檀凱旋

(南京財經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，南京 210023)

P2P網(wǎng)貸平臺是互聯(lián)網(wǎng)金融中一種以點對點借貸模式(將投資人的資金放貸給有資金需求的借款人)為運作方式的信息中介平臺。P2P建立的初衷是將資金以沒有任何抵押的小額方式發(fā)放給需要資金的人。2005年，全球第一家P2P平臺成立于倫敦，后逐漸盛行于美國。2007年，國外網(wǎng)絡(luò)借貨平臺模式引入中國，大致經(jīng)歷了初始發(fā)展期、快速擴(kuò)張期、風(fēng)險爆發(fā)期及政策調(diào)整期。中國是世界上P2P網(wǎng)貸平臺數(shù)量和注冊用戶數(shù)量最多的國家。網(wǎng)貸平臺最初只作為中間平臺，由有借款需求的人發(fā)布借款需求，然后由多個投資人進(jìn)行競標(biāo)，最后由平臺出面撮合雙方達(dá)成一致交易并收取部分服務(wù)費的一種網(wǎng)絡(luò)金融模式。隨著業(yè)務(wù)的拓展，網(wǎng)貸平臺開始有資金托管的作用，許多居心不良的平臺鉆金融監(jiān)管體制的漏洞，利用網(wǎng)貸平臺非法吸收公眾存款，進(jìn)行集資詐騙。雖然金融監(jiān)管逐漸嚴(yán)格，但還是有諸如平臺運營突然失聯(lián)、提現(xiàn)困難等威脅人民群眾財產(chǎn)安全的問題。

一、互聯(lián)網(wǎng)金融下的網(wǎng)貸平臺風(fēng)險

P2P作為一種創(chuàng)新的金融模式，是互聯(lián)網(wǎng)金融中最為典型、發(fā)展最廣泛的一種模式[1]。自第一家網(wǎng)貸平臺“拍拍貸”產(chǎn)生并規(guī)范經(jīng)營數(shù)年后，這種借貸模式逐漸被廣大民眾接受，從此國內(nèi)P2P平臺數(shù)量急劇增加。人們在適應(yīng)這種新的借貸模式之后，開始享受其帶來的快捷與便利，其產(chǎn)生的大量需求，既給該行業(yè)帶來了商機(jī)，也使各P2P平臺間產(chǎn)生了激烈的競爭，良莠不齊的P2P平臺在一定程度上增加了該行業(yè)的風(fēng)險，給投資者的資金安全帶來諸多問題[2]。

互聯(lián)網(wǎng)金融安全是國家重點關(guān)注的問題。黨的十九大報告提出，為加快完善社會主義市場經(jīng)濟(jì)體制，需要健全金融監(jiān)管體系。其中網(wǎng)貸平臺風(fēng)險是防范的重點，如何在監(jiān)管不夠完善的背景下，識別P2P平臺的風(fēng)險也成為國家金融監(jiān)管部門以及學(xué)術(shù)界研究關(guān)注的焦點問題[3]。

關(guān)于網(wǎng)貸平臺風(fēng)險性的研究，目前還不多，并且學(xué)者研究問題的角度也僅僅是基于P2P平臺的基本運營數(shù)據(jù)，忽略了“企業(yè)輿情”信息對網(wǎng)貸平臺的風(fēng)險管控作用。在互聯(lián)網(wǎng)時代，正面或者負(fù)面的輿情信息都容易通過網(wǎng)絡(luò)平臺被不斷放大，輿情對社會事件的發(fā)展及變化發(fā)揮了極其重要的作用，因此掌握并分析P2P企業(yè)的輿情信息以及公眾信息，能夠使P2P平臺風(fēng)險性管理邁上新臺階[4]。

本文結(jié)合“企業(yè)輿情”、反映P2P平臺本質(zhì)特征的基礎(chǔ)數(shù)據(jù)以及法律層面上的P2P風(fēng)險性評價，基于爬取的2019年10月的網(wǎng)貸天眼、網(wǎng)貸之家等網(wǎng)貸平臺的數(shù)據(jù)，構(gòu)建出更加完整的P2P平臺的風(fēng)險性評價體系，并使用該體系進(jìn)行P2P風(fēng)險性評價分析，得出結(jié)論并提出相應(yīng)建議。

