摘要:本文選取670家P2P平臺作為研究樣本,利用競爭風(fēng)險模型回歸探究“跑路”平臺與“延期兌付”平臺的風(fēng)險特征,結(jié)果顯示:“跑路”平臺表現(xiàn)出高收益率、民營背景以及無資金存管的特征,而“延期兌付”平臺表現(xiàn)出高收益率、無債權(quán)轉(zhuǎn)讓以及有自動投標(biāo)的特征。此外,本文建立邏輯回歸模型,通過對比輸出結(jié)果與實際結(jié)果來評價這些風(fēng)險特征對于問題平臺識別的準(zhǔn)確率。最后根據(jù)實證結(jié)果給出了網(wǎng)貸行業(yè)發(fā)展的相關(guān)建議。
Abstract: This article selects 670 P2P platforms as a research sample and uses thecompetitive risk model regression to explore the risk characteristics of the"run away" platform and the "deferred payment" platform. The results show that the "run away" platformexhibits high returns, private background, and no funds depository, and the"deferred redemption" platform exhibits high returns, no claimstransfer and automatic bidding. In addition, this paper establishes a logisticregression model, and evaluates the accuracy of these risk features for problemplatform identification by comparing the output results with actual results.Finally, relevant suggestions are given based on the empirical results.
關(guān)鍵詞:P2P問題平臺;風(fēng)險特征;競爭風(fēng)險模型
Key words: P2P problem platform;risk characteristics;competitive risk model
中圖分類號:F724.6? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼:A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號:1006-4311(2020)09-0275-05
0? 引言
自2007年國內(nèi)第一家P2P網(wǎng)絡(luò)借貸公司拍拍貸成立以來,P2P網(wǎng)貸行業(yè)在國內(nèi)金融市場上已經(jīng)發(fā)展了超過十年。在國內(nèi)中小企業(yè)及個人巨大的資金需求刺激下,從2011年至2015年,P2P行業(yè)的成交量不斷創(chuàng)下新高,實現(xiàn)了從十億、百億、千億到最終萬億的跨越式發(fā)展。然而,由于監(jiān)管的缺失,行業(yè)短期的“野蠻生長”導(dǎo)致大量平臺停業(yè)或“爆雷”。如圖1所示,行業(yè)的新增平臺數(shù)到2015年達(dá)到頂峰,而從2016年起每年的停業(yè)及問題平臺數(shù)量就超過了新增平臺數(shù)量。顯然,這些問題平臺的出現(xiàn)嚴(yán)重擾亂了行業(yè)的正常秩序,尤其是使得“P2P網(wǎng)絡(luò)借貸”幾乎成為了許多投資者心中網(wǎng)絡(luò)詐騙的代名詞,嚴(yán)重拉低了網(wǎng)絡(luò)借貸在社會的形象。
