班悅

[摘 要]文章通過文獻(xiàn)關(guān)鍵詞搜索法初步篩選出12項P2P風(fēng)險因素，發(fā)放調(diào)查問卷確定初篩風(fēng)險因素的重要性程度;對問卷數(shù)據(jù)進(jìn)行因子分析和信度效度檢驗，探究出12項風(fēng)險因素所屬類別，基于此建立線性回歸模型，明確各類風(fēng)險因素的權(quán)重，研究結(jié)果顯示P2P行業(yè)風(fēng)險對于誘發(fā)P2P爆雷所占比重最大。最后提出P2P平臺應(yīng)強(qiáng)化信息中介這一行業(yè)定位等建議。

[關(guān)鍵詞]P2P借貸;爆雷;風(fēng)險因素;因子分析法

[DOI]10.13939/j.cnki.zgsc.2020.02.184

1 引言

P2P借貸是指個人和個人之間經(jīng)過互聯(lián)網(wǎng)平臺完成的借貸。自2018年6月以來，一批理財平臺如唐小僧等，頻繁發(fā)生了“跑路”的狀況。目前涉及金額最高可達(dá)萬億等級，受害者眾多。直至2018年8月底，P2P網(wǎng)貸行業(yè)中能夠正常運(yùn)營的平臺數(shù)量下降至1595家，停業(yè)及問題平臺累加數(shù)量可達(dá)4811家。

鑒于P2P行業(yè)多次爆雷、風(fēng)險重重，大多數(shù)投資者的經(jīng)濟(jì)利益和投資信心受到沉重打擊，為了有效緩和緊張形勢，使P2P行業(yè)能夠健康發(fā)展，國內(nèi)各專家學(xué)者紛紛研究P2P風(fēng)險種類以及管控措施。

2 文獻(xiàn)綜述

現(xiàn)有文章從不同的角度論述P2P風(fēng)險并提出措施。葉湘榕（2014）講解了各種借貸模式的共性風(fēng)險和個性風(fēng)險。斯瑾慧（2016）提出抑止風(fēng)險多發(fā)的管控形式。部分文章分析了風(fēng)險影響因素，提出優(yōu)化P2P的模型。劉博楠（2017）以包括三方的效用函數(shù)模型，解釋了違約風(fēng)險產(chǎn)生機(jī)理。還有文章研究P2P非風(fēng)險問題及現(xiàn)象，豐富了人們對于P2P的認(rèn)識。JunTan和DeSilva，D.G.（2011）認(rèn)為貸款利率不僅是借款人的借款成本，而且能夠反映借款人的福利情況。

但是現(xiàn)有文獻(xiàn)未能從涉及的風(fēng)險因素中篩選出最有說服力的風(fēng)險因素，也沒有對風(fēng)險因素進(jìn)行分類。因此，基于前人的研究，本文通過文獻(xiàn)篩選法總結(jié)出各項風(fēng)險因素;利用因子分析法對風(fēng)險因素歸類，建立線性回歸模型，明確各類風(fēng)險因素的權(quán)重;提出建設(shè)性意見以促進(jìn)P2P行業(yè)發(fā)展。

3 數(shù)據(jù)來源和數(shù)據(jù)分析

3.1 數(shù)據(jù)來源

為了擴(kuò)大風(fēng)險因素的覆蓋面，通過關(guān)鍵詞搜索進(jìn)行文獻(xiàn)期刊的回顧，以專業(yè)學(xué)者對風(fēng)險因素涉及次數(shù)進(jìn)行初步篩選;為了確定初篩風(fēng)險因素的重要性程度，發(fā)放“誘發(fā)P2P爆雷的各項風(fēng)險因素重要性評估”的調(diào)查問卷，基于調(diào)查結(jié)果進(jìn)行數(shù)據(jù)分析。

3.2 文獻(xiàn)關(guān)鍵詞搜索法

以“P2P爆雷”“P2P風(fēng)險因素”“P2P風(fēng)控措施”等關(guān)鍵詞進(jìn)行文獻(xiàn)回顧，以專業(yè)學(xué)者對風(fēng)險因素涉及次數(shù)進(jìn)行初步篩選，得出表1的12項P2P風(fēng)險因素。

3.3 因子分析

為了探究出12項風(fēng)險因素所屬類別，利用SPSS對“誘發(fā)P2P爆雷的各項風(fēng)險因素重要性評估”調(diào)查問卷的數(shù)據(jù)進(jìn)行因子分析。

為了驗證收集數(shù)據(jù)適合做因子分析，對問卷數(shù)據(jù)進(jìn)行KMO和Bartlett的球形度檢驗（見表2），檢驗結(jié)果分別為0.764和1224.748，p值接近0，可以認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著差異，通過數(shù)值比對可以看出，兩者的檢驗值都表示其適合做因子分析。

