徐云松

摘? ?要：P2P網貸利率作為互聯(lián)網金融市場價格體系核心，其溢出效應在很大程度上反映了互聯(lián)網金融發(fā)展演進影響下的宏觀經濟運行狀態(tài)。本文在系統(tǒng)回顧P2P網貸利率微觀機制與宏觀效應文獻基礎上，通過Granger因果關系檢驗并構建多元DCC-GARCH模型，實證分析了我國P2P網貸利率與正規(guī)金融市場利率的動態(tài)關聯(lián)關系。研究發(fā)現(xiàn)：首先，P2P網貸利率波動具有聚集性特征，相對較高的利率水平并未明顯改善非金融企業(yè)部門的融資困境;其次，Shibor基準利率對于P2P網貸利率與中債國債利率都具有引導作用，然而與中債國債利率存在雙向溢出效應，且動態(tài)相關性更強，與P2P網貸利率僅存在單向溢出效應;第三，P2P網貸利率與中債國債利率動態(tài)關系不顯著，表明我國正規(guī)金融市場與非正規(guī)金融市場之間仍然存在著結構失衡與人為分割;最后，本文從健全外部監(jiān)管體制、完善內部運營機制兩個層面提出針對性建議。

關鍵詞：P2P網貸利率;溢出效應;Granger因果關系檢驗;DCC-GARCH模型

中圖分類號：F832? ?文獻標識碼：A? 文章編號：1674-2265（2019）01-0055-07

DOI：10.19647/j.cnki.37-1462/f.2019.01.006

一、引言

P2P網貸作為一種典型的互聯(lián)網金融模式，通過網貸公司提供P2P平臺發(fā)揮信息中介功能而聯(lián)結資金供需雙方，體現(xiàn)了民間金融組織形式與現(xiàn)代信息科技的有機結合，反映了民間借貸公開化、網絡化、信息化演進趨勢。近年來，我國P2P網貸市場呈現(xiàn)爆發(fā)式增長，根據(jù)第一網貸數(shù)據(jù)顯示，平臺數(shù)量從2013年底的523家擴張到2018年9月的累計共7616家，同期貸款余額從352.23億元增加到13559.46億元;2013年全年成交額892.53億元，而2018年9月單月成交額就高達850.81億元;同時，2013—2017年短短4年間，市場投資者由23.1萬人增加到1713萬人，市場活躍度持續(xù)攀升。然而，我國P2P網貸市場短時間內急劇膨脹也暴露出諸多問題與金融亂象，近期P2P網貸平臺集中出現(xiàn)逾期、倒閉、高管跑路等事件，集聚了金融風險隱患，已成為防范化解金融風險攻堅戰(zhàn)的重中之重。

P2P網貸市場不僅是我國互聯(lián)網金融市場重要組成部分，而且對整個金融體系穩(wěn)定與有序運行具有重要影響;P2P網貸利率作為互聯(lián)網金融市場價格體系的核心，其與其他市場利率產生的互動影響與溢出效應，在很大程度上就反映了宏觀經濟運行狀態(tài)，尤其是日趨復雜的金融系統(tǒng)中重大金融風險形成與集聚的演變狀況。因此，以P2P網貸利率作為非正規(guī)的互聯(lián)網金融市場研究切入點，全面深入地探究非正規(guī)金融市場與正規(guī)金融市場之間的信息傳遞與動態(tài)關系，具有重要的現(xiàn)實意義。

二、文獻回顧

短短幾年間我國P2P網貸市場規(guī)模由小到大，參與主體數(shù)量不斷增長，市場熱度持續(xù)不減，不僅引起了監(jiān)管機構的關注，而且成為學者研究的重點領域，涌現(xiàn)出了一系列學術成果。

微觀層面，關于P2P網貸利率的相關成果主要集中在兩個方面：

一是P2P網貸市場利率定價機制的探討。Krueger（2009）分析認為基于雙邊市場的平臺定價遵從需求價格彈性法則，平臺會針對需求價格彈性高的投資者制定較低利率，對于需求價格彈性低的投資者制定較高的利率，通過差異化定價吸引不同類型投資者。Barasinska（2014）研究指出歐洲的Smava網貸平臺中，出借者通過對融資者信息詳細研判，準確篩選出融資者可接受最高回報率進行投資，這種價格機制實現(xiàn)了出借者效用最大化。廖理和李夢然（2014）認為盡管我國P2P網貸市場基本實現(xiàn)了差別化定價，但一部分違約風險未體現(xiàn)在利率價格中，市場化定價效率仍有待提升。陳虹和馬永?。?016）基于貝葉斯博弈理論分析表明，市場投資者與融資者人數(shù)比值增大，網貸平臺成交利率隨之降低，二者之間存在反向變動關系。于瑾和楊澤鋒（2018）實證研究發(fā)現(xiàn)我國網貸利率與市場化利率定價水平存在差異，這反映了當前P2P網貸平臺運作仍不規(guī)范，制約了網貸市場價格機制的合理性。

