朱清香王 莉

(1．河北工業(yè)大學 經(jīng)濟管理學院，天津 300401；2.燕山大學 經(jīng)濟管理學院，河北 秦皇島 066004)

?

互聯(lián)網(wǎng)金融民營系P2P網(wǎng)貸平臺的風險預警

朱清香1，2王 莉2

(1．河北工業(yè)大學 經(jīng)濟管理學院，天津 300401；2.燕山大學 經(jīng)濟管理學院，河北 秦皇島 066004)

互聯(lián)網(wǎng)金融P2P網(wǎng)貸平臺發(fā)展至今，頻頻出現(xiàn)平臺倒閉，P2P網(wǎng)貸平臺面臨著巨大挑戰(zhàn)。以LAPP法的4個維度為基礎(chǔ)，以民營系P2P網(wǎng)貸平臺風險的特點為立足點，選取20個指標進行實證分析。首先，采用主成分分析法進行降維處理；其次，通過二元Logistic回歸分析方法對40家民營系平臺構(gòu)建了T-4、T-3、T-2和T-1期的預警模型；最后，根據(jù)模型實證結(jié)果對民營系P2P網(wǎng)貸平臺提出了相關(guān)建議。

民營系；P2P網(wǎng)貸平臺；風險預警；主成分分析法；二元Logistic回歸

互聯(lián)網(wǎng)金融自提出后，在我國迅猛發(fā)展，國務(wù)院總理李克強在十二屆全國人大二次會議上作政府工作報告時提及互聯(lián)網(wǎng)金融，這是國家政府部門首次公開提及互聯(lián)網(wǎng)金融，為其發(fā)展提供了強有利的信號，也無疑標志著互聯(lián)網(wǎng)金融將為我國金融業(yè)發(fā)展打開一扇新的大門。據(jù)網(wǎng)貸之家數(shù)據(jù)顯示，P2P網(wǎng)貸平臺從2014年1月的984家，發(fā)展到2016年2月的3 944家。但是，發(fā)生重大壞賬、提現(xiàn)困難、高管失聯(lián)和司法破產(chǎn)等問題平臺的累計數(shù)也從2014年1月的104家發(fā)展到2016年2月的1 425家，存在這些問題的平臺大多屬于民營系。糾其原因，與宏觀經(jīng)濟增速減緩和民營系平臺經(jīng)營不規(guī)范以及風控能力弱息息相關(guān)。因此，對互聯(lián)網(wǎng)金融民營系P2P網(wǎng)貸平臺風險預警研究是非常必要的。

一、文獻綜述

(一)關(guān)于P2P網(wǎng)貸平臺風險特點的研究

P2P網(wǎng)貸平臺最早起源于國外。Lee認為互聯(lián)網(wǎng)金融風險主要是基于客戶辦理互聯(lián)網(wǎng)金融業(yè)務(wù)時的感知風險[1]。Yum，Lee，Chae認為P2P網(wǎng)貸平臺面臨的首要問題是信息不對稱，借貸雙方會通過博弈來降低風險而保障自身的利益[2]。Lin，Prabhala研究發(fā)現(xiàn)借款者的社會資本對借款成功概率及違約風險有顯著影響[3]。

馬亮認為P2P網(wǎng)絡(luò)借貸平臺主要有借款人違約風險、平臺運營風險、信息泄露風險、網(wǎng)絡(luò)詐騙和洗錢風險等風險[4]。李淵琦，陳芳認為P2P網(wǎng)貸風險主要是借款人、貸款人、平臺和第三方個人或機構(gòu)四個方面引發(fā)的風險[5]。黃薇分析平臺的運營風險主要是信用中介和資金運作兩種模式對應(yīng)的風險[6]。

(二)關(guān)于P2P網(wǎng)貸平臺風險評價的研究

Bendana，Rowe研究發(fā)現(xiàn)從風險認知和貨幣交易來看，小型金融在互聯(lián)網(wǎng)上運用較好[7]。Gonzalez，Loureiro研究了P2P網(wǎng)絡(luò)貸款中借款者和貸款者的個人特征對其信用的影響，認為中年人比青年人獲得更高的信任[8]。

