论文题目：Do Information Processing Costs Matter to Regulators? Evidence from U.S. Mortgage Companies’ Supervision

中文标题：信息处理成本对监管机构重要吗？来自美国抵押贷款公司监管的证据

原文来源：Omri Even-Tov, Andy Su, K. Philip Wang. 2025. “Do Information Processing Costs Matter to Regulators? Evidence from U.S. Mortgage Companies’ Supervision.” The Accounting Review 100 (2): 103–131.

供稿：苏宇童

封面图片来源：Pexels

编者按：文章利用2012年美国抵押贷款监管领域引入的集中执法记录存储库这一自然实验，检验了降低信息处理成本对州监管机构执法行为的影响。研究发现，当某州将执法记录上传至中央存储库后，同一抵押贷款公司在其他州被处罚的概率显著提升，且这一效应在信息获取成本较高的州和监管资源较少的州更为明显。研究表明，降低信息处理成本有助于监管机构识别跨州经营企业的不当行为，强化协同监管。此外，被曝光公司会因此减少在其他州的信贷供应，尤其在高风险贷款上更为显著，体现出监管强化的实际经济后果。

一、引言

监管机构在维护市场稳定和保护消费者权益方面发挥着至关重要的作用。然而，资源限制往往制约其监管效能，特别是在信息收集与处理方面。美国证券交易委员会前委员路易斯·阿吉拉尔指出，2008年金融危机暴露了监管机构在信息获取和处理上的严重不足。尽管理论上降低信息处理成本能够提升监管效率，但这一命题始终缺乏充分的实证证据支持。

本研究以美国抵押贷款行业监管为背景，考察信息处理成本对监管效能的影响。过去十年间，诸如Rocket Mortgage等抵押贷款公司快速崛起，截至2020年已占据美国住宅抵押贷款发放量的68%以上。与接受严格联邦监管的传统银行不同，这些公司主要受州级监管机构监督，而后者普遍面临资源匮乏的问题。美联储理事米歇尔·鲍曼在2020年明确表示：“对抵押贷款公司的监督和监管基础设施远不如对银行发达。”这种监管不对称使得抵押贷款公司的监管问题备受关注。

本研究基于2012年集中执法行动存储库的建立这一准自然实验，采用双重差分法展开分析。该存储库首次实现跨州执法信息的统一归集与格式标准化，显著降低了监管机构的信息知晓与获取成本。研究设计充分利用其两项特征：一是非强制性上传，形成天然控制组；二是历史记录回溯录入，构建处理组与对照组的可比基础。

文章手工收集2007–2014年间各州针对抵押贷款公司的执法记录，最终样本涵盖4,611项行动。实证结果表明，某州执法记录被录入存储库后，同一公司在其他州受处罚的概率显著提高1.1个百分点，相当于无条件均值的42%，具备重要经济意义。一系列稳健性检验支持该结论：排除选择性上传可能；通过伪造实验验证处理组与对照组在存储库建立前无显著差异；并排除了消费者金融保护局同期信息共享的竞争性解释。

机制分析进一步揭示，存储库效应在信息获取成本高、监管资源紧张的州更为突出，说明信息成本降低是核心机制。同时，86%的后续执法涉及新型不当行为，表明监管者并未简单“搭便车”，而是开展了更深入调查。

本研究在以下方面做出贡献：拓展信息成本研究至监管领域；揭示资源约束下监管者利用便利信息加强监督的动机；为影子银行监管提供实证依据。结论具有明确政策价值：集中信息库有效缓解监管资源约束，为诸如美国证券交易委员会正在推进的统一审计系统等实践提供参考，说明优化信息基础设施是提升监管效能的关键路径。

二、研究背景与假设提出

（一）抵押贷款公司的监管环境

自2007–08年金融危机后，美国抵押贷款市场面临更严监管（如《多德–弗兰克法案》），但压力测试与流动性覆盖率等要求主要针对银行，而非抵押贷款公司。因此，过去十年间银行市场份额显著收缩，抵押贷款公司份额则从2009年的不足30%增至2020年的68%以上。