基于這一現(xiàn)狀,如何識別P2P問題平臺的風(fēng)險特征成為當(dāng)下一個重要的研究課題。本文將非正常運營的平臺劃分為停業(yè)(及轉(zhuǎn)型)、跑路、延期兌付以及刑偵介入四類,停業(yè)平臺屬于良性退出平臺,基本都會在完成資金清算,保障投資人權(quán)益的基礎(chǔ)上退出,不會給行業(yè)帶來太大的負(fù)面影響;跑路、延期兌付和刑偵介入平臺屬于惡性退出平臺,會為投資者造成極大損失[1](羅慶田,2018)。由于在惡性退出平臺中,刑偵介入只占極小的比例,因此本文主要聚焦于對“跑路”平臺以及“延期兌付”平臺,并討論以下兩個問題:這兩種問題平臺具有怎樣的風(fēng)險特征?投資者是否可能在市場上通過風(fēng)險特征來識別出這兩種問題平臺?解決這兩個問題一方面可以幫助投資者避免投資到這些問題平臺,用市場選擇淘汰劣質(zhì)平臺從而避免部分平臺“爆雷”為整個行業(yè)帶來巨大負(fù)面影響,另一方面可以為監(jiān)管層提供監(jiān)管建議,針對不同類型問題平臺采用不同的整治方法可以使政策更加有的放矢效果更好。
1? 文獻(xiàn)綜述
伴隨著P2P行業(yè)早期的蓬勃發(fā)展,最早有關(guān)網(wǎng)絡(luò)借貸行業(yè)的研究也聚焦于借款人的風(fēng)險識別。Klafft(2008)首先通過構(gòu)建邏輯回歸尋求違約風(fēng)險的影響因素,結(jié)果發(fā)現(xiàn),借款人的信用評級、還款率、擔(dān)保物以及收支記錄等因素都會影響貸款的違約率[2]。Barasinska(2009)和Duarte et al.(2012)分別發(fā)現(xiàn)借款人的年齡和外貌等特征對違約率的影響[3][4]。國內(nèi)的學(xué)者也在借款人風(fēng)險識別方面做了許多研究,王會娟(2014)發(fā)現(xiàn)借款人信用對于借款成功率以及違約率會產(chǎn)生顯著影響[5],而廖理(2014)則發(fā)現(xiàn)國內(nèi)P2P市場對不同省份的借款人有地域歧視,即使從違約率來看各省借款人并沒有顯著差異[6]。
然而,緊隨之著P2P行業(yè)蓬勃發(fā)展之后的卻是不斷出現(xiàn)的平臺“爆雷”問題。隨著監(jiān)管整頓期的來臨,問題平臺的數(shù)量逐漸增多,研究上的重點也就開始轉(zhuǎn)向平臺的風(fēng)險研究及監(jiān)管方面。巴曙松(2013)通過生存模型研究了P2P平臺的生存規(guī)律,并進(jìn)行政策模擬以探索監(jiān)管政策對于平臺存續(xù)期的影響[7]。劉繪、沈慶劼(2015)研究發(fā)現(xiàn),國內(nèi)的P2P借貸平臺存在的五種風(fēng)險如下所示:IT技術(shù)風(fēng)險、資金混用風(fēng)險、違法集合資金的風(fēng)險、擔(dān)保措施不夠的風(fēng)險等[8]。歐陽輝(2016)運用logistic回歸發(fā)現(xiàn)平均收益率、透明度以及資金存管能夠顯著影響平臺的財務(wù)風(fēng)險[9]。葉青,李增泉,徐偉航(2016)和徐梓原(2019)等也都使用傳統(tǒng)的回歸模型構(gòu)建不同的指標(biāo)體系研究了平臺風(fēng)險的影響因素[10][11]。杜朝運(2016)通過分析問題平臺特征,提出的治理路徑包括了建立檔案庫、限期整改、追究法律責(zé)任、增強透明度、健全法律體系五個方面[12]。譚天驕(2019)在P2P風(fēng)險預(yù)警研究中引入BP神經(jīng)網(wǎng)絡(luò)模型,對于風(fēng)險平臺的預(yù)警準(zhǔn)確率達(dá)到了90%以上[13]。
