何光輝 楊何燦

摘要：從中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)信息中介對(duì)等性出發(fā)，本文選取已進(jìn)入良性發(fā)展的某前十大平臺(tái)全部網(wǎng)絡(luò)交易真實(shí)數(shù)據(jù)，通過(guò)合適借款人特征識(shí)別、違約機(jī)制模擬與不同情境道德風(fēng)險(xiǎn)測(cè)算發(fā)現(xiàn)：中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)確實(shí)有合適的長(zhǎng)尾人群且在穩(wěn)健平臺(tái)借款不會(huì)產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn);合適借款人違約風(fēng)險(xiǎn)與其主要特征密切相關(guān)，出借人可根據(jù)違約機(jī)制優(yōu)化組合標(biāo)的獲得超額收益;風(fēng)險(xiǎn)形成機(jī)制截然不同的法人混入P2P網(wǎng)絡(luò)借貸市場(chǎng)將沖擊合適借款人;風(fēng)險(xiǎn)中性平臺(tái)更可能保證市場(chǎng)穩(wěn)健發(fā)展，偏好風(fēng)險(xiǎn)和過(guò)度謹(jǐn)慎均可能加劇系統(tǒng)性風(fēng)險(xiǎn)。

關(guān)鍵詞：P2P;網(wǎng)絡(luò)借貸;合適借款人;特征識(shí)別;道德風(fēng)險(xiǎn);系統(tǒng)性風(fēng)險(xiǎn)

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1002-2848-2020（05）-0040-13

一、研究背景

近年來(lái)，P2P網(wǎng)絡(luò)借貸市場(chǎng)在中國(guó)大起大落。這一起源于歐美點(diǎn)對(duì)點(diǎn)的借貸方式隨著政府大力鼓勵(lì)而獲得迅猛發(fā)展。然而，如今這一踐行金融普惠的新興市場(chǎng)卻因政策的巨大不確定性而面臨嚴(yán)峻挑戰(zhàn)。與該市場(chǎng)相伴而生的是P2P網(wǎng)絡(luò)借貸平臺(tái)爆雷問(wèn)題越來(lái)越突出，致使數(shù)以億計(jì)的出借人損失慘重，造成重大社會(huì)隱患，引起各界廣泛關(guān)注，甚至出現(xiàn)否定該市場(chǎng)的極端言論。

P2P網(wǎng)絡(luò)借貸平臺(tái)爆雷的直接原因是借款人過(guò)高的道德風(fēng)險(xiǎn)帶來(lái)的高違約率，引致出借人虧損甚至血本無(wú)歸。這種道德風(fēng)險(xiǎn)與銀行借貸相同，源自借貸雙方信息不對(duì)稱[1-4]。銀行為了降低道德風(fēng)險(xiǎn)要求借款人提供抵押品，不僅能篩選出風(fēng)險(xiǎn)更低的借款人，還能促使借款人對(duì)其行為負(fù)責(zé)[5]。如果借款人違約，銀行可以沒(méi)收抵押品用于抵債[6-7]。P2P網(wǎng)絡(luò)借貸市場(chǎng)因網(wǎng)絡(luò)的虛擬性而可能存在更嚴(yán)重的信息不對(duì)稱[8]，且通常沒(méi)有抵押品。那么，中國(guó)有沒(méi)有能夠?yàn)榫W(wǎng)絡(luò)借貸市場(chǎng)出借人帶來(lái)正收益的合適借款人呢？其基本特征怎樣？違約機(jī)制如何？道德風(fēng)險(xiǎn)是否可控？只有研究清楚這些問(wèn)題，直面挑戰(zhàn)，才能找到中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)良性發(fā)展之路。

然而，學(xué)術(shù)界迄今為止鮮有關(guān)于此問(wèn)題的系統(tǒng)研究。已有文獻(xiàn)主要集中于P2P網(wǎng)絡(luò)借貸平臺(tái)[9-11]、出借人[12-14]和借款人[15-16]等微觀主體方面?，F(xiàn)有文獻(xiàn)普遍存在一個(gè)缺陷，即僅看到P2P網(wǎng)絡(luò)借貸市場(chǎng)是“草根金融”的共性而忽略中國(guó)的出借人主要是自然人的特殊性，因而想當(dāng)然地認(rèn)為該市場(chǎng)就是服務(wù)所有長(zhǎng)尾群體的。中國(guó)網(wǎng)絡(luò)借貸市場(chǎng)發(fā)展初期，包括政府在內(nèi)的各界期望它能解決長(zhǎng)期以來(lái)傳統(tǒng)金融市場(chǎng)無(wú)法解決的所有長(zhǎng)尾和非長(zhǎng)尾群體的融資難與融資貴問(wèn)題，結(jié)果約90%的平臺(tái)爆雷。面對(duì)爆雷潮，不少地方政府和監(jiān)管部門(mén)束手無(wú)策，又走向另一極端，幾乎采取一刀切壓降方式，不是要求穩(wěn)健平臺(tái)主動(dòng)關(guān)閉就是無(wú)視問(wèn)題平臺(tái)“金蟬脫殼”，甚至以犧牲該市場(chǎng)為代價(jià)縱容那些通過(guò)侵占百姓利益而一夜暴富的既得利益者逃避責(zé)任。

顯然，試圖以一刀切壓降甚至關(guān)閉市場(chǎng)的極端方式回避風(fēng)險(xiǎn)無(wú)論從理論還是實(shí)踐看均無(wú)助于問(wèn)題的解決和風(fēng)險(xiǎn)化解。網(wǎng)絡(luò)借貸市場(chǎng)不可替代的金融普惠功能不論在發(fā)達(dá)國(guó)家還是其他發(fā)展中國(guó)家均獲得充分認(rèn)可并運(yùn)行良好，而中國(guó)當(dāng)前也迫切需要金融的普惠發(fā)展。中國(guó)借鑒的是美國(guó)信息中介模式。網(wǎng)絡(luò)借貸在美國(guó)穩(wěn)定發(fā)展的一個(gè)主要原因是遵循出借人與借款人之間的對(duì)等性原則，出現(xiàn)以上市公司Lending Club為代表的“個(gè)人（法人）對(duì)個(gè)人”與On Deck Capital為代表的“法人對(duì)法人”兩種模式。對(duì)等性意味著特定出借人結(jié)構(gòu)的平臺(tái)避免失敗的一個(gè)前提是只能服務(wù)特定長(zhǎng)尾群體即合適借款人的需求。而中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)從整體上看，出借人主要是自然人，而借款人是包括所有長(zhǎng)尾和非長(zhǎng)尾借款群體的“自然人+企業(yè)法人”混合體，法人還包括普通小微企業(yè)和與平臺(tái)存在利益關(guān)聯(lián)的企業(yè)。這種借貸之間的不對(duì)等關(guān)系導(dǎo)致平臺(tái)出現(xiàn)不合適借款群體，可能是爆雷潮的一個(gè)直接原因。證券投資理論認(rèn)為，證券市場(chǎng)存在系統(tǒng)性風(fēng)險(xiǎn)和非系統(tǒng)性風(fēng)險(xiǎn)，后者可借助資產(chǎn)組合進(jìn)行分散，投資者整體上至少能獲得無(wú)風(fēng)險(xiǎn)收益，通常用期望收益率來(lái)測(cè)算[17-19]。P2P網(wǎng)絡(luò)借貸市場(chǎng)也是如此，可能出借人之間的收益率因非系統(tǒng)性風(fēng)險(xiǎn)溢價(jià)不同而存在差異，但其整體上必須為正，至少保證出借人不虧本。在此前提下，出借人才能根據(jù)資產(chǎn)組合理論對(duì)借款標(biāo)的進(jìn)行優(yōu)化組合獲得超額收益。如果期望收益率長(zhǎng)期為負(fù)，則其出借人無(wú)論怎樣努力都不能改變整體虧損局面，市場(chǎng)必將難以為繼。中國(guó)不乏一些經(jīng)過(guò)數(shù)年經(jīng)營(yíng)已進(jìn)入良性循環(huán)且面對(duì)行業(yè)多次爆雷潮依然持續(xù)盈利的平臺(tái)，其借款人是中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)可持續(xù)發(fā)展的合適借款人，盡管不能完整地代表所有合適借款人，但可為中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)找到方向。因?yàn)楸壮倍扇∫坏肚袎航瞪踔陵P(guān)閉市場(chǎng)的極端方式必將迫使這類資金剛需者不得不進(jìn)入地下高利貸市場(chǎng)。

