李昕瑋

（南京審計(jì)大學(xué) 經(jīng)濟(jì)學(xué)院，南京211815）

一、引言

隨著“互聯(lián)網(wǎng)+”概念的提出，互聯(lián)網(wǎng)金融（ITFIN）迎來了“春天”。其中P2P 網(wǎng)絡(luò)信貸平臺(tái)隨著互聯(lián)網(wǎng)的發(fā)展，以及金融體系的逐步放寬更是迎來了爆炸式的增長。P2P 網(wǎng)絡(luò)信貸行業(yè)的出現(xiàn)，不僅順應(yīng)了信息時(shí)代的潮流，而且也對(duì)中國經(jīng)濟(jì)高質(zhì)量的發(fā)展，特別是中小企業(yè)和互聯(lián)網(wǎng)金融行業(yè)起著舉足輕重的作用。但這一新興的金融模式也帶來了許多亟待解決的問題，比如根據(jù)P2P 網(wǎng)貸之家最新數(shù)據(jù)，P2P 網(wǎng)貸平臺(tái)截止2020 年2 月共有6611 個(gè)平臺(tái)，但其中問題平臺(tái)和停業(yè)與轉(zhuǎn)型平臺(tái)就高達(dá)6 272。P2P 網(wǎng)絡(luò)信貸模式不僅面臨著與傳統(tǒng)信貸同樣的市場(chǎng)風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)等系統(tǒng)性風(fēng)險(xiǎn)，而且還面臨著比傳統(tǒng)金融信貸更高的平臺(tái)信譽(yù)風(fēng)險(xiǎn)、借款人違約風(fēng)險(xiǎn)等非系統(tǒng)性風(fēng)險(xiǎn)，所以研究P2P 網(wǎng)絡(luò)信貸信用風(fēng)險(xiǎn)的影響因素是具有現(xiàn)實(shí)意義的?？梢酝ㄟ^分析這些因素分析借款者的違約行為，從而建立較為完善的個(gè)人征信機(jī)制來規(guī)避信用風(fēng)險(xiǎn)，這不僅為投資者營造了一個(gè)陽光、安全的投資平臺(tái)，也為P2P 網(wǎng)絡(luò)信貸行業(yè)創(chuàng)造了更好的環(huán)境，對(duì)未來中國互聯(lián)網(wǎng)金融的發(fā)展具有重要意義，從而更利于提高P2P 網(wǎng)絡(luò)信貸模式對(duì)中國經(jīng)濟(jì)高質(zhì)量增長的貢獻(xiàn)程度。

二、文獻(xiàn)述評(píng)

P2P 網(wǎng)貸平臺(tái)早期出現(xiàn)于英國，Collier and Hampshire（2010）發(fā)現(xiàn)借款人的信用等級(jí)、信用特征可有效地降低道德風(fēng)險(xiǎn)和逆向選擇。Lin（2010）研究發(fā)現(xiàn)，擁有豐富的社會(huì)網(wǎng)絡(luò)資源的人更容易獲得較低的貸款利率，貸款違約率較低。Freedman, etc.（2008）的研究發(fā)現(xiàn)，當(dāng)貸款人與借款人在現(xiàn)實(shí)生活中存在類似于校友和同事的關(guān)系時(shí)，貸款拖欠率會(huì)降低。Klafft（2009）認(rèn)為，信用評(píng)級(jí)對(duì)貸款利率的影響最大，其影響大于借款人的債務(wù)與收入比率。其他信息（如銀行帳戶信息、資產(chǎn)狀況等）與貸款利率幾乎毫無關(guān)系。從而可以看出，P2P 網(wǎng)絡(luò)信貸在國外的研究主要集中在對(duì)借款人的信用等級(jí)，以及借款人的社交信息對(duì)違約風(fēng)險(xiǎn)影響的研究方面。

