摘要：本文選取670家P2P平臺(tái)作為研究樣本，利用競爭風(fēng)險(xiǎn)模型回歸探究“跑路”平臺(tái)與“延期兌付”平臺(tái)的風(fēng)險(xiǎn)特征，結(jié)果顯示：“跑路”平臺(tái)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(tái)表現(xiàn)出高收益率、無債權(quán)轉(zhuǎn)讓以及有自動(dòng)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(shí)際結(jié)果來評價(jià)這些風(fēng)險(xiǎn)特征對于問題平臺(tái)識(shí)別的準(zhǔn)確率。最后根據(jù)實(shí)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(tái);風(fēng)險(xiǎn)特征;競爭風(fēng)險(xiǎn)模型

Key words： P2P problem platform;risk characteristics;competitive risk model

中圖分類號(hào)：F724.6? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：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(gè)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(shí)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(tái)停業(yè)或“爆雷”。如圖1所示，行業(yè)的新增平臺(tái)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(tái)數(shù)量就超過了新增平臺(tái)數(shù)量。顯然，這些問題平臺(tái)的出現(xiàn)嚴(yán)重?cái)_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(huì)的形象。

基于這一現(xiàn)狀，如何識(shí)別P2P問題平臺(tái)的風(fēng)險(xiǎn)特征成為當(dāng)下一個(gè)重要的研究課題。本文將非正常運(yùn)營的平臺(tái)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(tái)屬于良性退出平臺(tái)，基本都會(huì)在完成資金清算，保障投資人權(quán)益的基礎(chǔ)上退出，不會(huì)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(tái)屬于惡性退出平臺(tái)，會(huì)為投資者造成極大損失[1]（羅慶田，2018）。由于在惡性退出平臺(tái)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(tái)以及“延期兌付”平臺(tái)，并討論以下兩個(gè)問題：這兩種問題平臺(tái)具有怎樣的風(fēng)險(xiǎn)特征？投資者是否可能在市場上通過風(fēng)險(xiǎn)特征來識(shí)別出這兩種問題平臺(tái)？解決這兩個(gè)問題一方面可以幫助投資者避免投資到這些問題平臺(tái)，用市場選擇淘汰劣質(zhì)平臺(tái)從而避免部分平臺(tái)“爆雷”為整個(gè)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(tái)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(xiǎn)識(shí)別。Klafft（2008）首先通過構(gòu)建邏輯回歸尋求違約風(fēng)險(xiǎn)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(huì)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(xiǎn)識(shí)別方面做了許多研究，王會(huì)娟（2014）發(fā)現(xiàn)借款人信用對于借款成功率以及違約率會(huì)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(tái)“爆雷”問題。隨著監(jiān)管整頓期的來臨，問題平臺(tái)的數(shù)量逐漸增多，研究上的重點(diǎn)也就開始轉(zhuǎn)向平臺(tái)的風(fēng)險(xiǎn)研究及監(jiān)管方面。巴曙松（2013）通過生存模型研究了P2P平臺(tái)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(tái)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(tái)存在的五種風(fēng)險(xiǎn)如下所示：IT技術(shù)風(fēng)險(xiǎn)、資金混用風(fēng)險(xiǎn)、違法集合資金的風(fēng)險(xiǎn)、擔(dān)保措施不夠的風(fēng)險(xiǎn)等[8]。歐陽輝（2016）運(yùn)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(tái)的財(cái)務(wù)風(fēng)險(xiǎn)[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(tái)風(fēng)險(xiǎn)的影響因素[10][11]。杜朝運(yùn)（2016）通過分析問題平臺(tái)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(qiáng)透明度、健全法律體系五個(gè)方面[12]。譚天驕（2019）在P2P風(fēng)險(xiǎn)預(yù)警研究中引入BP神經(jīng)網(wǎng)絡(luò)模型，對于風(fēng)險(xiǎn)平臺(tái)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(gè)趨勢：逐步由借款人的風(fēng)險(xiǎn)研究轉(zhuǎn)向平臺(tái)本身風(fēng)險(xiǎn)的研究;逐步由平臺(tái)風(fēng)險(xiǎn)的定性分析轉(zhuǎn)化為量化分析。然而，目前對于P2P問題平臺(tái)的研究存在兩點(diǎn)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(tái)風(fēng)險(xiǎn)的影響，僅僅是假設(shè)正常運(yùn)營平臺(tái)風(fēng)險(xiǎn)小而問題平臺(tái)風(fēng)險(xiǎn)大，這實(shí)際上會(huì)低估正常運(yùn)營平臺(tái)的風(fēng)險(xiǎn)。另一方面，有部分文獻(xiàn)回答了P2P問題平臺(tái)具有怎樣特征的問題，而評價(jià)風(fēng)險(xiǎn)特征對于問題平臺(tái)識(shí)別能力的文獻(xiàn)還相對較少。針對前一個(gè)問題，本文采用生存分析中的競爭風(fēng)險(xiǎn)模型，該模型在加入存續(xù)期這一時(shí)間變量的基礎(chǔ)上，將正常運(yùn)營平臺(tái)視為尚未觀察到終點(diǎn)的事件，對平臺(tái)風(fēng)險(xiǎn)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(gè)問題，本文建立logistic模型，通過對比實(shí)際結(jié)果與輸出結(jié)果來評價(jià)風(fēng)險(xiǎn)特征對于問題平臺(tái)的識(shí)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(tái)運(yùn)營穩(wěn)健性時(shí)對平臺(tái)風(fēng)險(xiǎn)特征的劃分方法，包括平臺(tái)實(shí)力、風(fēng)控措施、標(biāo)的特征以及治理水平四個(gè)維度。在這四個(gè)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(tái)實(shí)力

