王偉+紀(jì)金言+鄧偉平

摘要：使用改進(jìn)的CRITIC法對(duì)我國54家P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)2015年5月—2016年8月樣本平臺(tái)風(fēng)險(xiǎn)得分和風(fēng)險(xiǎn)評(píng)級(jí)均處于嚴(yán)峻的低水平狀態(tài)。通過橫縱向差異比較，可以得出不同特征的平臺(tái)在風(fēng)險(xiǎn)得分上存在一定的對(duì)應(yīng)關(guān)系，進(jìn)一步的面板模型檢驗(yàn)顯示：股東背景、注冊(cè)資本和運(yùn)營時(shí)間對(duì)風(fēng)險(xiǎn)得分有正向影響，平均收益率則是負(fù)向作用。

關(guān)鍵詞：P2P網(wǎng)貸平臺(tái)；平臺(tái)特征；改進(jìn)的CRITIC法；面板模型；互聯(lián)網(wǎng)基因；互聯(lián)網(wǎng)金融

中圖分類號(hào)：F830.29 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-2101（2017）03-0056-09

一、引言

由于被賦予民主金融、普惠金融和金融脫媒等多種意義，P2P（Peer to Peer）網(wǎng)貸平臺(tái)自2005年在美國等發(fā)達(dá)國家興起后就一直備受關(guān)注。但事實(shí)證明，沒有超強(qiáng)的互聯(lián)網(wǎng)基因、創(chuàng)新思維和風(fēng)險(xiǎn)管控能力，P2P網(wǎng)貸平臺(tái)難以“修成正果”，詐騙、跑路、體現(xiàn)困難等現(xiàn)象應(yīng)接不暇，歇業(yè)、轉(zhuǎn)型、洗牌等行業(yè)陣痛開始涌現(xiàn)。P2P的核心要義是“基于互聯(lián)網(wǎng)思想的金融”（Allen et a1.，2002）[1]，在創(chuàng)新活力的激發(fā)下，也帶來了新的風(fēng)險(xiǎn)。2015年以來，e租寶、大大集團(tuán)、金鹿財(cái)行、中晉系等相繼被查，2016年5月美國最大的P2P平臺(tái)Lending Club亦曝出違規(guī)放貸丑聞，這些不僅給投資者造成了巨大損失，影響了行業(yè)的社會(huì)聲譽(yù)，還使得監(jiān)管改革呼聲漸高、監(jiān)管挑戰(zhàn)前所未有。2016年8月，期待已久的《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動(dòng)管理暫行辦法》由銀監(jiān)會(huì)等四部委正式頒布生效，在監(jiān)管新規(guī)下，加強(qiáng)網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)監(jiān)管除了漸進(jìn)立法、完善準(zhǔn)入門檻和退出機(jī)制、加強(qiáng)行業(yè)自律和建立征信體系外，還應(yīng)加強(qiáng)風(fēng)險(xiǎn)的過程監(jiān)管，實(shí)施風(fēng)險(xiǎn)的動(dòng)態(tài)監(jiān)控和定量評(píng)價(jià)。監(jiān)管要根據(jù)行業(yè)風(fēng)險(xiǎn)和單個(gè)平臺(tái)風(fēng)險(xiǎn)的不同實(shí)施分類監(jiān)管，因而開展風(fēng)險(xiǎn)評(píng)價(jià)，進(jìn)行不同特征平臺(tái)間的比較就很有必要。

二、文獻(xiàn)回顧

學(xué)術(shù)界對(duì)P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)的研究主要集中在三個(gè)方面。

