Joukkorahoitus epätäydellisen informaation markkinoilla

Rahoituksen tarjoajien epätäydellinen informaatio rahoitusta tarvitsevien luot- tokelpoisuudesta hankaloittaa pk-yrityksien lainarahoituksen saantia. Tässä tut- kimuksessa tarkastellaan lainapohjaista joukkorahoitusta ja erityisesti sitä, kuinka lainanhakijoiden luottoluokitus on yhteydessä siihen, saako luottoa ha- kenut lainan ja maksetaanko myönnetty laina takaisin. Aineistona käytetään lai- napohjaista joukkorahoitusta välittävältä alustalta saatua aineistoa. Aineisto kä- sittää yhteensä 1477 lainahakemusta, joista 722 on myönnetty. Laina-ajaltaan päättyneitä lainoja (”rahoituskampanjoita”) on yhteensä 103 kappaletta, joista 69 prosenttia on maksettu takaisin ja loput kirjattu luottotappioiksi. Tutkimuksen teoreettinen viitekehys keskittyy tarkastelemaan epätäydellisen informaation ongelmia rahoitusmarkkinoilla, erityisesti lainapohjaisen joukkorahoituksen kontekstissa. Aikaisemmat tutkimukset osoittavat, että taloudellisiin tunnuslu- kuihin perustuvat mittarit eivät välttämättä kuvaa pk-yrityksen riskisyyttä hy- vin. Tutkimukset myös osoittavat, että lainan myöntäjän ja hakijan välinen in- formaatiokuilu on joukkorahoituksessa huomattava. Tätä informaatiokuilua voidaan tosin pienentää haalimalla kvalitatiivista informaatiota lainan hakijasta. Tämän tutkielman tulokset pohjautuvat perusotokseen, joka muodostuu hylä- tyistä ja hyväksytyistä lainahakemuksista. Lainanmaksuun vaikuttavien muut- tujien tarkastelu edellyttää, että huomioon otetaan myös se, keille laina myön- netään. Menetelmäksi tutkielmassa on valittu Heckmanin valikoitumismalli. Es- timoidun mallin avulla muodostetaan myös in-sample ennustetarkkuutta ku- vaavat ROC-kuvaajat. Tulokset viittaavat siihen, että pk-yritysten lainapohjai- nen joukkorahoitus on informaatioköyhä ympäristö. Osoittautuu, että lainaso- pimuksen keskeiset ominaisuudet, kuten korko, luoton koko ja laina-aika, aut- tavat mallintamaan luoton takaisinmaksua. Johtuen luoton myöntämisprosessin luonteesta, tämän voidaan tulkita tarkoittavan, että ko. muuttujiin sisältyy kva- litatiivista tietoa, jota luottoluokitus ei sisällä. Ennustemalli, joka sisältää tiedon lainan maturiteetista ja luottoluokituksesta, kykenee 28 prosenttia tarkempaan ennustetarkkuuteen kuin pelkkä luottoluokitus.