本文選取注冊資本以及股東背景作為平臺(tái)實(shí)力的代表因素。注冊資本高是一個(gè)平臺(tái)實(shí)力的象征，它代表著平臺(tái)在面對風(fēng)險(xiǎn)時(shí)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(hào)，因此，本文認(rèn)為注冊資本越高的平臺(tái)，越不會(huì)成為問題平臺(tái);強(qiáng)大的股東實(shí)力意味著平臺(tái)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(tái)相對于以民營系為背景的平臺(tái)更加注重在風(fēng)險(xiǎn)上的防控，因此本文論文股東背景實(shí)力越強(qiáng)的平臺(tái)，越不會(huì)成為問題平臺(tái)。假設(shè)如下：

H1：平臺(tái)注冊資本越高，越不會(huì)成為問題平臺(tái)。

H2：平臺(tái)股東背景越強(qiáng)，越不會(huì)成為問題平臺(tái)。

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(tái)將資金交給第三方銀行代為保管，此舉有利于平臺(tái)與資金的分離，防范平臺(tái)私自挪用或建立資金池的風(fēng)險(xiǎn)，因此，本文認(rèn)為有資金存管的平臺(tái)，越不會(huì)成為問題平臺(tái);第三方擔(dān)保是平臺(tái)將自身風(fēng)險(xiǎn)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(tái)，越不會(huì)成為問題平臺(tái)。假設(shè)如下：

H3：平臺(tái)有資金存管，越不會(huì)成為問題平臺(tái)。

H4：平臺(tái)有第三方擔(dān)保，越不會(huì)成為問題平臺(tái)。

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(huì)為平臺(tái)帶來較大的資金壓力，從而出現(xiàn)財(cái)務(wù)問題，另一方面，也有很多“詐騙”平臺(tái)會(huì)故意給出天價(jià)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(tái)，越容易成為問題平臺(tái);平臺(tái)項(xiàng)目投資期限過短會(huì)使得投資者頻繁地提取資金，從而帶來流動(dòng)性風(fēng)險(xiǎn)，可能會(huì)給平臺(tái)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(tái)，越不會(huì)成為問題平臺(tái)。假設(shè)如下：