趙精武指出，P2P網(wǎng)絡(luò)貸款相對于傳統(tǒng)銀行而言具有交易直接、簡單快捷、信息比較透明等多個特征[9]。莫易嫻從利益相關(guān)者、交易的金額、價格等方面對比了國內(nèi)外互聯(lián)網(wǎng)金融發(fā)展的現(xiàn)狀，認為我國的P2P網(wǎng)絡(luò)借貸更具有發(fā)展?jié)摿10]。

(三)關(guān)于風險預警的研究

Bottazzi，Grazzi，Secchi，等以中型有限責任公司為樣本，采用非參數(shù)檢驗和概率回歸的方法，發(fā)現(xiàn)金融和宏觀經(jīng)濟與公司財務(wù)危機有關(guān)[11]。Chen發(fā)現(xiàn)結(jié)合決策樹分類法和Logistic回歸方法的財務(wù)預警模型可以提高精準度[12]。Minoiu，Kang將全球金融的關(guān)聯(lián)性作為財務(wù)預警指標進行分析，發(fā)現(xiàn)其有財務(wù)預警的能力[13]。

張友棠，黃陽將行業(yè)環(huán)境風險和企業(yè)財務(wù)風險的互動關(guān)系在“風險地圖”中直觀的演繹出來，通過仿真技術(shù)實現(xiàn)了財務(wù)預警和風險控制的結(jié)合[14]。張煜，肖美英加入公司價值和經(jīng)濟附加值指標構(gòu)建了財務(wù)預警模型，測試了企業(yè)的財務(wù)狀況[15]。殷杰，周春梅以2013年的37家旅游行業(yè)的上市公司為例，采用熵值法，利用可拓模型分析了上市公司的財務(wù)風險現(xiàn)狀[16]。

綜上所述，國內(nèi)外學者對互聯(lián)網(wǎng)金融進行了研究，但是仍然存在著以下方面的不足：(1)學者們對其研究多是風險構(gòu)成及影響方面的研究，鮮有對風險預警方面研究。(2)即使鮮有的預警方面的研究，主要局限在理論研究，實證研究較少。(3)對于指標選取，沒有考慮互聯(lián)網(wǎng)金融的獨特性。已投資者對平臺的評價，會影響現(xiàn)有投資者的決策，也會影響平臺的發(fā)展。(4)多數(shù)學者只是選擇某一期間進行研究。鑒于此，本文以民營系P2P網(wǎng)貸平臺為研究對象，加入用戶推薦度指標，采用主成分分析法降維，運用二元Logistic回歸方法構(gòu)建T-4、T-3、T-2和T-1四個時期的模型進行實證分析。

二、民營系P2P網(wǎng)貸平臺風險預警指標體系構(gòu)建

本文以LAPP法的四個維度為基礎(chǔ)，以民營系P2P網(wǎng)貸平臺風險的特點為立足點進行指標體系的構(gòu)建。

(一)LAPP法

LAPP法是金融機構(gòu)對客戶作信用風險分析時要素分析法之一，四個要素分別是流動性、活動性、盈利性和潛力。本文借鑒LAPP法的方法思路，將其運用到民營系P2P網(wǎng)貸平臺的風險評價中。將風險按照LAPP法的框架進行歸類和總結(jié)，構(gòu)建評價指標體系，如圖1所示。

圖1 LAPP法分析

(二)指標的選取

以LAPP法四個維度為框架，分析和歸類民營系P2P網(wǎng)貸平臺風險，選取指標評價。

流動性：主要衡量資產(chǎn)以合理價格迅速轉(zhuǎn)讓給對方的能力。平臺流動性受流動性風險的影響。為了衡量民營系P2P網(wǎng)貸平臺流動性風險，選取資金凈流入增長率、投資人數(shù)、借款標數(shù)、待收投資人數(shù)、待還借款人數(shù)和用戶推薦度指標進行衡量。