抵押贷款公司主要由州级监管，其监管目标与联邦相同，即（1）安全稳健性与（2）消费者保护。但执行难度更大：在安全稳健方面，抵押贷款公司依赖短期信贷融资，无法从美联储借款，风险较高，屡受学界与媒体关注；在消费者保护方面，其客户多为低收入、低信用借款人，更易受掠夺性贷款侵害，剥削风险更高。

州监管机构负责监督在本州运营的抵押贷款公司。由于多数公司跨州经营，而州监管受资源限制，通常不实施全面例行检查，而是依据公司报告、投诉、跨机构信息及公共记录，优先检查高风险企业。检查内容与时间因公司而异，可能不覆盖全部业务环节。一旦掌握足够违规证据，即启动执法。

州监管机构仅对本州境内行为拥有管辖权，其执法记录不反映该公司在其他州的同类不当行为。此外，州监管机构不受联邦或同行以执法数量为标准的评估。有监管人员指出，认为监管会为追求执法数量而调整做法，是简化且危险的假设。

（二）执法行动集中存储库的引入

2011年，州监管机构会议（CSBS，即州监管机构的全国协会）的一个子公司——州监管登记处，开发了一个集中存储库，允许州监管机构在一个地方发布他们针对抵押贷款公司及相关个人的执法行动。该存储库的一个既定目标是“促进州监管机构之间监管执法信息的共享”。州监管登记处建议但不要求州监管机构将其执法行动发布到存储库中。这样做的监管机构都填写相同的表格，因此执法记录以标准化的格式发布。

该存储库于2011年10月向州监管机构开放，到2012年底，51个州监管机构中的35个至少在该处发布了一些他们的执法记录。没有立即在存储库中发布记录的州监管机构仍然可以访问存储库以查看其他州的执法记录。

集中存储库不仅允许州监管机构在一个界面中查看跨州的执法行动，而且每当有执法行动被上传到存储库时，它会自动向其他监管机构发送通知。在文章的讨论中，许多州监管机构在回应文章的询问时确认了存储库的好处。例如，佛罗里达州的监管机构表示，“依赖其他州将其监管行动[上传到存储库]的能力，为像佛罗里达这样的其他州提供了即时的行动通知，从而使该州能够主动而非被动地采取行动。”同样，弗吉尼亚州的监管机构表示，“其他州机构在NMLS中发布的监管行动可能会让文章注意到一个问题或新兴风险，否则这个问题或风险直到文章对机构进行检查时才会被发现。”

文章研究背景的一个独特之处在于，所有州的执法记录在存储库引入之前就已经对州监管机构可用。绝大多数州监管机构通过其网站公开其记录；少数没有这样做的州仍然应要求（根据全国合作协议）向其他州监管机构提供其记录。这一特点使文章的背景与先前文献中研究的情境有所不同。例如，Silvers (2020, 2021) 研究了一个全球背景下的监管合作，其中监管机构通过某些信息共享协议获得了以前无法获取的新信息。因此，文章可以利用文章的背景来专门分离信息处理成本的影响。

即使集中存储库确实影响了监管机构，它也可能不会增加后续执法行动的可能性。例如，一个州发布在存储库中的执法行动可能会促使抵押贷款公司纠正其在其他州的不当行为，从而使文章预期在这些州的执法概率会降低，而非升高。最终，集中存储库是否以及如何影响抵押贷款公司的监管结果，仍然是一个有待实证研究的话题。

三、研究设计

要准确评估信息处理成本降低对监管机构的影响，最理想的研究场景是：某一类信息的处理成本意外降低，而其他同类信息的处理成本保持不变。本文研究的集中式执法记录存储库恰好提供了这样一个场景。在2012年该存储库上线时，部分监管机构不仅开始上传新的执法记录，还回溯上传了历史记录。因此，在2012年，有大量执法记录被集中录入存储库，其中既包括新发生的记录，也包含往年积存的记录。由于部分州未能及时向存储库贡献数据，或仅上传了部分历史记录，许多与已入库记录同期发生的执法行动，在2012年之后仍仅在各州官方网站上披露。综上所述，在2012年之前，监管机构获取任何其他州的执法记录均需付出高昂成本。而在2012年之后，对于未被录入存储库的记录，其获取成本依然高昂；但对于已入库的记录，其获取成本则显著降低。