H5：平臺(tái)收益率越高，越容易成為問題平臺(tái)。

H6：平臺(tái)投資期限越長，越不會(huì)成為問題平臺(tái)。

2.1.4 治理水平

本文選取監(jiān)管協(xié)會(huì)、債權(quán)轉(zhuǎn)讓、自動(dòng)投標(biāo)作為治理水平的代表。監(jiān)管協(xié)會(huì)是行業(yè)的自律組織，如果能加入監(jiān)管協(xié)會(huì)，代表平臺(tái)在各個(gè)方面都能達(dá)到行業(yè)自律的要求，也就越不會(huì)成為問題平臺(tái)。自動(dòng)投標(biāo)能夠解決投資者的資金閑置問題，促進(jìn)平臺(tái)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(dòng)性，有利于提高市場效率。因此，這兩者的存在使得平臺(tái)不容易成為問題平臺(tái)。假設(shè)如下：

H7：平臺(tái)加入監(jiān)管協(xié)會(huì)，越不會(huì)成為問題平臺(tái)。

H8：平臺(tái)支持自動(dòng)投標(biāo)，越不會(huì)成為問題平臺(tái)。

H9：平臺(tái)支持債權(quán)轉(zhuǎn)讓，越不會(huì)成為問題平臺(tái)。

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(shí)間截點(diǎn)，選取了近兩年的P2P平臺(tái)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(tái)作為研究樣本，其中包括正常運(yùn)營平臺(tái)177家，跑路平臺(tái)98家，延期兌付平臺(tái)163家，停業(yè)平臺(tái)232家。其中正常運(yùn)營平臺(tái)是指截止2018年底依然正常運(yùn)營的平臺(tái)。由于經(jīng)偵介入平臺(tái)數(shù)量較少，沒有達(dá)到能夠作為實(shí)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(dòng)投標(biāo)、監(jiān)管協(xié)會(huì)和第三方擔(dān)保等九個(gè)因素作為特征變量。由于競爭風(fēng)險(xiǎn)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(jì)

本文對四類平臺(tái)做了一個(gè)描述性統(tǒng)計(jì)，如表2所示。

從標(biāo)的特征來看，正常營運(yùn)平臺(tái)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(tái)中甚至超過80%都是高收益率平臺(tái)。正常運(yùn)營平臺(tái)以長期標(biāo)的為主，而其他平臺(tái)標(biāo)的資產(chǎn)期限都比較短。

從平臺(tái)實(shí)力來看，“跑路”平臺(tái)中民營背景占比95.88%，而其他三類平臺(tái)分別占比62.92%、72.53%和75.93%。正常運(yùn)營平臺(tái)和“延期兌付”平臺(tái)注冊資本相對較高，而“停業(yè)”平臺(tái)和“跑路”平臺(tái)相對較低。

從風(fēng)控措施來看，85.96%的正常營運(yùn)平臺(tái)有資金存管，僅有3.09%的“跑路”平臺(tái)有資金存管，其他兩類平臺(tái)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(tái)間差異相對較小。

從治理水平看，四類平臺(tái)能加入監(jiān)管協(xié)會(huì)的比例都較小，其比例按正常營運(yùn)平臺(tái)、“停業(yè)”平臺(tái)、“延期兌付”平臺(tái)和“跑路”平臺(tái)順序依次遞減?！把悠趦陡丁逼脚_(tái)中支持自動(dòng)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(tái)關(guān)于這兩項(xiàng)的占比差異較小。

3? 模型選擇及實(shí)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(tái)的研究中，由于刪失數(shù)據(jù)的存在（如一個(gè)平臺(tái)狀態(tài)是正常運(yùn)營，可能只是到截止日期還尚未觀察到其終點(diǎn)事件），傳統(tǒng)的回歸模型對于兩者的關(guān)系的估計(jì)將不太準(zhǔn)確。為了解決這一問題，COX在1968年提出一個(gè)半?yún)?shù)模型即比例風(fēng)險(xiǎn)模型，將危險(xiǎn)率函數(shù)表達(dá)為了協(xié)變量函數(shù)和基準(zhǔn)風(fēng)險(xiǎn)率函數(shù)的乘積：

（1）

該模型被稱為比例風(fēng)險(xiǎn)模型是因?yàn)槿魏蝹€(gè)體的風(fēng)險(xiǎn)都與其他個(gè)體的風(fēng)險(xiǎn)呈固定比例：

