北京郵電大學經(jīng)濟管理學院 張舒銘 李娜 劉璐 陳菲 胡桃(指導老師)

互聯(lián)網(wǎng)的高速發(fā)展對傳統(tǒng)經(jīng)濟業(yè)態(tài)產(chǎn)生了非常重大甚至是顛覆式的影響，金融行業(yè)也在互聯(lián)網(wǎng)浪潮的沖擊下不斷推陳出新、改革創(chuàng)新。由于傳統(tǒng)商業(yè)銀行高昂的固定成本和復雜的信用評估機制，中小企業(yè)的融資需求并沒有很好地被滿足，從而催生了“互聯(lián)網(wǎng)+小額借貸”的商業(yè)模式，即P2P信貸平臺。在政府政策和互聯(lián)網(wǎng)技術的雙重鼓勵下，中小企業(yè)繁榮發(fā)展，融資需求亟待滿足，所以P2P信貸平臺迅速成長起來。截至2016年，P2P網(wǎng)貸行業(yè)歷史累計成交量突破3萬億元，平臺數(shù)目不計其數(shù)，可見其在互聯(lián)網(wǎng)金融中的地位。在如此龐大的市場需求和如此激烈的市場競爭之下，增強平臺競爭能力至關重要。

雙邊市場，也被稱為雙邊網(wǎng)絡(Two-sided Networks)，是指有兩個互相提供網(wǎng)絡收益的獨立用戶群體的經(jīng)濟網(wǎng)絡。在價格結(jié)構(gòu)方面，Rochet和Tirole認為在價格結(jié)構(gòu)上的任何變動都將影響到雙方對平臺的需求及其參與規(guī)模，并影響到交易總量。在市場特征方面，Armstrong從網(wǎng)絡外部性的角度定義了雙邊市場：“兩組參與者需要通過中間平臺進行交易，并且一方的收益決定另一方參與者的數(shù)量。”在以上兩種理論的基礎上，黃民禮把雙邊市場界定為：若某種產(chǎn)品或者服務的供求雙方之間具有交叉網(wǎng)絡外部性而使得平臺企業(yè)將買賣雙方同時凝聚到一個交易平臺，如果平臺企業(yè)向買賣雙方收取的總價格為P=PB+PS(PB和PS可以為零或者負數(shù)，P＞0)，這說明PB或PS直接影響平臺企業(yè)的總需求和平臺實現(xiàn)的交易量。在實際分析中，價格結(jié)構(gòu)的變化對平臺交易量的影響應建立在交叉網(wǎng)絡外部性的基礎上(朱振中，呂廷杰，2016)。

P2P信貸平臺屬于雙邊市場，它聚集了資金盈余方的資金，再將這些資金出借給資金短缺方，使雙方的需求都能夠得到滿足。在投資人和借款人這兩方之中，投資人數(shù)量的增多會吸引大量的借款人，即投資人的交叉網(wǎng)絡外部性更加顯著。除了低費率以外，穩(wěn)定的投資收益是吸引投資人的重要因素。

本文主要分析了投資收益的影響因素和投資收益對平臺競爭能力的影響，結(jié)合兩個部分的結(jié)論對P2P信貸平臺提出發(fā)展建議。

1 P2P信貸平臺利率模型

1.1 基本假設與變量說明

P2P平臺的用戶主要分為兩類(巴曙松，熊婉芳等，2018)，即借款人和出借人，借款人是指在信貸活動中以自身的信用或財產(chǎn)作保證，或者以第三者作為擔保而從貸款人處借得貨幣資金的企事業(yè)單位或個人；出借人是指借貸合同或借用合同中，將貨幣或?qū)嵨锝桓督o借用人所有或使用，并按照約定定期或不定期地收回等值貨幣或同種類、數(shù)量、質(zhì)量的實物或者取回原物的一方當事人。本文旨在研究P2P平臺對于出借人的回報率制定方式，并嘗試從這個角度對平臺提出合理的建議。

