汪洋 卞詠梅

摘 要：中國 P2P 網(wǎng)絡(luò)借貸利率隨著網(wǎng)貸市場(chǎng)的發(fā)展及宏觀經(jīng)濟(jì)政策的發(fā)布逐步下降。基于網(wǎng)貸之家對(duì)中國P2P網(wǎng)絡(luò)借貸平臺(tái)的數(shù)據(jù)處理，采用Eviews模型對(duì)中國網(wǎng)貸市場(chǎng)利率的影響因素進(jìn)行實(shí)證分析，結(jié)果表明，P2P網(wǎng)貸成交量受綜合市場(chǎng)利率影響較大，市場(chǎng)上各大平臺(tái)均與互聯(lián)網(wǎng)金融市場(chǎng)內(nèi)部存在聯(lián)動(dòng)效應(yīng)，且由于市場(chǎng)信用緊縮、降杠桿、定向降準(zhǔn)等宏觀經(jīng)濟(jì)政策的影響，市場(chǎng)利率對(duì)網(wǎng)貸成交量的影響作用有限，因此研究P2P網(wǎng)貸市場(chǎng)利率的決定因素時(shí)應(yīng)綜合考慮宏觀經(jīng)濟(jì)政策及其他互聯(lián)網(wǎng)金融市場(chǎng)的影響。

關(guān)鍵詞：P2P網(wǎng)貸;利率決定;監(jiān)管政策

中圖分類號(hào)：F830 ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：1673-291X（2019）11-0144-02

在我國，P2P網(wǎng)絡(luò)借貸產(chǎn)生于2007年，截至2018年10月，P2P貸款余額8 323億元，比去年同期減少2 241億元，同比下滑28.64%。繼2017年12月P2P貸款融資余額創(chuàng)12 246億元最高紀(jì)錄以來，2018年P(guān)2P貸款余額一直在下降，同比增速也一直在下滑，以至2018年6月份同比增速開始出現(xiàn)負(fù)增長。11月信用債債券違約事件頻發(fā)，Wind統(tǒng)計(jì)共有18起債券違約事件，違約債券本金總計(jì)198.37億元，以民營企業(yè)為主。當(dāng)前的整個(gè)信用環(huán)境為網(wǎng)貸平臺(tái)發(fā)展蒙上陰影。隨著我國P2P網(wǎng)貸行業(yè)相關(guān)監(jiān)管措施的不斷出臺(tái)，網(wǎng)貸行業(yè)市場(chǎng)平均利率近年來不斷下降。目前關(guān)于P2P網(wǎng)貸成交量影響因素的研究還很少，因此本文以于不同背景的P2P網(wǎng)貸平臺(tái)數(shù)據(jù)為切入點(diǎn)，運(yùn)用Eviews分析P2P網(wǎng)貸行業(yè)成交量的影響因素，希望能為網(wǎng)貸行業(yè)合理健康發(fā)展提供一些可行性的建議[1]。

一、變量選取及數(shù)據(jù)收集

（一）變量選取

1.風(fēng)險(xiǎn)方面的因素

在P2P網(wǎng)貸行業(yè)中，風(fēng)險(xiǎn)是所有參與者在投資時(shí)考慮的一項(xiàng)主要因素。根據(jù)風(fēng)險(xiǎn)定價(jià)原理，要求收益率=無風(fēng)險(xiǎn)收益率+通貨膨脹+信用風(fēng)險(xiǎn)+流動(dòng)性風(fēng)險(xiǎn)+到期期限+稅收成本，此外還要考慮運(yùn)營成本和內(nèi)部風(fēng)險(xiǎn)管理成本等因素[2]。對(duì)中小企業(yè)來講，包括網(wǎng)貸平臺(tái)等行業(yè)，這里面最難計(jì)算溢價(jià)的是信用風(fēng)險(xiǎn)以及中小企業(yè)現(xiàn)金流不確定帶來的流動(dòng)性和到期期限風(fēng)險(xiǎn)，在這里我們對(duì)其進(jìn)行了簡化計(jì)算。而從理論上來說，借款期限越長，風(fēng)險(xiǎn)越大、利率越高。因此，本文選取借款期限作為衡量投資風(fēng)險(xiǎn)的變量[3]。

2.成本方面的因素

投資人和借款人另一個(gè)關(guān)心的主要因素便是運(yùn)作資金的機(jī)會(huì)成本，即由于將自有資金用于了某方面從而放棄了用于另一方面所失去的收入。在網(wǎng)貸市場(chǎng)上，將P2P網(wǎng)貸平臺(tái)當(dāng)做融資方式或理財(cái)方式的一種，是投資人、借款人雙方的共同選擇，因此雙方都會(huì)考慮資金的機(jī)會(huì)成本。本文選用行業(yè)綜合利率作為衡量雙方機(jī)會(huì)成本的變量。