基于以上分析，本文突破中外現(xiàn)有研究局限，從P2P網(wǎng)絡(luò)借貸市場(chǎng)信息中介的對(duì)等性出發(fā)，選取已進(jìn)入良性發(fā)展的某前十大平臺(tái)樣本期間全部網(wǎng)絡(luò)借款的真實(shí)交易數(shù)據(jù)作為研究對(duì)象，通過(guò)對(duì)合適借款人識(shí)別、違約機(jī)制模擬與不同情景中的道德風(fēng)險(xiǎn)測(cè)算更好地定位該市場(chǎng)功能，為P2P網(wǎng)絡(luò)借貸市場(chǎng)在中國(guó)穩(wěn)健發(fā)展找到一條合適之路，幫助各地政府和相關(guān)監(jiān)管部門(mén)走出面對(duì)爆雷潮而束手無(wú)策的困境，充分發(fā)揮該市場(chǎng)在新時(shí)代中國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)中原本就具備的獨(dú)特作用。

二、研究設(shè)計(jì)

為了能夠精準(zhǔn)找到中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)應(yīng)該服務(wù)且能夠服務(wù)的那部分長(zhǎng)尾群體以全面、客觀地把握網(wǎng)絡(luò)借貸市場(chǎng)道德風(fēng)險(xiǎn)，本文選取已進(jìn)入良性循環(huán)的中國(guó)前十大平臺(tái)所有網(wǎng)絡(luò)借款的全樣本數(shù)據(jù)作為研究對(duì)象，按照“先描述、后模擬、再測(cè)算”的邏輯思路對(duì)網(wǎng)絡(luò)借貸市場(chǎng)借款功能和道德風(fēng)險(xiǎn)進(jìn)行理性反思和測(cè)算。重點(diǎn)研究該市場(chǎng)的三個(gè)方面問(wèn)題：

（1）借款人及其借款標(biāo)的特征怎樣？正常還款者與違約者之間有何差異，如何識(shí)別？

（2）借款人違約率有多高？他們之間的差異因素是什么關(guān)系，機(jī)制如何？

（3）合適借款人的系統(tǒng)性風(fēng)險(xiǎn)有多大？與平臺(tái)穩(wěn)健性和借款群體結(jié)構(gòu)之間關(guān)系如何？怎樣才能確保合適借款人的正當(dāng)權(quán)利？

（一）樣本選取與合適借款人識(shí)別

本文數(shù)據(jù)取自已進(jìn)入良性發(fā)展的中國(guó)排名前十的某網(wǎng)絡(luò)借貸平臺(tái)2015年底至2018年初經(jīng)加密的全部自然人網(wǎng)絡(luò)借款真實(shí)交易數(shù)據(jù)，分別從基本特征（年齡與性別）、經(jīng)濟(jì)狀況（學(xué)歷與居住地人均可支配收入）、個(gè)人信用（由平臺(tái)評(píng)級(jí)）和借款標(biāo)的（借款金額）四個(gè)維度6類指標(biāo)來(lái)描述借款人特征。采用居住地人均可支配收入而非借款人收入的原因是前者是統(tǒng)計(jì)局公布的客觀指標(biāo)，與借款人收入直接相關(guān)，而借款人收入因由借款人自己填寫(xiě)可能不真實(shí)。

考慮到網(wǎng)絡(luò)借貸市場(chǎng)有正常還款和違約之分，本文還利用參數(shù)與非參數(shù)檢驗(yàn)等方法研究合適借款人中兩類人群之間的結(jié)構(gòu)性差異。根據(jù)中心極限定理，當(dāng)隨機(jī)變量的總體分布未知或與正態(tài)分布不一致時(shí)，樣本均值在大樣本前提下近似服從正態(tài)分布。由于違約者與正常還款者表現(xiàn)相互獨(dú)立，因此可以通過(guò)獨(dú)立樣本T檢驗(yàn)的方法分析兩者在借款特征方面的差異。在此之前，本文利用Levene檢驗(yàn)與BrownForsythe檢驗(yàn)驗(yàn)證樣本間方差是否存在顯著差異。除T檢驗(yàn)外，本文還針對(duì)定序型變量與連續(xù)性變量利用Wilcoxon秩和檢驗(yàn)驗(yàn)證結(jié)論的穩(wěn)健有效性。

（二）違約機(jī)制模擬

本文的被解釋變量為借款是否違約，對(duì)于此類二值變量，通常采用Logit模型進(jìn)行回歸分析[11，20]。

設(shè)Y為平臺(tái)借款是否違約的二值被解釋變量，表示為

對(duì)式（3）的回歸參數(shù)采用極大似然法估計(jì)，其優(yōu)勢(shì)在于能夠確保模型預(yù)測(cè)值即違約可能性位于[0，1]區(qū)間之內(nèi)，具有現(xiàn)實(shí)經(jīng)濟(jì)意義。

此外，在解釋Logit模型的經(jīng)濟(jì)學(xué)含義時(shí)還涉及邊際效應(yīng)。Xj每個(gè)樣本值處的邊際效應(yīng)為

在機(jī)制模擬時(shí)，Yj定義為到期且逾期90天以上取值為1，否則為0。為確保結(jié)果穩(wěn)健，本文還用逾期2個(gè)月以上取值為1，否則為0予以替換進(jìn)行檢驗(yàn)。兩次模擬結(jié)果基本一致。Xj取上文所述反映四個(gè)維度的6類指標(biāo)，其定義見(jiàn)表1。

（三）道德風(fēng)險(xiǎn)測(cè)算

任何融資市場(chǎng)可持續(xù)發(fā)展的基礎(chǔ)是至少能夠確保資金供給方整體上獲得無(wú)風(fēng)險(xiǎn)收益（通常用期望收益率來(lái)測(cè)算），P2P網(wǎng)絡(luò)借貸市場(chǎng)也不例外。如果該市場(chǎng)期望收益率長(zhǎng)期為負(fù)，則出借人無(wú)論怎樣努力都不能改變整體虧損局面。就此意義而言，有必要在模擬合適借款人違約機(jī)制后進(jìn)一步從期望收益率（ER）視角來(lái)測(cè)算其系統(tǒng)性道德風(fēng)險(xiǎn)。

本文將期望收益率定義為P2P網(wǎng)絡(luò)借貸平臺(tái)服務(wù)的某一類借款人給出借人整體帶來(lái)的除本金之外的收益率，既與出借人從平臺(tái)獲得的利率有關(guān)也與相關(guān)借款群體的違約率、違約者與正常還款者之間的借款金額比等密切相關(guān)。

其中，i為網(wǎng)貸市場(chǎng)借款群體類型：自然人（N）、企業(yè)法人（F）或普通小微企業(yè)法人（SF）、平臺(tái)關(guān)聯(lián)企業(yè)法人（RF）;

wi表示i類借款群體的違約率或違約概率;

ki表示該類借款中違約者與正常還款者間平均借款金額比，主要與借款人類別和平臺(tái)風(fēng)險(xiǎn)偏好有關(guān);

r為平臺(tái)支付給出借人的利率（一般不隨借款人類型i變化）。任何一類借款人為出借人帶來(lái)的期望收益率主要取決于該類借款人違約率和平均借款金額比。

本文從三個(gè)維度測(cè)算中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)借款人系統(tǒng)性道德風(fēng)險(xiǎn)。