而國內(nèi)研究P2P 網(wǎng)絡(luò)信貸起步相對(duì)較晚，早期，主要在于比較網(wǎng)絡(luò)信貸平臺(tái)的運(yùn)作模式，孫之涵（2010）對(duì)網(wǎng)絡(luò)信貸平臺(tái)的運(yùn)作模式進(jìn)行了相關(guān)的研究概括。同時(shí)我國網(wǎng)貸市場(chǎng)不夠完善，在具體的交易過程中，還存在很大的風(fēng)險(xiǎn)，陳輝（2015）根據(jù)目前網(wǎng)貸市場(chǎng)風(fēng)險(xiǎn)較大這一特點(diǎn)，對(duì)網(wǎng)貸風(fēng)險(xiǎn)的分類情況，以及如何評(píng)估網(wǎng)貸風(fēng)險(xiǎn)和如何降低網(wǎng)貸風(fēng)險(xiǎn)做出了闡述。網(wǎng)絡(luò)信貸市場(chǎng)存在明顯的信息不對(duì)稱的現(xiàn)象，針對(duì)這一問題，胡海青（2015）研究了在這一狀況下，P2P 交易過程中投資者的行為。研究發(fā)現(xiàn)，投資者在進(jìn)行網(wǎng)貸交易時(shí)，投資人在做出投標(biāo)這一行為時(shí)，除了與借款利率有關(guān)外，還會(huì)關(guān)注借款人成功借款這方面的信息，同時(shí)也會(huì)注重已經(jīng)獲得的投標(biāo)人數(shù)的信息。鄒珂瑩（2015）在對(duì)借款人的信息能夠影響出借者的出借行為進(jìn)行研究時(shí)發(fā)現(xiàn)，借款利率對(duì)投資者行為能夠產(chǎn)生正向影響，借款期限產(chǎn)生的是負(fù)向影響。從上述文獻(xiàn)可知，國內(nèi)對(duì)P2P 網(wǎng)絡(luò)信貸的研究主要集中在平臺(tái)運(yùn)作模式、制度建設(shè)、風(fēng)險(xiǎn)研究等方面。雖然國內(nèi)學(xué)者對(duì)P2P網(wǎng)絡(luò)信貸的信用風(fēng)險(xiǎn)也進(jìn)行了不同程度地分析，但其主要集中于對(duì)監(jiān)管制度方面的研究，而從實(shí)證角度較少。

三、理論基礎(chǔ)

（一）信息不對(duì)稱理論

指處在市場(chǎng)交易中的雙方，一般賣方比買方掌握更多信息的不公平現(xiàn)象，這種理論不僅強(qiáng)調(diào)了信息的重要性，而且反映了市場(chǎng)體系的缺陷，解釋了完全的市場(chǎng)體系并不是完全有效率的原因，也解釋了道德風(fēng)險(xiǎn)和逆行選擇風(fēng)險(xiǎn)產(chǎn)生的原因。所以該理論對(duì)于研究P2P 網(wǎng)貸信用風(fēng)險(xiǎn)是必不可少的。

（二）道德風(fēng)險(xiǎn)理論

用來解釋從事經(jīng)濟(jì)活動(dòng)的人，為了最大限度地?cái)U(kuò)大自身效用的時(shí)候做出損害他人利益的現(xiàn)象。這也正是P2P 網(wǎng)貸面臨信用風(fēng)險(xiǎn)的基礎(chǔ)理論，其產(chǎn)生這種現(xiàn)象一方面是因?yàn)樾畔⒉粚?duì)稱，另一方面是因?yàn)榻灰踪M(fèi)用高于其自身承受而導(dǎo)致合約不完全。

四、P2P 網(wǎng)絡(luò)信貸信用風(fēng)險(xiǎn)影響因素的實(shí)證研究

（一）數(shù)據(jù)的來源及處理

此次實(shí)證研究的數(shù)據(jù)共656 條，分別來自人人貸、你我貸、拍拍貸、有利網(wǎng)這四個(gè)P2P 網(wǎng)貸平臺(tái)的散標(biāo)借款人信息。選取此平臺(tái)的原因主要有以下幾方面，其運(yùn)營模式較為典型；平臺(tái)本身運(yùn)營狀況良好；其提供的借款者信息較為全面；數(shù)據(jù)較易獲取。故現(xiàn)用火車頭和八爪魚軟件在四個(gè)平臺(tái)上對(duì)13 個(gè)字段進(jìn)行抓取，這13 個(gè)字段分別是借款金額、借款期限、年利率、信用等級(jí)、年齡、性別、學(xué)歷、婚姻狀況、購房情況、購車狀況、投標(biāo)人數(shù)、正常還清次數(shù)、逾期還清次數(shù)。由于現(xiàn)基于借款人的信息特征研究信用風(fēng)險(xiǎn)的影響因素，所以用正常還清率來間接表示信用風(fēng)險(xiǎn)，正常還清率越高，信用風(fēng)險(xiǎn)即違約風(fēng)險(xiǎn)就越低。其中，正常還清率=正常還清次數(shù)/(正常還清次數(shù)+違約次數(shù)+1）。