二是市場參與主體借貸特征對網貸利率的影響。Pope（2011）指出借款人在平臺發(fā)布的照片“軟信息”對利率價格產生影響，體型肥胖借款者要支付更高利率，而表情愉悅的借款人則負擔一個較低利率;同時，借款人的年齡、性別等生理特征，以及借款用途等“硬信息”也影響了自身籌資成本。Herzenstein等（2011）分析認為網貸市場中普遍存在著羊群效應，基于羊群行為的投資決策有利于融資者降低搜尋與轉換成本，降低借款利率，活躍了網貸市場。Luo等（2013）通過構建決策樹模型驗證同樣表明，網貸市場中羊群行為對于借款人以較低利率水平融資具有顯著影響。陳霄和葉德珠（2016）量化分析指出，借款人的定價效率受到婚姻、年齡、學歷影響，性別、年齡、借款描述字數(shù)則增加了利率定價中的不確定性，而借款人認知偏誤則導致實際利率高于市場利率水平。崔婷和劉家麒（2018）實證研究發(fā)現(xiàn)，網貸行業(yè)的用戶依賴性、網絡外部性特征導致市場結構的特征差異性，進而影響了衡量借貸資金成本的利率水平。

宏觀層面，相關文獻主要表現(xiàn)在兩個方面：

一是P2P網貸市場利率波動性特征研究。陳霄和葉德珠（2016）通過2012—2014年日度時序數(shù)據(jù)，構建AR-GARCH模型實證分析了我國P2P網貸利率的波動特征，并運用TARCH與EGARCH模型檢驗是否存在杠桿效應。結果表明，網貸利率波動具有寬尾與聚集性特征，然而網貸市場不存在風險與收益匹配的現(xiàn)象，利率價格并不能完全反映市場信息，弱勢有效市場不成立。同時，網貸利率下跌的利空消息比利率上升的利好消息產生更大沖擊影響的杠桿效應并不顯著。何啟志和彭明生（2016）運用ARCH模型與GARCH類模型實證研究發(fā)現(xiàn)，P2P網貸利率受自身前期波動的持久性影響，利率波動性較大，意味著風險具有積聚性，市場自身的平衡與調節(jié)能力較差;同時，與較為完善的金融市場表現(xiàn)不同，網貸市場不存在明顯的杠桿效應，表明投資者金融專業(yè)素養(yǎng)較低、風險意識不強，網貸市場發(fā)展仍處于初級階段。阮素梅和何浩然（2016）通過一元SV模型的實證檢驗發(fā)現(xiàn)，網貸市場收益率具有尖峰厚尾、波動聚集的特征，收益率下降沖擊影響更大，表明存在杠桿效應;然而，高風險高收益的現(xiàn)象不明顯，我國P2P網貸市場仍有較為突出的風險隱患，容易誘發(fā)系統(tǒng)性風險。

二是P2P網貸利率與其他市場之間互動關聯(lián)效應。錢金寶（2015）基于面板數(shù)據(jù)與斷點回歸設計兩種量化方法，采用2014年5月至2015年5月P2P市場日度樣本數(shù)據(jù)，考察了期間六次寬松貨幣政策調控對于P2P平均利率的影響效應，結果表明寬松貨幣政策對于網貸市場作用微弱，這與我國金融市場二元性與雙軌制有密切關系。韋起和張強（2015）運用GARCH-GPD模型及Copula函數(shù)測度網貸利率與股票指數(shù)之間的相關系數(shù)，結果表明網貸市場對傳統(tǒng)商業(yè)銀行具有直接與間接兩個維度的風險溢出效應。劉鏡秀和門明（2016）通過Copula-GARCH模型驗證了P2P網貸市場與資本市場的風險溢出效應，結果表明，網貸市場與債券市場之間關聯(lián)關系較為微弱，而與股票市場之間存在負向動態(tài)的“蹺蹺板”效應。周耿和范從來（2016）認為我國P2P網貸市場具有高度市場化的利率形成機制，央行實施降準降息的寬松貨幣政策會引致P2P網貸利率相應下降，同時網貸利率還受到商業(yè)銀行價格效應、供給效應直接影響，以及一些調節(jié)效應的間接影響。

