易洋

摘要：隨著互聯網的發(fā)展，傳統(tǒng)信貸行業(yè)難以跟上時代的步伐，這為網絡信貸的發(fā)展提供了良好的機會。其中P2P個人網絡借貸平臺的發(fā)展尤其迅猛，如何利用好龐大的網貸需求市場是現今網絡信貸公司值得深思的問題。本文從網絡借貸平臺雙邊的市場進行分析，以人人貸平臺的運營數據進行實證研究，結果表明網絡借貸平臺中借款人和出借人數量之間存在網絡外部性，并且借款人和出借人偏好于規(guī)模較大的網絡信貸平臺。對于網絡借貸平臺的良性發(fā)展具有參考價值。

關鍵詞：網絡借貸;交叉網絡外部性;P2P

中圖分類號：F832.4 文獻識別碼：A 文章編號：1001-828X（2019）015-0327-02

一、引言

據《2017年中國網絡借貸行業(yè)研究報告》2016年，中國P2P投資用戶規(guī)模為1271.0.1萬，借款用戶規(guī)模為876.0萬，預計未來會繼續(xù)保持增長趨勢。

人人貸成立于2010年5月，是中國最早一批基于互聯網的P2P信用借貸服務平臺。他的特點是一種將非常小額度的貸款聚集起來借給有資金需求人群的一種商業(yè)模式。這與擁有他投資者比借款者高很多有很大關系。

二、計量模型假設與構建

假設一：網絡借貸平臺雙邊用戶之間存在交叉網絡外部性

假設二：借款人和出借人數量與平臺規(guī)?；ハ嘤绊?。

本文設置兩個計量模型，模型一的被解釋變量為借款人數量，用borrower表示。解釋變量為出借人數量、平臺規(guī)模，控制變量為平均出借利率、人均貸款金額、人均借出金額。其中borrower表示人人貸平臺中借款人數量;lender表示人人貸平臺中出借人數量;scale表示平臺規(guī)模;rate表示平均出借利率;avgborrow表示平均借款金額;avglend表示平均出借金額;模型二中被解釋變量為出借人數量，解釋變量為借款人數量。因此，模型設定如下：

三、數據及實證分析

本文選取了最早一批基于互聯網的P2P信用借貸服務平臺一人人貸。由于網絡借貸行業(yè)發(fā)展時間較短，數據可得性不高，本文主要參考零壹財經網平臺獲得數據。數據樣本取2018年9月30日起，共計150個日統(tǒng)計數據。

本文利用stata 11進行回歸分析，在擬合程度不減小的情況下，依次加入模型中的變量，進行了懷特異方差檢驗，最終依據結果整理出表一和表二。

由模型一，我們可以看出借款人數量和出借人數量正相關，兩者存在交叉網絡外部性。人均借款金額的系數為負，說明借款人傾向于選擇在平均借款金額較小的平臺進行交易。以上數據證實了假設一，并且我們分析得出，借款人認為借款金額較小比較容易通過審核。

由模型二我們看到出借人數量和借款人數量正相關;平臺規(guī)模和出借人數正相關，平臺出借人偏好選擇成規(guī)模較大的借貸平臺進行交易，這樣比較安全可靠;人均借款金額與出借人數量正相關，說明出借人選擇投資借款金額多的借款人。這符合情理，在平臺審核前提下，借款金額大說明借款人信用度高，還款能力強;人均出借金額與出借人數量負相關，盡管不顯著，但是我們在加入人均出借金額后擬合優(yōu)度增加，本文認為出借人一般具有風險規(guī)避意識，小額投資便于分散風險。

四、結語

本文通過對人人貸平臺日常運營數據分析，證實了其具有交叉網絡外部性，但是本文也存在不足。本文的數據樣本不足，應該選取較長時間的較多數據更具說服力，另外，本文未分析同邊市場之間的網絡外部性。不能得出借款人和出借人各方之間存在的是正或負的網絡外部性，這值得進一步進行分析。

我國網絡借貸行業(yè)正處于導入期，由野蠻生長逐漸回歸理性。本文根據研究為此兩點建議。第一，平臺應該通過互聯網技術進行用戶畫像，篩選惡意騙款、無能力還款的用戶，降低風控成本，這樣給平臺和用戶帶來信心。第二，在淘汰一部分不合規(guī)的信貸平臺之后，目前市場上的企業(yè)規(guī)模普遍不大，可以“小魚吃小蝦”，經過篩選后并購或聯盟其他平臺，提高市場集中度，發(fā)揮集群效應。