通過整理可以發(fā)現(xiàn),現(xiàn)有的文獻(xiàn)出現(xiàn)兩個趨勢:逐步由借款人的風(fēng)險研究轉(zhuǎn)向平臺本身風(fēng)險的研究;逐步由平臺風(fēng)險的定性分析轉(zhuǎn)化為量化分析。然而,目前對于P2P問題平臺的研究存在兩點不足:一方面,過往的研究大都采用傳統(tǒng)的logistic回歸或多元線性回歸,沒有考慮存續(xù)期對于平臺風(fēng)險的影響,僅僅是假設(shè)正常運營平臺風(fēng)險小而問題平臺風(fēng)險大,這實際上會低估正常運營平臺的風(fēng)險。另一方面,有部分文獻(xiàn)回答了P2P問題平臺具有怎樣特征的問題,而評價風(fēng)險特征對于問題平臺識別能力的文獻(xiàn)還相對較少。針對前一個問題,本文采用生存分析中的競爭風(fēng)險模型,該模型在加入存續(xù)期這一時間變量的基礎(chǔ)上,將正常運營平臺視為尚未觀察到終點的事件,對平臺風(fēng)險進(jìn)行了更有效地解釋,保證了結(jié)果的準(zhǔn)確性。而為了解決后一個問題,本文建立logistic模型,通過對比實際結(jié)果與輸出結(jié)果來評價風(fēng)險特征對于問題平臺的識別能力。
2? 假設(shè)提出與指標(biāo)體系構(gòu)建
2.1 假設(shè)提出
在特征變量的選擇依據(jù)上,本文參考了吳慶田(2018)在研究P2P平臺運營穩(wěn)健性時對平臺風(fēng)險特征的劃分方法,包括平臺實力、風(fēng)控措施、標(biāo)的特征以及治理水平四個維度。在這四個維度的基礎(chǔ)上,本文選取了相關(guān)的特征變量。
2.1.1 平臺實力
本文選取注冊資本以及股東背景作為平臺實力的代表因素。注冊資本高是一個平臺實力的象征,它代表著平臺在面對風(fēng)險時的兜底能力和兌付能力,能夠向外界傳遞一種可靠、積極的信號,因此,本文認(rèn)為注冊資本越高的平臺,越不會成為問題平臺;強大的股東實力意味著平臺有靠譜的信用背書,除此之外,以銀行系、國營系、風(fēng)投系為背景的平臺相對于以民營系為背景的平臺更加注重在風(fēng)險上的防控,因此本文論文股東背景實力越強的平臺,越不會成為問題平臺。假設(shè)如下:
H1:平臺注冊資本越高,越不會成為問題平臺。
H2:平臺股東背景越強,越不會成為問題平臺。
2.1.2 風(fēng)控措施
本文選取資金存管和第三方擔(dān)保作為風(fēng)控措施的代表因素。資金存管是平臺將資金交給第三方銀行代為保管,此舉有利于平臺與資金的分離,防范平臺私自挪用或建立資金池的風(fēng)險,因此,本文認(rèn)為有資金存管的平臺,越不會成為問題平臺;第三方擔(dān)保是平臺將自身風(fēng)險轉(zhuǎn)移出去的一種手段,也是對投資者資金的一種保障,因此,本文認(rèn)為有第三方擔(dān)保的平臺,越不會成為問題平臺。假設(shè)如下:
H3:平臺有資金存管,越不會成為問題平臺。
H4:平臺有第三方擔(dān)保,越不會成為問題平臺。
2.1.3 標(biāo)的特征
本文選取預(yù)期收益率和投資期限作為標(biāo)的特征的代表因素。一方面,利率過高會為平臺帶來較大的資金壓力,從而出現(xiàn)財務(wù)問題,另一方面,也有很多“詐騙”平臺會故意給出天價收益率以達(dá)到“集資跑路”的目的,因此,本文認(rèn)為收益率越高的平臺,越容易成為問題平臺;平臺項目投資期限過短會使得投資者頻繁地提取資金,從而帶來流動性風(fēng)險,可能會給平臺造成巨大的現(xiàn)金流壓力,因此,本文認(rèn)為投資期限越長的平臺,越不會成為問題平臺。假設(shè)如下:
H5:平臺收益率越高,越容易成為問題平臺。
H6:平臺投資期限越長,越不會成為問題平臺。
2.1.4 治理水平
本文選取監(jiān)管協(xié)會、債權(quán)轉(zhuǎn)讓、自動投標(biāo)作為治理水平的代表。監(jiān)管協(xié)會是行業(yè)的自律組織,如果能加入監(jiān)管協(xié)會,代表平臺在各個方面都能達(dá)到行業(yè)自律的要求,也就越不會成為問題平臺。自動投標(biāo)能夠解決投資者的資金閑置問題,促進(jìn)平臺成交量上升,而債權(quán)轉(zhuǎn)讓可以幫助投資者快速地將資產(chǎn)變現(xiàn),保持一定的流動性,有利于提高市場效率。因此,這兩者的存在使得平臺不容易成為問題平臺。假設(shè)如下:
H7:平臺加入監(jiān)管協(xié)會,越不會成為問題平臺。
H8:平臺支持自動投標(biāo),越不會成為問題平臺。