1. 個(gè)人信用風(fēng)險(xiǎn)的研究。Lin et a1.（2009）把P2P網(wǎng)貸中借款人基本財(cái)務(wù)信息稱之為“硬信息”，而社交網(wǎng)絡(luò)信息被稱為“軟信息”[2]。出借人如果能充分利用“軟信息”就可以提高用戶間信用度，降低個(gè)人違約風(fēng)險(xiǎn)（Bruett，2007）[3]。Sufi（2007）和Michael Klafft（2008）認(rèn)為，投資者缺乏經(jīng)驗(yàn)進(jìn)一步放大了網(wǎng)絡(luò)環(huán)境下P2P平臺(tái)的信用風(fēng)險(xiǎn)[4] [5]。Herzenstein et a1.（2008）、Pope和Sydnor（2011）認(rèn)為，P2P網(wǎng)貸平臺(tái)是由投資者個(gè)人而非借貸平臺(tái)篩選確定借款人是否值得信賴，更容易出現(xiàn)借款人通過虛假陳述騙取借款的情況[6] [7]。劉峙廷（2013）、黃震（2015）、王夢(mèng)佳（2015）、于曉虹和樓文高（2016）分別使用AHP層次分析法、BP神經(jīng)網(wǎng)絡(luò)模型、Logistic回歸模型和隨機(jī)森林分類回歸算法對(duì)P2P平臺(tái)的借款人信用風(fēng)險(xiǎn)進(jìn)行評(píng)估[8] [9] [10] [11]。孫同陽和謝朝陽（2015）通過構(gòu)建決策樹模型，發(fā)現(xiàn)P2P網(wǎng)貸平臺(tái)的信用評(píng)級(jí)過度依賴線上認(rèn)證而忽視信用逾期行為，缺乏動(dòng)態(tài)信用評(píng)級(jí)所需要的要素，評(píng)級(jí)體系不具備欺詐識(shí)別和自動(dòng)糾錯(cuò)的相關(guān)機(jī)制[12]。

2. 風(fēng)險(xiǎn)成因的研究。Freedman、Jin（2011）、Yum et a1.（2012）認(rèn)為信息不對(duì)稱導(dǎo)致 P2P 網(wǎng)貸平臺(tái)產(chǎn)生逆向選擇和道德風(fēng)險(xiǎn)問題[13] [14]。Michaels（2012）發(fā)現(xiàn)網(wǎng)貸平臺(tái)責(zé)任的缺失使網(wǎng)絡(luò)借貸市場運(yùn)行有效性下降，因而帶來較大的風(fēng)險(xiǎn)[15]。Lee et a1.（2012）通過研究韓國最大P2P平臺(tái)上的“從眾行為”發(fā)現(xiàn)，“從眾行為”導(dǎo)致網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)加大[16]。Gonzalez和Loureiro（2014）認(rèn)為感知吸引力、年齡和性別等個(gè)人特征影響P2P借貸成功率，個(gè)人特征信號(hào)不顯著會(huì)帶來平臺(tái)風(fēng)險(xiǎn)[17]，但提供更多的信息來對(duì)貸款人進(jìn)行篩選，可大大減少高風(fēng)險(xiǎn)貸款的拖欠率（Miller，2015）[18]。Serranocinca et a1.（2015）進(jìn)一步實(shí)證得出，利率越高平臺(tái)違約的概率就越高[19]。Pokorná和Sponer（2016）的實(shí)證結(jié)論表明，較高的盈利能力、流動(dòng)性和資產(chǎn)規(guī)模意味著違約風(fēng)險(xiǎn)較低，而高負(fù)債和高杠桿意味著違約風(fēng)險(xiǎn)較高[20]。官大飚（2012）、吳佳哲（2015）認(rèn)為羊群效應(yīng)和破窗理論會(huì)增加聲譽(yù)風(fēng)險(xiǎn)[21] [22]；吳曉光和曹一（2011）指出，缺乏資信和評(píng)級(jí)會(huì)引發(fā)網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)[23]；何曉玲和王玫（2013）等認(rèn)為，缺乏監(jiān)管、變相吸儲(chǔ)、資金池和洗錢等行為催生了一大批問題網(wǎng)貸平臺(tái)[24]。