（二）變量定義及理論模型的選取

1.變量定義。見表1 所示。

2.理論模型的選取。現(xiàn)基于借款人的信息特征，對(duì)信用風(fēng)險(xiǎn)影響因素進(jìn)行分析，所以主要考察的是借款人的信息與反映信用風(fēng)險(xiǎn)的正常還清率之間的相關(guān)性，因此選用spss 軟件對(duì)656 條數(shù)據(jù)進(jìn)行回歸來分析其相關(guān)程度?，F(xiàn)擬采用多元線性回歸的方法進(jìn)行回歸，其中被解釋變量為正常還清率，解釋變量為借款金額，借款期限、年利率、信用等級(jí)、年齡、性別、學(xué)歷、婚姻狀況、購房情況、購車狀況、投標(biāo)人數(shù)，擬回歸模型如下。

表1 變量定義表

（三）理論假設(shè)

第一，借款金額與違約風(fēng)險(xiǎn)成正比，借款金額越大，借款人償還本金和利息的壓力就越大，其按時(shí)償還的可能性越低，則其違約風(fēng)險(xiǎn)越大。

第二，借款利率與違約風(fēng)險(xiǎn)成正比，借款利率越高，則其利息壓力越大，其違約風(fēng)險(xiǎn)越大。

第三，借款期限與違約風(fēng)險(xiǎn)成正比，借款期限越長，其面臨的未來不確定性越高，且期限長累積的利息金額越多，其違約風(fēng)險(xiǎn)越大。

第四，信用等級(jí)與違約風(fēng)險(xiǎn)成反比，信用等級(jí)越高，則其信用水平越高，守信度越大，違約風(fēng)險(xiǎn)越低。

第五，年齡與違約風(fēng)險(xiǎn)。據(jù)國外學(xué)者研究，借款者的違約風(fēng)險(xiǎn)與年齡呈雙峰曲線關(guān)系，即初步步入社會(huì)的借款人和36 歲左右的借款人違約風(fēng)險(xiǎn)高于其他群體。

第六，性別與違約風(fēng)險(xiǎn)。據(jù)研究表明，男性本身具有冒險(xiǎn)主義，因此男性的違約率要大于女性。

第七，學(xué)歷狀況與違約風(fēng)險(xiǎn)成反比。根據(jù)美國的某網(wǎng)站數(shù)據(jù)顯示，高學(xué)歷可以帶來高收入，從而面臨的還款壓力會(huì)變小，從而違約風(fēng)險(xiǎn)降低。

第八，婚姻狀況與違約風(fēng)險(xiǎn)。已婚人士要比未婚人士的違約風(fēng)險(xiǎn)低，因?yàn)橐鸦槿耸坑袃蓚€(gè)人共同承擔(dān)還款壓力。

第九，購房情況、購車狀況與違約風(fēng)險(xiǎn)。房產(chǎn)和車產(chǎn)都屬于財(cái)產(chǎn)情況，財(cái)產(chǎn)擁有的越多，其還款途徑越廣泛，則違約風(fēng)險(xiǎn)越低。