H9:平臺支持債權(quán)轉(zhuǎn)讓,越不會成為問題平臺。
2.2 指標(biāo)體系構(gòu)建
2.2.1 樣本選擇
本文以2018年底為時間截點,選取了近兩年的P2P平臺作為研究對象,在進(jìn)行了一定的篩選后選擇其中670家平臺作為研究樣本,其中包括正常運營平臺177家,跑路平臺98家,延期兌付平臺163家,停業(yè)平臺232家。其中正常運營平臺是指截止2018年底依然正常運營的平臺。由于經(jīng)偵介入平臺數(shù)量較少,沒有達(dá)到能夠作為實證研究對象的標(biāo)準(zhǔn),因此不納入本文研究范疇。
2.2.2 變量設(shè)置
前文提到,本文在前人研究的基礎(chǔ)上再加上一定的分析,選取了參考收益率、投資期限、股東背景、資金存管、注冊資本、債權(quán)轉(zhuǎn)讓、自動投標(biāo)、監(jiān)管協(xié)會和第三方擔(dān)保等九個因素作為特征變量。由于競爭風(fēng)險模型的要求,需要將特征變量轉(zhuǎn)換為二元變量,因此,本文的變量選擇如表1所示。
2.2.3 描述性統(tǒng)計
本文對四類平臺做了一個描述性統(tǒng)計,如表2所示。
從標(biāo)的特征來看,正常營運平臺中高收益率占比14.61%,而其他三種占比都超過了40%,“跑路”平臺中甚至超過80%都是高收益率平臺。正常運營平臺以長期標(biāo)的為主,而其他平臺標(biāo)的資產(chǎn)期限都比較短。
從平臺實力來看,“跑路”平臺中民營背景占比95.88%,而其他三類平臺分別占比62.92%、72.53%和75.93%。正常運營平臺和“延期兌付”平臺注冊資本相對較高,而“停業(yè)”平臺和“跑路”平臺相對較低。
從風(fēng)控措施來看,85.96%的正常營運平臺有資金存管,僅有3.09%的“跑路”平臺有資金存管,其他兩類平臺有資金存管占比分別為21.89%和41.98%。第三方擔(dān)保在不同平臺間差異相對較小。
從治理水平看,四類平臺能加入監(jiān)管協(xié)會的比例都較小,其比例按正常營運平臺、“停業(yè)”平臺、“延期兌付”平臺和“跑路”平臺順序依次遞減?!把悠趦陡丁逼脚_中支持自動投標(biāo)的比例最高,支持債權(quán)轉(zhuǎn)讓的比例最低,其他三類平臺關(guān)于這兩項的占比差異較小。
3? 模型選擇及實證分析
3.1 模型選擇
討論解釋變量與被解釋變量的關(guān)系,一般應(yīng)用傳統(tǒng)的回歸模型。然而,在P2P問題平臺的研究中,由于刪失數(shù)據(jù)的存在(如一個平臺狀態(tài)是正常運營,可能只是到截止日期還尚未觀察到其終點事件),傳統(tǒng)的回歸模型對于兩者的關(guān)系的估計將不太準(zhǔn)確。為了解決這一問題,COX在1968年提出一個半?yún)?shù)模型即比例風(fēng)險模型,將危險率函數(shù)表達(dá)為了協(xié)變量函數(shù)和基準(zhǔn)風(fēng)險率函數(shù)的乘積:
(1)
該模型被稱為比例風(fēng)險模型是因為任何個體的風(fēng)險都與其他個體的風(fēng)險呈固定比例:
(2)
競爭風(fēng)險模型是在COX模型的基礎(chǔ)上研究具體某類風(fēng)險發(fā)生的原因。假設(shè)跑路和延期兌付分別為J1,J2,則個體i發(fā)生特定事件J的風(fēng)險函數(shù)為:
(3)
可以把該模型轉(zhuǎn)化為包含其他影響因素的函數(shù),如:
(4)
其中Xi的是一列包含影響因素的向量,其中的一些變量可能是時因變量。如果風(fēng)險隨時間發(fā)生變化,則“跑路”平臺風(fēng)險和“延期兌付”平臺風(fēng)險的變化可能呈比例數(shù)值。假設(shè)我們相信跑路和延期兌付都服從威爾布分布,只是有不同的參數(shù)值,可以假設(shè):
(5)
3.2 實證結(jié)果
3.2.1 樣本獨立性檢驗