3. 風(fēng)險(xiǎn)類別及評(píng)價(jià)研究。國內(nèi)相關(guān)的研究相對(duì)較多，如張巧良和張黎（2015）提出P2P網(wǎng)貸平臺(tái)存在法律風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、無序競爭風(fēng)險(xiǎn)、內(nèi)部管理風(fēng)險(xiǎn)、聲譽(yù)風(fēng)險(xiǎn)、與機(jī)構(gòu)合作風(fēng)險(xiǎn)等八大風(fēng)險(xiǎn)[25]。唐藝軍和葛世星（2015）還指出了操作風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和信息污染風(fēng)險(xiǎn)[26]。宋飛飛和黃作明（2015）運(yùn)用故障樹和層次分析法相結(jié)合的辦法，構(gòu)建了P2P平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系[27]。唐嘉悅（2015）采用層次分析法構(gòu)建層次結(jié)構(gòu)模型，確定風(fēng)險(xiǎn)指標(biāo)權(quán)重，對(duì)10家網(wǎng)貸平臺(tái)2014年數(shù)據(jù)進(jìn)行計(jì)算，結(jié)果顯示人人貸風(fēng)險(xiǎn)得分最高、陸金所得分最低[28]。王立勇和石穎（2016）采用二層次CRITIC—灰色關(guān)聯(lián)模型構(gòu)建風(fēng)險(xiǎn)評(píng)價(jià)體系，運(yùn)用Var方法測算風(fēng)險(xiǎn)大小，發(fā)現(xiàn)2014年前三個(gè)季度平臺(tái)整體風(fēng)險(xiǎn)較高，第四季度在信用風(fēng)險(xiǎn)與市場風(fēng)險(xiǎn)下降的作用下呈下降趨勢(shì)[29]。在風(fēng)險(xiǎn)評(píng)價(jià)實(shí)踐方面，目前僅有大公國際不定期發(fā)布P2P風(fēng)險(xiǎn)黑名單和預(yù)警名單，但評(píng)價(jià)方法不公開。其他如中國社會(huì)科學(xué)院金融研究所、網(wǎng)貸之家、融360、網(wǎng)貸天眼等，只是對(duì)平臺(tái)進(jìn)行發(fā)展能力評(píng)級(jí)，并未涉及專門的風(fēng)險(xiǎn)評(píng)價(jià)。

已有的文獻(xiàn)對(duì)P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)進(jìn)行了探究，但研究對(duì)象要么籠統(tǒng)地針對(duì)所有平臺(tái)，要么局限在一家或幾家網(wǎng)貸平臺(tái)，樣本量和經(jīng)驗(yàn)證據(jù)明顯不足。同時(shí)，很少有文獻(xiàn)從平臺(tái)特征的角度出發(fā)進(jìn)行風(fēng)險(xiǎn)的差異性比較，并檢驗(yàn)平臺(tái)特征與平臺(tái)風(fēng)險(xiǎn)之間的關(guān)系。為此，筆者試圖找出解答這些問題的相關(guān)證據(jù)。

三、P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)

（一）風(fēng)險(xiǎn)評(píng)價(jià)方法

網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)方法主要有層次分析法、模糊綜合評(píng)價(jià)法、主成分分析法和BP神經(jīng)網(wǎng)絡(luò)法等。層次分析法由于簡單易操作而被大多數(shù)人采用，但在專家打分環(huán)節(jié)中，風(fēng)險(xiǎn)重要性排序的主觀分歧使得評(píng)價(jià)結(jié)果差異明顯，可參考性就不強(qiáng)，模糊綜合評(píng)價(jià)法同樣存在這個(gè)問題。主成分分析法在評(píng)價(jià)指標(biāo)眾多而不好作出選擇時(shí)優(yōu)越性凸顯，但目前國內(nèi)P2P網(wǎng)貸平臺(tái)成立時(shí)間短，用以度量風(fēng)險(xiǎn)的指標(biāo)不僅難以獲取，連續(xù)性也不夠，加上評(píng)價(jià)時(shí)容易丟失部分信息，因而不太適用。BP神經(jīng)網(wǎng)絡(luò)法能克服人工評(píng)價(jià)帶來的人為因素的隨機(jī)性、不確定性和模糊性，但需要先驗(yàn)結(jié)果。改進(jìn)的CRITIC法是一種可選擇的方法，不僅客觀、全面、無需先驗(yàn)結(jié)果，還綜合了熵權(quán)法等同類方法的優(yōu)點(diǎn)，考慮了指標(biāo)變異大小對(duì)權(quán)重的影響以及各指標(biāo)間的沖突性。