（2）

競爭風(fēng)險(xiǎn)模型是在COX模型的基礎(chǔ)上研究具體某類風(fēng)險(xiǎn)發(fā)生的原因。假設(shè)跑路和延期兌付分別為J1，J2，則個(gè)體i發(fā)生特定事件J的風(fēng)險(xiǎn)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(shí)因變量。如果風(fēng)險(xiǎn)隨時(shí)間發(fā)生變化，則“跑路”平臺(tái)風(fēng)險(xiǎn)和“延期兌付”平臺(tái)風(fēng)險(xiǎn)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(shí)證結(jié)果

3.2.1 樣本獨(dú)立性檢驗(yàn)

在多終點(diǎn)事件中，首先要保證終點(diǎn)事件之間是相互獨(dú)立的，即不同類型平臺(tái)的樣本之間具有獨(dú)立性。本文利用Kruskal-Wallis檢驗(yàn)來驗(yàn)證幾中狀態(tài)是否能合為一種狀態(tài)，設(shè)定“跑路”平臺(tái)=1，“延期兌付”平臺(tái)=2，“停業(yè)”平臺(tái)=3，正常運(yùn)營平臺(tái)=4，結(jié)果如表3。

結(jié)果顯示，各個(gè)特征變量在1%的水平下都拒絕原假設(shè)，各個(gè)狀態(tài)的平臺(tái)樣本無法混合。因此，不同終點(diǎn)類型的P2P平臺(tái)是典型的多終點(diǎn)事件，可以選用競爭風(fēng)險(xiǎn)模型進(jìn)行研究。

3.2.2 “跑路”平臺(tái)特征

在競爭風(fēng)險(xiǎn)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(tái)時(shí)，將正常運(yùn)營平臺(tái)設(shè)置為“0”（0代表尚未觀測到結(jié)果的終點(diǎn)事件），將“停業(yè)”平臺(tái)和“延期兌付”平臺(tái)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(diǎn)事件），將“跑路”平臺(tái)設(shè)置為“2”（2代表因當(dāng)前原因死亡的終點(diǎn)事件）。同時(shí)，由于競爭風(fēng)險(xiǎn)模型是一個(gè)關(guān)于時(shí)間的半?yún)?shù)模型，選取存續(xù)期作為時(shí)間變量?；貧w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(gè)關(guān)于平臺(tái)“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(gè)危險(xiǎn)因素。它的值越大，平臺(tái)越容易“跑路”。相對于低收益率（低于12%），高收益率平臺(tái)的“跑路”可能性擴(kuò)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(gè)保護(hù)因素。它的值越小，平臺(tái)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(tái)的“跑路”可能性會(huì)擴(kuò)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(gè)保護(hù)因素。它的值越小，平臺(tái)越容易“跑路”。相對于有資金存管的平臺(tái)，無資金存管平臺(tái)的“跑路”可能性會(huì)擴(kuò)大161.418（e的5.084次方）倍。

因此，“跑路”平臺(tái)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(tái)特征

在研究“延期兌付”平臺(tái)時(shí)，因變量的設(shè)置與研究“跑路”平臺(tái)時(shí)同理?；貧w結(jié)果如表5。

從結(jié)果中可以看出，債權(quán)轉(zhuǎn)讓和自動(dòng)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(tái)有一定影響。由此，可以建立一個(gè)關(guān)于平臺(tái)“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(gè)危險(xiǎn)因素。它的值越大，平臺(tái)越容易“延期兌付”。相對于低收益率（低于12%），高收益率平臺(tái)的“延期兌付”可能性擴(kuò)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(gè)危險(xiǎn)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(shí)相違背。在對平臺(tái)數(shù)據(jù)進(jìn)一步探究后發(fā)現(xiàn)，平臺(tái)的注冊資本很多都只是空有其名，實(shí)際上實(shí)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(tái)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(gè)認(rèn)識(shí)誤區(qū)——名義上注冊資本越高的平臺(tái)實(shí)力越強(qiáng)，越值得投資者信賴。這與本文所做的結(jié)果是一致的。