首先測(cè)算穩(wěn)健平臺(tái)合適借款人的道德風(fēng)險(xiǎn)?；跇颖緮?shù)據(jù)借款特征，違約者與正常還款者借款金額比k略小于1，可見(jiàn)平臺(tái)采用了借款配給策略[1-2]。測(cè)算結(jié)果表明，這類平臺(tái)的自然人借款為出借人帶來(lái)的期望收益率為正，確實(shí)是中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)應(yīng)該服務(wù)而且可以服務(wù)的那部分長(zhǎng)尾群體，其系統(tǒng)性風(fēng)險(xiǎn)完全可控，進(jìn)一步佐證所識(shí)別借款人的合適性。

接著放寬平臺(tái)條件，測(cè)算中國(guó)不同風(fēng)險(xiǎn)類型平臺(tái)上自然人借款的道德風(fēng)險(xiǎn)。由于不同平臺(tái)風(fēng)險(xiǎn)偏好、控制能力和標(biāo)準(zhǔn)各不相同，即使違約率相同的同一類自然人，其k值也各不相同。測(cè)算結(jié)果顯示，k小于1基本上能為出借人帶來(lái)整體上不虧損的收益，而且該值越小越好。但實(shí)踐中k值可能因信息不對(duì)稱而控制不好或者因誤判而弄巧成拙，則自然人借款風(fēng)險(xiǎn)增加，因此采取借款配給策略，維持所有借款人在平均借款金額左右較為理想。

最后放寬借款人條件，測(cè)算混有企業(yè)法人（F）借款的平臺(tái)出借人期望收益率。企業(yè)法人在P2P網(wǎng)絡(luò)借貸市場(chǎng)借款有普通企業(yè)（SF）融資和關(guān)聯(lián)企業(yè)（RF）融資兩種典型模式。前者是在銀行貸不到資金且與平臺(tái)沒(méi)有關(guān)聯(lián)的小微企業(yè)，在現(xiàn)實(shí)中存活率低，其“頂格”融資即以上限100萬(wàn)元的規(guī)定借款的風(fēng)險(xiǎn)遠(yuǎn)高于合適借款人風(fēng)險(xiǎn);后者關(guān)聯(lián)企業(yè)與平臺(tái)有著千絲萬(wàn)縷的利益關(guān)系，除了“頂格”融資外還可通過(guò)殼公司源源不斷為其自身籌集資金，風(fēng)險(xiǎn)因此被無(wú)限放大。這兩類法人借款盡管風(fēng)險(xiǎn)形成過(guò)程不同，但均對(duì)自然人借款帶來(lái)災(zāi)難性沖擊。測(cè)算結(jié)果顯示，企業(yè)法人借款風(fēng)險(xiǎn)發(fā)展初期可能由于借款占比較小而未受到重視，但一旦占比上升，該類風(fēng)險(xiǎn)就難以規(guī)避且將本可以持續(xù)發(fā)展的自然人借款市場(chǎng)壓垮。

三、穩(wěn)健平臺(tái)借款人特征識(shí)別

（一）借款人整體特征

樣本中借款人介于18～65周歲，意味著市場(chǎng)中借款人年齡分布廣，最小者為剛成年的年輕群體，最大者為即將或已退休的中老年人群。整個(gè)群體以27歲為分界，上下各占50%，絕大多數(shù)借款人集中于27歲附近，21～31歲的借款人占全部樣本的71.24%，而27歲的借款人最多，占比約為7.47%。這反映出網(wǎng)絡(luò)借款者具有偏年輕化的結(jié)構(gòu)特征，原因可能是年輕群體有較強(qiáng)消費(fèi)需求且對(duì)網(wǎng)絡(luò)借貸持開(kāi)放態(tài)度，而銀行等傳統(tǒng)渠道難以滿足其融資需求甚至由于其收入不高而不愿意放款。而年齡較大者消費(fèi)意愿較低，更傾向于線下借貸，且相對(duì)而言更易于從銀行等獲得低成本資金，故而在網(wǎng)絡(luò)借貸市場(chǎng)占比較小。

從性別看，男性占比73.9%，女性僅占比26.1%。根據(jù)2010年第六次人口普查與2017年國(guó)家統(tǒng)計(jì)局人口抽樣調(diào)查數(shù)據(jù)，中國(guó)男女比例分別為104.9∶100與104.81∶100?？梢?jiàn)，網(wǎng)絡(luò)借貸市場(chǎng)男女占比與中國(guó)整體男女結(jié)構(gòu)差異巨大。這可能是借款人性別分布與出借人的性別偏好共同作用的結(jié)果。

網(wǎng)絡(luò)借貸市場(chǎng)存在各種學(xué)歷水平的借款人。其中，超過(guò)半數(shù)的借款人受教育程度為高中或中專及以下，占比53.4%;大專學(xué)歷的借款用戶比例超過(guò)三成;本科及以上的高學(xué)歷人群占比近12%，但初中及以下的占比只有8.1%。而2010年人口普查與2017年抽樣調(diào)查數(shù)據(jù)顯示，受過(guò)高等教育的人口占比為10.3%與13.9%。因此，盡管借款人以受教育年限較少者占絕大多數(shù)，但整體教育水平與整個(gè)中國(guó)人口結(jié)構(gòu)相比較高。這與該市場(chǎng)中借款人年齡結(jié)構(gòu)整體偏年輕化一致。

從借款人居住地人均可支配收入看，均值為30880.09元，中位數(shù)29906元，兩者相近，標(biāo)準(zhǔn)差為13189元。地區(qū)最低與最高人均可支配收入分別為5299元和54341元，均落在均值的兩個(gè)標(biāo)準(zhǔn)差區(qū)間內(nèi)。生活所在地分布包括發(fā)達(dá)與欠發(fā)達(dá)地區(qū)。據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，樣本期的2016—2017年全國(guó)人均可支配收入平均為24897.39元?？梢?jiàn)，網(wǎng)貸市場(chǎng)絕大多數(shù)借款人主要生活在高收入地區(qū)，因?yàn)榻杩钊司幼〉厝司芍涫杖氡韧谌珖?guó)平均水平高5982.70元。

樣本顯示，大量低信用等級(jí)借款人充斥市場(chǎng)。其中，信用等級(jí)E和F的融資者占比分別為28.1%和45.1%，信用等級(jí)C與D的借款人分別占比4.9%與18.0%，信用等級(jí)A和B的借款人共占比3.9%。借款人信用評(píng)級(jí)是由網(wǎng)絡(luò)借貸平臺(tái)在貸前運(yùn)用大數(shù)據(jù)技術(shù)收集信息并綜合考慮各方面因素建立模型完成的，而銀行在放貸決策時(shí)也會(huì)考慮類似因素。故網(wǎng)絡(luò)借貸市場(chǎng)這一借款人信用結(jié)構(gòu)的形成可能是由于高信用等級(jí)人群在有融資需求時(shí)通常具有其他成本較低的融資渠道，而那些被傳統(tǒng)信貸市場(chǎng)排斥的借款人可選渠道有限導(dǎo)致網(wǎng)絡(luò)借貸市場(chǎng)充斥著大量較低信用評(píng)級(jí)借款人。