文章的研究聚焦于存储库引入前后的四年时间窗口。图1展示了文章的研究设计。如图所示，文章排除了2012年，因为该年是大多数州监管机构开始向存储库上传记录的开端。图中2012年的垂直虚线代表了这项“处理”的实施时间点。因此，文章的“处理前时期”设定为2010年至2011年，“处理后时期”设定为2013年至2014年。针对每个时期，文章设定了一个为期三年的前置观察窗口，监管机构可能在此期间了解到其他州的执法记录并将其用于后续决策。具体而言：

对于处理前时期（2010-2011年），文章假设州监管机构可能获取并整合了2007年至2009年（即“处理前观察窗口”）其他州的执法记录，这可能导致其在2010年或2011年发起执法行动。对于处理后时期（2013-2014年），文章假设州监管机构可能获取并整合了2010年至2012年（即“处理后观察窗口”）其他州的执法记录，这可能导致其在2013年或2014年发起执法行动。在处理前时期，存储库尚未启用，州监管机构需以高成本获取所有近期执法记录。图1中的线A反映了此阶段执法行动的发生概率。在处理后时期，州监管机构获取已入库记录的成本降低，但获取未入库记录的成本依然高昂。线B反映了当企业的执法记录仅在各州网站披露时，处理后时期的执法概率；线C则反映了当企业的执法记录同时存在于存储库中时，处理后时期的执法概率。文章关注的核心是线B与线C之间的差距，它体现了记录被纳入存储库所带来的执法概率的增量效应。

图1 将执法记录映射到后续执法

文章的识别策略可以通过一个简例说明。假设在2011年，Rocket Mortgage和Envoy Mortgage分别在美国德克萨斯州和佛罗里达州受到了执法处罚，两州监管机构均将处罚记录公布于各自的官方网站。这两家公司同时在加利福尼亚州也有业务。2012年集中式存储库上线时，德克萨斯州监管机构将其对Rocket的执法记录上传至存储库，而佛罗里达州监管机构未上传对Envoy的记录。因此，尽管两份记录都公开可查，但存储库的建立显著降低了获取Rocket记录的成本。如果信息处理成本的降低确实提高了监管机构获取跨州记录的效率，那么加州监管机构对Rocket的审查力度应高于Envoy，进而导致Rocket在加州面临后续执法行动的概率显著增加。

文章的识别策略可能面临两个潜在问题。第一，加州监管机构可能在存储库启用前就已习惯性访问德克萨斯州（而非佛罗里达州）的执法网站，从而导致Rocket本就受到更多关注。为缓解此担忧，文章在分析中纳入了处理前观察窗口内的企业样本，因为它们在处理前时期于其他州被处罚的概率，恰好捕捉了存储库启用前各州监管机构学习其他州记录的程度。第二，加州监管机构对Rocket的严格审查可能源于公司间的固有差异。为此，文章引入了公司×州固定效应，以控制加州监管机构对Rocket和Envoy存在的任何预先关注差异。

文章使用公司-州-年份面板数据，估计以下OLS回归模型：

其中i表示抵押贷款公司，s代表州份，t指年度，w对应前后观察期前的观测窗口。由于文章控制了大量固定效应，因此采用普通最小二乘模型（OLS）而非logit模型进行分析，这一做法遵循Breuer和deHaan（2024）以及Dou等人（2018）的研究路径。观测单位为企业-州份-年份组合。Enforcementi，s，t是一个指标变量，当企业i在州份s于年度t被处罚时取值为1。文章通过执法行为推断监管机构的私人监督活动，这与金融监管领域的既有文献观点一致。Repositoryi，=s，w表示企业在后观察窗口期（即2010至2012年）内，在其2012年上线的中央存储库中发布的、除州份s外的其他州份执法记录数量。根据构造，此变量对于前一期间的观测值为0，对于后一期间的观测值可以是正数也可以为0，具体取决于记录是在存储库中还是仅在状态网站上发布。Recordsi，s，w表示企业在观察窗口w期间在州s之外的其他州留有执法记录的数量，无论这些记录仅发布在州政府网站还是同时存放在公共存储库中。前时期（后时期）的观察窗口w设定为2007至2009年(2010至2012年）。Recordsi，s，w表示企业在观察窗口w期间在州s留有执法记录的数量，不考虑这些记录的披露渠道。