綜上所述，長期以來國內外從微觀視角探討網貸利率價格機制與影響因素的文獻眾多、研究深入，但是基于微觀個體的靜態(tài)分析忽視了市場的動態(tài)性與普遍聯(lián)系性，實證方法也大多采用截面數(shù)據(jù)進行檢驗，存在很大程度局限性。近年來，從宏觀視角對P2P網貸利率問題的研究，主要集中在網貸利率自身波動特征方面;即使一些文獻采用了BEKK-GARCH為主的多變量模型分析其溢出效應關系（何啟志和彭明生，2016），也由于該模型參數(shù)經濟意義不明確，未能直觀刻畫出隨著時序變遷的市場之間動態(tài)關系走勢，導致現(xiàn)實解釋力偏弱。本文基于DCC-GARCH模型的實證檢驗彌補了上述不足，豐富了相關領域研究成果。

三、變量選取與模型設定

（一）變量數(shù)據(jù)選取

2013年互聯(lián)網金融迎來了爆發(fā)式發(fā)展，互聯(lián)網金融創(chuàng)新模式不斷涌現(xiàn)，因此實證分析起點為互聯(lián)網金融元年2013年，時序周期從2013年4月26日至2018年8月8日。本文選取我國P2P網貸綜合利率為研究主要對象，并將Shibor、中債國債利率納入整體框架。由于P2P網貸綜合利率為不同標的、不同借貸期限的綜合測算數(shù)據(jù)，平均借貸期限在6個月左右，為確保各變量數(shù)據(jù)的一致性與合理性，Shibor與中債國債利率同樣選取半年期。同時，Shibor與中債國債利率公布數(shù)據(jù)限于工作日，因此本文統(tǒng)一剔除了節(jié)假日數(shù)據(jù)，共得到1199個時序樣本;相關指標數(shù)據(jù)來源于萬得數(shù)據(jù)庫、上海銀行間同業(yè)拆放利率官網、第一網貸網站。

變量數(shù)據(jù)的描述性統(tǒng)計結果如表1所示，P2P網貸綜合利率序列[rpt]偏度S>0，峰度K<3，說明樣本為右偏分布，且分布呈現(xiàn)矮胖形狀;J-B統(tǒng)計量P值小于0.01，序列不服從正態(tài)分布。而三個收益率序列偏度不為零，峰度K>3，J-B統(tǒng)計量同樣在1%置信水平下不服從正態(tài)分布，呈現(xiàn)出尖峰厚尾、偏態(tài)分布現(xiàn)象;三個收益率序列具有相似的基本特征，可能是由于各利率形成機制存在一定的互動關聯(lián)性。表1還顯示，P2P網貸綜合利率均值為13.481%，超過銀行類機構存款利率及傳統(tǒng)金融機構投資收益率。從投資者角度來看，拓寬了資金配置渠道，有利于改善投資收益，但高利率同時也意味著較高違約風險。對于融資者而言，盡管P2P網貸縮短了資金鏈條，打破了時空限制，降低了搜尋成本，但并未顯著地降低融資成本。

（二）模型方法設定

相對于傳統(tǒng)的正規(guī)金融市場，我國P2P網貸市場本質上屬于非正規(guī)的民間金融市場，起步時間晚，成長時間短，發(fā)展仍處于初級階段。而P2P網貸利率是綜合測算且期限多在半年左右的短期利率，常表現(xiàn)出波動聚集、尖峰厚尾、杠桿效應等時間序列特征，運用GARCH類模型可以較好地擬合與描述。因此，本文采用DCC-GARCH模型解析P2P網貸市場與正規(guī)金融市場之間的動態(tài)關系，反映跨市場的溢出效應。

