的群体进行审核, 并据此决定是否发放贷款。这样的博弈流程反复进行, 理论上可以进行无穷轮的循环博弈。图 1:互联网银行和消费信贷申请者的博弈树 下载原图2. 博弈过程的具体分析在博弈的第一阶段, 假设消费贷款申请的贷款额度为 D, 互联网银行与消费贷款申请者最终确定的贷款利率为 0r;因为互联网银行对消费贷款申请者的贷款申请只有同意授信和拒绝授信这两种方式, 假设其同意授信的概率为 pL;对于最终获得消费贷款的申请者, 他们最终可选择还清贷款或者
22、恶意欠账, 假设他们的还贷概率为 pB;假设互联网银行包括放款、催款以及追讨欠款的整个借贷业务所支付的成本为 C。此外, 由于当前互联网银行的线上消费信贷业务的网上授信体系还不十分完善, 第一轮博弈中的信贷申请者的真实信息并不为互联网银行所熟知, 因此, 信贷申请者的违约成本比较低, 有违约的冲动。据此, 假设 Cg为该类信贷申请者在第一轮博弈中把自己包装成互联网银行认为的信用好者的掩饰成本, I 为其从提前消费中获得的效用, 那么其违约时获益为 I+D-Cg。综上, 互联网银行与消费贷款申请者在第一阶段的收益矩阵如表 1 所示。表 1:互联网银行与消费贷款申请者的收益矩阵 下载原表 同理,
23、贷款申请者准时还款的收益为 ER B1=pL (I-D-Dr0) + (1-pL) 0=pL (I-D-Dr0) , 其选择不准时还款时的收益为 ERB2=pL (I+D-Cg) + (1-pL) 0=pL (I+D-Cg) , 可推出整体期望收益为 ERL=pB B1+ (1-pB) B2=pL pB (I-D-Dr0) +pL (1-pB) (I+D-Cg) 。那么, 贷款申请者的复制动态方程为 。为了得到消费贷款申请者在第一阶段博弈中达到稳定状态的策略解, 令 此时, 所有的 pB都能使博弈处于稳定状态。而当 时, 进化均衡状态的两个解分别为 其经济意义在于, 此时就连信用好的借贷者也和
24、信用差的借款者一样不还贷款, 整个网上信贷市场进入崩溃状态。由此可见, 在互联网银行与消费信贷申请者博弈的第一阶段, 假如互联网银行和消费贷款申请者只进行一轮博弈, 那么由于互联网银行处于信息不对称状态, 只要贷款申请者愿意付出可以把自己包装成互联网银行网上审核时认为的信用好者, 就能获得授信, 而且违约不归还贷款给自己带来的收益更大。因此, 整个借贷市场中的信用好者所占的比例会越来越低, 互联网银行无法及时收回贷款。最终, 互联网银行只能选择退出市场。因此, 互联网银行为了保证自身在线上消费信贷市场中的利益不被侵蚀, 其必然会根据第一轮博弈的初始结果, 从第二轮博弈开始, 相应调整自己对消费
25、贷款申请者的认知, 并据此调整事后追查机制, 再次对新的贷款申请进行审核。而且, 第二轮博弈结束后, 互联网银行还会按第二轮博弈的反向判断流程, 第三次调整自己对消费贷款申请者的认知, 并据此调整事后追查机制, 从而再次对新的消费贷款申请者进行审核。理论上而言, 往后的博弈还会遵循这样的流程反复进行到第无穷轮。假设在第二轮博弈调整后的互联网银行采取的博弈措施如下:互联网银行根据第一轮博弈的结果调整自身对贷款申请者的认知, 并追加事后追查措施;不及时归还贷款者将会进入互联网银行的黑名单, 不仅会遭到互联网银行的追查, 无法在第二轮博弈中获得逃避收益, 而且还会随着网络的传播而承担极大的隐性不利损
26、失 Loss。基于以上情况, 博弈双方新的收益矩阵如表 2 所示。表 2:采取惩罚措施后的互联网银行和消费贷款申请者的收益矩阵 下载原表 由此可见, 在互联网银行修正对贷款申请者的认知, 并调整惩罚措施后, 整个贷款群体会向信用好者转化, 即选择贷款后及时还款。因此, 互联网银行只需提高修正后的 的概率, 使 成为消费贷款申请者必须选择的唯一稳定策略。进一步分析, 可以做出如图 2 所示的第二阶段博弈的复制子动态解轨道图。此时, 在第二阶段博弈唯一完美策略 是一个渐近稳定型的纳什均衡, 弱被占优纯策略的演化选择压力明显较弱。图 2:第二阶段博弈的复制子动态解 下载原图当 时, p L将递减;而
27、当 pB大于 时, p L将递增。具体在图中的坐标系中, 就是当向量场在 所在的边上, 博弈策略形成的向量将沿着纳什均衡分量开始逐渐向外旋转。而且, 凡是从该纳什均衡分量附近, 或者接近 的内点开始移动的策略解, 最终都会沿着相应的解轨道收敛到纳什均衡。这就意味着, 只要互联网银行能够完美地修正自身对申请消费贷款者的认知并制定好相应的处罚措施, 第二阶段以及其之后的博弈就会不停地循环进行下去。在进行完第无穷轮博弈之后, 整个博弈会沿着图 2中箭头所示的方向收敛于互联网银行和消费贷款申请者都会受益的纳什均衡。因此, 综合上文对博弈的分析, 假如互联网银行不在发放个人信贷之后建立完善而有效的信用数