自主监管体系中，记录系统应完整呈现这种信息溢出效应。由于集中化存储库中的执法记录仅涵盖部分执法行动，该系统能有效捕捉将执法信息集中公示相较于仅在各州官网披露所产生的增量效应。当集中化存储库向监管部门通报某企业在其他州的违规行为时，该企业面临处罚的概率将显著提升，因此文章预期参数β1应为正值。与传统DID设计不同，本研究采用连续变量而非指示变量作为核心变量，因为企业可能在过去三年内被多个州处罚，且集中化存储库中可同时收录多条执法记录。这种设计方式与DiD设计的连续处理方式类似，详见DeFond和Lennox（2017）和Stuber和Hogan（2021）的研究。文章的研究设计在解释变量设定和固定效应构建方面与aghunandan and Ruchti (2024) 的模型存在相似性。具体而言，两者的模型均包含其他州的既往执法行为、同一州内的既往执法行为以及企业×州固定效应来预测后续执法行为。但与他们的模型不同，文章特别设置了监管机构信息处理成本的冲击变量——即集中式执法存储库的引入。为此，文章在模型中新增了一个解释变量“Repository”，这也是文章关注的核心变量。

为了测试集中式存储库对信用供应的影响，文章使用贷款申请级别的数据集估计以下方程：

四、数据

本研究构建了2007–2014年间美国各州针对抵押贷款公司发布的执法行动样本。在51个司法管辖区中，5个州未在线公开执法记录：通过《信息自由法》请求获取了爱荷华与堪萨斯两州记录；特拉华与北达科他州依法禁止公开；怀俄明州未有相关执法行动。最终样本覆盖47个州及哥伦比亚特区。研究抓取各州监管网站公布的执法记录，对存在双监管机构的州（如得克萨斯与加利福尼亚）予以合并，并人工排除了非抵押贷款公司相关的执法内容。

研究中，执法记录同时作为监管的输入与产出变量。处理前时期（2010–2011年）假设监管机构可获取2007–2009年他州执法信息；处理后时期（2013–2014年）则假设其可获取2010–2012年信息。因此，样本公司需在2007–2012年间至少受到一次执法。为排除跨州协同执法对相关性的干扰，研究剔除了3起此类案件，最终得到针对3,123家公司的4,611项执法行动。

进一步地，研究从NMLS数据库获取这些公司的州级许可历史，构建公司–州–年份面板数据，分析执法记录发布后公司在其他州再次遭受执法的可能性。在控制公司–州固定效应后，剔除仅出现在单一时期的观测，最终分析样本涵盖34,432个观测值，对应2007–2012年间1,102家公司的1,625项执法记录。研究最后将这1,625项记录与集中存储库匹配，识别出362项于2012年录入存储库的执法记录作为处理组（信息成本降低），其余1,263项作为控制组。表1汇报了样本的描述性统计。

表1 描述性统计       

 五、其他结果

（一）中央资料档案库对后续执行活动的影响

文章在表2中展示了公司-州-年份样本的描述性统计。数据显示，样本中有2.6%的公司-州-年组合曾受到执法行动影响。记录数（Records i=s，w）的平均值为1.07，这意味着每个时期前的观察窗口期内，平均每个公司-州组合会在其他州留下1.07条执法记录。存储库数（Repository i=s，w）的平均值为0.22，则表明当中央存储库启动时，平均每个公司-州组合会向该平台提交0.22条来自其他州的执法记录。