二、構(gòu)建網(wǎng)貸平臺風(fēng)險性評價指標(biāo)體系

(一)評價指標(biāo)體系的構(gòu)建原則

網(wǎng)貸平臺風(fēng)險不僅具有相對性，而且具有波動性，因此評價指標(biāo)的選取不僅要具有代表性、可量化性，還要能夠反映網(wǎng)貸平臺風(fēng)險性所涵蓋的各個方面。為了準(zhǔn)確、客觀地選取評價指標(biāo)，應(yīng)遵循以下原則：一是目的性，即要圍繞評價網(wǎng)貸平臺風(fēng)險這個核心來選擇指標(biāo)；二是可獲得性，即用于評價網(wǎng)貸平臺風(fēng)險性的指標(biāo)要能夠獲?。蝗窍到y(tǒng)性，即各指標(biāo)之間要有一定的邏輯關(guān)系，要能夠反映網(wǎng)貸平臺風(fēng)險的各個方面；四是典型性，即評價指標(biāo)要具有代表性，這樣構(gòu)建的評價指標(biāo)體系才具有意義；五是科學(xué)性，即所選指標(biāo)必須抓住網(wǎng)貸平臺風(fēng)險的主要方面和本質(zhì)特征；六是可量化性，即評價指標(biāo)須是可量化的，這樣才能用于構(gòu)建模型分析。

(二)確定P2P風(fēng)險評價指標(biāo)體系

為了構(gòu)建P2P風(fēng)險評價良好的指標(biāo)體系，本文結(jié)合“企業(yè)輿情”、相應(yīng)法律以及網(wǎng)貸平臺本質(zhì)特征，明確了P2P平臺風(fēng)險性分析的幾個方向，從基本信息、信用信息、變更信息、備案信息、輿情信息、危險信息等6個維度確定了18個評價指標(biāo)(見表1)。

表1 P2P風(fēng)險性評價指標(biāo)體系

由于直接獲取的輿情數(shù)據(jù)是大量用戶對于平臺、事件、產(chǎn)品等的有價值的評論信息，無法直接用于評價分析，需要利用情感分析等方法對其進(jìn)行量化，因此需要通過輿情風(fēng)險等級分析將其轉(zhuǎn)換成風(fēng)險等級指標(biāo)，然后利用風(fēng)險等級指標(biāo)結(jié)合其他指標(biāo)進(jìn)行P2P風(fēng)險性評價分析。

三、輿情風(fēng)險等級指標(biāo)的構(gòu)建

本文獲取輿情數(shù)據(jù)的來源主要是網(wǎng)貸之家、網(wǎng)貸天眼等網(wǎng)站的用戶評論以及新聞報道，在構(gòu)建輿情風(fēng)險等級評價指標(biāo)體系時，不僅要考慮輿情數(shù)據(jù)的情感極性，還要考慮用戶對產(chǎn)品以及某些與平臺相關(guān)事件的有價值描述，比如詐騙、跑路等與平臺運營狀況有關(guān)的關(guān)鍵詞信息會在相關(guān)平臺的評論中存在，用戶還會在一些投訴渠道投訴某些網(wǎng)貸平臺。因此本文從情感極性(正、中、負(fù)3類)、關(guān)鍵詞以及投訴3個維度構(gòu)建出具有17個評價指標(biāo)的輿情風(fēng)險等級評價體系。

由于獲取的輿情評論數(shù)據(jù)中只有少部分是帶有情感標(biāo)簽(好、一般、差)的，多數(shù)都沒有情感標(biāo)簽，因此首先需要利用那些帶有情感標(biāo)簽的評論數(shù)據(jù)訓(xùn)練出一個可以對沒有情感標(biāo)簽的P2P輿情數(shù)據(jù)進(jìn)行自動情感分類的模型算法。

(一)數(shù)據(jù)情感分類處理

輿情數(shù)據(jù)分類處理的主要步驟包括：一是切詞(需要人工添詞)，二是訓(xùn)練詞向量模型(深度學(xué)習(xí))，三是訓(xùn)練情感分析模型(LSTM算法)。對應(yīng)處理之后的結(jié)果為：LSTM算法顧及語義的前后關(guān)系，提高了研判的準(zhǔn)確性；訓(xùn)練了530000個帶有情感標(biāo)簽的點評數(shù)據(jù)，分類模型準(zhǔn)確率為84.6%，該準(zhǔn)確率滿足分析需求。

(二)構(gòu)建輿情風(fēng)險等級評價指標(biāo)體系

利用自動情感分類的模型算法對所有輿情數(shù)據(jù)進(jìn)行情感分類之后，基于用戶評論和新聞報道兩個層面對輿情數(shù)據(jù)進(jìn)行相應(yīng)處理，共包含16個評價指標(biāo)，對其進(jìn)行是否命中投訴處理，即在相關(guān)投訴渠道中爬取所有的網(wǎng)友投訴，然后對每一個網(wǎng)貸平臺進(jìn)行命中匹配，形成是否命中投訴指標(biāo)，構(gòu)建出包含17個評價指標(biāo)的輿情風(fēng)險等級評價指標(biāo)體系(見表2)。