28、据库和惩罚体系, 博弈最终的解是不利于整个线上信贷市场的。此时, 整个线上个人信贷业务将逐渐停滞, 信贷市场将陷入无效状态。而当互联网银行建立了完善而又全备的信用数据库和惩罚体系后, 随着双方进入后续博弈进程, 信用差的欠款者将会从信贷市场中被驱逐出去, 最终市场上留下的将是守信的高质量借款者;互联网银行也愿意扩大借款规模, 促进双方的长期合作。最终的结果是, 双方实现互利共赢。(二) 互联网银行与第三方网络商城的博弈分析1. 博弈模型的基本假设假设一:假定网络商城和互联网银行在参与博弈时均处于理性人的状态, 它们都能根据博弈所处的环节, 审时度势地做出能使自身利益最大化的决策。假设二, 网络
29、商城和互联网银行可选的策略均只有两种, 即与对方合作或者不与对方合作。其中, 合作指网上商城和互联网银行发挥各自的优势, 产生协同效应。在现实生活中, 主要表现为网上商城集中精力在网上提供种类繁多的商品以供线上消费者选择;而互联网银行则集中精力为有需要的网上商品的消费者提供专业的信贷服务。不合作指的是, 互联网银行通过自建网络商城服务, 网络商城通过自建网上授信渠道, 各自为线上的各类消费者提供从商品购买到消费信贷支持的一揽子服务。基于以上假设, 约定网络商城的可选策略集合为;同理, 互联网银行的可选策略集合为 。双方在演化博弈中互相进行学习模仿、不断地进行相应的策略变换。假设三, 模型中,
30、参数 cE、 bE 分别表示网络商城和互联网银行单独行动, 采取互相不合作策略时各自所获得的收益;参数 Sc、S b分别表示网络商城和互联网银行在合作时, 双方所必须花费的成本;参数 R 表示网络商城和互联网银行在发挥各自优势, 精诚合作时可获得的总额外收益。其中, 网络商城从该额外收益中获得的部分所占的比例为 , 互联网银行从该额外收益中获得的部分所占的比例为 1。另外, c和 b分别代表网络商城和互联网银行采取合作策略的概率。最后, 网络商城和互联网银行在博弈中获得的总收益分别记为 EIc和EIb。其中, EI c1和 EIc2分别表示网络商城选择合作策略和不合作策略时的收益;EIb1和
31、EIb2分别表示互联网银行选择合作策略和不合作策略时的收益。根据以上假定, 可推出表 3 所示的博弈双方收益矩阵。表 3:网络商城和互联网银行的收益矩阵 下载原表 基于上述收益矩阵所示的数据, 可推出网络商城在选择合作策略情形下的收益期望值为 EIc1= b (Ec-Sc+R) + (1- b) (Ec-Sc) , 而其在选择不合作策略情形下的收益期望值为 EIc2= b Ec+ (1- b) Ec=Ec, 从而网络商城在整个博弈过程中累计可获得的收益期望值为 。同理, 根据上述收益矩阵所示的各项数据, 互联网银行在选择合作策略下的期望收益为 EIb1= cEb-Sb+R (1-) + (1-
32、 c) (Eb-Sb) = c R (1-) + (E b-Sb) , 不合作策略下的期望收益为 EIb2= c Eb+ (1- c) Eb=Eb, 由于互联网银行在博弈中累计可获得的收益期望值为 EIb= b EIb1+ (1- b) EIb2, 最终推出EIb= c b R (1-) - b Sb+Eb。2. 博弈过程的具体分析图 3:网络商城和互联网银行复制动态关系 下载原图对于网络商城和互联网银行的博弈而言, 只有均衡点满足 det D0 时, 才可能推动双方的博弈进入稳定状态。满足该条件的均衡点称为局部均衡点。当均衡点不满足上述条件但满足 det D0 和 R (1-) -S b0
33、共同存在, 在处于 (0, 0) 和 (1, 1) 时, det D0 且 tr D0 和 R (1-) -S b0 共同存在, 则 (0, 0) 成为局部均衡点, 而 (0, 1) 和 (1, 1) 成为鞍点, (1, 0) 成为不稳定点。由此, 得到境况 3 的博弈动态图 (如图 6 所示) 。境况 4:R-S c0 和 R (1-) -S b0 共同存在, 则 (0, 0) 成为局部均衡点, 而 (0, 1) 和 (1, 0) 成为博弈的鞍点, (1, 1) 成为不稳定点。由此, 得到境况 4 时的博弈动态图 (如图 7 所示) 。综合以上对四种境况的分析可知, 在境况 1 时, 当网络商城和互联网银行在图4 中区域 B2 B0 B4 B3进行博弈时, 双方将会在不断博弈中进行反馈学习, 并最终采取收敛于双方共赢的 (合作, 合作) 均衡稳定策略;而当网络商城和互联网银行在区域 B1 B2 B0 B4时, 双方在不断博弈的反馈学习中, 将采取收敛于双方都无法获得额外收益的 (不合作, 不合作) 均衡稳定策略。不过, 随着网络商城或互联网银行付出的成本支出 Sc或 Sb的减少, 鞍点 0B 会向下移动, 双方的博弈收敛于 (合作, 合作) 的可能性会增大。由此可见, 减少双方合作的经济成本具有重要的经济意义。而双方从合作中分红的比例 则影响鞍点的最终位