多元GARCH模型用于反映不同市場之間的互動關系，包括動態(tài)關聯(lián)性與波動溢出效應。Engle（2002）構建了動態(tài)條件相關的廣義自回歸條件異方差（DCC-GARCH）模型;相對于較為常用但參數(shù)經濟意義不明確的BEKK-GARCH模型，以及在檢驗中常常不符合實際要求的CCC-GARCH模型，DCC-GARCH模型參數(shù)經濟意義較為明確，且待估計參數(shù)個數(shù)少，克服了CCC-GARCH模型的缺陷，能夠直觀反映變量間的動態(tài)相關走勢。DCC-GARCH運用兩步法進行檢驗，第一步建立單變量GARCH模型并估計獲得標準化殘差;第二步再次采用GARCH模型針對標準殘差估計相關矩陣，得到變量間動態(tài)條件相關系數(shù)。

考慮DCC-GARCH模型中動態(tài)結構設定：

四、實證檢驗分析

（一）平穩(wěn)性與ARCH效應檢驗

通過對處理后樣本數(shù)據(jù)的單位根檢驗發(fā)現(xiàn)，[lrpt]、[lrst]、[lrzt]三個變量序列均通過了5%置信水平下的顯著性檢驗。進一步通過Engle-Granger兩步法驗證協(xié)整關系，變量回歸后殘差序列的ADF檢驗通過了1%顯著性水平檢驗，表明P2P網貸利率、Shibor與中債國債利率之間具有長期穩(wěn)定的均衡關系。同時，通過ARCH-LM檢驗結果顯示，各變量在1%顯著性水平下存在明顯的ARCH效應，即各變量序列波動存在條件異方差性，可建立多元GARCH模型進行后續(xù)分析。

（二）Granger因果關系檢驗

研究P2P網貸利率、Shibor與中債國債利率之間的動態(tài)關系，應先通過Granger因果關系檢驗判斷變量之間是否存在因果關系。由表2可知，P2P網貸利率與Shibor之間存在單向因果關系，Shibor能夠引起P2P網貸利率的變化，即存在單向的溢出效應。Shibor與中債國債利率之間互有Granger因果關系，即Shibor與中債國債利率存在雙向溢出效應。同時，P2P網貸利率與中債國債利率之間不存在顯著的因果關系。

進一步地，本文通過繪制P2P網貸利率、Shibor與中債國債利率時序圖，以直觀清晰地揭示三個變量之間的變動態(tài)勢;其中，P2P網貸利率數(shù)值反映在左側縱軸，Shibor與中債國債利率反映在右側縱軸。圖1顯示，一方面，P2P網貸利率波動聚集性特征顯著，表現(xiàn)出波動下行的趨勢，但總體上仍高于正規(guī)金融市場利率水平。P2P網貸模式有利于發(fā)揮長尾效應，節(jié)約搜尋成本與交易成本，然而較高的利率水平并未改善小微企業(yè)的高融資成本困境，市場交易者較為普遍的非理性盲從行為還加劇了市場風險。另一方面，結合Granger因果關系檢驗結果可以發(fā)現(xiàn)，Shibor的利率變動對于P2P網貸利率具有前瞻性的引導作用，同時Shibor對于中債國債利率變動的引導性更強，二者之間同向變化態(tài)勢更為明顯，這反映了Shibor作為基準利率在調節(jié)與影響其他金融市場利率過程中的基礎地位;而P2P網貸利率與中債國債利率之間互動關系不密切，這說明我國正規(guī)金融市場與非正規(guī)金融市場仍然存在不同程度的市場分割，信息傳遞與關聯(lián)作用受到抑制。

（三）DCC-GARCH模型檢驗

上述分析表明P2P網貸利率、Shibor與中債國債利率之間存在相關關系，為進一步準確地描述各市場收益率之間的動態(tài)關聯(lián)性與溢出效應，可采用DCC-GARCH模型對樣本序列進行檢驗。

1. DCC-GARCH（1，1）模型估計。根據(jù)AIC準則判斷發(fā)現(xiàn)，構建GARCH（1，1）模型較為合適。表3顯示了DCC-GARCH（1，1）模型檢驗結果，第一步是對單變量序列估計得到的相關系數(shù)，三個變量[lrp]、[lrs]、[lrz]的ARCH項（[α]）與GARCH項（[β]）均通過了10%的顯著性水平檢驗，且各序列衰減系數(shù)小于1，表明波動都具有持久性。第二步是考察變量序列之間的動態(tài)條件相關性，DCC模型穩(wěn)定性檢驗表明，[α1+β1=0.8883<1]，且DCC模型系數(shù)[α1]與[β1]均通過了5%的顯著性水平檢驗，說明模型回歸結果穩(wěn)健，[lrp]、[lrs]與[lrz]之間的動態(tài)相關性與動態(tài)條件相關性均顯著并具有持續(xù)性。

