王妍茹

（成都實(shí)驗(yàn)外國語學(xué)校（西區(qū)）,四川 成都 610000）

一、引言

在科技迅速發(fā)展的今天，金融方式不斷創(chuàng)新，出現(xiàn)了以P2P、第三方支付等為核心的互聯(lián)網(wǎng)金融。P2P（peer-to-peer leading），是一種將小額資金聚集起來借貸給有資金需求人群的一種民間小額借貸模式。截止2017年12月，我國P2P借貸行業(yè)正常運(yùn)行網(wǎng)絡(luò)平臺數(shù)量就為1931家，而以美國Leading Club公司為例，其用戶就超過了240萬P2P網(wǎng)絡(luò)信貸作為一種信貸業(yè)務(wù)，加之P2P網(wǎng)絡(luò)信貸公司規(guī)模普遍偏小，其風(fēng)險管理能力相較傳統(tǒng)商業(yè)銀行較低，且多數(shù)未建立自己的信用風(fēng)險評估模型。

二、我國P2P網(wǎng)絡(luò)信貸存在的主要問題

（一）行業(yè)監(jiān)管缺失

P2P網(wǎng)絡(luò)借貸行業(yè)存在的行業(yè)監(jiān)管缺失這一問題長時期存在。2018年6月至七月26日以來的50多天里，全國已有160多家網(wǎng)貸平臺出現(xiàn)提現(xiàn)困難、老板跑路等問題。對于投資者而言，接觸到網(wǎng)貸平臺輕而易舉，同時投資者對于網(wǎng)貸平臺的了解常常僅來自網(wǎng)絡(luò)，難以對平臺的可信度作出準(zhǔn)確切實(shí)的判斷。若缺乏行業(yè)監(jiān)管，投資者將會成為直面這一風(fēng)險的人群。

（二）行業(yè)法律環(huán)境不成熟，缺乏權(quán)益保護(hù)制度

互聯(lián)網(wǎng)金融作為新興的一種金融模式，我國未有已有針對P2P網(wǎng)貸的法律條款和權(quán)益保護(hù)制度，僅有一些自發(fā)組織的行業(yè)自律協(xié)會。對于與P2P網(wǎng)絡(luò)借貸相關(guān)的違法案件的約束能力不足，同時不足以對違法者產(chǎn)生警示作用且不具有強(qiáng)制性，關(guān)鍵還在于平臺及企業(yè)個人的約束能力。

（三）P2P網(wǎng)絡(luò)借貸平臺整體風(fēng)險控制水平亟待提高

P2P網(wǎng)絡(luò)借貸平臺運(yùn)營能力不一，P2P網(wǎng)絡(luò)借貸行業(yè)雖是新興行業(yè)，但是對于平臺的運(yùn)營能力和風(fēng)險控制能力的要求不比傳統(tǒng)的金融機(jī)構(gòu)低，不僅僅是單純的成立一個網(wǎng)絡(luò)平臺。近年來，大量的P2P網(wǎng)絡(luò)平臺新建，在大量的P2P網(wǎng)貸平臺中，勢必出現(xiàn)質(zhì)量層次不齊的現(xiàn)象，甚至出現(xiàn)部分以騙取投資者資金為目的的網(wǎng)貸平臺，而同時，行業(yè)監(jiān)管的缺失，使這一現(xiàn)象無法得到有力的控制。

三、P2P網(wǎng)絡(luò)借貸信用風(fēng)險

P2P網(wǎng)絡(luò)借貸平臺在運(yùn)營過程中要面對許多風(fēng)險，主要包括信用風(fēng)險、市場風(fēng)險、操作風(fēng)險和政策風(fēng)險等，其中信用風(fēng)險在眾多風(fēng)險中居于核心地位，是各個平臺的立身之本，對于信用風(fēng)險控制的好壞將直接影響平臺經(jīng)營的優(yōu)劣。