为分析集中式监管存储库对后续执法行动的影响，文章通过建立方程(1)和(2)进行测算，并将结果展示在表2中。研究发现，Repositoryi=s，w的系数均为正值且具有统计学意义。系数绝对值为0.011表明：当某企业在集中式监管存储库中提交执法记录后，该企业未来两年内被其他州级监管部门处罚的概率平均上升1.1个百分点，相当于无条件均值（即2.6%）的42%。

表2 集中式监管存储库对后续实施的影响

关于控制变量，文章发现第(1)列中“Recordsi=s，w”的系数显著为正，但在第(2)列中却失去统计学意义。这表明各州监管机构有时可能从其他州官网获取执法记录。值得注意的是，第(2)列中“Recordsi，s，w”的系数在两列均呈现显著负值，意味着企业若曾被某州处罚，其在该州再次受罚的概率将大幅降低。文章进行了若干项稳健性测试。首先，文章假设三个基于记录的变量具有三年的观测窗口(Repository i，=s，w，Records i，在主测试中，文章采用了s，w和记录变量（i，s，w）。在此次稳健性测试中，文章分别采用两年和四年作为替代观察窗口对这些变量进行重构。其次，文章为基于记录的变量构建了两种替代模型：首先将所有连续型记录变量转换为二元变量，这种处理方式虽然能让系数更容易解读，但无法体现“企业向监管库提交更多执法记录会吸引更多监管关注”的叠加效应；其次将连续型记录变量转换为对数形式，这样能更准确反映“向中央监管库提交额外记录时边际递减效应”。通过未列于表格中的结果分析发现，使用这些替代模型时文章的研究结论依然成立。

第三，文章筛选出所有涉及媒体曝光的执法记录。这类执法行动可能引发消费者反应，促使他们督促监管部门对涉事企业展开审查。根据既有研究，文章在每项执法行动前后+180天（-3天）的时间窗口内，检索了Factiva和Access news存储库中与涉事企业相关的新闻报道。文章试图确定这些执法记录是否涵盖了州监管机构的执法行动。研究发现，仅有4.6%的执法记录被媒体报道所涵盖。在未汇总结果中，文章发现即使排除这些记录，研究结论依然稳健可靠，这表明文章的研究结果并非受消费者对州执法记录的认知程度影响。

（二）这些发现是由存储库上发布的记录驱动的，还是由存储库本身驱动的？

一个潜在的担忧是，各州监管机构选择公开哪些记录可能并非随机决定，因此文章的主要发现可能更多源于存储库中公开的记录本身，而非存储库系统的设计。不过这种担忧其实不太可能成立——在回应文章联系时，各州监管机构明确表示：他们并未对公开执法行动进行战略规划，且2012年未将所有历史执法记录纳入存储库主要是由于人手不足。尽管如此，文章仍进行了以下验证以消除这种疑虑。

（三）什么记录更有可能被发布到存储库中？

从概念上讲，自然会引起其他州监管机构注意的执法行动可能是严重的。因此，文章首先检查是否更有可能将严格的执法记录发布到中央存储库中。

文章采用四个变量来衡量执法行动的严重程度。第一个指标是违规行为涉及的类别数量（即违规类型数量）。针对多种违规行为的执法行动通常处罚更重。为统计抵押贷款公司被处罚的具体原因，文章对每份执法记录进行了人工核查。第二个指标是执法记录的字数长度（即文件篇幅）。字数越多可能意味着发现的问题更多，或监管机构要求采取的整改措施更全面。第三个指标是监管机构开出的罚款金额（即罚金数额）。罚款金额越高，处罚力度通常越大。第四个指标是抵押贷款公司是否被吊销或撤销州级经营许可证（即吊销执照）。吊销或撤销执照堪称最严厉的非金钱处罚，因其直接禁止该公司在该州开展业务。

文章建立了一个存储库模型（其他情况记为0），通过运行logit回归模型后，将回归分析结果展示在表3的A面板中。研究发现，存储库中的违规记录与三项严重性指标（违规事由数量、文档长度及罚款金额）之间均不存在显著关联。虽然违规记录被上传至存储库与许可证撤销之间存在微弱关联，但这表明较轻的违规行为（即未涉及许可证撤销的执法记录）更可能被上传至存储库。总体而言，文章未能找到证据证明集中式存储库中的违规记录严重程度低于未上传记录。