出借人在P2P信貸平臺主要以收益率的方式來獲得收益，而收益率是基于平臺對于借款人的利率制定的，利率不僅反映借款人的支付能力，也意味著投資者可能獲得的投資收益。因此，本文通過研究信貸平臺利率模型，進而分析出影響利率制定的關鍵因素，并嘗試對平臺如何穩(wěn)定回報率(利率)提出合理建議。根據(jù)利率確定的主體，貸款利率的確定模式分為直接模式(平臺撮合定價)和間接模式(平臺自主定價)。無論直接模式和間接模式，具體貸款利率定價方法都是基于成本和風險兩大部分考慮。直接模式是指投資人直接與借款人通過競價拍賣過程確定最終貸款利率，P2P平臺僅作為撮合成交的平臺。間接模式是指P2P平臺根據(jù)借款人的資信信息確定最終貸款利率，并通過承諾固定收益回報的方式吸引投資人進行融資。后者為本文研究對象。

各網(wǎng)貸平臺的借款流程基本如下：首先注冊賬戶，完善基本信息并做身份認證，包括手機認證、戶口認證、銀行征信記錄等，根據(jù)這些信息評價用戶還款能力。接著提交貸款申請(包括借款金額、期限、利率、借款理由等)，等待審核。審核成功后，可以有多個貸款人共同放款，最終各方金額累積達到借款金額時便停止投標。投標結(jié)束后即可下款。因此，本文研究三個典型平臺中以下因素與利率之間的關系：借款期限、借款金額、風險等級、借款人收入情況、借款人資金用途等，并嘗試提出建議。

分析過程中，由于借款人收入情況、借款人資金用途等借款人基本信息在初期相關關系分析時呈現(xiàn)極弱的相關關系，所以在以下的分析中將其剔除。

1.2 模型構(gòu)建

1.2.1 你我貸利率模型

你我貸平臺建立線性回歸模型(郭梁鈺，2017)如下：

其中網(wǎng)貸利率為被解釋變量Y，借款期限為解釋變量X1，風險等級為解釋變量X2，收入情況為解釋變量X3。其中，你我貸的風險等級從高到低分為A、B、C、D、E五個等級，分別賦值為1、2、3、4、5；得出結(jié)果如圖1所示。

圖1 你我貸利率模型

由圖1可知，網(wǎng)貸利率與借款期限成正相關，借款期限越長，網(wǎng)貸利率越大；網(wǎng)貸利率與風險等級成負相關，風險等級越低，網(wǎng)貸利率越高；網(wǎng)貸利率與借款人收入情況成負相關，借款人收入越高，網(wǎng)貸利率越低；網(wǎng)貸利率與借款金額成正相關，借款金額越高，網(wǎng)貸利率越高。

1.2.2 信而富利率模型

信而富平臺建立線性回歸模型如下：

其中，網(wǎng)貸利率為被解釋變量Y，借款期限為解釋變量X1，風險等級為解釋變量X2，收入情況為解釋變量X3。其中，信而富的風險等級由高到低分為A、B、C、D四個等級，分別賦值1、2、3、4。得出結(jié)果如圖2所示。

圖2 信而富利率模型

由圖2可知，網(wǎng)貸利率與借款期限之間的關系并不顯著；網(wǎng)貸利率與風險等級成負相關，風險等級越低，網(wǎng)貸利率越高；網(wǎng)貸利率與借款金額成正相關，借款金額越高，網(wǎng)貸利率越高。

1.2.3 愛錢進利率模型

要錢進平臺建立線性回歸模型如下：

其中網(wǎng)貸利率為被解釋變量Y，借款期限為解釋變量X1，風險等級為解釋變量X2，收入情況為解釋變量X3。其中，愛錢進中項目的風險級別以低和較低來描述，本文中為較低和低分別賦值為1、2，得出結(jié)果如圖3所示。

圖3 愛錢進利率模型

由圖3可知，網(wǎng)貸利率與借款期限之間的關系并不顯著；網(wǎng)貸利率與風險等級成負相關，風險等級越低，網(wǎng)貸利率越高；網(wǎng)貸利率與借款金額成正相關，借款金額越高，網(wǎng)貸利率越高。