主要影響因素：一是信息不對稱。P2P網(wǎng)絡(luò)信貸的交易通過互聯(lián)網(wǎng)進(jìn)行，信息不對稱現(xiàn)象比商業(yè)銀行個人信貸更為突出，僅憑網(wǎng)絡(luò)上公布的信息，貸款人容易做出非理性的貸款決策，加大了信用風(fēng)險發(fā)生的可能性。二是個人抗風(fēng)險能力弱。債務(wù)人的經(jīng)濟(jì)情況的不確定性是個人信貸風(fēng)險的誘因。P2P網(wǎng)絡(luò)信貸屬于個人信貸的范疇，貸款的償還完全由個人承擔(dān)。與企業(yè)相比，個人的抗風(fēng)險能力較差，單一個體的消費(fèi)情況、經(jīng)營情況、身體情況等內(nèi)外部因素都可能引發(fā)信用風(fēng)險。三是P2P網(wǎng)貸平臺公司。網(wǎng)貸平臺公司作為信貸交易的組織者，對于信貸風(fēng)險的產(chǎn)生負(fù)有不可推卸的責(zé)任?，F(xiàn)在國內(nèi)許多P2P網(wǎng)貸平臺公司運(yùn)營方式都是承擔(dān)了對借款人的信用評估指責(zé)，不僅要收集借款人提交的資料信息，還要對這些信息進(jìn)行分析判斷，在網(wǎng)站上給出最終的評審結(jié)果。如果網(wǎng)貸平臺公司內(nèi)部信息控制出現(xiàn)漏洞或信貸技術(shù)有缺陷，就會加大信貸交易的風(fēng)險。

四、通過數(shù)據(jù)統(tǒng)計及相關(guān)性分析對解釋指標(biāo)進(jìn)行分析研究

（一）根據(jù)借款期限來看

根據(jù)下表的統(tǒng)計結(jié)果來看，違約率與借款期限呈明顯的負(fù)相關(guān)關(guān)系，隨著借款期限的增加，違約率逐漸降低。雖然借款期限在小于等于12個月的總計件數(shù)為最少只有11.43%，但其違約率卻高達(dá)27.82%，占違約件數(shù)的51.31%。借款期限在12-24個月（含24個月）中的違約率雖然遠(yuǎn)低于27.82%只有8.90%，但是就違約金額占比來看，超過了一半達(dá)到了54.50%，因而也是一個不可小覷的方面。但反觀借款期限大于24個月的總件數(shù)占比為54.65%，違約率卻為0.00%。結(jié)合實(shí)際分析，相同的貸款金額，當(dāng)借款期限更長時，平均到每月所要支付的貸款的本金及利息更低，借款人的還貸壓力更小，故違約風(fēng)險也更小。但仍需考慮的是，隨著借款期限的增加，借款人的不可控因素也會增加，可能會對其違約率造成影響。

表2.1 根據(jù)借款人借款的期限進(jìn)行分段統(tǒng)計結(jié)果

（二）根據(jù)借款人成功借款次數(shù)來看

根據(jù)下表的統(tǒng)計結(jié)果來看，違約率與成功借款次數(shù)有著負(fù)相關(guān)關(guān)系，即隨著成功借款次數(shù)的上升，違約率逐漸上升。由數(shù)據(jù)可知，成功借款次數(shù)為一次的總件數(shù)占比高達(dá)95.56%，也就是說大部分的借款人的借款次數(shù)都較低，雖然其違約率較低，僅為5.53%，但其違約金額高達(dá)21798100元，占比為83.31%。成功借款次數(shù)為2-5次的違約率為20.28%，而成功借款次數(shù)大于5次的違約率高達(dá)36.36%居最高。按照一般的經(jīng)驗(yàn)來看，成功借款次數(shù)越多的借款人應(yīng)違約率更低，因每一次借款都是需要平臺對其進(jìn)行重新審核及評估，然后根據(jù)事實(shí)數(shù)據(jù)得出的結(jié)論卻恰恰相反，雖然可能出現(xiàn)因成功借款次數(shù)大于5次的樣本次數(shù)過少造成不確定性及偶然性過高，但是筆者認(rèn)為，這也從某種層面上提出了一個新的問題，是否網(wǎng)貸平臺過度依賴于成功借款次數(shù)這一判定標(biāo)準(zhǔn)，而忽視了每一次成功借款前對于借款人的重新審核這一過程。因而，筆者認(rèn)為，成功借款次數(shù)這一判斷標(biāo)準(zhǔn)，不應(yīng)成為主要判斷標(biāo)準(zhǔn)。