在借款標(biāo)的金額方面，平均值為3013元，半數(shù)借款人融入1800元以下的資金，最小標(biāo)的金額為300元，單次融資金額最高為30000元?？梢?jiàn)，標(biāo)的以小額分散為特征，穩(wěn)健平臺(tái)自然人借款金額均未超過(guò)同期全國(guó)人均可支配收入，占居住地人均可支配收入不到10%，占全國(guó)人均可支配收入的12%，與美國(guó)Lending Club平臺(tái)基本類似。因此，通過(guò)P2P網(wǎng)絡(luò)借貸市場(chǎng)發(fā)布小額標(biāo)的不僅能夠滿足理性借款人各類消費(fèi)需求，而且能夠給予出借人選擇權(quán)利，同時(shí)還增加市場(chǎng)參與者流動(dòng)性。從這個(gè)意義上說(shuō)，相關(guān)監(jiān)管部門(mén)目前規(guī)定的個(gè)人在單個(gè)平臺(tái)上借款最高20萬(wàn)元、在全部平臺(tái)累計(jì)不超過(guò)100萬(wàn)元的限制對(duì)理性借款人而言形同虛設(shè)，不僅起不到穩(wěn)定市場(chǎng)的作用，反而存在助長(zhǎng)不良借款人冒險(xiǎn)和增加道德風(fēng)險(xiǎn)的可能。

綜上所述，中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)穩(wěn)健平臺(tái)并沒(méi)有承接所有被傳統(tǒng)金融部門(mén)拒絕的長(zhǎng)尾和非長(zhǎng)尾群體。其自然人借款具有年輕化的結(jié)構(gòu)特征，男性為市場(chǎng)的借款人主體，借款人多生活在高收入地區(qū)，整體具有較高的教育水平，但高學(xué)歷者較少，市場(chǎng)中充斥著大量低信用評(píng)級(jí)借款人，借款標(biāo)的具有小額分散特征。

（二）違約者與正常還款者差異

網(wǎng)絡(luò)借貸市場(chǎng)無(wú)論是正常還款者還是違約者年齡都以年輕人居多。中位數(shù)為27歲，75%的正常還款者與違約者都在18～31歲之間。但正常還款者年齡均值為27.35歲，標(biāo)準(zhǔn)差為5.41歲，均比違約者年齡均值27.5歲、標(biāo)準(zhǔn)差5.49歲低。這表明違約者比正常還款者年齡有變大和發(fā)散態(tài)勢(shì)，只是從分位區(qū)間上無(wú)法辨識(shí)。兩類借款人年齡結(jié)構(gòu)差異主要集中于后25%分位區(qū)間。正常還款者年齡區(qū)間為31～65歲，而違約者年齡則位于31～58歲之間。

從性別看，無(wú)論正常還款者還是違約者，男性占比都超過(guò)70%。但相對(duì)而言，違約者中男性占比比正常還款者中男性占比高7個(gè)百分點(diǎn)，而正常還款者中女性占比比違約者中女性占比高7%，表明女性網(wǎng)絡(luò)借貸借款人信用水平比男性高。

樣本顯示，違約者與正常還款者均表現(xiàn)為與整體一致的高學(xué)歷者較少、低學(xué)歷者居多的結(jié)構(gòu)。無(wú)論是正常還款還是違約群體中，高中及中專、大專兩類群體占比均最大。但相對(duì)而言，正常還款群體中高學(xué)歷占比相對(duì)偏高，突出表現(xiàn)在其大學(xué)本科和大專學(xué)歷群體占比分別為12.12%和35.68%，比后者同類學(xué)歷群體占比分別高5.05和5.29個(gè)百分點(diǎn)。而違約群體學(xué)歷整體偏低，突出表現(xiàn)在其初中及以下、高中及中專兩類群體占比分別為9.70%和52.63%，分別比正常還款者對(duì)應(yīng)的群體占比高1.88和8.64個(gè)百分點(diǎn)。可見(jiàn)，高學(xué)歷借款人違約率較低。

無(wú)論均值還是中位數(shù)，違約者居住地人均可支配收入均比正常還款者低。前者的均值29008元比后者均值31115元低2108元，前者的中位數(shù)28489元比后者中位數(shù)30124元低1635元。這一定程度上反映了違約者與正常還款者償還能力的差異。不僅如此，違約者居住地人均可支配收入的標(biāo)準(zhǔn)差為13314元，比正常還款者人均可支配收入13155元高159元，表明違約者的償還能力比較分散，差異較大。這可以從分位點(diǎn)得到進(jìn)一步的證實(shí)。違約者前25%人均可支配收入集中于5299～16346元的低收入?yún)^(qū)間，而正常還款者前25%人均可支配收入?yún)^(qū)間比其寬約6000元。違約者后25%人均可支配收入?yún)^(qū)間為38995～54341元，比正常還款者40220～54341元的區(qū)間寬1225元?？梢?jiàn)，違約者居住地人均可支配收入不是集中在低收入?yún)^(qū)間就是在高收入?yún)^(qū)間，比較分散。

從信用等級(jí)看，無(wú)論是正常還款者還是違約者的信用等級(jí)與其占比均呈反向關(guān)系，信用等級(jí)越高的借款人占比越低，信用等級(jí)越低的借款人占比越高。他們均以E和F兩個(gè)信用等級(jí)為多數(shù)。這與中國(guó)網(wǎng)絡(luò)借貸市場(chǎng)借款人信用水平普遍不高完全一致。但相對(duì)而言，正常還款者平均信用水平比違約者高，因?yàn)锳—E五個(gè)信用等級(jí)的借款人在正常還款者中占比均比違約者中相應(yīng)信用等級(jí)占比要高。而信用等級(jí)F的借款人正常還款者占比要比違約者占比低4.5個(gè)百分點(diǎn)。

從正常還款者與違約者標(biāo)的金額結(jié)構(gòu)狀況可以看出，正常還款者的均值3015元比違約者3005元的均值高10元，正常還款者的標(biāo)準(zhǔn)差3371元比違約者3309元標(biāo)準(zhǔn)差高62元。這與那些爆雷平臺(tái)違約者借款金額異常地高于正常還款者金額形成巨大反差，一定程度反映了穩(wěn)健平臺(tái)的風(fēng)控策略。

上述六個(gè)方面差異還可以從表2的參數(shù)/非參數(shù)檢驗(yàn)得到進(jìn)一步確認(rèn)。表2參數(shù)與非參數(shù)檢驗(yàn)結(jié)果完全一致，即違約者與正常還款者在年齡、性別、學(xué)歷、人均可支配收入、信用等級(jí)和標(biāo)的金額方面均存在顯著差異。違約者年齡偏大、學(xué)歷偏低、居住地人均可支配收入相對(duì)更低、男性更多、信用評(píng)級(jí)相對(duì)更低、借款金額稍小。而正常還款者年齡偏小、學(xué)歷偏高、以女性偏多、通常居住地人均可支配收入相對(duì)稍高、平臺(tái)授信評(píng)級(jí)偏高、借款金額也稍高。可見(jiàn)，除了合適借款人的理性表現(xiàn)外，穩(wěn)健平臺(tái)的風(fēng)險(xiǎn)把控和穩(wěn)健性經(jīng)營(yíng)也起到了一定積極作用。

四、合適借款人違約機(jī)制模擬

為穩(wěn)健起見(jiàn)，本文同時(shí)模擬了借款到期后逾期超過(guò)3個(gè)月與2個(gè)月的違約機(jī)制，以相互佐證。

（一）違約機(jī)制

本部分通過(guò)建立Logit模型解析網(wǎng)絡(luò)借貸市場(chǎng)合適借款人的違約機(jī)制。以借款人是否違約為被解釋變量的Logistic模型擬合結(jié)果見(jiàn)表3。年齡、性別、學(xué)歷、居住地人均可支配收入、信用等級(jí)和標(biāo)的金額均對(duì)違約概率產(chǎn)生顯著影響。除信用等級(jí)A和B不顯著外，其他變量均在1%水平上高度顯著。模型擬合程度高，準(zhǔn)確預(yù)測(cè)率高達(dá)90.46%。

樣本期內(nèi)，網(wǎng)絡(luò)借款人年齡對(duì)其違約概率產(chǎn)生顯著的正向影響。年齡幾率比為1.004，意味著年紀(jì)大的借款人與年輕借款人相比違約可能性更大。而邊際效應(yīng)可用于測(cè)算具體影響，即年齡每增加1歲，違約概率增加0.036%且高度顯著。