之后對誘發(fā)P2P爆雷的12個風(fēng)險因素進(jìn)行探索性因子分析，對3個主因子進(jìn)行分類命名，分別為：平臺自身風(fēng)險、P2P行業(yè)風(fēng)險、國內(nèi)環(huán)境風(fēng)險。其風(fēng)險因素指標(biāo)如表3所示。

3.4 信度分析和效度分析

為了驗證調(diào)查問卷收集數(shù)據(jù)的可靠性進(jìn)行信度分析。分析結(jié)果顯示，各因子風(fēng)險因素分量表的α值均大于0.7，總體α值為0.811，表示其可以接受，信度情況符合研究所需。

效度分析分為結(jié)構(gòu)效度和內(nèi)容效度。在因子分析中各因子風(fēng)險因素分量表的KMO值均大于0.6，并且總體的KMO檢驗值為0.831，位于0.8以上，且各因子載荷均大于0.5，方差累計貢獻(xiàn)率大于0.7，表示其測量結(jié)果與要考察的內(nèi)容相吻合，量表的結(jié)構(gòu)效度較高;內(nèi)容效度分別采用專家判斷法及文獻(xiàn)回顧兩種方式進(jìn)行判別。對于專家判別法，通過咨詢“互聯(lián)網(wǎng)金融”方面2名專家，“P2P網(wǎng)貸風(fēng)險評估”方面2名專家，對各風(fēng)險因素與誘發(fā)P2P爆雷的相關(guān)性，分別從測題的代表性、適應(yīng)性進(jìn)行打分判定，其S-CVI/Ave得分滿足0.90以上;對于文獻(xiàn)回顧方面，以“P2P爆雷”“P2P風(fēng)險因素”以及“P2P風(fēng)控措施”等相關(guān)的重要關(guān)鍵詞進(jìn)行文獻(xiàn)搜索，以期刊等級、引用次數(shù)為依據(jù)進(jìn)行覆蓋性較強(qiáng)的下載，以此降低風(fēng)險因素篩選的缺失性。

綜上所述，兩種分析表明量表的信度效度較高。

4 模型構(gòu)建

為了進(jìn)一步了解各類風(fēng)險因素對于引發(fā)P2P爆雷的貢獻(xiàn)程度，決定探究P2P爆雷的負(fù)外部性程度和3類誘發(fā)P2P爆雷的風(fēng)險因素之間的關(guān)系。SPSS分析結(jié)果顯示各風(fēng)險因素與因變量之間的變化趨勢分別是線性的，由此建立P2P爆雷的負(fù)外部性程度和3類誘發(fā)P2P爆雷的風(fēng)險因素之間的多元線性回歸模型：

式中，P為平臺自身風(fēng)險，I為P2P行業(yè)風(fēng)險，S為國內(nèi)環(huán)境風(fēng)險，E為其他風(fēng)險，N為P2P爆雷的負(fù)外部性程度，其中P，I，S為自變量，E為控制變量，N為因變量。

通過SPSS軟件做線性回歸，發(fā)現(xiàn)各因素的VIF<10說明不存在多重共線性，可以直接線性回歸。根據(jù)標(biāo)準(zhǔn)化系數(shù)，絕對值越大說明對應(yīng)的風(fēng)險因素所占權(quán)重越大，因此P2P行業(yè)風(fēng)險所占權(quán)重最大。回歸模型統(tǒng)計數(shù)據(jù)見表4。

5 結(jié)論

第一，本文分析歸納出12個誘發(fā)P2P爆雷的風(fēng)險因素，并通過因子分析將其歸為三大類，分別是平臺自身風(fēng)險、P2P行業(yè)風(fēng)險、國內(nèi)環(huán)境風(fēng)險。

第二，建立P2P爆雷的負(fù)外部性程度和三類風(fēng)險因素的多元線性回歸模型，分析各類風(fēng)險的權(quán)重，其中P2P行業(yè)風(fēng)險對于誘發(fā)P2P爆雷影響最大。

第三，P2P平臺應(yīng)強(qiáng)化P2P平臺信息中介的準(zhǔn)確定位，積極配合國家政策。

第四，完善信息披露機(jī)制和征信系統(tǒng)的建立，促進(jìn)產(chǎn)品創(chuàng)新。

參考文獻(xiàn)：

[1]劉博楠.我國P2P網(wǎng)絡(luò)借貸違約風(fēng)險的影響因素研究[D].長沙：湖南大學(xué)，2017.

[2]葉湘榕.P2P借貸的模式風(fēng)險與監(jiān)管研究[J].金融監(jiān)管研究，2014（3）.

[3]斯瑾慧.P2P全方位風(fēng)險管控模式初探[J].價值工程，2016（29）.

[4]XU YUN，QIU JIAXIAN，LIN ZHANGXI.How does social capital influence online P2P lending？A Cross-Country analysis[C].Hubei：2011 International Conference on Management of e-Commerce and e-Government，2011：238-245.