在多終點事件中,首先要保證終點事件之間是相互獨立的,即不同類型平臺的樣本之間具有獨立性。本文利用Kruskal-Wallis檢驗來驗證幾中狀態(tài)是否能合為一種狀態(tài),設(shè)定“跑路”平臺=1,“延期兌付”平臺=2,“停業(yè)”平臺=3,正常運營平臺=4,結(jié)果如表3。
結(jié)果顯示,各個特征變量在1%的水平下都拒絕原假設(shè),各個狀態(tài)的平臺樣本無法混合。因此,不同終點類型的P2P平臺是典型的多終點事件,可以選用競爭風(fēng)險模型進(jìn)行研究。
3.2.2 “跑路”平臺特征
在競爭風(fēng)險模型中,自變量的設(shè)置前文已經(jīng)提到,在此不必贅述。在研究“跑路”問題平臺時,將正常運營平臺設(shè)置為“0”(0代表尚未觀測到結(jié)果的終點事件),將“停業(yè)”平臺和“延期兌付”平臺設(shè)置為“1”(1代表已經(jīng)死亡但非當(dāng)前原因死亡的終點事件),將“跑路”平臺設(shè)置為“2”(2代表因當(dāng)前原因死亡的終點事件)。同時,由于競爭風(fēng)險模型是一個關(guān)于時間的半?yún)?shù)模型,選取存續(xù)期作為時間變量。回歸結(jié)果如表4。
從結(jié)果中可以看出,參考收益率和資金存管對“跑路”問題影響最大,在1%的水平上顯著。而從10%的水平上來看,股東背景也對“跑路”問題有一定影響。由此,可以建立一個關(guān)于平臺“跑路”問題的模型:
(6)
參考收益率的系數(shù)為1.585,說明這是個危險因素。它的值越大,平臺越容易“跑路”。相對于低收益率(低于12%),高收益率平臺的“跑路”可能性擴大4.879(e的1.585次方)倍。
股東背景系數(shù)為-1.199,說明這是個保護(hù)因素。它的值越小,平臺越容易“跑路”。相對于非民營背景(國營、上市或風(fēng)投系),民營系平臺的“跑路”可能性會擴大3.317(e的1.199次方)倍。
資金存管系數(shù)為-5.084,說明這是個保護(hù)因素。它的值越小,平臺越容易“跑路”。相對于有資金存管的平臺,無資金存管平臺的“跑路”可能性會擴大161.418(e的5.084次方)倍。
因此,“跑路”平臺的特征表現(xiàn)為高收益率、民營背景以及無資金存管。
3.2.3 “延期兌付”平臺特征
在研究“延期兌付”平臺時,因變量的設(shè)置與研究“跑路”平臺時同理。回歸結(jié)果如表5。
從結(jié)果中可以看出,債權(quán)轉(zhuǎn)讓和自動投標(biāo)對“延期兌付”問題影響最大。而從1%的水平上來看,參考收益率和注冊資本也對平臺有一定影響。由此,可以建立一個關(guān)于平臺“跑路”問題的模型:
■(7)
參考收益率的系數(shù)為0.593,說明這是個危險因素。它的值越大,平臺越容易“延期兌付”。相對于低收益率(低于12%),高收益率平臺的“延期兌付”可能性擴大1.809(e的0.593次方)倍。
注冊資本的系數(shù)為0.473,說明這是個危險因素。這與本文一開始所做的假設(shè)并不相符,也與金融學(xué)一般認(rèn)識相違背。在對平臺數(shù)據(jù)進(jìn)一步探究后發(fā)現(xiàn),平臺的注冊資本很多都只是空有其名,實際上實繳資本遠(yuǎn)遠(yuǎn)沒有注冊資本名義上那么多,因此這里才出現(xiàn)了反常結(jié)論。王修華(2016)也在對比問題平臺特征以及投資者的行為后指出,國內(nèi)網(wǎng)貸市場上存在一個認(rèn)識誤區(qū)——名義上注冊資本越高的平臺實力越強,越值得投資者信賴。這與本文所做的結(jié)果是一致的。
自動投標(biāo)系數(shù)為1.389,說明這是個危險因素。它的值越大,平臺越容易“延期兌付”。相對于無自動投標(biāo)平臺,有自動投標(biāo)平臺的“延期兌付”可能性會擴大4.011(e的1.389次方)倍。
債權(quán)轉(zhuǎn)讓系數(shù)為-0.905,說明這是個保護(hù)因素。它的值越小,平臺越容易“延期兌付”。相對于有債權(quán)轉(zhuǎn)讓平臺,無債權(quán)轉(zhuǎn)讓平臺的“延期兌付”可能性會擴大2.472(e的0.905次方)倍。