第十，投標(biāo)人數(shù)和違約風(fēng)險(xiǎn)之間的關(guān)系還沒有理論研究，現(xiàn)無法做出理論假設(shè)。

（四）模型回歸

根據(jù)統(tǒng)計(jì)理論，從表2 的初步回歸結(jié)果中可知，原模型中擬合較好的變量只有年利率和住房。認(rèn)為出現(xiàn)上述擬合結(jié)果的原因可能由于自變量之間本身具有較強(qiáng)的相關(guān)性所致，所以現(xiàn)用對(duì)自變量進(jìn)行相關(guān)性分析。根據(jù)相關(guān)性的指標(biāo)及數(shù)據(jù)結(jié)果得出，項(xiàng)目期限與項(xiàng)目金額高度正相關(guān)，其r 為0.7614。與年利率高度正相關(guān)，其r 值為0.8382，所以有理由認(rèn)為其之間具有一定的共線性。因此，對(duì)項(xiàng)目期限、項(xiàng)目金額、項(xiàng)目利率與正常還清率進(jìn)行雙變量相關(guān)性分析，從而得到項(xiàng)目期限與正常還清率相關(guān)性最低，所以對(duì)此變量進(jìn)行剔除。其他變量篩選方法同上，最終剔除的變量有項(xiàng)目期限、購車狀況。由于P2P 網(wǎng)貸信用等級(jí)的評(píng)分是由此研究的其他自變量根據(jù)信用評(píng)級(jí)體系得到的，其與過多自變量有關(guān)，所以剔除信用等級(jí)。經(jīng)過多次回歸迭代，最終回歸模型為：R=β+α1BP+α3BR+α7D+α9H+α11BN+ε，回歸結(jié)果如表2 所示。

表2 模型回歸結(jié)果

從最終回歸結(jié)果可知項(xiàng)目金額、年利率、學(xué)歷、房產(chǎn)情況與違約風(fēng)險(xiǎn)的關(guān)系與理論假設(shè)相符，而且得出投資人與違約風(fēng)險(xiǎn)成負(fù)相關(guān)。

（五）描述性統(tǒng)計(jì)分析

雖然對(duì)一些變量進(jìn)行了剔除，但其并不完全代表其與違約風(fēng)險(xiǎn)無關(guān)，現(xiàn)分別對(duì)逾期中的性別、年齡、項(xiàng)目期限、購車情況、婚姻狀況、信用等級(jí)進(jìn)行描述性統(tǒng)計(jì)，來看其對(duì)違約風(fēng)險(xiǎn)的影響。根據(jù)統(tǒng)計(jì)分析可得，逾期中的年齡分布主要為剛步入社會(huì)的占30%，36 歲左右的青年占46%，中老年人群占24%，這與初步的理論假設(shè)基本吻合。逾期中的性別分布主要為男性與女性比例對(duì)等，這與理論假設(shè)有所出入。逾期中的借款期限分布，主要集中在項(xiàng)目期限為3 個(gè)月和項(xiàng)目期限為12 個(gè)月，其與理論假設(shè)有些出入。逾期中的購車情況分布主要為未購車人數(shù)達(dá)到了65%，所以這與理論假設(shè)基本一致。逾期中的婚姻狀況分布主要為未婚集中了50%，而離異和已婚各占25%，這與理論假設(shè)基本符合。逾期中的信用等級(jí)分布主要為信用等級(jí)最高的占的最多，其次是信用等級(jí)最多的人，這與理論假設(shè)有出入。

（六）研究結(jié)論

1.多元線性回歸模型的結(jié)論。經(jīng)過上述最終的回歸模型結(jié)果，可得出如下結(jié)論。正常還清率與借款金額、年利率、房產(chǎn)情況成反比，這與理論假設(shè)相符。正常還清率與學(xué)歷成正比，即學(xué)歷越高違約風(fēng)險(xiǎn)越小，這與理論假設(shè)相符。且進(jìn)一步發(fā)現(xiàn)，正常還清率與投標(biāo)人數(shù)成反比，即投標(biāo)人數(shù)越多違約風(fēng)險(xiǎn)越大，現(xiàn)認(rèn)為出現(xiàn)這種現(xiàn)象的原因是借款人的“拆東墻補(bǔ)西墻”心理。借款人由于投標(biāo)人數(shù)較多，從而更容易存在一種僥幸心理，容易出現(xiàn)道德風(fēng)險(xiǎn)，用一部分投標(biāo)人的錢來還另一部分投標(biāo)人的錢，從而導(dǎo)致的違約風(fēng)險(xiǎn)就會(huì)變高。所以借款金額、年利率、房產(chǎn)情況、學(xué)歷、投標(biāo)人數(shù)這五個(gè)因素在P2P 網(wǎng)貸信用風(fēng)險(xiǎn)管理中是不可或缺的借款人信息特征。

