李昕瑋

（南京審計大學 經(jīng)濟學院，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)了信息時代的潮流，而且也對中國經(jīng)濟高質(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)貸平臺截止2020 年2 月共有6611 個平臺，但其中問題平臺和停業(yè)與轉(zhuǎn)型平臺就高達6 272。P2P 網(wǎng)絡(luò)信貸模式不僅面臨著與傳統(tǒng)信貸同樣的市場風險、政策風險等系統(tǒng)性風險，而且還面臨著比傳統(tǒng)金融信貸更高的平臺信譽風險、借款人違約風險等非系統(tǒng)性風險，所以研究P2P 網(wǎng)絡(luò)信貸信用風險的影響因素是具有現(xiàn)實意義的。可以通過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人征信機制來規(guī)避信用風險，這不僅為投資者營造了一個陽光、安全的投資平臺，也為P2P 網(wǎng)絡(luò)信貸行業(yè)創(chuàng)造了更好的環(huán)境，對未來中國互聯(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)信貸模式對中國經(jīng)濟高質(zhì)量增長的貢獻程度。

二、文獻述評

P2P 網(wǎng)貸平臺早期出現(xiàn)于英國，Collier and Hampshire（2010）發(fā)現(xiàn)借款人的信用等級、信用特征可有效地降低道德風險和逆向選擇。Lin（2010）研究發(fā)現(xiàn)，擁有豐富的社會網(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)，當貸款人與借款人在現(xiàn)實生活中存在類似于校友和同事的關(guān)系時，貸款拖欠率會降低。Klafft（2009）認為，信用評級對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借款人的信用等級，以及借款人的社交信息對違約風險影響的研究方面。

而國內(nèi)研究P2P 網(wǎng)絡(luò)信貸起步相對較晚，早期，主要在于比較網(wǎng)絡(luò)信貸平臺的運作模式，孫之涵（2010）對網(wǎng)絡(luò)信貸平臺的運作模式進行了相關(guān)的研究概括。同時我國網(wǎng)貸市場不夠完善，在具體的交易過程中，還存在很大的風險，陳輝（2015）根據(jù)目前網(wǎng)貸市場風險較大這一特點，對網(wǎng)貸風險的分類情況，以及如何評估網(wǎng)貸風險和如何降低網(wǎng)貸風險做出了闡述。網(wǎng)絡(luò)信貸市場存在明顯的信息不對稱的現(xiàn)象，針對這一問題，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)，投資者在進行網(wǎng)貸交易時，投資人在做出投標這一行為時，除了與借款利率有關(guān)外，還會關(guān)注借款人成功借款這方面的信息，同時也會注重已經(jīng)獲得的投標人數(shù)的信息。鄒珂瑩（2015）在對借款人的信息能夠影響出借者的出借行為進行研究時發(fā)現(xiàn)，借款利率對投資者行為能夠產(chǎn)生正向影響，借款期限產(chǎn)生的是負向影響。從上述文獻可知，國內(nèi)對P2P 網(wǎng)絡(luò)信貸的研究主要集中在平臺運作模式、制度建設(shè)、風險研究等方面。雖然國內(nèi)學者對P2P網(wǎng)絡(luò)信貸的信用風險也進行了不同程度地分析，但其主要集中于對監(jiān)管制度方面的研究，而從實證角度較少。

三、理論基礎(chǔ)

（一）信息不對稱理論

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

（二）道德風險理論

用來解釋從事經(jīng)濟活動的人，為了最大限度地擴大自身效用的時候做出損害他人利益的現(xiàn)象。這也正是P2P 網(wǎng)貸面臨信用風險的基礎(chǔ)理論，其產(chǎn)生這種現(xiàn)象一方面是因為信息不對稱，另一方面是因為交易費用高于其自身承受而導致合約不完全。

