哪些机构更可能接触到未获服务的消费者：银行、金融科技公司还是其他非银行机构？

Federal Reserve Bank of Philadelphia的研究成果表明，金融科技贷款机构可能会利用替代数据，对企业进行更全面的评估，以减少借贷者的违约风险。这种做法潜在地扩大了对银行服务不足和信贷的信贷渠道，但也限制了那些缺乏传统信用记录的消费者。

概要

本文指出，金融科技贷款机构可能会利用替代数据，对企业进行更全面的评估，以减少借贷者的违约风险。这种做法潜在地扩大了对银行服务不足和信贷的信贷渠道，但也限制了那些缺乏传统信用记录的消费者。研究人员考察了贷款人对于“服务不足”的消费者提供贷款的意愿。他们假设金融科技公司更有可能比传统银行更容易接触到这类消费者，包括少数族裔、低收入群体和信用评分较低者等。研究使用了独特的数据集，包括来自英敏特的信贷优惠数据、TransUnion的信用记录，以及来自FRBNY/Equifax的其他消费者信用数据。通过比较银行、金融科技公司以及其他非银行传统贷款机构所提供的类似信贷产品，研究发现替代数据发挥了重要作用，使金融科技公司更有可能向非优质和“服务不足”的消费者提供信贷。

图1 按贷方类型划分的个人贷款邮件量趋势

数据采集

1. 信贷数据-个人贷款及按揭贷款

本文利用Mintel-TransUnion数据集作为主要信息来源。在样本中的98,379个信贷提供中，34.9%来自金融科技贷款机构，31.3%来自银行，其余33.8%来自传统的非银行贷款机构。本文定义了利息的两个主要因变量:1)一个二元指标，表明报价是来自金融科技公司还是传统贷款人，以及2)向消费者提供的利率。为了分析定价，使用邮件报价中提供的利率的下界和上界来计算两个独立的价差变量。这些利差代表了提供的利率和相应的国库券利率之间的差异。该分析是针对每组利差单独进行的，提供了对金融科技贷款机构在当前金融格局中的作用的见解。

2.服务不足人口指标

本文创建了几个指标的目的是代理消费者是否服务不足，基于两个不同的方法:1)人口统计变量，2)衡量消费者的能力获得信贷。本文的样本包括2015年至2018年期间的月度信贷数据。早期数据未被纳入考虑，因为直到2014年至2015年左右，金融科技公司在金融领域才开始崭露头角。样本中不包括信用合作社的数据。另外，信用评分极低（低于450分）的消费者也被排除在外，因为这些评分极低的消费者在行为上通常与其他具有次级信贷特征的消费者明显不同。

初步分析

在本研究中，通过图形分析来了解金融科技贷款机构通过邮件优惠的目标消费者。Mintel提供了基于消费者样本的全国邮件量估计，并根据消费者群体和贷方类型对其进行了分类。在个人贷款方面，金融科技公司比银行更注重非优质消费者的收入类别。大多数贷款都是发给非低收入和中等收入地区的，无论贷款类型如何。金融科技公司用黄金邮编向优质和非优质消费者发送邮件。在抵押贷款方面，与银行相比，金融科技公司更关注非优质消费者。他们优先考虑LMI和非LMI领域，而传统的非银行贷款机构则广泛接触LMI消费者。下图显示了银行、金融科技公司和非银行贷款机构提供的个人贷款和抵押贷款的利差。

图2 利率差(使用最低利率和最高利率)提供的不同贷款类型(银行、金融科技公司、其他非银行机构)控制消费者信用评分——个人贷款(左)与抵押贷款(右)

实证方法论

本研究的主要目的是通过系统地分析相关的实证研究，来检验影响ICO成功的因素。

本文在本研究中的第一个分析解决了金融科技公司相对于银行和其他非银行贷款机构针对哪种类型的消费者的问题。为了研究这个问题，本文估计了一个简单的逻辑回归模型，该模型将一系列消费者特征与金融科技公司发送接收报价的概率联系起来——相对于银行和传统非银行贷款机构，在单独的分析中。本文估计出如下形式的方程:

实证结果:个人贷款报价

1. 个人贷款优惠-金融科技与银行

在比较金融科技贷款机构与银行提供的信贷时，本文发现，总体而言，金融科技公司比银行更关注次贷消费者。本文还发现一些证据表明，金融科技贷款机构比银行更容易接触到服务不足的人群，比如那些经历过破产的人，以及那些(在过去六个月内)信贷申请被传统贷款机构拒绝的人。然而，本文还发现，金融科技公司的目标客户是那些循环账户和非循环账户余额较高的消费者，以及那些拥有更多信用卡优惠的消费者，这两个迹象表明，银行为消费者提供了充分的服务。完整的结果如表3和表4所示。表3显示了估计个人贷款报价是金融科技报价而不是银行报价的概率的逻辑回归的结果。表4给出了根据表3的逻辑结果计算出的边际影响概率。

2. 个人贷款优惠-金融科技与其他非银行

金融科技和其他非银行贷款机构都不受银行所受的监管要求的约束。在比较金融科技贷款机构与其他非银行贷款机构时，本节中控制了监管环境。结果与从图2的原始数据中观察到的结果一致。与将金融科技与银行进行比较时不同，本文发现邮政编码中少数民族比例的系数始终与零不显著差异。无论消费者居住的邮政编码中少数民族的比例如何，信贷要约同样可能来自金融科技贷款机构或其他非银行机构。然而，在考虑农村消费者与城市消费者时，存在显著的边际影响。向农村地区(往往不太可能获得传统金融服务)的消费者提供的信贷，来自金融科技的可能性比来自其他非银行机构的可能性高出约6个百分点。

图3 抵押邮件量平均Equifax风险评分(邮政编码)和次级状态

实证结果：抵押贷款报价

1.抵押贷款优惠-金融科技与银行

接受金融科技抵押贷款的人通常收入较低，属于次级贷款，更需要获得更多信贷(通过查询次数)，最近被拒绝获得信贷，并且往往居住在银行分支机构较少的地区。金融科技公司似乎正在介入填补这一信贷缺口，可能为服务不足的消费者带来重大利益。

2.抵押贷款优惠-金融科技与其他非银行

相对于银行和其他非银行贷款机构，金融科技贷款机构似乎针对的是低收入人群。向高收入消费者(超过75,000美元)提供的抵押贷款来自金融科技公司的可能性比其他非银行贷款机构低4个百分点。

3.附加分析:机器学习算法

逻辑模型和机器学习模型的结果表明，贷款类型指标(再融资贷款，VA或FHA贷款)是抵押贷款是否为金融科技产品的最重要决定因素。这两个模型还对消费者信用评分(信用评分括号中的虚拟变量)和银行分支机构集中度(邮政编码中每10万人中的银行分支机构)给予了相对较高的重视。这让本文相信，本文的逻辑模型准确地代表了影响抵押贷款金融科技邮件的最重要因素。

4.抵押贷款利率的比较

图2比较了贷方类型提供的平均息差。有趣的是，金融科技公司提供的抵押贷款利率范围平均比无担保个人贷款行业窄得多——通常在50个基点以内，与传统非银行公司相比，在25个基点以内。这可能意味着金融科技公司在高度复杂和官僚的抵押贷款市场上没有那么大的效率优势。

实证方法论

本文的目标是探讨金融科技公司是否一直在接触服务不足的消费者，以扩大信贷渠道并填补信贷缺口。本文专注于一些金融产品:无担保个人贷款、抵押贷款和信用卡。本文根据人口特征和地理位置确定服务不足的消费者或服务不足的社区。例如，少数族裔、低信用评分和低收入的消费者，以及那些已经申请破产的消费者，可能已经被主流金融边缘化。此外，那些居住在低收入至中等收入社区、农村地区或银行分支机构很少的地区的人获得信贷的机会也可能有限，因此可能得不到充分的服务。

本文的研究结果发现了强有力的证据，证明金融科技在使抵押贷款信贷和个人无担保信贷更容易被低于黄金水平、低收入、经历过信贷拒绝或破产的消费者获得方面发挥了作用。本文还发现了一些证据，这些证据描绘了金融科技公司通过直邮营销的消费者类型的微妙图景。本文的许多证据表明，金融科技推动了特定群体的信贷扩张，这些群体是信贷受限的消费者——低收入、低评分和最近的抵押贷款信贷拒绝——以及低评分、过去遗留的巨额债务和个人贷款破产。