2.描述統(tǒng)計(jì)的結(jié)論。經(jīng)過對(duì)剔除的變量進(jìn)行逾期中的描述性統(tǒng)計(jì)，可得如下結(jié)論。年齡段的分布對(duì)信用風(fēng)險(xiǎn)有一定的影響，剛步入社會(huì)的青年和36歲左右的青年其違約風(fēng)險(xiǎn)更高，這是由于處于這兩個(gè)階段的青年擁有更強(qiáng)的“冒險(xiǎn)心理”和經(jīng)濟(jì)壓力，這與理論假設(shè)基本一致?；橐鰻顩r對(duì)信用風(fēng)險(xiǎn)也有一定的影響，未婚者擁有的信用風(fēng)險(xiǎn)更高。這與理論假設(shè)一致。車輛擁有情況對(duì)信用風(fēng)險(xiǎn)有一定的影響，沒有車輛的更易發(fā)生違約，這些與理論假設(shè)基本相符。所以年齡、車產(chǎn)情況、婚姻狀況這三個(gè)因素在P2P 網(wǎng)貸信用風(fēng)險(xiǎn)管理中是比較重要的借款人信息特征。而性別對(duì)信用風(fēng)險(xiǎn)基本無影響，故對(duì)性別進(jìn)一步分析，發(fā)現(xiàn)在網(wǎng)貸平臺(tái)上借款人中男性是女性的兩倍，所以在進(jìn)行逾期中的性別分布描述時(shí)，分別采取了各性別違約人數(shù)在各性別所占的比例為統(tǒng)計(jì)目標(biāo)，發(fā)現(xiàn)其違約風(fēng)險(xiǎn)男性比女性略高，但這種差距并不明顯，所以性別這一特征對(duì)網(wǎng)貸信用風(fēng)險(xiǎn)管理來說并不是重要的信息特征。項(xiàng)目期限對(duì)信用風(fēng)險(xiǎn)有一定影響，逾期次數(shù)主要集中于項(xiàng)目期限為3 個(gè)月和12 個(gè)月，且3 個(gè)月項(xiàng)目期限逾期次數(shù)最多，現(xiàn)對(duì)項(xiàng)目期限進(jìn)一步分析發(fā)現(xiàn)，在統(tǒng)計(jì)數(shù)據(jù)中，3 個(gè)月的利率大約在7%-8%之間，而一般短期借款金額不超過10 000 元，但借款人需償還的利息在本金中的比例過大，再加上期限短，所以借款人面臨的還款壓力上升，從而導(dǎo)致違約風(fēng)險(xiǎn)上升。對(duì)于項(xiàng)目期限12 個(gè)月來說也是同樣的道理，現(xiàn)數(shù)據(jù)中借款期限為12 個(gè)月的借款金額一般不超過5 萬，但其年利率卻在10%左右，所還利息在本金中比重較大且時(shí)間相對(duì)較長，不確定因素的增加和較大的還款壓力使得借款人違約風(fēng)險(xiǎn)提升。所以，由于數(shù)據(jù)的局限性無法準(zhǔn)確驗(yàn)證項(xiàng)目期限與違約風(fēng)險(xiǎn)之間存在著正相關(guān)的關(guān)系。但其可以表明項(xiàng)目期限對(duì)信用風(fēng)險(xiǎn)有一定的影響程度，所以項(xiàng)目期限對(duì)P2P 網(wǎng)貸信用風(fēng)險(xiǎn)管理來說是相對(duì)重要的信息特征。同時(shí)發(fā)現(xiàn)，信用等級(jí)對(duì)信用風(fēng)險(xiǎn)有一定影響?，F(xiàn)對(duì)逾期中的信用等級(jí)分布進(jìn)行分析，發(fā)現(xiàn)逾期中信用等級(jí)占比最高的不是最次的等級(jí)，而是最高的等級(jí)，造成這種現(xiàn)象的原因有兩點(diǎn)，現(xiàn)所采用的數(shù)據(jù)將近80%的人群處于AAA 等級(jí)，而其他等級(jí)較少?，F(xiàn)行大部分P2P 網(wǎng)貸平臺(tái)的信用等級(jí)，主要還是根據(jù)借款人信息的完整性和正常還清率來界定，只要借款人沒有過分或嚴(yán)重違約，其一般都不會(huì)降低信用等級(jí)。所以，信用等級(jí)在P2P 網(wǎng)貸信用風(fēng)險(xiǎn)管理中還是具有一定的作用。