性別的幾率比為1.578，表明男性的相對(duì)風(fēng)險(xiǎn)是女性的1.578倍，即男性違約可能性比女性高。其邊際效應(yīng)約為3.88個(gè)百分點(diǎn)，意味著男性違約概率相較女性顯著高出3.88%。這可能由于女性具有更強(qiáng)的道德責(zé)任感，因而表現(xiàn)出比男性更低的違約率。

具有大學(xué)本科及以上受教育程度的借款人違約幾率比為0.531，表明該學(xué)歷水平借款人的相對(duì)風(fēng)險(xiǎn)是基準(zhǔn)水平高中及以下的0.531倍，即違約可能性更低;處于以上兩種教育水平之間的大專學(xué)歷借款人的幾率比為0.749，表明其違約可能性比高中及以下低學(xué)歷借款人低，且比大學(xué)本科及以上借款人高。根據(jù)邊際效應(yīng)，本科及以上高學(xué)歷借款人違約概率比高中及以下低學(xué)歷借款人低約5.39個(gè)百分點(diǎn)，大專學(xué)歷借款人比低學(xué)歷借款人違約概率小2.46%?？梢?jiàn)，不同教育水平的借款人違約概率由低至高排序依次為大學(xué)本科及以上高學(xué)歷借款人、大專學(xué)歷借款人與高中及以下低學(xué)歷借款人，且前兩類借款人與低學(xué)歷借款人違約概率均在1%水平上存在顯著差異。學(xué)歷水平的高低對(duì)借款人違約概率產(chǎn)生顯著的負(fù)向影響。其原因可能是高學(xué)歷借款人還款能力更強(qiáng)，更有能力控制外部沖擊，同時(shí)該群體逾期沖動(dòng)性較低，做逾期決定時(shí)顧慮更多。

居住地人均可支配收入對(duì)借款人違約概率影響高度顯著，0.925與-0.667%的幾率比與邊際效應(yīng)表明該指標(biāo)每提升1萬(wàn)元，借款人違約概率下降0.67%。這是由于居住地人均可支配收入這一客觀數(shù)據(jù)高意味著借款人收入也較高，因而還款能力較強(qiáng)進(jìn)而表現(xiàn)出較低違約可能。

在信用等級(jí)方面，與信用等級(jí)為F的借款人相比，信用等級(jí)C、D和E的借款人違約概率均在1%水平上存在顯著差異，其幾率比分別為0.703、0.804和1.215，表明前兩類信用等級(jí)借款人違約概率比等級(jí)最低的F類低，而信用等級(jí)E的借款人比基礎(chǔ)水平違約概率高。由表3中的邊際效應(yīng)可以看出，與基準(zhǔn)水平信用等級(jí)F相比，信用等級(jí)C和D的借款人違約概率低2.998和1.858個(gè)百分點(diǎn)，信用等級(jí)E的借款人逾期可能性高1.657個(gè)百分點(diǎn)。

在標(biāo)的金額方面，網(wǎng)絡(luò)借款人標(biāo)的金額對(duì)其違約概率在1%水平上產(chǎn)生顯著的負(fù)向影響。其相對(duì)風(fēng)險(xiǎn)為0.071，表明標(biāo)的金額越高的借款人違約可能性越低。由其邊際效應(yīng)測(cè)算出借款人的借款金額每增加1萬(wàn)元，其違約可能性降低約22.53%。

可見(jiàn)，P2P網(wǎng)絡(luò)借貸市場(chǎng)借款人的違約可能性受年齡、性別、學(xué)歷、居住地人均可支配收入、信用等級(jí)和標(biāo)的金額六個(gè)因素的顯著影響。其中，違約概率與年齡呈顯著的正向關(guān)系，與學(xué)歷、居住地人均可支配收入及標(biāo)的金額呈顯著負(fù)向關(guān)系;男性違約概率顯著高于女性;與基準(zhǔn)對(duì)照水平信用等級(jí)F相比，各信用等級(jí)（除A和B類）借款人違約概率均顯著。

（二）穩(wěn)健性檢驗(yàn)

將違約變量的定義替換為“借款人逾期超過(guò)60天未還為1、否則為0”檢驗(yàn)?zāi)Ｐ偷姆€(wěn)健性。以新定義的違約變量為被解釋變量、其余變量為解釋變量的Logit模型回歸結(jié)果見(jiàn)表4。年齡、性別、學(xué)歷水平、信用等級(jí)、居住地人均可支配收入及標(biāo)的金額仍在1%水平上對(duì)借款人違約概率產(chǎn)生顯著影響。模型的準(zhǔn)確預(yù)測(cè)率仍高達(dá)89.82%。模型中的變量均顯著。其中，信用等級(jí)C的系數(shù)在10%水平上顯著，年齡、性別、本科學(xué)歷及以上、大專學(xué)歷、信用等級(jí)A和B、信用等級(jí)D、信用等級(jí)E、標(biāo)的金額、居住地人均可支配收入的系數(shù)在1%水平上顯著。違約概率分析結(jié)果顯示，男性借款人違約概率高，年齡、學(xué)歷、標(biāo)的金額、居住地人均可支配收入對(duì)違約概率產(chǎn)生負(fù)向影響，與前文模擬結(jié)果一致，信用等級(jí)的影響與前文模擬結(jié)果基本一致。

五、不同情境中合適借款人道德風(fēng)險(xiǎn)測(cè)算

在上述研究基礎(chǔ)上，本文進(jìn)一步對(duì)中國(guó)網(wǎng)絡(luò)借貸市場(chǎng)合適借款人的系統(tǒng)性道德風(fēng)險(xiǎn)進(jìn)行客觀測(cè)算與評(píng)估。對(duì)于任何一家P2P網(wǎng)絡(luò)借貸平臺(tái)，其面臨的系統(tǒng)性風(fēng)險(xiǎn)是在借款人違約后出借人期望收益率是否穩(wěn)定在不小于0的水平上。如果某（類）平臺(tái)上出借人期望收益率長(zhǎng)期為負(fù)，則該（類）平臺(tái)必將難以為繼。只有那些出借人期望收益率大于0的平臺(tái)可能生存下去?；诖?，本文將分三種情境進(jìn)行測(cè)算。由于借款人道德風(fēng)險(xiǎn)表現(xiàn)為違約風(fēng)險(xiǎn)，直接影響出借人期望收益率（ER），故測(cè)算道德風(fēng)險(xiǎn)時(shí)用ER來(lái)衡量。

（一）穩(wěn)健平臺(tái)合適借款人道德風(fēng)險(xiǎn)測(cè)算

目前中國(guó)穩(wěn)健平臺(tái)通常人氣較旺，支付給出借人的利率整體偏低。以樣本平臺(tái)為例，其借款到期后逾期超過(guò)3個(gè)月的違約率為11.24%，平臺(tái)支付給出借人的利率為10.5%。如果平臺(tái)不對(duì)本金兜底，則出借人期望收益率為負(fù)。

但實(shí)踐中，不少穩(wěn)健平臺(tái)愿意通過(guò)保險(xiǎn)或其他形式墊付借款人因道德風(fēng)險(xiǎn)帶來(lái)的違約損失，原因是這類平臺(tái)的信息相對(duì)較為真實(shí)充分，因而吸引了眾多理性出借人。自最高人民法院公布民間融資最高利率“紅線”以來(lái)，眾多平臺(tái)都努力讓在自身平臺(tái)融資的借款人實(shí)際支付成本接近樣本期內(nèi)36%的上限，確保能夠維持盈虧平衡甚至獲得豐厚利潤(rùn)。

當(dāng)rT=18%時(shí)，以樣本數(shù)據(jù)違約率11.24%測(cè)算的期望收益率為4.74%（見(jiàn)表5），表明穩(wěn)健平臺(tái)上合適借款人的借貸不會(huì)導(dǎo)致出借人虧損。此時(shí)平臺(tái)支付給出借人的利率只要低于18%就能夠獲得額外的超額利潤(rùn)。故平臺(tái)即使實(shí)行各類本金兜底政策也不會(huì)虧損。