表2.2 根據(jù)借款人成功借款次數(shù)進(jìn)行分段統(tǒng)計結(jié)果

（三）根據(jù)借款人借款的金額來看

從下表統(tǒng)計數(shù)據(jù)可以看出，借款人的借款金額和借款違約率成反向變動關(guān)系，即借款人的借款金額越高，借款違約率越低。借款人借款金額在0-10000元之間的違約率占39.39%，與其它情況相比為最高，違約件數(shù)占比也為74.96%，但是因其借款金額較低，其違約金占比僅為7.79%。反映出借款金額在0-10000元之間的借款人違約風(fēng)險極高，但是違約造成的損失較低；借款人借款金額在50001-100000元之間的借款人的違約率僅為0.5%，相較借款金額在50000元以下的情況來看，違約率大大降低，但是因其借款金額大因而其違約金占比達(dá)10.77%，超過了借款金額在0-10000元之間的7.79%。值得注意的是借款金額在10001-50000元之間的借款人的違約金占比為79.02%，違約件占比為74.96%，遠(yuǎn)超總件數(shù)占比。從實(shí)際分析上，借款金額越高，還款壓力也會隨之增加，因而違約率也會相應(yīng)增高。但是，事實(shí)數(shù)據(jù)卻并非如此，其很大程度上是由于借款人的借貸行為需要通過P2P網(wǎng)貸平臺的審核，而平臺對于借款金額較高的借款人，所要求的信用評分越高，因而其違約率反而降低。

表2.3 根據(jù)借款人借款的金額統(tǒng)計結(jié)果

（四）根據(jù)借款人有無房產(chǎn)和房貸指標(biāo)交叉統(tǒng)計結(jié)果來看

僅從有無房貸來看，無房貸的借款人的違約率普遍高于有房貸的借款人，有房貸的借款人違約率僅為2.49%，而有房貸的借款人的違約率分別為6.69%和12.63%。從有無房產(chǎn)來看，無房產(chǎn)的借款人違約件數(shù)占比較總件數(shù)占比更多。而有房產(chǎn)的借款人中，無房貸的借款人的違約率卻高于無房產(chǎn)的借款人及有房產(chǎn)有房貸的借款人，其違約率達(dá)12.63%，違約金額占比43.12%，且其違約件數(shù)占比高出總件數(shù)占比二十幾個百分點(diǎn)，此種情況需特別引起注意，在分析時應(yīng)注重有房產(chǎn)卻無房貸的此類借款人。從實(shí)際分析來看，在借款人進(jìn)行房貸前，銀行會對其進(jìn)行信用評估，只有信用評估良好的用戶的房屋貸款才可以申請通過，因而其違約率與其他的借款人相比較低。

表2.4 根據(jù)借款人有無房產(chǎn)和房貸指標(biāo)交叉統(tǒng)計結(jié)果

數(shù)據(jù)分析（數(shù)據(jù)均保留到小數(shù)點(diǎn)后兩位）

其回歸數(shù)學(xué)模型為：

1.根據(jù)回歸方程，將借款人成功借款次數(shù)為一次令為x1=1，y1=5.53%，將借款人成功借款次數(shù)為2-5次令為x2=2，y1=20.28%將借款人成功借款次數(shù)為大于5次令為x3=3，y1=36.36%,x=1,2,3,y為違約率，利用最小二乘法根據(jù)線性回歸方程可知，

存在關(guān)系y=0.35x-0.50

2.根據(jù)回歸方程，將借款人借款期限為小于等于12月一次令為x1=1，y1=27.82%，將借款人借款期限為12-24月令為 x2=2，y2=8.90%,將借款人借款期限大于24月令為x3=3，y3=0.00%。x=1,2,3,y為違約率，利用最小二乘法根據(jù)線性回歸方程可知，

存在關(guān)系y=-0.07x+0.26

3.根據(jù)回歸方程，將借款金額為0-10000元令為x1=1，y1=39.39%，將借款金額為10001-50000元令為x2=2，y2=11.18%，因借款金額在50001元以上的違約率分別為0.50%及0.18%，故將借款金額在50001元以上的令為可得函數(shù)關(guān)系為：y=-0.19x-0.21。