四、P2P 網(wǎng)絡(luò)信貸信用風險影響因素的實證研究

（一）數(shù)據(jù)的來源及處理

此次實證研究的數(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P2P 網(wǎng)貸平臺的散標借款人信息。選取此平臺的原因主要有以下幾方面，其運營模式較為典型；平臺本身運營狀況良好；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平臺上對13 個字段進行抓取，這13 個字段分別是借款金額、借款期限、年利率、信用等級、年齡、性別、學歷、婚姻狀況、購房情況、購車狀況、投標人數(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險的影響因素，所以用正常還清率來間接表示信用風險，正常還清率越高，信用風險即違約風險就越低。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?，F(xiàn)基于借款人的信息特征，對信用風險影響因素進行分析，所以主要考察的是借款人的信息與反映信用風險的正常還清率之間的相關(guān)性，因此選用spss 軟件對656 條數(shù)據(jù)進行回歸來分析其相關(guān)程度。現(xiàn)擬采用多元線性回歸的方法進行回歸，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、年齡、性別、學歷、婚姻狀況、購房情況、購車狀況、投標人數(shù)，擬回歸模型如下。

表1 變量定義表

（三）理論假設(shè)

第一，借款金額與違約風險成正比，借款金額越大，借款人償還本金和利息的壓力就越大，其按時償還的可能性越低，則其違約風險越大。

第二，借款利率與違約風險成正比，借款利率越高，則其利息壓力越大，其違約風險越大。

第三，借款期限與違約風險成正比，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，其違約風險越大。

第四，信用等級與違約風險成反比，信用等級越高，則其信用水平越高，守信度越大，違約風險越低。

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

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

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

第八，婚姻狀況與違約風險。已婚人士要比未婚人士的違約風險低，因為已婚人士有兩個人共同承擔還款壓力。

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

第十，投標人數(shù)和違約風險之間的關(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的相關(guān)性所致，所以現(xiàn)用對自變量進行相關(guān)性分析。根據(jù)相關(guān)性的指標及數(shù)據(jù)結(jié)果得出，項目期限與項目金額高度正相關(guān)，其r 為0.7614。與年利率高度正相關(guān)，其r 值為0.8382，所以有理由認為其之間具有一定的共線性。因此，對項目期限、項目金額、項目利率與正常還清率進行雙變量相關(guān)性分析，從而得到項目期限與正常還清率相關(guān)性最低，所以對此變量進行剔除。其他變量篩選方法同上，最終剔除的變量有項目期限、購車狀況。由于P2P 網(wǎng)貸信用等級的評分是由此研究的其他自變量根據(jù)信用評級體系得到的，其與過多自變量有關(guān)，所以剔除信用等級。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)果可知項目金額、年利率、學歷、房產(chǎn)情況與違約風險的關(guān)系與理論假設(shè)相符，而且得出投資人與違約風險成負相關(guān)。

（五）描述性統(tǒng)計分析

雖然對一些變量進行了剔除，但其并不完全代表其與違約風險無關(guān)，現(xiàn)分別對逾期中的性別、年齡、項目期限、購車情況、婚姻狀況、信用等級進行描述性統(tǒng)計，來看其對違約風險的影響。根據(jù)統(tǒng)計分析可得，逾期中的年齡分布主要為剛步入社會的占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，主要集中在項目期限為3 個月和項目期限為12 個月，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。逾期中的信用等級分布主要為信用等級最高的占的最多，其次是信用等級最多的人，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。正常還清率與學歷成正比，即學歷越高違約風險越小，這與理論假設(shè)相符。且進一步發(fā)現(xiàn)，正常還清率與投標人數(shù)成反比，即投標人數(shù)越多違約風險越大，現(xiàn)認為出現(xiàn)這種現(xiàn)象的原因是借款人的“拆東墻補西墻”心理。借款人由于投標人數(shù)較多，從而更容易存在一種僥幸心理，容易出現(xiàn)道德風險，用一部分投標人的錢來還另一部分投標人的錢，從而導致的違約風險就會變高。所以借款金額、年利率、房產(chǎn)情況、學歷、投標人數(shù)這五個因素在P2P 網(wǎng)貸信用風險管理中是不可或缺的借款人信息特征。