表5進(jìn)一步基于樣本數(shù)據(jù)根據(jù)式（5）測(cè)算了穩(wěn)健平臺(tái)rT從36%向下變動(dòng)時(shí)的合適借款人道德風(fēng)險(xiǎn)（以期望收益率衡量）變化?？梢钥闯龀齬T=24%的情形外，穩(wěn)健平臺(tái)出借人獲得的期望收益率均大于0，一定程度反映了借款人實(shí)際支付的融資成本存在下降空間。樣本期內(nèi)，借款人實(shí)際支付的融資成本最低不能低于25.5%，否則穩(wěn)健平臺(tái)不會(huì)采用導(dǎo)致自身虧損的兜底政策，出借人出現(xiàn)本金損失。

在這一過(guò)程中，出借人還可以根據(jù)前述違約機(jī)制模型進(jìn)行客戶甄別和標(biāo)的組合優(yōu)化以獲取更高收益?；跇颖緮?shù)據(jù)，表6列示了上述六個(gè)因素變動(dòng)帶來(lái)的風(fēng)險(xiǎn)改進(jìn)收益率。

（二）不同類型平臺(tái)合適借款人道德風(fēng)險(xiǎn)測(cè)算

中國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)在2015年至最新一輪爆雷潮發(fā)生前的2018年6月間支付給出借人收益率平均為12.75%。如果各平臺(tái)都像穩(wěn)健平臺(tái)那樣只接受自然人借款，市場(chǎng)基本能維持平衡，因?yàn)榛跇颖緮?shù)據(jù)測(cè)算的期望收益率略大于0。這意味著如果借款人是自然人，則出借人整體上不會(huì)出現(xiàn)大面積虧損。

不過(guò)，以上假定的是中國(guó)所有P2P網(wǎng)絡(luò)借貸平臺(tái)都像樣本平臺(tái)那樣具有理性，且借款信息均真實(shí)、充分和透明，理性出借人可以利用必要信息對(duì)借款人進(jìn)行甄別與標(biāo)的的組合優(yōu)化。違約者與正常還款者借款金額基本相當(dāng)。然而現(xiàn)實(shí)中的P2P網(wǎng)絡(luò)借貸平臺(tái)由于業(yè)務(wù)模式、發(fā)起人背景、資本金等不同而表現(xiàn)出不同的風(fēng)險(xiǎn)偏好。有些平臺(tái)偏愛(ài)高風(fēng)險(xiǎn)借款人的較大金額借款，因而其違約者與正常還款者之間的平均借款金額比k大于1。有些平臺(tái)過(guò)于謹(jǐn)慎，厭惡高風(fēng)險(xiǎn)群體的較大金額借款，因而其k小于1。只有那些風(fēng)險(xiǎn)中性平臺(tái)對(duì)高風(fēng)險(xiǎn)借款群體與低風(fēng)險(xiǎn)群體不存在偏好，因而表現(xiàn)為k值趨近于1。

k值不一致使得借款人道德風(fēng)險(xiǎn)影響程度也截然不同。為便于分析，假定合適借款人違約率與樣本數(shù)據(jù)一致，均為11.24%，所有平臺(tái)都公開(kāi)其支付給出借人的利率，設(shè)k分別為1/9、2/8、3/7、4/6、5/5、6/4、7/3、8/2、9/1，據(jù)此測(cè)算中國(guó)不同平臺(tái)借款人的道德風(fēng)險(xiǎn)，結(jié)果見(jiàn)表7。k值從上向下表示平臺(tái)越來(lái)越傾向較大借款金額的風(fēng)險(xiǎn)人群，可以看出，出借人期望收益率由大變小、由正變成負(fù)，出借人在k值約為1時(shí)基本保本，在約為8.9時(shí)血本無(wú)歸?？梢?jiàn)，在合適借款人違約率不變情形下，將違約者借款金額控制在不超過(guò)正常還款者借款金額平均水平能夠有效防范和控制P2P網(wǎng)絡(luò)借貸平臺(tái)借款人的道德風(fēng)險(xiǎn)，讓其處在出借人和平臺(tái)可承受范圍。

需要指出的是，由于信息不對(duì)稱，違約者并沒(méi)有貼上違約標(biāo)簽。雖然k越小期望收益越高，但如果平臺(tái)識(shí)別能力有限、判斷失誤或者故意冒險(xiǎn)，都有可能將本可控制借款金額的違約者作為正常還款者提高授信額度，反而增加借款群體道德風(fēng)險(xiǎn)。因此，在當(dāng)前由于信息不對(duì)稱而難以精準(zhǔn)判斷借款人道德風(fēng)險(xiǎn)背景下，采取配給策略[1-2]，將k值控制在1左右較為理想。

（三）混有法人借款的道德風(fēng)險(xiǎn)測(cè)算

不少P2P網(wǎng)絡(luò)借貸平臺(tái)既經(jīng)營(yíng)自然人借款又從事企業(yè)法人借款業(yè)務(wù)，只是兩者相對(duì)份額不同。這兩類借款人混在一起博弈的結(jié)果必然是企業(yè)借款不斷膨脹，而自然人借款相對(duì)占比不斷下降。這是由于自然人借款額度小且負(fù)無(wú)限責(zé)任，整體上通常有內(nèi)在融資硬約束，而企業(yè)法人則不同。與銀行貸款需要抵押品不同，法人的網(wǎng)絡(luò)借貸一般是信用借款，既沒(méi)有抵押品也只需承擔(dān)有限責(zé)任。他們只需以全部資產(chǎn)、其股東以出資額為限對(duì)所有負(fù)債承擔(dān)責(zé)任就可以借取足夠多的P2P資金。一旦平臺(tái)卷入企業(yè)貸款，則這種膨脹可能越來(lái)越大，無(wú)法收斂，其結(jié)果必然是合適借款人被邊緣化。實(shí)踐中，存在與平臺(tái)沒(méi)有關(guān)系的普通小微企業(yè)和與平臺(tái)有關(guān)系的關(guān)聯(lián)企業(yè)兩類企業(yè)法人道德風(fēng)險(xiǎn)。

1.普通小微企業(yè)法人道德風(fēng)險(xiǎn)

普通小微企業(yè)因負(fù)有限責(zé)任而存在內(nèi)在約束的不對(duì)稱性，會(huì)過(guò)度包裝以獲得超過(guò)自身償還能力融資的傾向。更為重要的是，到P2P網(wǎng)絡(luò)借貸市場(chǎng)融資的普通小微企業(yè)大多屬于“長(zhǎng)尾企業(yè)”中的“長(zhǎng)尾企業(yè)”，存活率低，年均破產(chǎn)率大約為40%。因此，這類企業(yè)借款的道德風(fēng)險(xiǎn)主要來(lái)自兩個(gè)方面：

（1）違約率（wSF）遠(yuǎn)大于個(gè)人借款違約率。如果考慮到小微企業(yè)存活率、經(jīng)濟(jì)周期不確定性和P2P網(wǎng)絡(luò)借貸平臺(tái)征信水平的脆弱性，普通小微企業(yè)在P2P網(wǎng)絡(luò)借貸市場(chǎng)的借款違約率高于其破產(chǎn)率40%。

（2）違約企業(yè)與正常還款者之間的平均借款金額比（kSF），通常不小于1。風(fēng)險(xiǎn)越高的小微企業(yè)因道德風(fēng)險(xiǎn)而致其借款超過(guò)償還能力的傾向越大[1]，兩者結(jié)合必然使得普通小微企業(yè)的單位本金損失（kSFwSF）遠(yuǎn)大于合適借款人的單位本金損失（kNwN）。假設(shè)wSF等于普通小微企業(yè)破產(chǎn)率40%，違約者平均借款金額分別是正常還款者借款金額的1倍、1.5倍、2倍、2.5倍、3倍，則相應(yīng)的kSFwSF依次為40%、60%、80%、100%和120%。假定平臺(tái)支付給出借人的利率r依然為12.5%、13.5%、14.5%、15.5%、16.5%和17.5%，那么這類企業(yè)的道德風(fēng)險(xiǎn)可根據(jù)式（5）進(jìn)行測(cè)算，結(jié)果見(jiàn)表8。