（二）數(shù)據(jù)收集

為了保證實(shí)證結(jié)果的有效性，本文所有P2P平臺(tái)運(yùn)營數(shù)據(jù)（月平均利率、平均借款期限數(shù)據(jù)等）均來自“網(wǎng)貸之家”、“貸羅盤”等專業(yè)信息提供平臺(tái)，因?yàn)檫@些網(wǎng)站具有一定的公信力，能夠保證數(shù)據(jù)的真實(shí)性和準(zhǔn)確性。而本文選取10家運(yùn)營良好、具有一定規(guī)模且數(shù)據(jù)準(zhǔn)確度較高的網(wǎng)絡(luò)信貸平臺(tái)作為研究對(duì)象，以保證數(shù)據(jù)的代表性和連續(xù)性。對(duì)這些平臺(tái) 2014年3月至2018年1月46個(gè)月的數(shù)據(jù)進(jìn)行整理，并取數(shù)據(jù)平均值作為實(shí)證樣本數(shù)據(jù)。出于穩(wěn)定性考慮，在對(duì)數(shù)據(jù)進(jìn)行Eviews分析前，為了消除時(shí)間序列中的異方差，對(duì)P2P平臺(tái)月平均利率做取對(duì)數(shù)處理。本文運(yùn)用因子分析方法從綜合利率（R）、平均貸款期限（T）兩個(gè)變量對(duì)成交額（V）的影響來進(jìn)行Eviews數(shù)據(jù)相關(guān)性分析[4]。

二、建立模型

通過Eviews對(duì)上述相關(guān)參數(shù)建立相關(guān)性矩陣，如表1所示。由相關(guān)性矩陣不難看出，綜合利率對(duì)成交額有較為明顯的負(fù)相關(guān)關(guān)系，而貸款期限對(duì)成交額的相關(guān)程度較低，是低相關(guān)性因素，因而去除其對(duì)成交額的因素分析模型。

構(gòu)建如下面板模型，其中對(duì)數(shù)收益率序列為被解釋變量，其余為解釋變量：

LNV=？琢LNRi+C（i=1，2，3…n）（1）

式（1）中，系別標(biāo)識(shí)數(shù)字i取值從1到5，表示時(shí)間;LNV為成交量的對(duì)數(shù);LNR 為綜合利率的對(duì)數(shù)。

三、實(shí)證分析

（一）數(shù)據(jù)單位根檢驗(yàn)

為了檢驗(yàn)數(shù)據(jù)的平穩(wěn)性，我們對(duì)數(shù)據(jù)分別進(jìn)行單位根檢驗(yàn)，這里用D（v1）來表示LNV的一階差分形式，結(jié)果如下表2。

表2結(jié)果表明，成交額（V1）與綜合利率（R1），ADF檢驗(yàn)P值都比較大，因而無法拒絕存在單位根的假設(shè);而它們的一階差分則在很大的顯著性水平拒絕了原假設(shè)，因而認(rèn)為成交額（V1）與綜合利率（R1）一階差分皆為平穩(wěn)序列。

（二）回歸結(jié)果

V1=-6.1472R1+1.9405

s=（0.575521）（1.270751）

t=（-10.6812）（1.527066）

R2=0.668814

SE=0.679492

回歸結(jié)果分析

回歸系數(shù)估計(jì)值的說明，由上述的結(jié)果可知，綜合利率對(duì)成交量的系數(shù)為負(fù)數(shù)，說明網(wǎng)貸成交量與網(wǎng)貸綜合利率反向變化，即當(dāng)利率上升時(shí)，網(wǎng)貸的成交量將會(huì)減少，符合經(jīng)濟(jì)理論和常識(shí)。其次，系數(shù)估計(jì)值的含義是邊際變化傾向，本題中表明，當(dāng)網(wǎng)貸綜合利率上升一個(gè)百分點(diǎn)時(shí)，網(wǎng)貸成交量將會(huì)減少6.147 2（萬元）。

擬合優(yōu)度：在本實(shí)證中，S.E=0.769 4（萬元），表明網(wǎng)貸交易量的估計(jì)值與觀測(cè)值的平均誤差為0.769 4萬元，S.E的值越小，擬合優(yōu)度越好。以此觀之，我們本次實(shí)證結(jié)果擬合優(yōu)度較為不錯(cuò)。R2=0.6688，表明擬合優(yōu)度較高，解釋變量對(duì)被解釋變量的解釋能力為67%，即綜合利率對(duì)網(wǎng)貸成交量的解釋能力為67%，回歸直線擬合程度還算不錯(cuò)。

我們知道，在P2P網(wǎng)貸市場(chǎng)內(nèi)，由于內(nèi)外部環(huán)境變化導(dǎo)致的信用收緊、定向降準(zhǔn)等政策因素，如增加支持小微企業(yè)和“三農(nóng)”再貸款、再貼現(xiàn)額度，下調(diào)支農(nóng)再貸款利率;從2019年9月1日至2020年底，將符合條件的小微企業(yè)和個(gè)體工商戶貸款利息收入免征增值稅單戶授信額度上限從100萬元增加到500萬元;禁止銀行等金融機(jī)構(gòu)向小微企業(yè)收取貸款承諾費(fèi)和資金管理費(fèi);支持銀行運(yùn)用定向降準(zhǔn)等貨幣政策增強(qiáng)小微企業(yè)信貸供給能力;將小微企業(yè)貸款單戶授信500萬元及以上的貸款納入中期借貸便利合格抵押品范圍。