活動性：主要評價P2P網(wǎng)貸平臺投入資產(chǎn)使用的經(jīng)營能力。平臺的活動性受運營風險和操作風險的影響，運營風險衡量指標是成交額/注冊資本和人均投資金額，指標越大，平臺的運營能力越強。操作風險的大小受平臺業(yè)務(wù)集中度和資金的存放方式影響，選取平均借款期限水平、前十大投資人待收占比和資金托管指標進行衡量。

盈利性：主要評價P2P平臺獲利能力。受數(shù)據(jù)可獲取影響，無法獲取P2P平臺相關(guān)利潤等數(shù)據(jù)。但對于民營系P2P網(wǎng)貸平臺而言，其盈利性會受到平臺的注冊資本、利率水平、運營月份、成交額、歷史待還金額、成交額/歷史待還指標影響。這些指標又衡量了企業(yè)的償還能力和償還意愿，屬于平臺的信用風險。

潛力：評價P2P網(wǎng)貸平臺的業(yè)務(wù)發(fā)展能力。本文選取成交額增長率、投資人數(shù)增長率和借款標數(shù)增長率指標進行衡量。指標越大，平臺潛力越強。

綜上，基于LAPP法，以民營系P2P網(wǎng)貸平臺風險特點為立足點的風險預警指標體系見表1。

表1 指標說明

三、實證分析

(一)樣本選擇和數(shù)據(jù)來源

本文數(shù)據(jù)來自網(wǎng)貸之家。為保證數(shù)據(jù)穩(wěn)定性，本文選取運營時間一年以上的民營系平臺為樣本進行研究。選取可獲取數(shù)據(jù)的問題平臺10家(分別是Hi投吧、飛速貸、15貸、開開貸、聚投融、盈天下、沃資本、渣豐投資、紫金貸和幸福貸)，并根據(jù)1∶3的樣本比例，按照注冊資本、平均收益率和保障模式等配對條件選取了30家運營正常的平臺，共40家樣本進行研究。由于民營系平臺易突發(fā)問題，因此，選取曝光問題的當月為T月，對樣本的T-4、T-3、T-2和T-1四期進行研究。

(二)模型的設(shè)定與檢驗

根據(jù)以往學者的經(jīng)驗，采用主成分分析法進行降維，通過二元Logistic回歸分析方法進行預警模型的構(gòu)建。

1．主成分分析法，主要有以下幾個方面。

(1)KMO和Bartlett球形檢驗。將標準化處理后的數(shù)據(jù)進行KMO和Bartlett球形檢驗。檢驗結(jié)果如下：T-4、T-3、T-2和T-1期的KMO分別是0.588、0.585、0.557和0.513，均大于0.5，sig值均為0.000，明顯小于0.05，因此適合做主成分分析。

(2)提取因子。提取因子特征值均大于1的主成分因子。T-4、T-3、T-2和T-1分別提取了6個、7個、6個、6個，且累計貢獻率分別達到77.71%、77.85%、78.01%、76.70%。

(3)因子載荷。T-4、T-3、T-2和T-1四期采用最大方差法，對因子載荷矩陣實行正交旋轉(zhuǎn)性使因子具有命名性，結(jié)果如表2。

表2 因子命名匯總

(4)因子得分。采用回歸估計方法得到因子得分函數(shù)，根據(jù)因子得分函數(shù)計算因子得分。

2．二元Logistic回歸模型構(gòu)建與檢驗。根據(jù)四期的因子得分數(shù)據(jù)，采用二元Logistic回歸程序，選擇輸入回歸方法進行研究。

(1)模型分數(shù)的綜合檢驗。模型分數(shù)的綜合檢驗結(jié)果見表3。

表3 模型分數(shù)的綜合檢驗

四期的顯著性水平均小于0.05，因此應(yīng)拒絕原假設(shè)?；貧w系數(shù)不同時為0時，解釋變量全體與Logistic之間線性關(guān)系顯著，該模型合理。