2. 動態(tài)關系分析。在DCC-GARCH（1，1）模型合理估計基礎上，可以進一步得到各變量間的動態(tài)相關系數(shù)描述性統(tǒng)計，并繪制動態(tài)相關系數(shù)的時序演變圖。結合表4以及圖2、圖3、圖4可以看出，P2P網貸市場與正規(guī)金融市場之間相關性表現(xiàn)出動態(tài)時變特征，然而市場之間的聯(lián)動性強弱有很大區(qū)別。P2P網貸利率與Shibor動態(tài)相關系數(shù)變動顯示，二者之間波動幅度基本位于0—0.1之間，動態(tài)相關系數(shù)較小，均值為0.0416，聯(lián)動性較弱。P2P網貸利率與中債國債利率動態(tài)相關系數(shù)變動顯示，二者之間波動幅度基本位于-0.1—0.1之間，動態(tài)相關系數(shù)均值為0.0106，相關性總體上較為微弱，同時動態(tài)相關系數(shù)為負的時間點較多，表明二者之間動態(tài)關系走勢出現(xiàn)了一定程度分離，市場之間較強的分割性影響了溢出效應。Shibor與中債國債利率動態(tài)相關系數(shù)變動顯示，二者之間波動幅度基本位于0.2—0.7之間，動態(tài)相關系數(shù)均值為0.3730，兩個市場走勢趨同度高，聯(lián)動性最強，正規(guī)金融市場之間存在顯著的雙向溢出效應。

從現(xiàn)實來看，我國Shibor基準利率針對正規(guī)金融市場利率與非正規(guī)金融市場利率都發(fā)揮出引導性功能，然而對于P2P網貸利率與中債國債利率影響有所不同。當前P2P網貸市場利率并不直接受央行貨幣政策調控影響，而是在一定程度上對監(jiān)管當局貨幣政策做出預期性調整，網貸市場仍處于發(fā)展的初級階段。當經濟衰退或流動性趨緊時，央行降低Shibor，銀行間市場資金供應相對寬裕，融資主體對于民間借貸資金需求減少，從而網貸市場熱度減弱，利率隨之降低;反之則反。Shibor對P2P網貸利率的調節(jié)功能為央行有效引導網貸利率保持在合理范圍、有效監(jiān)管網貸市場維護金融體系穩(wěn)定提供了有益參考。Shibor是對銀行間市場資金松緊程度的反映，作為基準利率直接引導了中債國債利率等正規(guī)金融市場利率走向，市場之間信息傳遞效率高，互動關系與反饋調節(jié)作用明顯。同時，網貸市場與國債市場的關系體現(xiàn)了正規(guī)與非正規(guī)金融市場的分割性，影響了利率波動傳遞的價格信息效應，目前我國P2P網貸市場對其他金融市場的作用仍有局限性。

五、結論與建議

本文通過構建Granger因果關系檢驗與構建多元DCC-GARCH模型，實證分析了P2P網貸利率、Shibor與中債國債利率之間的動態(tài)關系與溢出效應。研究發(fā)現(xiàn)：首先，P2P網貸利率波動具有厚尾與聚集性特征，維持在相對高位的利率水平并未明顯降低中小企業(yè)融資成本，并未明顯改善非金融企業(yè)部門的融資困境;其次，Shibor基準利率針對正規(guī)金融市場與非正規(guī)金融市場利率都具有引導作用，然而對于中債國債利率等正規(guī)金融市場價格直接調控力更強，動態(tài)反饋效應更顯著，對于非正規(guī)金融市場的P2P網貸利率具有間接調控影響力，存在單向的溢出效應;這意味著央行可以充分發(fā)揮Shibor作為基準利率的功能，引導P2P網貸利率保持在適度合理區(qū)間。第三，P2P網貸利率與中債國債利率動態(tài)關系不明顯，表明我國正規(guī)金融市場與非正規(guī)金融市場之間仍然存在著結構失衡與人為分割，盡快破除體制機制藩籬、促進市場互聯(lián)互通、提高金融一體化程度對于金融高效服務實體經濟至關重要。綜合上述結論，本文從以下兩個層面提出針對建議：