（四）使用预周期的伪造测试

文章假设中央存储库于2010年而非2012年启动，因此将2011年（即存储库实际启动前一年）设为伪后时期，2009年设为伪前时期。对于每个时期，文章假定监管机构有两年的前置窗口期来了解其他州的执法记录。这意味着伪前时期（伪后时期）的观察窗口期为2007—2008年（2009—2010年）。

文章采用伪样本周期对方程(2)进行重新估算，并将结果展示在表3 B面板中。研究发现，集中式存储库中Repository Pseudoi=s，w的系数在统计上不显著，这表明相较于未发布的记录，集中式存储库中发布的记录在前时期内并未显示出后续执法行动可能性的递增趋势。这些结果验证了DiD设计所基于的平行趋势假设，进一步支持文章的核心结论——主要研究发现源于集中式存储库本身的特性，而非监管机构选择发布哪些前时期记录所致。

表3 些发现是由存储库中发布的记录驱动的，还是由存储库本身驱动的？

  （五）这些发现是由CFPB的信息共享驱动的吗？

为排除消费者金融保护局（CFPB）同期活动这一替代解释，文章从多角度进行了论证。鉴于CFPB的信息共享机制具有全国性，研究设计的差分模型足以吸收其影响。同时，州×年度固定效应也能将其与存储库的特定效应区分。进一步的稳健性检验显示，即使在样本中剔除所有与CFPB相关的贷款机构，核心结论依然稳健。最后，文章通过预测模型发现，CFPB的关注度无法解释研究结果，据此推断CFPB效应并非主要驱动因素。

表4 这些发现是否源于CFPB的信息共享？

六、机制

（一）“什么是处理”——信息

有些信息比其他信息获取成本更高。一些州的监管机构会公布一份单独的清单。通过在网站上公示针对抵押贷款公司的执法行动，其他监管机构可以相对容易地获取这些记录（即使这些记录未被上传至中央存储库）。相比之下，各州监管机构会将针对抵押贷款公司的执法行动与其他类型企业（如发薪日贷款机构）的行动合并处理。要想区分各州针对抵押贷款公司与其他实体的执法行动，监管机构必须逐条查阅所有执法记录，这将大幅增加信息处理成本。由于中央存储库采用标准化披露格式，获取记录的成本降低幅度应该会更大。

为了验证文章的预测，文章根据差异对集中式存储库中发布的执行记录进行划分。

从州政府网站获取这些记录的能力。具体来说，文章将州政府网站归类为“低信息”，若某网站单独列出抵押贷款公司的执法记录，或汇总所有执法行动但按类型标注实体，则将其归类为“高信息处理成本”。具体标准为：(1)汇总所有执法行动却不标注实体类型；(2)未直接披露执法行动内容。在文章样本涵盖的48个州中，26个属于“低信息处理成本”，22个属于“高信息处理成本”。基于此，文章将存储库变量划分为高成本型和低成本型。为保持分类一致性，记录变量也相应细分为高成本型和低成本型。

在表5中文章发现，“高成本记录库”和“低成本记录库”的系数均呈现显著正值。这两个变量之间的差异具有统计学意义（F值= 7.47，p值< 0.01)，这表明集中式记录库对后续执法行动的影响，在那些政府网站信息处理难度较高的州份中更为显著。

表5 中央存储库对后续记录执行的影响及其存储前处理成本

此外，“低成本记录”的系数为显著正向，而“高成本记录”的系数则无显著性，这说明州级监管部门更倾向于从信息处理成本较低的政府网站获取更多记录，而非从信息处理成本较高的政府网站获取。

（二）“谁处理它”——监管机构

影响信息处理成本的第二个关键因素，在于监管机构的信息处理能力存在差异。换言之，由于资源限制，不同监管机构处理相同信息的成本可能大相径庭。那些资源有限的监管机构往往缺乏对所监管企业的充分了解，因此文章预计它们将更受益于集中式存储库的建设。

