基于因子分析法的我國P2P網(wǎng)貸平臺評級研究
李敏芳,田晨君
(湖北經(jīng)濟學院,湖北武漢430205)
摘要:P2P行業(yè)風險問題已經(jīng)引起了社會各界的關注。本文以P2P網(wǎng)貸平臺為研究對象,采用因子分析法對我國部分P2P網(wǎng)貸平臺進行研究,以確定我國P2P網(wǎng)貸平臺的信用等級,最終得到的評級結(jié)果可以作為投資者投資平臺和項目的參考,凈化行業(yè)環(huán)境,還可以為監(jiān)管提供一個思路。
關鍵詞:P2P;網(wǎng)貸平臺;因子分析;評級
P2P網(wǎng)貸自2007年被引入中國以來,呈現(xiàn)出一片欣欣向榮的繁榮景象。目前,我國P2P網(wǎng)貸發(fā)展處于“無準入門檻、無行業(yè)標準、無機構監(jiān)管”的三無狀態(tài),不少平臺存在資金實力不足、風險控制差、期限錯配、剛性兌付等問題,“跑路”事件頻發(fā),給投資者帶來一定損失,也為P2P網(wǎng)貸行業(yè)整體形象及發(fā)展帶來負面影響。2014年10月13日,中國社科院發(fā)布的《中國P2P網(wǎng)貸行業(yè)發(fā)展與評價》顯示,2013年可統(tǒng)計的P2P網(wǎng)貸平臺出現(xiàn)經(jīng)營困難、倒閉或跑路的事件高達74起,占平臺總數(shù)的11%,超過之前所有年份總和的3倍。在這種背景下,對P2P網(wǎng)貸平臺進行評級,篩選出具有可持續(xù)發(fā)展能力、能為投資者帶來穩(wěn)健回報的P2P網(wǎng)貸平臺變得緊迫和具有較強現(xiàn)實意義。
(一)網(wǎng)絡借貸信用評級制度研究
溫小霓、蔡瑞媛(2014)一再強調(diào)信用對P2P網(wǎng)絡借貸運行的重要性。指出信用限制了P2P網(wǎng)絡借貸的運行,為了提高交易過程中信息的可靠性,保障資金安全性,必須盡可能的建立P2P網(wǎng)絡借貸平臺信用體制,從而使P2P網(wǎng)絡借貸行業(yè)獲得更好地發(fā)展,為客戶提供更優(yōu)質(zhì)的服務。岳銘、張思敏、謝朝陽(2014)認為確立我國整個P2P網(wǎng)絡借貸平臺的信用評級體系是很有必要的,不僅要確立一個統(tǒng)一的評級方法,還要確立統(tǒng)一科學的評分依據(jù)和信用等級。雷艦(2014)提出P2P網(wǎng)絡借貸行業(yè)健康發(fā)展,需要對其進行監(jiān)管。
(二)金融機構信用評級方法
國外金融機構評價體系較著名的有:美國的CAMELS評價體系、意大利PATROL評價體系、英國的CAMELB.COM評價體系、新加坡的CAMELOT評價體系、ROCA評價體系。這些評價體系都針對金融機構的業(yè)務經(jīng)營、資產(chǎn)質(zhì)量、信用狀況等選定幾個指標因素,采用一整套規(guī)范化、制度化和指標化的綜合等級評價制度,將金融機構分成不同的等級。國內(nèi)外很多專業(yè)機構也對金融機構進行信用評級,如美國標準普爾公司、穆迪投資服務公司、惠譽國際信用評級有限公司以及我國的大公國際資信評估有限公司等。
張寧(2012)將常用的信用評級模型分為綜合評分模型和等級預測模型兩類。其中,綜合評分模型包括專家系統(tǒng)模型(Expert systems)、區(qū)別分析(Discriminate Analysis,DA)、線性概率模型、二元概率模型、二元羅吉斯模型以及類神經(jīng)網(wǎng)絡模型;等級預測模型包括多元區(qū)別分析(Multiple discriminate Analysis,MDA)、羅吉斯模型、概率模型和倒傳遞類神經(jīng)網(wǎng)絡模型。
(三)金融機構信用評級的實證研究