(2)模型的擬合優(yōu)度。模型的擬合優(yōu)度結(jié)果見表4。

表4 模型的擬合優(yōu)度

-2 對數(shù)概似函數(shù)值較低，Nagelkerke R2都大于0.4，模型的擬合優(yōu)度較好。

(3)模型回歸系數(shù)。模型四期回歸系數(shù)結(jié)果見表5-8。

表5 T-4期模型回歸系數(shù)

表6 T-3期模型回歸系數(shù)

表7 T-2期模型回歸系數(shù)

表8 T-1期模型回歸系數(shù)

在顯著性水平α=0.1情況下，T-4期保障能力和安全能力對模型有顯著正向影響，表明保障能力和安全能力越強，越不容易發(fā)生危機；T-3期運營能力和發(fā)展?jié)摿δＰ陀酗@著正向影響，表明運營能力和發(fā)展?jié)摿υ綇姡讲蝗菀装l(fā)生危機；T-2期運營能力和保障能力對模型有顯著正向影響，表明運營能力和保障能力越強，越不容易發(fā)生危機；T-1期成長能力和風險集中度對模型有顯著正向影響，表明成長能力越強和風險越分散，越不容易發(fā)生危機。

(4)模型結(jié)果分析。模型結(jié)果分析見表9。

由表9可以看出，四期模型準確率均達到了80%以上，模型整體效果較好。

表9 模型結(jié)果分析

四、結(jié)論與建議

本文運用主成分分析法進行降維處理，采用二元Logistic回歸模型對40家互聯(lián)網(wǎng)金融民營系P2P平臺進行預警模型構(gòu)建。研究得出以下結(jié)論：(1)基于LAPP分析，以民營系P2P網(wǎng)貸平臺風險為立足點構(gòu)建的風險預警模型可行。(2)通過回歸模型發(fā)現(xiàn)，在不同運營時期，對平臺的關(guān)注點應(yīng)有不同的側(cè)重。T-4期保障能力和安全能力應(yīng)重點關(guān)注；T-3期運營能力和發(fā)展?jié)摿?yīng)重點關(guān)注；T-2期運營能力和保障能力應(yīng)重點關(guān)注；T-1期成長能力和風險集中度應(yīng)重點關(guān)注。

根據(jù)預警模型對管理者提出了以下建議：(1)管理者應(yīng)根據(jù)所處時期對平臺關(guān)注點有所不同側(cè)重。(2)加強資金管控。多數(shù)民營系P2P平臺是小平臺，容易資金鏈斷鏈，只有加強對平臺資金的把控，才能使平臺健康發(fā)展。(3)注重成長能力。民營系P2P平臺屬于朝陽行業(yè)，成長能力強的平臺才能站穩(wěn)腳步。(4)提高風險意識。經(jīng)常關(guān)注和分析網(wǎng)貸平臺風險，盡早發(fā)現(xiàn)潛在危機并進行處理?；ヂ?lián)網(wǎng)金融民營系P2P平臺只有科學防范風險，才能實現(xiàn)可持續(xù)發(fā)展。

[1]MING CHI LEE. Factors Influencing the Adoption of Internet Banking :An Integration of TAM and TPB with Perceived Risk and Perceived Benefit[J].Electronic Commerce Research and Applications, 2009,8(3):130-141.

[2]HAEWON YUM, BYUNGTAE LEE, MYUNGSIN CHAE. From the Wisdom of Crowds to My Own Judgment in Microfinance Through Online Peer-to-peer Lending Platforms[J]. Electronic Commerce Research and Applications, 2012(5): 469-483.

[3]MINGFENG LIN, NAGPURNANAND R PRABHALA.Judging Borrowers by the Company They Keep: Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending[J]. Management Science, 2013(1): 17-35.

[4]馬亮. P2P網(wǎng)貸的風險分析及防控對策[J]. 金融經(jīng)濟,2014(12):3-5.