(三)輿情風(fēng)險等級分析模型的建立

在構(gòu)建輿情風(fēng)險等級分析模型時，采取熵權(quán)法進(jìn)行分析。

1.熵權(quán)法模型

熵權(quán)法的基本思想是根據(jù)指標(biāo)變異性的大小來確定各指標(biāo)的客觀權(quán)重。一般來說，若某個指標(biāo)的信息熵Ej越小，表明指標(biāo)值變異程度越大，提供的信息量越多，在綜合評價中所能起到的作用也越大，其權(quán)重也就越大。相反，某個指標(biāo)的信息熵越大，其權(quán)重就越小。

2.熵權(quán)法賦權(quán)步驟

(1) 數(shù)據(jù)標(biāo)準(zhǔn)化

假設(shè)給定了k個指標(biāo)X1,X2,…,Xk，其中Xi={xi1,xi2,…,xin}。假設(shè)把各指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化后的值為Y1,Y2,…,Yk，計算公式如下：

(1)

(2) 求各指標(biāo)的信息熵

根據(jù)信息論中信息熵的定義，一組數(shù)據(jù)的信息熵為：

(2)

(3) 確定各指標(biāo)權(quán)重

根據(jù)信息熵的計算公式，計算出各個指標(biāo)的信息熵為E1,E2,…,Ek。通過信息熵計算各指標(biāo)的權(quán)重：

(3)

(四)輿情風(fēng)險等級劃分

1.獲取各指標(biāo)權(quán)重

依據(jù)上述熵權(quán)法求權(quán)重公式，在Python軟件中求得各指標(biāo)權(quán)重系數(shù)(見表2)。

表2 輿情風(fēng)險分析各指標(biāo)權(quán)重系數(shù)

2.獲取風(fēng)險得分

利用權(quán)重對各樣本求得最終得分，為防止其評分出現(xiàn)超過100的情況，對其進(jìn)行歸一化處理，公式為：

(4)

式(4)中，x歸i表示第i個數(shù)據(jù)進(jìn)行歸一化之后的數(shù)值，max(x)代表x的最大值。

提取前40個平臺的風(fēng)險系數(shù)得分(見表3)。結(jié)合我國相關(guān)機(jī)構(gòu)對輿情風(fēng)險預(yù)警等級的劃分，將得分分為5個等級：80～100分為A級，60～80分為B級，40～60分為C級，20～40分為D級，0～20分為E級(均不包括下限)。

表3 前40個平臺風(fēng)險系數(shù)得分情況

四、網(wǎng)貸平臺風(fēng)險性評價實證分析

(一) 數(shù)據(jù)預(yù)處理

考慮到數(shù)據(jù)獲取渠道相對有限，數(shù)據(jù)完整性具有波動，因此結(jié)合網(wǎng)貸平臺的相關(guān)特征，對指標(biāo)數(shù)據(jù)進(jìn)行分類別定性處理。定性處理后，考慮到在進(jìn)行建模時變量只能用數(shù)值數(shù)據(jù)，因此再對其進(jìn)行數(shù)值化處理，依據(jù)評分越高風(fēng)險性越高的原則，對各指標(biāo)進(jìn)行相應(yīng)賦值，指標(biāo)名稱后的括號內(nèi)為對應(yīng)分組賦值情況(見表4)。

表4 數(shù)據(jù)預(yù)處理表

(二)網(wǎng)貸平臺風(fēng)險建模分析

進(jìn)行數(shù)據(jù)預(yù)處理之后，轉(zhuǎn)而進(jìn)行網(wǎng)貸平臺風(fēng)險建模分析?？紤]到爬取的參考指標(biāo)較多，為了減免指標(biāo)的冗雜性，結(jié)合已有實踐，先對影響系數(shù)相對較小的指標(biāo)進(jìn)行降維處理，依據(jù)貢獻(xiàn)率決定這些指標(biāo)的權(quán)重，然后結(jié)合剩余相對重要的指標(biāo)數(shù)據(jù)，利用層次分析法，建立評分模型。

1.降維處理

利用主成分分析法，對基本信息、信用指標(biāo)以及變更記錄3個維度(共計14個指標(biāo))進(jìn)行降維處理，并根據(jù)貢獻(xiàn)率決定其權(quán)重(根據(jù)Kaiser-Harris準(zhǔn)則提取出5個主成分)。

依據(jù)表5的系數(shù)，求出各個主成分的值：

表5 各主成分對應(yīng)的系數(shù)

F1=-0.07495X1-0.07530X2+…-0.00496X14

F2=-0.01773X1+0.03969X2+…+0.00216X14

…

F5=0.33447X1+0.47140X2+…-0.00095X14

2.進(jìn)行層次分析

對多個影響系數(shù)較小的指標(biāo)利用主成分分析法降維后形成的5個主成分，結(jié)合備案信息、輿情信息、危險信息等3個維度(含4個二級指標(biāo))，共計9個評價指標(biāo)進(jìn)行層次分析。