因此,“延期兌付”平臺的特征表現(xiàn)為高收益率、有自動投標(biāo)和無債權(quán)轉(zhuǎn)讓。
4? 回歸預(yù)測
4.1 預(yù)測樣本
在得到問題平臺的風(fēng)險特征之后,本文將選取二元回歸模型驗證能否通過風(fēng)險特征識別出問題平臺。然而二元回歸模型容易犯兩種錯誤,即第Ⅰ類錯誤和第Ⅱ類錯誤。以跑路平臺為例,第Ⅰ類錯誤就是模型將“跑路”平臺預(yù)測為了其他終點類型平臺;第Ⅱ類錯誤就是模型將其他終點類型的平臺預(yù)測為了“跑路”平臺。延期兌付平臺同理。在模型確定的情況下,第Ⅰ類錯誤的增加意味著第Ⅱ類錯誤的減少。站在投資者選擇P2P平臺投資的角度看,第Ⅰ類錯誤的成本遠(yuǎn)高于第Ⅱ類錯誤的成本。
除此之外,在預(yù)測中如果A的樣本量遠(yuǎn)大于B的樣本量,就會出現(xiàn)A的正確率被高估的問題。基于此,在預(yù)測“跑路”平臺時,本文選取30家“跑路”平臺、10家正常運營平臺、10家“停業(yè)”平臺與10家“延期兌付”平臺作為樣本,保證“跑路”平臺與其他類型平臺數(shù)量相同以避免準(zhǔn)確率被高估的問題。在預(yù)測“延期兌付”平臺時同理。
4.2 預(yù)測結(jié)果
4.2.1 “跑路”平臺預(yù)測結(jié)果
在因變量的設(shè)置上,將“跑路”平臺設(shè)置為1,其他類型平臺設(shè)置為0。自變量選擇代表了“跑路”平臺的三個風(fēng)險特征:收益率、股東背景以及資金存管,除此之外,考慮到式(6)中還包含一個與時間有關(guān)的半?yún)?shù)模型,因此選取存續(xù)期作為控制變量。結(jié)果如表6。
模型對于“跑路”平臺的識別能力整體達(dá)到了86.7%,且兩類錯誤出現(xiàn)的概率恰好相等,即將13.3%的其他終點類型平臺預(yù)測為了“跑路”平臺,同時也將13.3%的“跑路”平臺預(yù)測為了其他終點類型平臺??傮w來看,對“跑路”平臺的預(yù)測能力相對較好。
4.2.2 “延期兌付”平臺預(yù)測
在因變量設(shè)置上,將“延期兌付”平臺設(shè)置為1,其他終點類型平臺設(shè)置為0。自變量選擇代表“延期兌付”平臺的三個風(fēng)險特征:收益率、債權(quán)轉(zhuǎn)讓、自動投標(biāo),以及存續(xù)期。結(jié)果如表7。
模型對于”延期兌付“平臺的識別能力整體達(dá)到了81.7%。其中犯第Ⅰ類錯誤的概率達(dá)到了23.3%,比預(yù)想中要高很多。在對每個個例進(jìn)行分析之后發(fā)現(xiàn),模型會將“延期兌付”平臺錯誤為其他終點類型的平臺,主要是由于無法較好地區(qū)分“延期兌付”平臺和“跑路”平臺?!把悠趦陡丁逼脚_和“跑路”平臺都有高收益率的風(fēng)險特征,而收益率這個變量在競爭風(fēng)險模型中對于“跑路”平臺的影響更為顯著(“跑路”平臺顯著性為<0.0001,“延期兌付”平臺為0.0041),因此在加入這一因素之后,就存在很多“延期兌付”平臺被識別為其他終點類型平臺。
模型犯第Ⅱ類錯誤的概率為13.3%,即將13.3%的其他類型平臺誤認(rèn)為了“延期兌付”平臺??偟膩碚f,模型對于“延期兌付”平臺的識別率相對較低。
5? 結(jié)論與建議
本文聚焦于“跑路”以及“延期兌付”這兩類平臺,通過建立競爭風(fēng)險模型來探索這兩類問題平臺的風(fēng)險特征,并建立邏輯回歸模型來評價風(fēng)險特征對于問題平臺的識別能力,得出的結(jié)論如下:第一,國內(nèi)P2P問題平臺普遍表現(xiàn)出高收益率的特征;第二,鼓勵資金實力較強的企業(yè)投資P2P平臺以及建立完善的資金存管制度可以有效降低平臺“跑路”風(fēng)險;第三,引入債權(quán)轉(zhuǎn)讓模式和完善自動投標(biāo)機制可以有效降低平臺“延期兌付”風(fēng)險;第四,風(fēng)險特征可以較為有效地識別相關(guān)問題平臺。
