BIS国际清算银行-Data-vs-collateral_45页_4mb

总结：Data vs Collateral

核心内容

本研究探讨了大型科技公司（big techs）与传统银行在信用评估中使用数据与抵押品的不同方式及其对信用市场和金融加速器机制的影响。通过分析中国2017年1月至2019年4月期间，超过200万家企业从蚂蚁集团（Ant Group）旗下的MYbank和传统商业银行获得的信用数据，研究发现大型科技公司信用与抵押贷款信用在对经济条件和房价的反应上存在显著差异。

主要观点

• 数据 vs 抵押品：大型科技公司利用大数据和机器学习进行信用评估，能够更精准地反映借款人的经营状况，从而减少对抵押品的依赖。
• 信用反应差异：科技公司信用对本地经济状况和房价的反应较弱，但对交易量和网络评分等企业特征变化反应强烈。相比之下，银行的抵押贷款和无抵押贷款对房价变化反应显著。
• 网络效应的重要性：对于完全整合在电商平台中的企业，科技公司信用与交易量和网络评分的相关性更高，而对于非整合企业，信用与本地需求条件也存在一定的关联。
• 金融加速器机制：科技公司信用的使用可能削弱传统金融加速器机制，该机制通过抵押品价值的变化影响贷款供应，进而放大经济冲击。

关键信息

• 数据来源：研究使用了超过200万家企业从MYbank和传统银行获得的信用数据，包括交易量、网络评分、房价、GDP等变量。
• 研究方法：采用了双重差分法（difference-in-difference approach）和固定效应模型（fixed effects model），以控制企业不变特征和城市不变特征，提高识别能力。
• 主要发现：
  • 科技公司信用对房价的无条件弹性为0.09，而无抵押银行信用为0.184，抵押银行信用为0.488。
  • 科技公司信用对GDP的无条件弹性为0.041，而无抵押银行信用为0.147，抵押银行信用与GDP无显著关系。
  • 在线企业比离线企业更易受到科技公司信用评估模型的影响，其信用与网络评分的相关性更高。

研究意义

• 本研究是首个比较同一企业群体中科技公司信用与银行信用特征的实证研究。
• 它揭示了科技公司如何通过数据和网络效应解决信息不对称问题，从而对金融中介机制和货币政策传导产生影响。
• 研究结果有助于理解金融科技在促进金融包容性方面的作用，以及其对宏观经济稳定性的潜在影响。

结构概述

1. 引言：介绍了抵押品在信用市场中的作用及其局限性，提出了研究问题。
2. 相关文献综述：总结了现有文献中关于科技公司信用、信息不对称和金融加速器机制的研究。
3. 数据与基本事实：描述了数据来源和样本特征，包括科技公司信用、抵押贷款和无抵押贷款的统计信息。
4. 计量经济学策略：介绍了研究使用的模型和方法，包括固定效应模型和双重差分法。
5. 主要结果：分析了不同信用形式对经济变量的反应，以及科技公司信用在不同企业类型中的表现。
6. 结论：总结了研究发现，强调了数据在信用评估中的作用及其对金融体系的潜在影响。

关键术语

• 信息不对称：指借贷双方在信息获取上的不平等。
• 金融加速器机制：指金融市场和资产价格的变化如何影响实体经济。
• 网络评分：基于支付数据和社交互动计算的评分，反映企业在科技生态系统中的连接程度。
• 金融科技：结合金融与科技的创新形式，如大数据和人工智能在信用评估中的应用。