表8顯示，在現(xiàn)行P2P網(wǎng)絡(luò)借貸市場(chǎng)，普通小微企業(yè)為出借人帶來(lái)的期望收益率難以為正數(shù)。即使平臺(tái)風(fēng)險(xiǎn)中性，按照k=1經(jīng)營(yíng)，出借人預(yù)期虧損率也在30%左右。因此，為普通小微企業(yè)提供服務(wù)的P2P網(wǎng)絡(luò)借貸平臺(tái)只有找到合適的經(jīng)營(yíng)模式才能生存發(fā)展。

2.關(guān)聯(lián)企業(yè)法人道德風(fēng)險(xiǎn)

關(guān)聯(lián)企業(yè)與平臺(tái)存在利益關(guān)聯(lián)，之所以到P2P網(wǎng)絡(luò)借貸市場(chǎng)借款主要因其資信不好或信用不佳，在傳統(tǒng)金融市場(chǎng)難以融資。P2P網(wǎng)絡(luò)借貸平臺(tái)通常為其開(kāi)綠燈或創(chuàng)造條件以規(guī)避監(jiān)管。這類企業(yè)通常按監(jiān)管上限借款，為滿足大量資金需求還會(huì)設(shè)立殼公司用于借款。關(guān)聯(lián)企業(yè)借款金額不斷上升，遠(yuǎn)超普通小微企業(yè)融資平均水平（10倍甚至數(shù)千倍）。這類企業(yè)一家搖身變成數(shù)十乃至上千家殼公司，如同不斷加壓的氣球，最終必然引致平臺(tái)爆雷。關(guān)聯(lián)企業(yè)道德風(fēng)險(xiǎn)主要來(lái)自違約率

（wRF）而非違約企業(yè)與正常還款者之間的平均借款金額比（kRF），因?yàn)樗袣す径紩?huì)獲得“頂格”借款，k值幾乎穩(wěn)定在1左右。設(shè)某關(guān)聯(lián)企業(yè)為了能在平臺(tái)借更多資金設(shè)立n家殼公司。殼公司的設(shè)立和關(guān)閉對(duì)關(guān)聯(lián)企業(yè)而言成本較低，但對(duì)平臺(tái)出借人而言卻意味著違約風(fēng)險(xiǎn)上升。關(guān)聯(lián)企業(yè)違約率wRF=n/（n+1），隨n的增加而增大。假設(shè)n=1、9、99、999和9999，平臺(tái)支付給出借人的利率r依然為12.5%、13.5%、14.5%、15.5%、16.5%和17.5%，根據(jù)式（5）測(cè)算的關(guān)聯(lián)企業(yè)法人借款的道德風(fēng)險(xiǎn)見(jiàn)表9。

表9顯示，某平臺(tái)一旦出現(xiàn)關(guān)聯(lián)企業(yè)借款，則其無(wú)論支付給出借人多高利率，相關(guān)出借人期望收益率均為負(fù)，最終血本無(wú)歸。只是開(kāi)始時(shí)n較小，關(guān)聯(lián)企業(yè)借款累計(jì)金額不大，平臺(tái)可能會(huì)以本金兜底之名來(lái)掩蓋關(guān)聯(lián)企業(yè)不斷膨脹的借款風(fēng)險(xiǎn)?？梢?jiàn)，監(jiān)管部門(mén)應(yīng)高度警惕關(guān)聯(lián)企業(yè)借款行為。

3.對(duì)合適借款的沖擊

普通小微企業(yè)法人和關(guān)聯(lián)企業(yè)法人借款盡管風(fēng)險(xiǎn)形成過(guò)程不同，但都會(huì)壓垮P2P網(wǎng)絡(luò)借貸市場(chǎng)。更有甚者，這些企業(yè)一旦混入合適借款人平臺(tái)，會(huì)導(dǎo)致本來(lái)可以正常運(yùn)轉(zhuǎn)的合適借款人市場(chǎng)癱瘓。為便于測(cè)算，假定某平臺(tái)混入上述某類法人借款，其借款份額為q，該平臺(tái)合適借款人借款份額為1-q;平臺(tái)支付給出借人的利率為r，則法人（F）和合適借款人（N）借款混在一起的出借人期望收益率為

可以看出，與單純的合適借款人借款相比，混有企業(yè)法人借款的市場(chǎng)風(fēng)險(xiǎn)多了一項(xiàng)-q（1+r）（wFkF-wNkN）。當(dāng)q很小時(shí)，該項(xiàng)的沖擊可能較小，平臺(tái)還可以“犧牲”自己的超額利潤(rùn)來(lái)維護(hù)。但隨著q的上升，該項(xiàng)絕對(duì)值迅速膨脹，合適借款人被擠出，終究會(huì)逼迫平臺(tái)放棄保護(hù)出借人利益而爆雷。

顯然，在當(dāng)前環(huán)境中，地方監(jiān)管P2P網(wǎng)絡(luò)借貸市場(chǎng)的“壓降”對(duì)象，應(yīng)該是企業(yè)法人借款，而非合適借款人及其借款金額。法人借款可能會(huì)“摧毀”曾被寄予厚望并踐行普惠金融這一國(guó)家發(fā)展重要戰(zhàn)略的網(wǎng)絡(luò)借貸市場(chǎng)。該市場(chǎng)并不能承載所有傳統(tǒng)金融不（愿意）服務(wù)的全部長(zhǎng)尾和非長(zhǎng)尾群體。

六、結(jié)論與建議

P2P網(wǎng)絡(luò)借貸市場(chǎng)只能服務(wù)那些本可由其服務(wù)且也能承受其違約風(fēng)險(xiǎn)的那部分長(zhǎng)尾群體。精準(zhǔn)服務(wù)于這些資金剛需者避免其進(jìn)入地下高利貸市場(chǎng)既能積極發(fā)揮網(wǎng)絡(luò)借貸市場(chǎng)功能，又能在降低風(fēng)險(xiǎn)、維護(hù)社會(huì)安定、讓民眾分享經(jīng)濟(jì)發(fā)展紅利的過(guò)程中實(shí)現(xiàn)造福人民的政策目標(biāo)。該市場(chǎng)不能因無(wú)法承受所有“長(zhǎng)尾”和“非長(zhǎng)尾”群體而遭到否定。本文研究表明：中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)確實(shí)有其合適的長(zhǎng)尾借款人且在穩(wěn)健平臺(tái)借款不會(huì)產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)，完全可以定位于以穩(wěn)健平臺(tái)上這類借款人為服務(wù)對(duì)象;合適借款人違約風(fēng)險(xiǎn)與其主要特征密切相關(guān);出借人可根據(jù)違約機(jī)制進(jìn)行標(biāo)的組合優(yōu)化以獲取超額收益;法人混入P2P網(wǎng)絡(luò)借貸市場(chǎng)將沖擊合適借款人借款;風(fēng)險(xiǎn)中性平臺(tái)更可能保證市場(chǎng)穩(wěn)健發(fā)展;中國(guó)P2P網(wǎng)絡(luò)借貸市場(chǎng)需要按其自身規(guī)律監(jiān)管，絕不可因爆雷而否定該市場(chǎng)，并試圖將之轉(zhuǎn)化為小貸公司等其他傳統(tǒng)類型市場(chǎng)而迫使更多剛需者不得不前往地下高利貸市場(chǎng)。