基于以上結(jié)論,本文建議如下:第一、投資者在進(jìn)行平臺選擇時,應(yīng)注意平臺的相關(guān)風(fēng)險特征,是否高價天標(biāo)、是否民營背景、是否資金存管、是否債權(quán)轉(zhuǎn)讓等都是可能導(dǎo)致平臺“爆雷”的因素;第二、監(jiān)管部門應(yīng)該禁止天價標(biāo)的,這樣既能防止詐騙平臺以天價標(biāo)的集資“跑路”,又可避免天價標(biāo)的擾亂市場秩序,除此之外,還需要提高行業(yè)準(zhǔn)入門檻,從平臺實力、風(fēng)控措施、標(biāo)的特征以及其他相關(guān)情況等多個方面提出要求;第三、對發(fā)布虛假信息的平臺,包括出現(xiàn)資本金造假、標(biāo)的造假等各類問題的平臺加大查處力度;第四、對于問題平臺應(yīng)該建立合適的引導(dǎo)退出機制,避免平臺的“爆雷”為整個行業(yè)帶來巨大的負(fù)面影響。
參考文獻(xiàn):
[1]吳慶田,羅璨,陳宜煊.P2P網(wǎng)貸平臺特征與平臺運營的穩(wěn)健性[J].金融理念與實踐,2018(4):62-70.
[2]Klafft M.,Peer to Peer Lending:Auctioning Microcredits over the Internet[J].Social Science Electronic Publishing,2008.
[3]Barasinska N,Schaefer D.Does Gender Affect Funding Success at the Peer~to~Peer Credit Markets? Evidence from the Largest German Lending Platform [J]. Ssrn Electronic Journal,2014.
[4]Duarte J., Siegel S., Young L.. Trust and Credit: The Role of Appearance in Peer- to- Peer Lending[J]. Review of Financial Studies,2012,25(8):2455-2484.
[5]王會娟,廖理.中國 P2P 網(wǎng)絡(luò)借貸平臺信用認(rèn)證機制研究——來自 “人人貸”的經(jīng)驗證據(jù).中國工業(yè)經(jīng)濟,2014(4):136-147.
[6]廖理,李夢然,王正位.中國互聯(lián)網(wǎng)金融的地域歧視研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2014(5):54-70.
[7]巴曙松,侯鑫彧,張帥.基于生存模型的P2P平臺生存規(guī)律與政策模擬研究[J].當(dāng)代財經(jīng),2018(1):44-56.
[8]劉繪,沈慶劼.我國P2P網(wǎng)絡(luò)借貸的風(fēng)險與監(jiān)管研究[J].財經(jīng)問題研究,2015(1):52-59.
[9]王修華,孟路,歐陽輝.P2P網(wǎng)絡(luò)借貸問題平臺特征分析及投資者識別——來自 222 家平臺的證據(jù)[J].財貿(mào)經(jīng)濟,2016(12):71-84.
[10]葉青,李增泉,徐偉航.P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險識別研究[J].會計研究,2016(6):38-45.
[11]徐梓原.P2P網(wǎng)貸平臺的風(fēng)險特征研究——基于多項LOGIT模型和雙變量PROBIT模型[J].武漢金融,2019(3):17-22.
[12]杜朝運,黃智朗.我國P2P問題平臺的特征、成因及治理路徑[J].福建金融,2016(7):57-62.
[13]譚天驕,李亙.P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警研究[J].金融與經(jīng)濟,2019(8):77-83.
作者簡介:賈康(1994-),男,陜西鳳翔人,碩士研究生,研究方向為互聯(lián)網(wǎng)金融。