閻曉春 周笑愉

摘 要：P2P網(wǎng)絡(luò)借貸平臺在展現(xiàn)新行業(yè)活力的同時，在國內(nèi)平臺上也不斷出現(xiàn)問題，以至行業(yè)亂象頻生、投資者信心嚴(yán)重受挫。因此，選擇浙江、江蘇、北京、上海及廣東五個地區(qū)197家P2P平臺作為樣本，綜合已有研究與行業(yè)特征，設(shè)定各評估指標(biāo)，使用層次分析法對指標(biāo)排序。采用突變級數(shù)法構(gòu)建風(fēng)險評估模型，橫向比較浙江省與其他地區(qū)P2P平臺的風(fēng)險特征差別，為市場參與方提供參考。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸平臺;突變級數(shù)法;風(fēng)險評估

中圖分類號：F830.5? ? ? 文獻標(biāo)志碼：A? ? ? 文章編號：1673-291X（2019）29-0149-06

引言

P2P行業(yè)發(fā)展初期，監(jiān)管過于寬松，沒有門檻限制，涌現(xiàn)大量平臺，良莠不齊。隨著困境出現(xiàn)，風(fēng)險爆發(fā)，影響整個行業(yè)的發(fā)展。而浙江省無論是平臺數(shù)量還是交易量都居于全國前列，有代表性。定量分析浙江省P2P平臺的相關(guān)風(fēng)險具有參考價值。本文采用突變級數(shù)法，比較浙江、北京、上海、廣東及江蘇等地區(qū)的平臺綜合風(fēng)險，為P2P平臺的監(jiān)管提供參考與借鑒。

一、文獻綜述

關(guān)于P2P平臺風(fēng)險的研究，國內(nèi)國外差別比較大。國外集中于實證分析借款違約的影響因素（Seth Freedman，2011[1]，Pope，2011[2]）。而受限于信息披露不充分、數(shù)據(jù)缺乏、征信體系沒有完全建立等等，國內(nèi)很多已有文獻是定性分析。也有文獻通過構(gòu)建模型定量分析P2P平臺風(fēng)險，關(guān)注借款人的違約問題（唐藝軍等，2015[3];于曉虹，等，2016[4]），運用因子分析法（張巧良，2015[5];尹鈞惠等，2016[6]）評估平臺風(fēng)險，或采用Logistic回歸和層次分析法（唐嘉悅[7];宋飛飛等，2015[8]）等分析。Logistic回歸法主觀成分較強，層次分析法中每個層次中的每個因素對結(jié)果的影響程度都是量化的，清晰明確。但是，所有的指標(biāo)體系需要有專家系統(tǒng)的支持，如果給出的指標(biāo)不合理，得到的結(jié)果也就不準(zhǔn)確。突變級數(shù)法不對指標(biāo)采用權(quán)重，減少了主觀性，又不失科學(xué)性、合理性，而且計算簡易準(zhǔn)確，更適合P2P平臺的風(fēng)險評估。

二、樣本選取、指標(biāo)說明

（一）樣本選取

浙江、江蘇、北京、上海及廣東五省市P2P平臺數(shù)量和成交量占全國比例較高，問題平臺也占到50%以上。這些地區(qū)的P2P平臺風(fēng)險比較具有代表性。所以，研究樣本選擇浙江、江蘇、北京、上海及廣東五個地區(qū)的P2P平臺，要求截至2017年6月底至少上線一年且狀態(tài)正常，并記錄了完整的運營數(shù)據(jù)。數(shù)據(jù)來源于網(wǎng)貸天眼、網(wǎng)貸之家及各平臺的官方網(wǎng)站，時間窗口為2016年7月至2017年6月，共197個樣本。