（1）對(duì)于現(xiàn)有P2P平臺(tái)，應(yīng)立即停止開(kāi)展法人借款業(yè)務(wù)，并將其現(xiàn)有借款納入隔離賬戶，防止法人借款風(fēng)險(xiǎn)沖擊和牽連合適借款人借款;針對(duì)普通小微企業(yè)，創(chuàng)新模式，只允許其以自然人身份借款;高度警惕關(guān)聯(lián)企業(yè)變相借款。對(duì)于問(wèn)題平臺(tái)清算，要暢通合適借款人資金償還通道，不能因平臺(tái)出險(xiǎn)而導(dǎo)致個(gè)人償還業(yè)務(wù)癱瘓，讓本沒(méi)有損失的出借人遭受損失。

（2）對(duì)于網(wǎng)絡(luò)貸款新進(jìn)入者或轉(zhuǎn)型者，嚴(yán)格按照對(duì)等性原則進(jìn)行分類監(jiān)管：如果資金來(lái)源于自然人則借款人只能是自然人，只有資金來(lái)自信托、私募股權(quán)、小貸公司等機(jī)構(gòu)法人才允許借款人是法人。不允許出借人是自然人而借款人是法人的不對(duì)等P2B關(guān)系出現(xiàn)。

（3）盡快修改、調(diào)整和完善監(jiān)管制度，確保平臺(tái)穩(wěn)健運(yùn)營(yíng)。

第一，將個(gè)人借款最高限額調(diào)降到可支配收入以下，規(guī)定個(gè)人在單個(gè)平臺(tái)借款不超過(guò)其可支配收入的1/5，累計(jì)借款不超過(guò)可支配收入，盡快堵住現(xiàn)有規(guī)定名義上限制實(shí)際上卻慫恿和姑息高風(fēng)險(xiǎn)借款人的漏洞。

第二，限制個(gè)人借款之間極差，規(guī)定同一個(gè)平臺(tái)任何人借款金額不超過(guò)均值上下兩個(gè)標(biāo)準(zhǔn)差，以防止平臺(tái)因偏好風(fēng)險(xiǎn)或者過(guò)度謹(jǐn)慎而難以把握違約者與正常還款者間平均借款金額比的風(fēng)險(xiǎn)爆發(fā)。

第三，在最高法院公布的民間融資利率紅線基礎(chǔ)上適時(shí)調(diào)低最高利率，通過(guò)降低借款人實(shí)際成本來(lái)吸引更多優(yōu)質(zhì)長(zhǎng)尾客戶。

第四，取消按區(qū)域限制平臺(tái)業(yè)務(wù)的各種規(guī)定以充分發(fā)揮網(wǎng)絡(luò)突破時(shí)空局限的優(yōu)勢(shì)，降低平臺(tái)運(yùn)營(yíng)成本。

第五，構(gòu)建一套反映借款人及標(biāo)的客觀特征的指標(biāo)體系，強(qiáng)制平臺(tái)公開(kāi)這些數(shù)據(jù)，供出借人督查真實(shí)性并進(jìn)行資產(chǎn)組合;利用人工智能等高科技手段將各平臺(tái)每個(gè)借款人及其標(biāo)的信息納入全過(guò)程實(shí)時(shí)監(jiān)控系統(tǒng)，不留P2P網(wǎng)絡(luò)借貸市場(chǎng)風(fēng)險(xiǎn)積聚的隱患。

（4）高度重視爆雷平臺(tái)出借人利益保護(hù)，盡快成立全國(guó)問(wèn)題平臺(tái)清查小組，將非法侵占的出借人利益追回，維護(hù)借貸合同法律權(quán)威。出借人是市場(chǎng)最弱勢(shì)的群體，保護(hù)其利益是市場(chǎng)健康發(fā)展的前提和保障。但目前眾多出借人面對(duì)問(wèn)題平臺(tái)的侵害卻束手無(wú)策。應(yīng)盡快采取措施，杜絕個(gè)別地方政府和部門(mén)可能知曉但卻不及時(shí)阻止平臺(tái)與關(guān)聯(lián)企業(yè)勾結(jié)共同欺詐出借人，甚至默許縱容平臺(tái)實(shí)際控制人修改和銷毀合同、轉(zhuǎn)移和隱藏及漂白非法所得的現(xiàn)象發(fā)生，斬?cái)嗌煜蚱栈萁鹑诘暮谑忠员Ｗo(hù)出借人利益，為P2P等草根金融市場(chǎng)穩(wěn)健發(fā)展創(chuàng)造綠洲。

參考文獻(xiàn)：

[1]AKERLOF G A. The market for “l(fā)emons”： quality uncertainty and the market mechanism [J]. The Quarterly Journal of Economics， 1970， 84（3）： 488-500.

[2]STIGLITZ J E， WEISS A. Credit rationing in markets with imperfect information [J]. American Economic Review， 1981， 71（3）： 393-410.

[3]HOFF K， STIGLITZ J E. Imperfect information and rural credit markets： puzzles and policy perspectives [J]. World Bank Economic Review， 1990， 4（3）： 235-250.

[4]BOUCHER S R， CARTER M R， GUIRKINGER C. Risk rationing and wealth effects in credit markets： theory and implications for agricultural development [J]. American Journal of Agricultural Economics， 2010， 90（2）： 409-423.

[5]CONNING J， UDRY C. Rural financial markets in developing countries [J]. Annual Review of Sociology， 2007， 24： 1-24.

[6]BESTER H. Screening and rationing in credit markets with imperfect information [J]. American Economic Review， 1985， 75（4）： 850-855.

[7]NIINIMKI J P. Does collateral fuel moral hazard in banking？ [J]. Journal of Banking & Finance， 2009， 33（3）： 514-521.

[8]FREEDMAN S， JIN G Z. Learning by doing with asymmetric information： evidence from prosper. com [R]. NBER Working Paper， No. 16855， 2011.

[9]TEPLY P， POLENA M. Best classification algorithms in peertopeer lending [J]. North American Journal of Economics and Finance， 2019， 51： 1-12.

[10]LIU H， QIAO H， WANG S， et al. Platform competition in peertopeer lending considering risk control ability [J]. European Journal of Operational Research， 2019， 274（1）： 280-290.

[11]何光輝， 楊咸月， 蒲嘉杰. 中國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)及其決定因素研究 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2017（11）： 45-63.

[12]PIERRAKIS Y. Peer to peer lending to businesses： investors characteristics， investment criteria and motivation [J]. International Journal of Entrepreneurship and Innovation， 2019， 20（4）： 239-251.

[13]PARAVISINI D， RAPPOPORT V， RAVINA E. Risk aversion and wealth： evidence from persontoperson lending portfolios [J]. Management Science， 2016， 63（2）： 279-297.

[14]彭紅楓， 林川. 言之有物： 網(wǎng)絡(luò)借貸中語(yǔ)言有用嗎？ [J]. 金融研究， 2018（11）： 133-152.

[15]FREEDMAN S， JIN G Z. The information value of online social networks： lessons from peertopeer lending [J]. International Journal of Industrial Organization， 2017， 51： 185-222.

[16]阮素梅， 周澤林. 基于L1懲罰Logit模型的P2P網(wǎng)絡(luò)借貸信用違約識(shí)別與預(yù)測(cè) [J]. 財(cái)貿(mào)研究， 2018（2）： 54-63.

[17]MARKOWITZ H. Portfolio selection [J]. Journal of Finance， 1952， 7（1）： 77-91.

[18]SHARPE W F. Capital asset prices： a theory of market equilibrium under conditions of risk [J]. Journal of Finance， 1964， 19： 425-442.

[19]LINTNER J. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets [J]. Review of Economics and Statistics， 1965， 47： 443-450.

[20]OHLSON J. Financial ratios and the probabilistic prediction of bankruptcy [J]. Journal of Accounting Research， 1980， 18（1）： 109-13.

責(zé)任編輯、校對(duì)： 高原