文章通过各州抵押贷款检查员与受监管抵押贷款公司数量的比率来衡量监管机构的资源约束。较低的检查员与公司比例表明存在更高的人员短缺风险。2021年，文章对样本中的全部48个州监管机构进行了调查，了解其部门内抵押贷款检查员人数，共收到35个州的回复。剩余13个州中，文章通过州政府官网获取了其中5个州的相关数据，因此本次分析最终样本涵盖40个州（占全美48个州监管机构的83%）。文章将样本进一步划分为两个子集：一个位于中位数州监管机构与企业审查员比例之上，另一个则低于该中位数。针对每个子集分别估算方程(2)并将结果汇总于表6。研究发现，无论是监管机构审查员与企业比例较低还是较高的州，其“仓储系统”变量的系数均呈现显著正值。两组子集间的“仓储系统”系数差异具有统计学意义（x 2 = 8.07，p值< 0.01），这表明集中式仓储系统对资源相对匮乏的州更具价值。

表6 集中式存储库对监管机构后续执法的影响及其资源限制

（三）监管机构是否免费利用存储库中的记录？

根据现有研究，监管机构倾向于重点审查执法记录已录入中央存储库的抵押贷款公司。这引发了监管“搭便车”的担忧——即监管者可能直接沿用他州调查结论，而非独立深入核查。

为验证此问题，文章通过关联企业2013–2014年间在某一州的执法行动与2010–2012年间存储库中来自他州的记录，识别出97项后续执法与早期存储库记录相关。若存在“搭便车”行为，后续执法理由应与早期记录相同或部分重叠。然而，数据显示86%（83/97）的后续执法包含早期记录未涵盖的不当行为类型，表明监管机构普遍开展了额外调查，并未简单套用既有结论。

  此外，若存储库启动后监管更关注高利润模式企业，该类企业执法比例应在2012年后上升。但如图2所示，尽管统计不显著（p=0.24），相关执法比例实际呈下降趋势，说明监管并未因存储库而强化对这类企业的审查。

图2 针对超限企业采取的执法行动

当前研究显示，监管存储库带来的额外资源主要用于增强信息获取，而非单纯聚焦高利润企业。降低信息成本并未释放资源以处理其他任务，而是促使监管机构将原有资源投入到更广泛的信息收集中，表现为更多地利用他州执法记录，并对高利润企业开展更全面的调查。

这些额外信息有助于监管机构更有效地分配注意力，尤其是转向那些在他州已有违规记录、可能在本州也存在问题的高利润企业，从而提升监管精准性。

图2同时展示了样本中针对广泛利润模式企业的执法比例变化。进一步地，在经济衰退期间的分组分析发现，资源较少的监管机构在利用存储库信息后，对高利润企业的执法关注显著提升（p值显著降低），而资源充足机构的变化不显著。这表明资源有限的监管者更依赖存储库信息来优化监管重点，与表6的横截面结果一致，即资源较少地区从监管存储库中获益更大。

（四）集中式存储库对抵押贷款机构的影响

本节探讨集中化抵押贷款存储库是否对金融机构产生实质性影响。研究表明，该平台显著降低了监管机构的信息处理成本，促使其对被列入存储库的企业加强审查。鉴于危机后抵押贷款公司的扩张多与监管松绑有关（Ackerman 2019；Marte 2018），本文提出：若企业预期存储库中的处罚记录将引发更严格审查，则可能主动减少在未受处罚州的信贷发放。

为验证该假设，文章从《住房抵押贷款披露法案》中获取贷款申请数据，并与样本中的抵押贷款机构进行匹配。样本限定为具有批准或拒绝决定、贷款金额超过1000美元、借款人年收入高于1万美元的申请，并排除了少数无抵押权贷款及《房屋所有权与权益保护法》涵盖贷款。同时，要求每个贷款机构—州—年份组合至少收到100份申请，且仅保留在前、后两期均有记录的平衡样本，最终得到来自242家抵押贷款公司的6,743,140份申请。