五、網(wǎng)絡(luò)信貸安全保障措施

由于當(dāng)今互聯(lián)網(wǎng)技術(shù)的發(fā)展以及傳統(tǒng)信貸行業(yè)的高準(zhǔn)入門檻和較保守的投資收益，使得P2P 網(wǎng)貸行業(yè)具有廣泛的發(fā)展市場(chǎng)，P2P 網(wǎng)貸行業(yè)的發(fā)展不僅解決了“兩多兩難”的問題，而且盤活了資本市場(chǎng)上的閑散資金，其在一定程度上提高了資本市場(chǎng)的效率，并且其通過資金渠道滲透于各行各業(yè)，在一定程度上提高了社會(huì)服務(wù)的高附加值，促進(jìn)了經(jīng)濟(jì)高質(zhì)量增長。但P2P 面臨的各種風(fēng)險(xiǎn)特別是信用風(fēng)險(xiǎn)對(duì)P2P 網(wǎng)貸行業(yè)的發(fā)展產(chǎn)生了阻礙，因此，現(xiàn)主要從平臺(tái)征信和政府等監(jiān)管機(jī)構(gòu)對(duì)P2P 網(wǎng)貸信用風(fēng)險(xiǎn)管理給予建議措施。

從完善借款人信息特征方面，通過上述的理論和實(shí)證分析，可知借款人的借款金額、借款利率、借款期限、年齡、學(xué)歷、是否已婚、是否有車有房、信用等級(jí)、投標(biāo)人數(shù)都對(duì)P2P 網(wǎng)貸信用風(fēng)險(xiǎn)管理有著比較重要的影響，而且像美國的Prosper，其借款人信息中不僅包含了信息特征數(shù)據(jù)，而且還加入了朋友或鄰居對(duì)借款人的評(píng)價(jià)，這樣的社會(huì)資本信息大大降低了違約風(fēng)險(xiǎn)。同時(shí)，現(xiàn)行的國內(nèi)大中小P2P 網(wǎng)貸平臺(tái)中，借款人的信息包含并不完全，平臺(tái)信息要求的不一致，為違約風(fēng)險(xiǎn)高的借款人提供了機(jī)會(huì)。因此，建議P2P 網(wǎng)貸平臺(tái)可與社交平臺(tái)或購物平臺(tái)進(jìn)行合作，利用其平臺(tái)上的個(gè)人信息來保證個(gè)人征信機(jī)制中信息的準(zhǔn)確性和完整性，利用大數(shù)據(jù)來提高和完善借款人信息特征的質(zhì)量，從而降低信用風(fēng)險(xiǎn)。且在個(gè)人信息的收集中，也要注意軟性信息像雇用信息、人際信息的搜集。同時(shí)平臺(tái)也可以利用“小組激勵(lì)”機(jī)制來降低借款人的信用風(fēng)險(xiǎn)。

從完善信用評(píng)級(jí)體系角度，研究中發(fā)現(xiàn)信用等級(jí)高并不會(huì)降低其違約風(fēng)險(xiǎn)，主要原因是現(xiàn)行國內(nèi)網(wǎng)貸平臺(tái)的信用評(píng)級(jí)體系，不會(huì)依據(jù)其違約行為進(jìn)行動(dòng)態(tài)調(diào)整，只有拍拍貸在發(fā)生嚴(yán)重違約時(shí)會(huì)公布黑名單，但這基本無濟(jì)于事。所以，平臺(tái)不僅要采用較為完善的信用評(píng)級(jí)體系進(jìn)行真正地信用評(píng)級(jí)，而且要注意對(duì)借款人的信用等級(jí)進(jìn)行實(shí)時(shí)地調(diào)整和更新。

從政府、金融機(jī)構(gòu)和金融監(jiān)管機(jī)構(gòu)方面，需提高P2P 行業(yè)的準(zhǔn)入門檻，重點(diǎn)提高P2P 網(wǎng)貸企業(yè)金融專業(yè)技術(shù)人員在工作員工中的比例，以及采用云征信與區(qū)塊鏈相結(jié)合的模式，完善平臺(tái)的征信系統(tǒng)，并需政府等權(quán)威機(jī)構(gòu)制定統(tǒng)一的數(shù)據(jù)錄入標(biāo)準(zhǔn)，進(jìn)行全方位監(jiān)督和管理。