1.2.4 結(jié)論與建議

針對以上幾個典型平臺的利率模型的分析，可以發(fā)現(xiàn)網(wǎng)貸利率與借款期限之間的關系在各平臺中略有差異，但可以發(fā)現(xiàn)兩者之間的關系不是很顯著；而各平臺之中，網(wǎng)貸利率與項目的風險等級之間存在較顯著的負相關關系，一般情況下，風險等級越高則利率也越高；同時，網(wǎng)貸利率與借款金額之間則存在較顯著的正相關關系，一般情況下，借款金額越高，則網(wǎng)貸利率越高?？梢园l(fā)現(xiàn)網(wǎng)貸利率受風險等級、借款金額的影響較大。

對此，本文提出如下建議。

(1)規(guī)范風險等級的劃分。加強對項目風險等級的測評，以及對個人信用等級的劃分。從上文的分析可以看出，網(wǎng)貸利率受風險等級的影響較大，因此，風險等級的測定越權(quán)威，越真實，網(wǎng)貸利率的穩(wěn)定就越有保障。

(2)引入擔保機制，為整個交易過程提供保障。雖然保費會提高交易成本，但貸款利率的下降將會彌補這一成本的提高。并且，由于引入了保險，貸款人承擔的風險相對減小，整個P2P網(wǎng)貸平臺也會進入良性循環(huán)。

(3)保障充分的平臺債權(quán)。在P2P平臺能夠滿足借款方穩(wěn)定資金來源的同時，若能保障出借方必要的保障性和流動性則利率定價能進一步貼近市場實際(中國人民銀行湖州市中心支行課題組)。

1.3 網(wǎng)貸平臺投資特性戰(zhàn)略分析

P2P作為一種近年來出現(xiàn)的互聯(lián)網(wǎng)金融新模式，正急速成長。P2P信貸平臺發(fā)展為民間借貸的重要渠道，有效改善了資本的配置效率，但同時也面臨很大挑戰(zhàn)，在利率市場化沖擊下，逐步形成由市場需求與供給來決定金融機構(gòu)存貸款利率的市場利率體系。處在競爭激烈的行業(yè)中，信貸平臺要從多角度制定競爭戰(zhàn)略(余少輝，劉陽等，2017)。

1.3.1 數(shù)據(jù)來源及說明

根據(jù)網(wǎng)貸之家發(fā)布2019年1月網(wǎng)貸評級TOP60排行榜。

(1)60家平臺的各項指標的描述性統(tǒng)計結(jié)果如表1、表2所示。

2019年2月，網(wǎng)貸行業(yè)綜合收益率為9.94%，環(huán)比下降18個基點(1個基點=0.01%)，同比上升26個基點。而TOP60的平臺平均收益率為9.91%，其中，有28個平臺收益率高于行業(yè)平均。

表1 描述性統(tǒng)計資料

表2 描述性統(tǒng)計資料

日資金凈流入的平均值為－973萬元，其中，只有12家平臺日資金凈流入為正數(shù)，大部分平臺處于“資不抵債”狀態(tài)。且借款人數(shù)約為投資人數(shù)的3.5倍。

除日資金凈流入一項外，其余項偏斜度都為正值，分布正偏，即眾數(shù)位于算術平均數(shù)的左側(cè)，說明有數(shù)值奇高的個別項拉高了平均值。

參考收益率、近30日借款人數(shù)、日資金凈流入這三項峰度都大于3，說明峰的形狀比較尖，比正態(tài)分布峰要陡峭，數(shù)據(jù)分布更集中。投資人數(shù)相比借款人數(shù)要不穩(wěn)定得多。

(2)已知的全行業(yè)中利率最高的五個平臺，如表3所示。

表3 參考利率TOP5

以上平臺都存在不透明、難中標等問題，所以雖然利率高，卻處于評級低的地位，運營并不成功，知名度也很低。

圖4 全國及各個地區(qū)成交量占比

由餅狀圖可得，北上廣三地成交量占全國的88.36%。網(wǎng)貸業(yè)務地區(qū)分布極不平衡，主要集中在發(fā)達地區(qū)。

1.3.2 數(shù)據(jù)統(tǒng)計分析

(1)參考收益率對數(shù)正態(tài)分布的QˉQ擬合圖，如圖5、圖6所示。

圖5 參考收益率對數(shù)正態(tài)分布的QˉQ擬合圖

圖6 參考收益率的已除勢對數(shù)正態(tài)分布的QˉQ擬合圖

從圖5、圖6可以看出，參考收益率觀測值除了右上角兩個異常值之外，其余點都分布在一條接近Y=X直線的附近，且偏差在[-0.8,0.3]之間，就證明樣本數(shù)據(jù)與對數(shù)正態(tài)分布存在線性相關性，即服從對數(shù)正態(tài)分布。