（二）指標(biāo)說明

考慮到數(shù)據(jù)的可得性，設(shè)計4個一級評估指標(biāo)：信用風(fēng)險F1、操作風(fēng)險F2、流動性風(fēng)險F3、信息披露風(fēng)險F4。信用風(fēng)險對應(yīng)的二級指標(biāo)有：償還能力風(fēng)險S1、償還意愿風(fēng)險S2。操作風(fēng)險對應(yīng)的二級指標(biāo)是集中度S3。流動性風(fēng)險對應(yīng)的二級指標(biāo)有：資金流動性S4、債權(quán)可轉(zhuǎn)讓性S5。信息披露風(fēng)險對應(yīng)的二級指標(biāo)有：借款人信息透明度S6、高管從業(yè)經(jīng)驗S7。

三、指標(biāo)具體分析

1.新增借款/待收金額T1。它可以反映平臺在一定時間內(nèi)的還款能力。該比值越大，平臺風(fēng)險越小。

2.注冊資本T2。該指標(biāo)越小風(fēng)險越大。

3.保障模式T3。沒有保障模式或不詳定義為0。風(fēng)險備用金保證定義為1;第三方擔(dān)保定義為2;資產(chǎn)合作伙伴回購定義為3;履約擔(dān)保保險定義為4。如有多個保障模式，定義值對應(yīng)相加。

4.上線時間T4。該指標(biāo)越大，平臺運行越穩(wěn)定，越可靠。根據(jù)截止2017年6月30日的總共月數(shù)計算。

5.參考利率T5。預(yù)期回報率越低，還款壓力越小。平臺風(fēng)險越高。

6.銀行存管T6。用戶資金及平臺的風(fēng)險備用金均沒有銀行存管的，取值為0。用戶資金或平臺的風(fēng)險備用金二者之一有銀行存管的，定義為1。二者都有銀行存管的，取值為2。

7.借款人數(shù)/投資者人數(shù)T7它可以反映平臺的集中度。與投資者數(shù)量相比，借款人越多，平臺越集中，平臺風(fēng)險越低。

8.前十大融資者待還金額/前十大投資者待收金額T8。它可以反映平臺的集中度。比T7更直觀。

9.平均借款期限T9。它一定程度上代表資金的流動性。借款期越長，平臺風(fēng)險相對越低。

10.綜合利率T10。當(dāng)前標(biāo)的全部加權(quán)平均利率。該值越小，平臺風(fēng)險越低。

11.人均投資金額/人均借款金額T11。該指標(biāo)越低，說明借款需求越集中，平臺運行風(fēng)險相對越高。

12.債權(quán)可轉(zhuǎn)讓程度T12。債權(quán)流動性越高，平臺相對流動性風(fēng)險越低。債權(quán)不可轉(zhuǎn)讓的，賦值0。債權(quán)可在3個月或3個月以內(nèi)轉(zhuǎn)讓的，賦值1。債權(quán)可在個2個月或2個月以內(nèi)轉(zhuǎn)讓的，賦值2。將債權(quán)可以在1個月或1個月以內(nèi)轉(zhuǎn)讓的，賦值3。將債權(quán)可隨時轉(zhuǎn)讓的，賦值4。

13.信息透明度T13。借款人信息相對越完善，借款人違約風(fēng)險越小，越容易獲得投資者的信任。借款人信息可以包括職業(yè)、性別、出生日期、學(xué)歷、婚姻狀況、成功借款次數(shù)、借款用途等等。如果未披露任何相關(guān)相關(guān)信息，賦值0。如果披露上述少部分信息（少于一半），賦值1。如果披露大部分相關(guān)信息（超過一半），賦值2。

14.高管從業(yè)經(jīng)驗T14。高官金融行業(yè)工作時間越長，投資者越信任，平臺風(fēng)險越低。

四、層次分析法排序

1.確定目標(biāo)和評估因素

2.構(gòu)造判斷矩陣

選擇互聯(lián)網(wǎng)金融領(lǐng)域10位專家，通過專家問卷調(diào)查方法，對指標(biāo)的重要程度打分，得到以下結(jié)果。

3.一致性檢驗

計算判斷矩陣S的最大特征根。？姿max=4.250 1。

平均隨機一致性指標(biāo)RI=0.9。

層次分析排序結(jié)果有滿意的一致性。其他判斷矩陣：

對三階及以上的矩陣進行一致性檢驗，根據(jù)以上步驟計算相應(yīng)的一致性指標(biāo)CI、隨機一致性比率CR。F1、F3、F4分別為0，0，0，S1、S2、S3、S4分別為0.007 9，0.008 8，0，0.003 2，均小于0.10，單層次一致性檢驗通過。