[5]李淵琦,陳芳. 我國P2P網(wǎng)貸的風險分析及監(jiān)管對策[J]. 上海金融,2015(7):78-81.

[6]黃薇. P2P網(wǎng)貸平臺營運模式及其非法集資風險探討[J]. 重慶科技學院學報(社會科學版),2015(8):30-32.

[7]MOHAMED BENDANA, FRANTZ ROWE. Du Minitel à l’Internet: perception du risque et transition chez les internautesutilisateurs des services bancaires[J]. Annales Des Télécommunications,2003,58(1):197-211.

[8]LAURA GONZALEZ, YULIYA KOMAROVA LOUREIRO. When Can a Photo Increase Credit The Impact of Lender and Borrower Profiles on Online Peer-to-Peer Loans[J]. Journal of Behavioral and Experimental Finance, 2014(2):44-58.

[9]趙精武. P2P網(wǎng)絡(luò)借貸的債權(quán)人保護問題[J]. 法制與社會,2013(23):64-66.

[10]莫易嫻. 國內(nèi)外P2P網(wǎng)絡(luò)借貸發(fā)展研究[J]. 財會月刊,2014(16):63-66.

[11]BOTTAZZI G, GRAZZI M, SECCHI A, et al. Financial and Economic Determinants of Firm Default[J]. Journal of Evolutionary Economics，2011(3): 373-406.

[12]CHEN M Y. Predicting Corporate Financial Distress Based on Integration of Decision Tree Classification and Logistic Regression[J]. Expert Systems with Applications,2011(9): 11261-11272.

[13]CAMELIA MINOIU, CHANHYUN KANG V S. Subrahmanian,Anamaria Berea. Does Financial Connectedness Predict Crises?[J]. Quantitative Finance,2015,15(4): 607-624.

[14]張友棠,黃陽. 基于行業(yè)環(huán)境風險識別的企業(yè)財務(wù)預警控制系統(tǒng)研究[J]. 會計研究,2011(3):41-48+95.

[15]張煜,肖美英. 基于EVA的上市公司財務(wù)預警模型構(gòu)建[J]. 財會通訊,2015(7):25-27.

[16]殷杰,周春梅.基于可拓模型的旅游上市公司財務(wù)風險研究[J]. 會計之友, 2015(6):110-113.

【責任編輯 郭 玲】

Risk Early Warning Research on Internet Finance Department of Private P2P Net Loan Platform

ZHU Qing-xiang1，2, WANG Li2

(1. School of Economics and Management, Hebei University of Technology, Tianjin 300401; 2. School of Economics and Management, Yanshan University, Qinhuangdao, Hebei 066004, China)

Internet P2P net loan platform develops so far, frequently appears the closure of the platform, and is facing enormous challenges. This paper is based on four dimensions of LAPP analysis method, takes the characteristics of the private internet-based P2P net loan risk as the standpoint, and selects 20 indicators to do empirical analysis. First, the principal component analysis method is used for dimension reduction; secondly, by using a binary logistic regression analysis of P2P net loan platform, 40 private lines are analyzed to construct the risk warning model of T-4, T-3, T-2 and T-1 period; and finally, according to the empirical results of the model of private-based P2P net loan platform the relevant proposals are put forward.

private department; P2P net loan platform; risk early warning; principal component analysis method; binary Logistic regression

2016-05-15

河北省社會科學基金項目“大數(shù)據(jù)背景下河北省互聯(lián)網(wǎng)金融風險預警體系研究”(HB15GL117)；“大數(shù)據(jù)背景下河北省涉農(nóng)電子商務(wù)P2P網(wǎng)絡(luò)信貸平臺創(chuàng)新模式研究”(HB15GL112)

朱清香(1962—)，女，黑龍江寶清人，河北工業(yè)大學經(jīng)濟管理學院教授，燕山大學經(jīng)濟管理學院碩士研究生導師，主要研究方向：財務(wù)管理、互聯(lián)網(wǎng)金融。

F832

A

1005-6378(2016)04-0123-08

10.3969/j.issn.1005-6378.2016.04.017