對數(shù)正態(tài)分布(logarithmic normal distribution)是指一個隨機變量的對數(shù)服從正態(tài)分布，則該隨機變量服從對數(shù)正態(tài)分布。對數(shù)正態(tài)分布與正態(tài)分布很類似，除了它的概率分布向右進行了移動。對數(shù)正態(tài)分布從短期來看，與正態(tài)分布非常接近。但長期來看，對數(shù)正態(tài)分布向上分布的數(shù)值更多一些。更準確地說，對數(shù)正態(tài)分布中，有更大向上波動的可能，更小向下波動的可能。

(2)投資期限對數(shù)正態(tài)分布的QˉQ擬合圖，如圖7、圖8所示。

圖7 投資期限對數(shù)正態(tài)分布的QˉQ擬合圖

圖8 投資期限的已除勢對數(shù)正態(tài)分布的QˉQ擬合圖

從圖7、圖8可以看出，投資期限觀測值在20以內(nèi)，都分布在一條接近Y=X直線的附近，且偏差在[－2,3]之間，就證明樣本數(shù)據(jù)在[0,20]范圍內(nèi)，與對數(shù)正態(tài)分布存在線性相關性，即服從對數(shù)正態(tài)分布，而且在[0,10]內(nèi)基本與對數(shù)正態(tài)分布完全擬合。對于投資期限超過30的兩個平臺，偏差很大，不具有一般性。

(3)投資人數(shù)與借款人數(shù)相關性檢驗，如表4、表5所示。

四川盆地長寧-威遠頁巖氣開發(fā)示范區(qū)生產(chǎn)廢水管理…………………………………………………………(4):113

以上兩種相關性檢驗均說明近30日內(nèi)各平臺上投資人數(shù)與借款人數(shù)在0.01水平上顯著相關(雙尾檢驗)。驗證了信貸平臺符合雙邊市場理論，即一方需求變化會對另一方產(chǎn)生影響，進而影響整體成交量以及收益。

表4 投資人數(shù)與借款人數(shù)相關性檢驗Pearson相關

表5 投資人數(shù)與借款人數(shù)相關性檢驗Spearman相關

表6 成交量與資金凈流入相關性檢驗

(4)成交量與資金凈流入相關性檢驗，如表6所示。

從以上Pearson相關性檢驗可知，近30日成交量與日資金凈流入之間相關性很弱，相關系數(shù)約為－0.2，且置信度很低。說明資金凈流入跟對應平臺經(jīng)營能力和企業(yè)發(fā)展階段有很大關系，而不是隨著成交量增加而上升。

(5)參考收益率為因變量，成交量為因變量，進行線性回歸，如表7、表8所示。

表7 參考收益率與成交量線性回歸

表8 變異數(shù)分析a

從表7、表8可知，調(diào)整后R平方為－0.021，F(xiàn)分布顯著性為0.697，顯然說明二者線性回歸擬合度很差，沒有顯著線性關系?？梢钥闯鰠⒖际找媛蕦Τ山涣康挠绊懯菑碗s化的，并不能單純地說收益率高就會有高成交量，還受其他因素決定。

1.3.3 結(jié)論

(1)參考收益率平均在10%左右，上下浮動范圍[5%,20%]，較為穩(wěn)定。投資期限平均在10個月左右。二者均近似服從對數(shù)正態(tài)分布，只會向上波動。

(2)日資金凈流入的平均值為－973萬元，其中，只有12家平臺日資金凈流入為正數(shù)，大部分平臺處于“資不抵債”狀態(tài)。且借款人數(shù)約為投資人數(shù)的3.5倍，供不應求。

(3)參考收益率的高低并不能直接決定一個平臺的成交量高低、資金凈流入、平臺評級。由于風險和收益成正比的理念深入人心，收益水平越高，則企業(yè)可能面臨的風險就越大，P2P網(wǎng)貸安全性是出借人考慮的重大問題，過高的年化收益率可能會令出借人望而卻步(左茹霞，王言等，2017)。參考收益率最高的五個平臺反而做得很差，存在不透明等用戶關注的問題。而TOP20的平臺參考收益率高低參差不齊，說明這不是一個直接決定因素。