近年來,國外學者對于網(wǎng)絡借貸的研究集中于P2P網(wǎng)絡借貸平臺,大多為實證研究,實證所用數(shù)據(jù)來源于Proper平臺。最近一兩年受美國學者研究的影響,國內(nèi)學者開始從P2P借貸平臺的內(nèi)部視角,通過實證分析研究P2P網(wǎng)絡借貸行為。郭奕(2011)用拍拍貸上2008年8月25日至2010年5月15日的交易數(shù)據(jù),分別以借款列表的完成比例和借款人的借款利率作為因變量,以借款人的信用等級、歷史借款成功次數(shù)與歷史流標次數(shù)、借貸金額、借款期限以及借款利率等作為自變量進行了研究。李佳文(2011)采用調(diào)查問卷和案例分析的方式,研究了P2P網(wǎng)絡借貸影響借貸行為的因素。席升陽,趙陽(2009)采用基于AHP法的模糊綜合評判法構建信用擔保機構綜合實力及社會作用的評價體系,最后運用此模型對某家融資擔保公司進行分析。張寧(2012)構建了我國壽險公司信用評級指標體系,其中一級指標有11個,包括6個定性指標和5個定量指標,二級指標有43個,運用因子分析法對定量指標進行研究,并運用層次分析法和模糊綜合評判方法對定性指標進行分析,最后綜合定性和定量分析結(jié)果,確定綜合得分和信用等級。
綜上所述,國際上對P2P網(wǎng)絡借貸信用評級的研究向定量模型化發(fā)展,但是考慮到其研究數(shù)據(jù)主要是基于Prosper平臺的披露,研究的美國網(wǎng)絡借貸,不能通過拿來主義直接套用在中國消費者身上。和國外學者相比,國內(nèi)學者在這方面的研究具有滯后性。國內(nèi)學者的研究集中于P2P網(wǎng)貸平臺運行當中存在的問題,強調(diào)P2P網(wǎng)絡借貸信用評級的重要性,對于具體該怎么對網(wǎng)貸平臺進行評級尚未涉及,沒有建立符合我國網(wǎng)絡借貸平臺實際情況的評級方法、指標體系和評級制度實現(xiàn)機制。因此,本文希望在理論研究的基礎上,找到影響P2P網(wǎng)貸平臺評級的因素,并結(jié)合P2P網(wǎng)貸平臺的真實數(shù)據(jù)運用因子分析方法對我國部分P2P網(wǎng)貸平臺進行評級。
(一)指標的選取
本文通過查閱大量相關文獻資料及分析相關研究成果,
篩選出了10個指標來對我國P2P網(wǎng)絡借貸平臺進行評級。這些指標包括:平均利率、月成交量、品牌、平均周期、信息透明、月投資人、月借款人、人均借款、服務、成交增長。
1.平均利率
平均收益水平直接影響了投資者投資的金額和積極性。
2.月成交量(單位萬)
網(wǎng)站本月發(fā)生的總成交額:普通標成交額,去除凈值、秒標等水分。
3.品牌認知
網(wǎng)站的商標價值、企業(yè)實力、行業(yè)影響力、口碑等綜合因素。
4.平均借款周期(單位月)
平均借款周期越長的網(wǎng)站,資金鎖定相對穩(wěn)定,網(wǎng)站安全性也就更高一些,反之借款周期越短的網(wǎng)站,只要發(fā)生小動蕩也非常容易因為部分投資人暫時撤資避險而產(chǎn)生蝴蝶效應,瞬間引發(fā)擠兌崩潰。
5.信息透明度
這個項目是指一個網(wǎng)站對于交易數(shù)據(jù)的公開性、標的真實性、是否有官方偽造信息自融資嫌疑、是否有更多投資人曾經(jīng)考察等和透明度真實性相關的考量。
6.月活躍投資人
指本月發(fā)生過投資行為的投資人數(shù),這個人數(shù)越高,則網(wǎng)站發(fā)生擠兌風險極端風險越小。
7.月活躍借款人
指本月發(fā)生過借款行為的借款人數(shù),這個人數(shù)越高,則網(wǎng)站個別借款人發(fā)生壞賬時,造成的系統(tǒng)性風險越小。
8.人均借款額(單位萬)
指本網(wǎng)站借款人的人均借款額,這個數(shù)據(jù)越小越好,說明借款需求分散,個別借款人發(fā)生壞賬時,造成的系統(tǒng)性風險越小。
9.服務品質(zhì)
網(wǎng)貸作為一個網(wǎng)絡產(chǎn)品,服務品質(zhì)非常重要,直接影響用戶體驗。服務品質(zhì)參考內(nèi)容有:網(wǎng)站功能的便利性,是否模版網(wǎng)站和技術安全性,客服服務態(tài)度,官方QQ群服務,提現(xiàn)速度,提現(xiàn)費用,是否與用戶有溝通聽取建議等。
10.成交增長
成交增長=(本月成交額-過去3個月成交的平均數(shù))/過去3個月成交的平均數(shù)
表1:31家P2P網(wǎng)貸平臺原始數(shù)據(jù)