首先，構(gòu)建判斷矩陣(見圖1)。

圖1 網(wǎng)貸平臺風(fēng)險性分析指標(biāo)數(shù)據(jù)的判斷矩陣

對應(yīng)于判斷矩陣最大特征根λmax的特征向量，定義一致性指標(biāo)為：

(5)

式(5)中，CI等于0，有完全的一致性；CI接近于0，有滿意的一致性；CI越大，不一致越嚴(yán)重。

為衡量CI的大小，引入隨機(jī)一致性指標(biāo)RI：

壓瘡是長期臥床或制動患者最易出現(xiàn)的皮膚并發(fā)癥，有效防治壓瘡既是臨床治療，更是護(hù)理工作中長期以來的困惑。壓瘡可增加患者的痛苦，延長疾病的愈合時間，使患者生活質(zhì)量下降，增加住院時間和醫(yī)療費用，如繼發(fā)嚴(yán)重感染會加重病情甚至威脅到生命［1］。2010年7月起，我們采用自制的小米墊預(yù)防壓瘡，效果顯著，現(xiàn)報道如下。

(6)

式(6)中，隨機(jī)一致性指標(biāo)RI和判斷矩陣的階數(shù)有關(guān)，一般情況下，矩陣階數(shù)越大，則出現(xiàn)一致性隨機(jī)偏離的可能性也越大(見表6)。

表6 平均隨機(jī)一致性指標(biāo)RI標(biāo)準(zhǔn)值

考慮到一致性的偏離可能是由于隨機(jī)原因造成的，因此在檢驗判斷矩陣是否具有滿意的一致性時，還需將CI和隨機(jī)一致性指標(biāo)RI進(jìn)行比較，得出檢驗系數(shù)CR，公式如下：

(7)

式(7)中，如果CR<0.1 ，一般則認(rèn)為該判斷矩陣通過一致性檢驗，否則就不具有滿意一致性。

通過Python軟件將數(shù)據(jù)代入式(7)，求得CR<0.1，判斷矩陣通過一致性檢驗。然后通過計算最終得到各指標(biāo)權(quán)重值(見表7)。

表7 網(wǎng)貸平臺風(fēng)險性評價指標(biāo)權(quán)重值

在求得各項權(quán)重系數(shù)之后，將對應(yīng)處理后的指標(biāo)值與其相乘即可得到各平臺得分。

五、結(jié)論及建議

將輿情信息利用熵權(quán)法客觀賦權(quán)，克服了主觀評價帶來的影響，對網(wǎng)貸平臺風(fēng)險的評價效益具有顯著性意義。結(jié)合網(wǎng)貸平臺本質(zhì)特征，以及咨詢相關(guān)專家，查找相應(yīng)法律，對影響系數(shù)較小的指標(biāo)進(jìn)行降維處理，有效避免了數(shù)據(jù)冗雜。通過層次分析法求得指標(biāo)權(quán)重值，可以看出“輿情風(fēng)險等級”和“是否在P2P黑名單中”這兩個評價指標(biāo)的權(quán)重值較大，因此這兩個評價指標(biāo)值大的網(wǎng)貸平臺風(fēng)險性較高；其次，“是否有網(wǎng)站備案”以及“備案網(wǎng)站能否成功訪問”這兩個評價指標(biāo)權(quán)重也相對較大，其余的一些反映指標(biāo)權(quán)重相對較小，這一基本結(jié)論對于投資者和政策監(jiān)管者而言具有重要指導(dǎo)意義。

從監(jiān)管者的角度講，一要確保相應(yīng)平臺進(jìn)行備案以及進(jìn)行合法備案，對未進(jìn)行備案或備案不合法的平臺加大監(jiān)管力度；二要及時關(guān)注對相應(yīng)平臺的報道以及群眾的反映等社會輿論，借助輿論進(jìn)行監(jiān)管既能降低成本又能提高監(jiān)管效率。

從P2P平臺角度講，若其為正規(guī)平臺，想保持良好的運營狀態(tài)，需要進(jìn)行正式備案，主動接受監(jiān)管。另外輿情信息反映公眾評價的好壞，面對相關(guān)負(fù)面信息時，首先要反思平臺的運作方式是否存在問題，如有問題及時解決并公開聲明。

從投資人的角度講，投資平臺的正規(guī)與否，對其資產(chǎn)安全具有至關(guān)重要的影響。為判斷P2P平臺涉嫌違法的可能性，需要利用平臺的備案信息等公開信息以及相關(guān)輿情信息，對其風(fēng)險性進(jìn)行初步經(jīng)驗性評估。這對投資人選擇網(wǎng)貸平臺有著不可低估的指導(dǎo)作用，可以保證投資人自身財產(chǎn)安全。