自動(dòng)投標(biāo)系數(shù)為1.389，說明這是個(gè)危險(xiǎn)因素。它的值越大，平臺(tái)越容易“延期兌付”。相對于無自動(dòng)投標(biāo)平臺(tái)，有自動(dòng)投標(biāo)平臺(tái)的“延期兌付”可能性會(huì)擴(kuò)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(gè)保護(hù)因素。它的值越小，平臺(tái)越容易“延期兌付”。相對于有債權(quán)轉(zhuǎn)讓平臺(tái)，無債權(quán)轉(zhuǎn)讓平臺(tái)的“延期兌付”可能性會(huì)擴(kuò)大2.472（e的0.905次方）倍。

因此，“延期兌付”平臺(tái)的特征表現(xiàn)為高收益率、有自動(dòng)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(tái)的風(fēng)險(xiǎn)特征之后，本文將選取二元回歸模型驗(yàn)證能否通過風(fēng)險(xiǎn)特征識(shí)別出問題平臺(tái)。然而二元回歸模型容易犯兩種錯(cuò)誤，即第Ⅰ類錯(cuò)誤和第Ⅱ類錯(cuò)誤。以跑路平臺(tái)為例，第Ⅰ類錯(cuò)誤就是模型將“跑路”平臺(tái)預(yù)測為了其他終點(diǎn)類型平臺(tái);第Ⅱ類錯(cuò)誤就是模型將其他終點(diǎn)類型的平臺(tái)預(yù)測為了“跑路”平臺(tái)。延期兌付平臺(tái)同理。在模型確定的情況下，第Ⅰ類錯(cuò)誤的增加意味著第Ⅱ類錯(cuò)誤的減少。站在投資者選擇P2P平臺(tái)投資的角度看，第Ⅰ類錯(cuò)誤的成本遠(yuǎn)高于第Ⅱ類錯(cuò)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(huì)出現(xiàn)A的正確率被高估的問題?；诖?，在預(yù)測“跑路”平臺(tái)時(shí)，本文選取30家“跑路”平臺(tái)、10家正常運(yùn)營平臺(tái)、10家“停業(yè)”平臺(tái)與10家“延期兌付”平臺(tái)作為樣本，保證“跑路”平臺(tái)與其他類型平臺(tái)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(tái)時(shí)同理。

4.2 預(yù)測結(jié)果

4.2.1 “跑路”平臺(tái)預(yù)測結(jié)果

在因變量的設(shè)置上，將“跑路”平臺(tái)設(shè)置為1，其他類型平臺(tái)設(shè)置為0。自變量選擇代表了“跑路”平臺(tái)的三個(gè)風(fēng)險(xiǎn)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(gè)與時(shí)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(tái)的識(shí)別能力整體達(dá)到了86.7%，且兩類錯(cuò)誤出現(xiàn)的概率恰好相等，即將13.3%的其他終點(diǎn)類型平臺(tái)預(yù)測為了“跑路”平臺(tái)，同時(shí)也將13.3%的“跑路”平臺(tái)預(yù)測為了其他終點(diǎn)類型平臺(tái)?？傮w來看，對“跑路”平臺(tái)的預(yù)測能力相對較好。

4.2.2 “延期兌付”平臺(tái)預(yù)測

在因變量設(shè)置上，將“延期兌付”平臺(tái)設(shè)置為1，其他終點(diǎn)類型平臺(tái)設(shè)置為0。自變量選擇代表“延期兌付”平臺(tái)的三個(gè)風(fēng)險(xiǎn)特征：收益率、債權(quán)轉(zhuǎn)讓、自動(dòng)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(tái)的識(shí)別能力整體達(dá)到了81.7%。其中犯第Ⅰ類錯(cuò)誤的概率達(dá)到了23.3%，比預(yù)想中要高很多。在對每個(gè)個(gè)例進(jìn)行分析之后發(fā)現(xiàn)，模型會(huì)將“延期兌付”平臺(tái)錯(cuò)誤為其他終點(diǎn)類型的平臺(tái)，主要是由于無法較好地區(qū)分“延期兌付”平臺(tái)和“跑路”平臺(tái)?！把悠趦陡丁逼脚_(tái)和“跑路”平臺(tái)都有高收益率的風(fēng)險(xiǎn)特征，而收益率這個(gè)變量在競爭風(fēng)險(xiǎn)模型中對于“跑路”平臺(tái)的影響更為顯著（“跑路”平臺(tái)顯著性為<0.0001，“延期兌付”平臺(tái)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(tái)被識(shí)別為其他終點(diǎn)類型平臺(tái)。