表7面板A显示，样本中贷款机构平均批准率为78%，借款人年均收入为9.5万美元，平均贷款金额为21.1万美元。面板B的回归结果显示，“执法记录库”变量的系数显著为负（-2.5%，t=2.33），表明每在中央存储库多公示一条执法记录，该机构在其他州的贷款批准率下降2.5%，相当于无条件均值的3%。该幅度与基于大样本的既有研究相符。

表7 集中存储库对信贷供给的影响

信贷供给的减少未必必然导致社会福利损失。为评估其在本研究情境下的影响，文章重点考察信贷供给减少是否对高风险贷款的影响更为显著。文章采用贷款收入比衡量借贷风险程度——该比率越高表明风险承担行为越明显。根据贷款收入比中位数值将申请样本划分为两个子样本，并分别对每个子样本运行方程(3)。表8数据显示，无论是高风险还是低风险借款人，其“信用存储库”变量的系数均呈现显著负值。两个子样本间的系数差异具有统计学意义（卡方检验x² = 4.49，p值< 0.05)，这表明当贷款机构的催收记录被录入中央信用存储库后，放贷机构会更大幅度地缩减高风险贷款的信贷供给。

表8 集中存储库对贷款风险的信贷供给的影响

此外，文章还通过将样本划分为执法力度低与高两个州进行横断面分析。该研究基于一个核心假设：信贷供给减少若能遏制过度冒险行为，将提升社会福利——而这种风险在执法宽松的州份更容易发生。文章将信贷供给比例高于（低于）中位数的州划为高执法州（低执法州）。未统计结果表明，在过度冒险更易发生的低执法州，信贷供给降幅更为显著。两组间信用供给减少对储贷机构的影响系数差异具有统计学意义（p值= 0.10)。总体而言，这些研究结果支持了“通过限制风险行为来缩减信贷供给，可能有效提升社会福利”这一观点。

七、结论

据文章所知，本研究首次系统探讨了信息处理成本对监管机构的影响。通过引入集中式数据存储库这一降低信息处理成本的创新机制，文章发现存入该平台的记录更易被其他州级监管部门调用，并进而影响其监管决策。研究还表明，由于监管机构信息处理成本的降低引发的严格审查，促使贷款机构缩减信贷供给规模。

尽管文章证明各州监管机构并未相互搭便车式地执行监管，但需要说明的是，文章的研究结果并不能直接表明集中化存储库能提升监管机构对抵押贷款公司的监督效能。由于未被州级监管机构发现的违规行为本质上具有隐蔽性，文章无法准确评估监管机构在识别违规行为方面的实际成效。因此，本研究与先前会计领域的相关文献具有相似性——研究了认知与披露孰轻孰重，但无法证明哪种方式更好。

  此外，根据文章与州级监管机构的讨论，文章了解到这些机构通常会在采取执法行动前尝试解决企业的不当行为。具体而言，州级监管机构可能会先发出警告并给予企业整改期，之后会跟进确认问题是否得到解决。由于文章的数据无法量化存储库对监管机构不可观测行为及其结果的影响，因此本研究可能低估了降低监管机构信息处理成本的实际效果。

ABSTRACT

Despite private access to managers, issuer-paid credit rating agencies (CRAs) are often criticized for failing to promptly reflect material negative private information in their ratings and being ineffective corporate watchdogs. We utilize a novel dataset of private SEC investigations to examine the timeliness and informativeness of CRAs’ rating adjustments in response to material negative private information. Our evidence suggests that CRAs adjust ratings downward within a quarter following the opening of an SEC investigation. Moreover, these adjustments are over three times larger for those investigations that ultimately yield an enforcement action than for those that do not, suggesting that CRAs quickly form sophisticated expectations about the materiality of the private information. Additionally, rating downgrades during the investigations are more informative to the stock market than other rating downgrades. Overall, our evidence suggests that CRAs reduce information asymmetry in the capital markets by timely incorporating material private information in their ratings.

原文地址：https://doi.org/10.2308/TAR-2021-0560