總排序一致性檢驗：

層次分析法的指標(biāo)排序結(jié)果：F1>F2>F3>F4。S1>S2。T1>T2>T3。T4>T5>T6;T7>T8;S4>S5;T9>T10>T11;T13>T14。

五、突變級數(shù)法構(gòu)建P2P平臺風(fēng)險評估模型

1.將原始數(shù)據(jù)標(biāo)準(zhǔn)化為0-1區(qū)間的取值。其中，T5、T10這兩個變量的數(shù)值越大，風(fēng)險越高，運用式（1）;其他變量均是數(shù)值越大，風(fēng)險越低，運用式（2）。

2.按照各指標(biāo)層分解的子指標(biāo)個數(shù)選擇相應(yīng)的突變模型。

3.運用歸一化公式，計算x值（xa，xb，xc，xd）。如果變量之間有明顯的互相補充的關(guān)系，取平均值。如果沒有明顯互相彌補的關(guān)系，指標(biāo)按照大中取小原則計算。

（1）非互補原則：比如（T13，T14）。

（2）互補原則：假如變量間可以相互補充或彌補不足，取各控制變量的平均值作為整個系統(tǒng)的x值?；パa型的指標(biāo)有（F1，F(xiàn)2，F(xiàn)3，F(xiàn)4）、（S1、S2）、（T1，T2，T3）、（T4，T5，T6）、（T7，T8）、（S4，S5）、（T9，T10，T11）。

逐層逐步計算各平臺的綜合風(fēng)險值（計算過程略）。

六、不同地區(qū)P2P平臺風(fēng)險的比較分析

（一）描述性統(tǒng)計結(jié)果

各地區(qū)P2P平臺總風(fēng)險的均值都在0.7—0.8左右。浙江省平臺的均值和極小值處于中間位置。極大值是地區(qū)中最低的，平臺綜合風(fēng)險水平總體一般，而且最安全的平臺落后于其他地區(qū)的最安全平臺。

浙江省P2P平臺的流動性風(fēng)險較高，平臺之間的差異也較大。信用風(fēng)險、操作風(fēng)險和信息披露風(fēng)險指標(biāo)均值都高于其他地區(qū)。浙江省排名第一的P2P平臺，信用風(fēng)險、流動性風(fēng)險、操作及信息披露風(fēng)險與其他地區(qū)同等平臺之間差距較大，尤其操作風(fēng)險差距最大，說明浙江平臺操作風(fēng)險偏高，監(jiān)管可以在這方面適當(dāng)關(guān)注。

（二）平臺風(fēng)險影響因素分析

相對于其他地區(qū)，浙江省平臺的流動性風(fēng)險偏高，操作風(fēng)險大。圖2表示綜合風(fēng)險值與流動性風(fēng)險下三級指標(biāo)值之間的關(guān)系。T9的值在平臺之間差距不大。并且多數(shù)情況下，這一指標(biāo)的值在指標(biāo)中是最小的，說明流動性風(fēng)險主要來自于平均借款期限較短。T11的值較低，說明浙江省P2P平臺的資金來源不穩(wěn)定，投資者更為小心。

借款人數(shù)/投資者人數(shù)，浙江省平臺T7指標(biāo)的數(shù)值也比較小，借款比較分散，平臺風(fēng)險偏高。

七、研究結(jié)論與不足

本文以浙江、北京、廣東、上海及江蘇五省市共197家平臺為樣本，采用突變級數(shù)法構(gòu)建了P2P平臺的風(fēng)險評估模型，比較分析各地區(qū)平臺風(fēng)險之間的差別，得出以下結(jié)論。