（一）健全外部金融監(jiān)管體制

首先，加快征信體系建設。針對網貸市場無序擴張與違約風險隱患，要加快建立全覆蓋的網貸平臺征信系統(tǒng)。通過將網貸平臺征信體系與央行征信系統(tǒng)有機銜接，實現(xiàn)征信信息互聯(lián)與共享，提高征信數(shù)據(jù)可信度;通過嚴格的失信懲戒機制，如建立失信者黑名單制度、司法性懲戒機制，嚴厲打擊失聯(lián)跑路、惡意逃廢債等失信行為;通過健全對借貸雙方的強制信息披露準則，過濾長尾市場噪音與信息過載，破除信息不對稱問題，有效降低市場風險。

其次，加強金融行為監(jiān)管。2017年央行已將互聯(lián)網金融納入MPA 體系，旨在肅清互聯(lián)網金融行業(yè)亂象，防范系統(tǒng)性風險。相較于備受重視的審慎監(jiān)管，我國行為監(jiān)管機構分散且成立時間晚、履職時間短，框架體系尚不明確;而網貸市場野蠻生長，非法集資、惡意欺詐等違法違規(guī)行為層出不窮，暴露出明顯的行為監(jiān)管短板。因此，應盡快構建監(jiān)管機構、網貸行業(yè)消費者保護協(xié)會、網貸平臺、金融消費者與投資者等相關主體有機聯(lián)系的監(jiān)管框架，提高網貸市場參與主體金融素養(yǎng)，逐步弱化市場非理性羊群行為。

第三，構建網貸利率監(jiān)測體系。網貸市場中大多數(shù)金融產品具有多層嵌套、期限嚴重錯配的影子銀行產品特征，難以受到有效監(jiān)控;同時，網貸利率在很大程度上反映了互聯(lián)網金融市場走勢與宏觀經濟運行狀態(tài)，受到央行貨幣政策調控與引導。因此，應加強對P2P產品規(guī)模與種類評估，強化對利率波動、資金流動、期限錯配的監(jiān)測研究，建立常態(tài)化網貸利率觀測系統(tǒng)，并將其納入金融業(yè)綜合統(tǒng)計體系。

（二）完善平臺內部運營機制

首先，完善網貸利率定價機制。當前我國P2P網貸利率定價過程并未以合理成本反映借款方真實風險，市場借貸主體缺乏利率定價自主權，難以獲取全面有效覆蓋真實風險的貸款利率，定價過程也難以充分反映風險溢價;由于定價機制不完善還加劇了多平臺套利的金融風險。因此網貸平臺應設計合理的交易機制，在外部監(jiān)管與行業(yè)自律基礎上推進市場化利率定價，并通過大數(shù)據(jù)、云計算等金融科技手段整合長尾用戶碎片化信息，促使利率價格全面覆蓋真實風險，提高風險定價效率。

其次，強化內部風險控制。由于P2P金融業(yè)務的特殊性，客觀上要求必須建立完善的風控體系。網貸平臺通過構建在詳細規(guī)章制度、操作規(guī)范指引下的數(shù)據(jù)分析、利率定價、風險管理等各環(huán)節(jié)相互制約的系統(tǒng)流程框架，形成職責明晰、辨識準確、審核嚴格、保障有效的風險控制機制。同時，針對平臺為主的定價模式，還應著重提升金融從業(yè)人員專業(yè)水平與職業(yè)道德，確保平臺運營的安全性與穩(wěn)定性。

第三，提高合規(guī)經營水平。近期出臺的《關于開展P2P網絡借貸機構合規(guī)檢查工作的通知》明確了合規(guī)網貸機構繼續(xù)經營的基本準則，強調了合規(guī)經營作為當前網貸風險專項整治工作重點的要求。在此基礎上，網貸平臺應盡快轉變發(fā)展理念，改變過去粗放擴張與野蠻生長狀態(tài)，回歸信息中介本質定位，加強自律自查以實現(xiàn)經營有序與行為規(guī)范;通過樹立合規(guī)意識，將合規(guī)理念融入企業(yè)核心文化并滲透到企業(yè)運營各個環(huán)節(jié)，重塑社會對于P2P網貸市場健康發(fā)展的信心。

參考文獻：

[1]Barasinka， N. & Schafer， D. 2014. Is Crowd funding Different？ Evidence on the Relation between Gender and Funding Success from a German Peer-to-Peer Lending Platform[J].German Economic Review， 15（4）.