在這一系列政策實(shí)施的同時(shí)，在P2P網(wǎng)貸市場(chǎng)周期中也形成連鎖效應(yīng)（降杠桿—中小企業(yè)貸款下降—應(yīng)付賬款違約現(xiàn)象增多—中小企業(yè)還不上網(wǎng)貸平臺(tái)負(fù)債，降低員工工資—個(gè)人理財(cái)產(chǎn)品贖回—網(wǎng)貸平臺(tái)惡性循環(huán)，持續(xù)爆雷），這些連鎖效應(yīng)部分導(dǎo)致了綜合利率對(duì)成交量的解釋程度相對(duì)較低。

根據(jù)現(xiàn)在行業(yè)綜合利率的變化趨勢(shì)，我們預(yù)測(cè)接下來的行業(yè)利率將會(huì)繼續(xù)下降，預(yù)測(cè)結(jié)果如上所示，可知網(wǎng)貸成交量在下一階段將會(huì)在區(qū)間內(nèi)呈上升趨勢(shì)。

四、結(jié)論與建議

由上述實(shí)證研究可知，綜合利率對(duì)網(wǎng)貸成交量的成負(fù)相關(guān)關(guān)系，有一定的影響性，所以為了對(duì)網(wǎng)貸成交量有一個(gè)更好的掌握，我們需要從行業(yè)綜合利率進(jìn)行研究，從而影響網(wǎng)貸成交量。

首先，從研究結(jié)果看出，P2P 網(wǎng)貸利率隨著借款人規(guī)模的擴(kuò)大不斷下降，一方面反映出P2P網(wǎng)貸市場(chǎng)資金供給大于資金需求，另一方面反映出有關(guān)監(jiān)管政策有效降低了行業(yè)利率，對(duì)調(diào)控網(wǎng)貸市場(chǎng)健康發(fā)展起到了積極作用。因此，制定網(wǎng)貸行業(yè)利率政策的監(jiān)管層應(yīng)該加強(qiáng)對(duì)網(wǎng)貸市場(chǎng)投資者的金融教育，引導(dǎo)市場(chǎng)投資人進(jìn)行理性的投資[5]。

其次，P2P 網(wǎng)貸成交量受借款期限影響不是很顯著，但是不同背平臺(tái)的P2P網(wǎng)貸綜合利率對(duì)借款期限的變化敏感性程度不同。而通過其他文獻(xiàn)研究可知，P2P網(wǎng)貸市場(chǎng)有效降低網(wǎng)貸市場(chǎng)利率可以通過引入銀行資本、國有資本，減少平臺(tái)跑路現(xiàn)象，以利于網(wǎng)貸市場(chǎng)的健康發(fā)展。

最后，P2P 網(wǎng)貸成交量還受其他互聯(lián)網(wǎng)金融因素的影響，如市場(chǎng)貨幣供應(yīng)量與需求量、國家的經(jīng)濟(jì)政策、累計(jì)貸款余額、以及人們對(duì)網(wǎng)貸的偏好程度等因素。由此可知，互聯(lián)網(wǎng)金融市場(chǎng)之間存在較為明顯的聯(lián)動(dòng)效應(yīng)。因此，監(jiān)管層在制定網(wǎng)貸相關(guān)政策時(shí)應(yīng)考慮在金融市場(chǎng)中不同互聯(lián)網(wǎng)金融模式之間的影響，這樣才能增加政策的有效性。

參考文獻(xiàn)：

[1] ?曹寶瑞.我國P2P網(wǎng)貸資金存管制度影響因素研究——基于博弈理論視角[J].技術(shù)經(jīng)濟(jì)與管理研究，2018，（9）：69-73.

[2] ?李蓓蓓. 試論P(yáng)2P網(wǎng)絡(luò)信貸的模式及風(fēng)險(xiǎn)防范[J].湖北成人教育學(xué)院學(xué)報(bào)， 2017，（1）：33-35.

[3] ?竇新華，張玥，周方召.P2P網(wǎng)貸平臺(tái)營運(yùn)風(fēng)險(xiǎn)評(píng)價(jià)及影響因素研究[J].管理現(xiàn)代化，2018，（1）：105-110.

[4] ?張丹丹.P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)估與控制實(shí)證研究[J].改革與開放，2018，（21）：27-29.

[5] ?王國志，楊笑，祁凱強(qiáng).基于變系數(shù)模型的中國P2P網(wǎng)貸利率影響因素探究[J].時(shí)代金融，2018，（30）：225-227.