(二)數(shù)據(jù)的來源
本文的數(shù)據(jù)來自于《網(wǎng)貸天眼》,隨著對我國P2P網(wǎng)貸平臺數(shù)據(jù)的收集和考察情況的深入,《網(wǎng)貸天眼》每個月統(tǒng)計的平臺個數(shù)在逐步增加,2014年7月網(wǎng)貸平臺統(tǒng)計了數(shù)據(jù)相對完整的31家P2P平臺,數(shù)據(jù)如表1所示。
(一)因子分析法簡介
因子分析又名因素分析法,是在心理學的研究中建立和發(fā)展起來的。因子分析試圖通過用最少個數(shù)的不可觀察的變量(公共因子)來說明出現(xiàn)在可觀察的變量中的相關模型。即通過考察每一個變量能否由最少個數(shù)的不可觀察的公共因子和特殊因子的線性組合來構成。數(shù)學建模中常用來做數(shù)據(jù)壓縮、系統(tǒng)評估、加權評估分析等。本文就用因子分析來對中國P2P網(wǎng)絡借貸平臺進行綜合評價,從所選取的指標中提取公共因子,并通過與主成分分析類似的方法給公共因子賦予權重,根據(jù)權重計算綜合得分,從而對我國P2P網(wǎng)絡借貸平臺排名,并進行評級。
(二)因子分析的運用
1.對數(shù)據(jù)進行標準化處理
變量之間的不同單位將會對因子分析的準確性造成影響,因此我們需要對數(shù)據(jù)進行標準化處理,從而得到無量綱數(shù)據(jù)以消除不同單位對數(shù)據(jù)造成的影響。首先運用SPSS19.0對31家P2P網(wǎng)貸平臺的數(shù)據(jù)進行標準化處理。
2.檢驗是否適合做因子分析
在使用因子分析之前需要測試各指標之間是否存在一定的相關性。表2給出了KMO和Bartlett’s Test的檢驗結(jié)果,其中KMO值越接近1表示越適合做因子分析,從上表可以得到KMO的值為0.663,比較適合做因子分析。Bartlett球形檢驗的Sig值為0.000小于顯著水平0.05,拒絕原假設,表明變量之間存在相關關系,適合做因子分析。
表2:KMO和Bartlett的檢驗
表3給出了每個變量共同度的結(jié)果。變量的共同度越接近1,說明被變量公共因子解釋的程度越高,因子分析的效果越好。從表可以得到,除了“成交增長”變量外其他變量的共同度都非常高,說明因子分析的結(jié)果是有效地。
表3:變量共同度表
3.估計因子載荷矩陣
估計因子載荷矩陣是因子分析的核心,因子載荷矩陣的估計方法有多種。最常用的方法之一是主成分法:求解變量的前幾個主成分,進行簡單的數(shù)學變換就可以得到因子載荷矩陣。與主成分分析類似,可以根據(jù)因子的累計貢獻率確定因子的個數(shù)。
表4:解釋的總方差
表4給出了因子貢獻率的結(jié)果。根據(jù)上表,只有前三個因子的特征值大于1,并且前3個因子的貢獻率為84.62%,故提取前三個因子作為主因子。
4.因子旋轉(zhuǎn)
表5給出了旋轉(zhuǎn)后的因子載荷值,其中旋轉(zhuǎn)方法是Kaiser標準化的正交旋轉(zhuǎn)法,旋轉(zhuǎn)在5次迭代后收斂。通過因子旋轉(zhuǎn),各個因子有比較明確的經(jīng)濟含義。
表5:旋轉(zhuǎn)成份矩陣
表6給出了成分得分系數(shù)矩陣,從表中可以知道每個因子得分的計算公式中各個變量的權重。
表6:成份得分系數(shù)矩陣
5.計算三大公共因子的得分
公共因子1的得分函數(shù)為:F1=-0.066標準化后的平均利率+0.218標準化后的月成交量+0.255標準化后的品牌+ 0.219標準化后的平均周期+0.062標準化后的信息透明+ 0.245標準化后的月投資人+0.144標準化后的月借款人-0.06標準化后的人均借款-0.034標準化后的服務+0.15標準化后的成交增長。
同理可以得到公共因子2、公共因子3的得分函數(shù),將數(shù)據(jù)帶入函數(shù)計算,可以得到表7的結(jié)果。
表7:三大公共因子得分表
6.計算綜合因子得分
(三)我國P2P網(wǎng)貸平臺的評級