模型犯第Ⅱ類錯(cuò)誤的概率為13.3%，即將13.3%的其他類型平臺(tái)誤認(rèn)為了“延期兌付”平臺(tái)?？偟膩碚f，模型對于“延期兌付”平臺(tái)的識(shí)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(tái)，通過建立競爭風(fēng)險(xiǎn)模型來探索這兩類問題平臺(tái)的風(fēng)險(xiǎn)特征，并建立邏輯回歸模型來評價(jià)風(fēng)險(xiǎn)特征對于問題平臺(tái)的識(shí)別能力，得出的結(jié)論如下：第一，國內(nèi)P2P問題平臺(tái)普遍表現(xiàn)出高收益率的特征;第二，鼓勵(lì)資金實(shí)力較強(qiáng)的企業(yè)投資P2P平臺(tái)以及建立完善的資金存管制度可以有效降低平臺(tái)“跑路”風(fēng)險(xiǎn);第三，引入債權(quán)轉(zhuǎn)讓模式和完善自動(dòng)投標(biāo)機(jī)制可以有效降低平臺(tái)“延期兌付”風(fēng)險(xiǎn);第四，風(fēng)險(xiǎn)特征可以較為有效地識(shí)別相關(guān)問題平臺(tái)。

基于以上結(jié)論，本文建議如下：第一、投資者在進(jìn)行平臺(tái)選擇時(shí)，應(yīng)注意平臺(tái)的相關(guān)風(fēng)險(xiǎn)特征，是否高價(jià)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(tái)“爆雷”的因素;第二、監(jiān)管部門應(yīng)該禁止天價(jià)標(biāo)的，這樣既能防止詐騙平臺(tái)以天價(jià)標(biāo)的集資“跑路”，又可避免天價(jià)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(tái)實(shí)力、風(fēng)控措施、標(biāo)的特征以及其他相關(guān)情況等多個(gè)方面提出要求;第三、對發(fā)布虛假信息的平臺(tái)，包括出現(xiàn)資本金造假、標(biāo)的造假等各類問題的平臺(tái)加大查處力度;第四、對于問題平臺(tái)應(yīng)該建立合適的引導(dǎo)退出機(jī)制，避免平臺(tái)的“爆雷”為整個(gè)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(tái)特征與平臺(tái)運(yùn)營的穩(wěn)健性[J].金融理念與實(shí)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(huì)娟，廖理.中國 P2P 網(wǎng)絡(luò)借貸平臺(tái)信用認(rèn)證機(jī)制研究——來自 “人人貸”的經(jīng)驗(yàn)證據(jù).中國工業(yè)經(jīng)濟(jì)，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(jì)技術(shù)經(jīng)濟(jì)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(tái)生存規(guī)律與政策模擬研究[J].當(dāng)代財(cái)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(xiǎn)與監(jiān)管研究[J].財(cái)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(tái)特征分析及投資者識(shí)別——來自 222 家平臺(tái)的證據(jù)[J].財(cái)貿(mào)經(jīng)濟(jì)，2016（12）：71-84.

[10]葉青，李增泉，徐偉航.P2P網(wǎng)絡(luò)借貸平臺(tái)的風(fēng)險(xiǎn)識(shí)別研究[J].會(huì)計(jì)研究，2016（6）：38-45.

[11]徐梓原.P2P網(wǎng)貸平臺(tái)的風(fēng)險(xiǎn)特征研究——基于多項(xiàng)LOGIT模型和雙變量PROBIT模型[J].武漢金融，2019（3）：17-22.

[12]杜朝運(yùn)，黃智朗.我國P2P問題平臺(tái)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(tái)風(fēng)險(xiǎn)預(yù)警研究[J].金融與經(jīng)濟(jì)，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?yàn)榛ヂ?lián)網(wǎng)金融。