[2]Herzenstein， M.， Dholakia， U. M. & Andrew， R. L. 2011. Strategic Herding Behavior in Peer-to-Peer Loan Auctions[J].Journal of Interactive Marketing， 25（1）.

[3]Krueger， M. 2009. The Elasticity Pricing Rule for Two-sided Markets a Note[J].Review of Network Economics， 8（3）.

[4]Luo， B. J. & Lin. 2013. A Decision Tree Model for Herd Behavior and Empirical Evidence from the Outline P2P Lending Market[J].Information System and E-Business Management， 11（1）.

[5]Pope， D. G. & Sydnor， J. R. 2011. Whats in Picture？ Evidence of Discrimination from Prosper. Com[J].Journal of Human Resources， 46（1）.

[6]陳虹，馬永健.P2P網貸行業(yè)利率定價模式研究[J].當代財經，2016，（5）.

[7]陳霄，葉德珠.中國P2P網絡借貸利率波動研究[J].國際金融研究，2016，（1）.

[8]陳霄，葉德珠.定價效率、不確定性與借貸利率——來自P2P網絡借貸的經驗證據(jù)[J].國際商務，2016，（5）.

[9]崔婷，劉家麒.網絡借貸利率影響因素的實證分析[J].統(tǒng)計與決策，2018，（2）.

[10]何啟志，彭明生.基于互聯(lián)網金融的網貸利率特征研究[J].金融研究，2016，（10）.

[11]廖理，李夢然，王正位.聰明的投資者：非完全市場化利率與風險識別——來自P2P網絡借貸的證據(jù)[J].經濟研究，2014，（7）.

[12]劉鏡秀，門明.P2P網絡借貸市場對資本市場的風險溢出效應[J].技術經濟，2016，（11）.

[13]錢金保.貨幣政策在民間借貸市場有效性研究[J].南方經濟，2015，（11）.

[14]徐榮貞，殷元星，王帥.P2P網絡借貸平臺運營模式及風險控制思考—— 基于信息不對稱視角[J].財會月刊，2017，（5）.

[15]阮素梅，何浩然.中國P2P網絡收益率波動及其溢出效應研究[J].經濟問題，2016，（12）.

[16]韋起，張強.我國網貸平臺對商業(yè)銀行風險溢出效應的實證研究[J].金融評論，2015，（3）.

[17]于瑾，楊澤鋒.P2P金融借貸利率與逾期行為研究——基于A網貸平臺數(shù)據(jù)追蹤的實證檢驗[J].廣西大學學報（哲學社會科學版），2018，（1）.

[18]周耿，范從來.貨幣政策對P2P網貸市場利率的影響研究[J].中央財經大學學報，2016，（6）.

A Study on the Spillover Effect of P2P Lending Interest Rate Based on DCC-GARCH Model

Xu Yunsong

（Postdoctoral Program，Central University of Finance and Economics，Beijing? ?100081）

Abstract：As the core of price system of internet financial market，the spillover effect of P2P lending interest rate reflects the state of macroeconomic operation to a certain extent under the influence of the evolution of Internet financial development. Based on the systematic review of the literature on the micro-mechanism and Macro-effect of P2P lending interest rate，this paper empirically analyzes the dynamic relationship between P2P lending interest rate and the interest rate of formal financial market in China by Granger causality test and constructing a multivariate DCC-GARCH model. And the following conclusions are achieved：Firstly，the fluctuation of P2P lending interest rate has the characteristics of agglomeration. Relatively high interest rate does not significantly reduce the financing costs of non-financial sector. Secondly，the benchmark interest rate has a guiding effect on both P2P lending interest rate and national debt interest rate. However，there is a two-way spillover effect on national debt interest rate，and the dynamic correlation is stronger. There is only one-way spillover effect with P2P lending interest rate. Thirdly，the dynamic relationship between P2P lending interest rate and national debt interest rate is not obvious，which indicates that structural imbalance and artificial segmentation still exist between the formal and informal financial markets in China. Finally，this paper puts forward targeted suggestions from the two perspectives of perfecting the external supervision system and improving the internal operation mechanism.

Key Words：P2P lending interest rate，spillover effect，Granger Causality Test，DCC-GARCH Model