計算綜合得分后,將各受評P2P網(wǎng)貸平臺的綜合得分視為正態(tài)分布以評比其等級,利用正態(tài)分布平均數(shù)μ及標準差σ,按正態(tài)分布五等分級距法,將P2P網(wǎng)貸平臺劃分為AAA、AA、A、B、C五個等級,等級區(qū)分標準如表8所示。
表8:正態(tài)分布等級區(qū)分標準表
按照表8的標準,可以得到P2P網(wǎng)貸平臺的等級,結(jié)果如表9所示。
表9:P2P網(wǎng)貸平臺綜合得分與等級
從上表可以看出,20家P2P網(wǎng)貸平臺的綜合實力評級均在A級以上,其中有3家達到AAA級,分別是愛投資、有利網(wǎng)、紅嶺創(chuàng)投;4家達到AA級,分別是微貸、人人貸、愛錢幫、積木盒子;13家達到A級,分別是團貸、一起好、365易貸、投哪網(wǎng)、翼龍貸、口貸網(wǎng)、國誠金融、匯通易貸、融金所、和信貸、808信貸、E速貸、四達投資。也有6家P2P網(wǎng)貸平臺的評級為B,分別是易融恒信、廣信貸、拍拍貸、安心貸、人人聚財、玖瓏財富,還有5家P2P網(wǎng)貸平臺的評級為C,分別是丁丁貸、暢貸網(wǎng)、草根新貸、開心貸、熱貸。
(一)為投資者提供參考
2014年至今,P2P行業(yè)的各類問題非常多,尤其是前段時間里外貸非法吸儲9億元跑路,盛融在線出現(xiàn)近4億元的擠兌危機,這些問題不僅讓投資者承受重大損失,也動搖了部分投資者的信心,對整個P2P行業(yè)的健康發(fā)展產(chǎn)生了負面影響。本文對P2P網(wǎng)貸平臺進行評級的過程中,系統(tǒng)分析了P2P網(wǎng)貸平臺的風險控制能力和經(jīng)營狀況,最終得到的評級結(jié)果可以作為投資者投資平臺和項目的參考,以增加投資收益,降低損失,增強對P2P行業(yè)的信心。投資者在投資平臺和項目時,可以著重考慮下愛投資、有利網(wǎng)和紅嶺創(chuàng)投這三個平臺。
(二)凈化行業(yè)環(huán)境
對我國P2P網(wǎng)絡借貸平臺進行評級,可以對當前P2P行業(yè)產(chǎn)生“凈化”作用。評級結(jié)果將不同P2P平臺進行優(yōu)劣比較,將加速P2P行業(yè)的優(yōu)勝劣汰,最終促進我國P2P行業(yè)的健康發(fā)展。
(三)為監(jiān)管提供思路
評級的結(jié)果,從一個側(cè)面說明了P2P平臺的綜合實力、可持續(xù)發(fā)展能力和風控準備能力。評級既能在一定程度上向投資者提示風險,同時又能為監(jiān)管部門和行業(yè)組織提供參考。在監(jiān)管方向未明的情況下,對平臺進行評級,可以為日后的監(jiān)管提供一個思路,并且有可能成為行業(yè)未來發(fā)展的主流方向。
參考文獻:
[1]蔡瑞媛,溫小霓.現(xiàn)代信用借貸的創(chuàng)新模式:P2P網(wǎng)絡借貸平臺[A].中國軟科學研究會.第九屆中國軟科學學術年會論文集(下冊)[C].中國軟科學研究會,2013.5.
[2]岳銘,張思敏,謝朝陽.我國P2P網(wǎng)絡借貸平臺的信用評級問題探討[J].商業(yè)時代,2014.
[3]雷艦.我國P2P網(wǎng)貸行業(yè)發(fā)展現(xiàn)狀、問題及監(jiān)管對策[J].國際金融,2014,(8).
[4]張寧.我國壽險公司信用評級制度研究[D].湖南大學,2012.
[5]Puro,L.,J.Teich,H.WL.Puro,J.Teich,H.Wallenius,andJ.Wallenius,2010,“Borrower Decision Aid for People to People Lending”,Decision Support Systems,49(1):52-60.
[6]郭奕.P2P網(wǎng)絡借貸市場的融資成本與融資可獲得性研究[D].西南財經(jīng)大學,2011.
[7]李佳文.基于P2P借貸網(wǎng)站的借貸行為影響因素分析[D].對外經(jīng)濟貿(mào)易大學,2011.
[8]席升陽,趙陽.模糊綜合評判信用擔保機構評價體系[J].創(chuàng)新科技,2009,(8).