(4)網(wǎng)貸業(yè)務地區(qū)分布極不平衡，主要集中在發(fā)達地區(qū)，北上廣三地就占比八成以上。說明網(wǎng)貸業(yè)務并不普及，尤其是二三線城市，可以作為企業(yè)拓寬業(yè)務的優(yōu)先考慮。

(5)近30日內(nèi)各平臺上投資人數(shù)與借款人數(shù)在0.01水平上顯著正相關(雙尾檢驗)。所以平臺應該在市場營銷上加大投資，吸引更多投資者，由于正反饋作用，平臺上借款人數(shù)也會隨之增多，相互促進，擴大市場份額，雙邊網(wǎng)絡外部性效應明顯。

(6)目前信貸平臺商業(yè)模式還不夠完善，各大平臺之間經(jīng)營差異很大，發(fā)展戰(zhàn)略也各異，企業(yè)還在探索中，亟待進一步優(yōu)化征信系統(tǒng)和成本結(jié)構(gòu)，提高企業(yè)利潤，穩(wěn)定平臺安全保障系統(tǒng)。研究發(fā)現(xiàn)，具有雙邊市場性質(zhì)的P2P網(wǎng)貸行業(yè)市場集中度提高，不但不會引起壟斷帶來的明顯效率損失，而且會顯著提高行業(yè)整體效率和技術進步，因此，網(wǎng)貸企業(yè)的逐步合并統(tǒng)一運作機制有利于促進該行業(yè)的完善和健康發(fā)展(姜琪，2018)。

2 總結(jié)與建議

本文針對你我貸、信而富、愛錢進這三個典型平臺的利率模型進行了分析，發(fā)現(xiàn)網(wǎng)貸利率與借款期限之間的關系在各平臺中略有差異，但兩者之間的關系不是很顯著；而各平臺之中，網(wǎng)貸利率與項目的風險等級之間存在較顯著的負相關關系，一般情況下，風險等級越高則利率也越高；同時，網(wǎng)貸利率與借款金額之間則存在較顯著的正相關關系，一般情況下，借款金額越高，則網(wǎng)貸利率越高。可以發(fā)現(xiàn)網(wǎng)貸利率受風險等級、借款金額的影響較大。

繼而，本文又將網(wǎng)貸之家2019年1月評選的發(fā)展指數(shù)TOP60的平臺數(shù)據(jù)進行了統(tǒng)計，分析平臺參考收益率對平臺經(jīng)濟效益的影響。發(fā)現(xiàn)參考收益率的高低并不能直接決定一個平臺的成交量高低、資金凈流入、平臺評級。參考收益率最高的五個平臺反而做得很差，存在不透明等用戶關注的問題；而TOP20的平臺參考收益率高低參差不齊，說明這不是一個直接決定因素。另一方面，我們發(fā)現(xiàn)，近30日內(nèi)各平臺上投資人數(shù)與借款人數(shù)在0.01水平上顯著正相關(雙尾檢驗)。所以平臺應該在市場營銷上加大投資，吸引更多投資者，由于正反饋作用，平臺上借款人數(shù)也會隨之增多，相互促進，擴大市場份額，這也正體現(xiàn)了信貸平臺具有的雙邊市場理論性。

對此，筆者建議：規(guī)范風險等級的劃分，加強對項目風險等級的測評，以及對個人信用等級的劃分，風險等級的測定越權(quán)威，越真實，網(wǎng)貸利率的穩(wěn)定就越有保障；引入擔保機制，為整個交易過程提供保障，雖然保費會提高交易成本，但貸款利率的下降將會彌補這一成本的提高；加大平臺市場營銷的投入，以新穎的方式向投資人傳達優(yōu)質(zhì)的印象，盡力吸引更多投資人，這樣才能形成吸引用戶的良性循環(huán)，而不是一味地以高利率作為誘餌；優(yōu)化企業(yè)的成本結(jié)構(gòu)和征信系統(tǒng)，保持平臺商業(yè)模式的穩(wěn)定，盡早實現(xiàn)高的凈收益。