2.描述統(tǒng)計的結(jié)論。經(jīng)過對剔除的變量進行逾期中的描述性統(tǒng)計，可得如下結(jié)論。年齡段的分布對信用風險有一定的影響，剛步入社會的青年和36歲左右的青年其違約風險更高，這是由于處于這兩個階段的青年擁有更強的“冒險心理”和經(jīng)濟壓力，這與理論假設(shè)基本一致?；橐鰻顩r對信用風險也有一定的影響，未婚者擁有的信用風險更高。這與理論假設(shè)一致。車輛擁有情況對信用風險有一定的影響，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、婚姻狀況這三個因素在P2P 網(wǎng)貸信用風險管理中是比較重要的借款人信息特征。而性別對信用風險基本無影響，故對性別進一步分析，發(fā)現(xiàn)在網(wǎng)貸平臺上借款人中男性是女性的兩倍，所以在進行逾期中的性別分布描述時，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)計目標，發(fā)現(xiàn)其違約風險男性比女性略高，但這種差距并不明顯，所以性別這一特征對網(wǎng)貸信用風險管理來說并不是重要的信息特征。項目期限對信用風險有一定影響，逾期次數(shù)主要集中于項目期限為3 個月和12 個月，且3 個月項目期限逾期次數(shù)最多，現(xiàn)對項目期限進一步分析發(fā)現(xiàn)，在統(tǒng)計數(shù)據(jù)中，3 個月的利率大約在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，從而導致違約風險上升。對于項目期限12 個月來說也是同樣的道理，現(xiàn)數(shù)據(jù)中借款期限為12 個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間相對較長，不確定因素的增加和較大的還款壓力使得借款人違約風險提升。所以，由于數(shù)據(jù)的局限性無法準確驗證項目期限與違約風險之間存在著正相關(guān)的關(guān)系。但其可以表明項目期限對信用風險有一定的影響程度，所以項目期限對P2P 網(wǎng)貸信用風險管理來說是相對重要的信息特征。同時發(fā)現(xiàn)，信用等級對信用風險有一定影響?，F(xiàn)對逾期中的信用等級分布進行分析，發(fā)現(xiàn)逾期中信用等級占比最高的不是最次的等級，而是最高的等級，造成這種現(xiàn)象的原因有兩點，現(xiàn)所采用的數(shù)據(jù)將近80%的人群處于AAA 等級，而其他等級較少?，F(xiàn)行大部分P2P 網(wǎng)貸平臺的信用等級，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重違約，其一般都不會降低信用等級。所以，信用等級在P2P 網(wǎng)貸信用風險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，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上的閑散資金，其在一定程度上提高了資本市場的效率，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服務(wù)的高附加值，促進了經(jīng)濟高質(zhì)量增長。但P2P 面臨的各種風險特別是信用風險對P2P 網(wǎng)貸行業(yè)的發(fā)展產(chǎn)生了阻礙，因此，現(xiàn)主要從平臺征信和政府等監(jiān)管機構(gòu)對P2P 網(wǎng)貸信用風險管理給予建議措施。

從完善借款人信息特征方面，通過上述的理論和實證分析，可知借款人的借款金額、借款利率、借款期限、年齡、學歷、是否已婚、是否有車有房、信用等級、投標人數(shù)都對P2P 網(wǎng)貸信用風險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借款人的評價，這樣的社會資本信息大大降低了違約風險。同時，現(xiàn)行的國內(nèi)大中小P2P 網(wǎng)貸平臺中，借款人的信息包含并不完全，平臺信息要求的不一致，為違約風險高的借款人提供了機會。因此，建議P2P 網(wǎng)貸平臺可與社交平臺或購物平臺進行合作，利用其平臺上的個人信息來保證個人征信機制中信息的準確性和完整性，利用大數(shù)據(jù)來提高和完善借款人信息特征的質(zhì)量，從而降低信用風險。且在個人信息的收集中，也要注意軟性信息像雇用信息、人際信息的搜集。同時平臺也可以利用“小組激勵”機制來降低借款人的信用風險。

從完善信用評級體系角度，研究中發(fā)現(xiàn)信用等級高并不會降低其違約風險，主要原因是現(xiàn)行國內(nèi)網(wǎng)貸平臺的信用評級體系，不會依據(jù)其違約行為進行動態(tài)調(diào)整，只有拍拍貸在發(fā)生嚴重違約時會公布黑名單，但這基本無濟于事。所以，平臺不僅要采用較為完善的信用評級體系進行真正地信用評級，而且要注意對借款人的信用等級進行實時地調(diào)整和更新。

從政府、金融機構(gòu)和金融監(jiān)管機構(gòu)方面，需提高P2P 行業(yè)的準入門檻，重點提高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，完善平臺的征信系統(tǒng)，并需政府等權(quán)威機構(gòu)制定統(tǒng)一的數(shù)據(jù)錄入標準，進行全方位監(jiān)督和管理。