1.浙江省P2P平臺的流動性風(fēng)險比較大，平臺之間的差異也比較大。

2.操作風(fēng)險比較大，這也是監(jiān)管方和投資者需要關(guān)注的問題。

各P2P平臺的數(shù)據(jù)信息披露程度差別較大，某些相對重要的信息根本沒有，比如逾期率;問題平臺的歷史數(shù)據(jù)更沒有獲得途徑。另外，P2P平臺風(fēng)險結(jié)構(gòu)十分復(fù)雜，信息披露的監(jiān)管力度需要加大，必要的信息和數(shù)據(jù)應(yīng)強制披露，這樣才有可能改善評估效果。更可將發(fā)生突變的平臺與正常平臺對比，找出引起突變的影響因素，提供靶向明確的政策建議。

參考文獻：

[1]? Seth Freedman，Ginger ZheJin.Learning by Doing with Asymmetric Information：Evidence from Prosper.Com[J].Nber Working Papers，2011：203-212.

[2]? Pope D G，Sydnor J R.Whats in a Picture？：Evidence of Discrimination from Prosper.com[J].Journal of Human Resources，2011，46（1）：53-92.

[3]? 唐藝軍，葛世星.我國P2P網(wǎng)絡(luò)信貸風(fēng)險控制實證分析[J].商業(yè)研究，2015，（10）：64-72.

[4]? 于曉虹，樓文高.基于隨機森林的P2P網(wǎng)貸信用風(fēng)險評價、預(yù)警與實證研究[J].金融理論與實踐，2016，（2）：53-58.

[5]? 張巧良，張黎.P2P網(wǎng)貸平臺風(fēng)險評價指標(biāo)研究——基于層次分析法.[J]南京審計學(xué)院學(xué)報，2015，（6）：87-94.

[6]? 尹鈞惠，熊冉冉.基于因子分析的P2P網(wǎng)絡(luò)借貸平臺內(nèi)部風(fēng)險評估[J].財會月刊，2016，（33）：72-75.

[7]? 唐嘉悅，郝蒙.基于AHP的P2P風(fēng)險綜合評價及控制[J].經(jīng)濟研究導(dǎo)刊，2014，（32）：184-185.

[8]? 宋飛飛，黃作明.P2P平臺風(fēng)險管理評價指標(biāo)體系的構(gòu)建[J].商，2015，（47）：182-183.

Comparative Study on Risk Assessment of P2P Network Lending Platform in Zhejiang Province

YAN Xiao-chun1，ZHOU Xiao-yu2

（1.Zhejiang University of Finance and Economics，Hangzhou 310018，China;

2.Yancheng Rural Commercial Bank，Yancheng 224000，China）

Abstract：P2P online lending platform in the display of new industry vitality，but also in the domestic platform problems，so that the industry chaos，investor confidence is seriously frustrated.Therefore，select 197 P2P platforms in five regions of Zhejiang，Jiangsu，Beijing，Shanghai and Guangdong as samples，synthesize the existing research and industry characteristics，set each evaluation index，and use AHP to rank the indicators.Using the mutation series method to construct the risk assessment model，the risk characteristics difference of P2P platform in Zhejiang Province and other regions is compared horizontally to provide reference for market participants.

Key words：P2P network lending platform;mutation series method;risk assessment.

[責(zé)任編輯 柯 黎]

收稿日期：2019-09-17

基金項目：浙江省科技廳軟科學(xué)重點課題“創(chuàng)新型省份重點指標(biāo)檢測與評估研究——浙江省P2P網(wǎng)絡(luò)借貸平臺的監(jiān)測與評估研究”（2017C25024）的部分成果

作者簡介：閻曉春（1972-），女（滿族），甘肅蘭州人，副教授，博士，從事互聯(lián)網(wǎng)金融研究;周笑愉（1991-），女，江蘇鹽城人，碩士，從事互聯(lián)網(wǎng)金融研究。