最初的CRITIC法由Diakoulaki（1995）提出，其基本思路是以對(duì)比強(qiáng)度和評(píng)價(jià)指標(biāo)之間的沖突性為基礎(chǔ)，確定指標(biāo)的客觀權(quán)重Wj：

Wj=■，i=1，2，...，n；j=1，2，...，m

式中，σj代表第j個(gè)指標(biāo)的標(biāo)準(zhǔn)差，rij代表第i個(gè)指標(biāo)和第j個(gè)指標(biāo)之間的相關(guān)系數(shù)，■（1-rij）則是它們沖突性的量化指標(biāo)。如果表達(dá)式中分子越大，那么第j個(gè)評(píng)價(jià)指標(biāo)所包含的信息量越大，該指標(biāo)的相對(duì)重要性也就越大。CRITIC法未考慮指標(biāo)間的離散性，但熵權(quán)法能彌補(bǔ)這一缺陷，因而提出改進(jìn)的CRITIC法，其客觀權(quán)重W′j表達(dá)式為：

W′j=■，i=1，2，...，n；j=1，2，...，m

式中ej為熵權(quán)法的客觀權(quán)重，表達(dá)式為：

ej=-（lnn）-1■■ln■，i=1，2，...，n；j=1，2，...，m

dij是對(duì)原始數(shù)據(jù)fij進(jìn)行標(biāo)準(zhǔn)化后的數(shù)據(jù)，其算法為：

dij=■，當(dāng)fij為正指標(biāo)■，當(dāng)fij為正指標(biāo)

因此最終的風(fēng)險(xiǎn)平均值Vi=100×■W′jdij

（二）評(píng)價(jià)指標(biāo)和數(shù)據(jù)

如前文所說，用于度量P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)的指標(biāo)數(shù)據(jù)如何獲取是研究中的一大難點(diǎn)。筆者借鑒王飛等（2016）、周勤（2016）等學(xué)者做法[30] [31]，以第三方機(jī)構(gòu)網(wǎng)貸之家發(fā)布的月度“網(wǎng)貸平臺(tái)發(fā)展指數(shù)”作為基礎(chǔ)數(shù)據(jù)，選取該機(jī)構(gòu)提供的技術(shù)積分、杠桿積分、流動(dòng)性積分、分散度積分、品牌積分以及透明度積分，來近似地代表各網(wǎng)貸平臺(tái)技術(shù)風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、聲譽(yù)風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)（見表1）。

由于網(wǎng)貸之家在2015年5月之后的評(píng)級(jí)數(shù)據(jù)中才加入“技術(shù)積分”，因此，筆者把評(píng)價(jià)的時(shí)間跨度定為2015年5月—2016年8月。同時(shí)，網(wǎng)貸之家每月發(fā)布的前100家平臺(tái)評(píng)級(jí)中，有一部分是新進(jìn)平臺(tái)，數(shù)據(jù)會(huì)存在不連續(xù)的問題，要將這部分平臺(tái)剔除，這樣筆者最終獲取了完整的54家平臺(tái)數(shù)據(jù)。這些平臺(tái)設(shè)立時(shí)間較早，發(fā)展相對(duì)成熟，風(fēng)險(xiǎn)控制能力也相應(yīng)處于行業(yè)領(lǐng)先水平。從表2描述性統(tǒng)計(jì)量可知，技術(shù)風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)均值較高，表明樣本平臺(tái)在技術(shù)安全、提現(xiàn)能力方面做得較好；聲譽(yù)風(fēng)險(xiǎn)均值最小，與行業(yè)較為負(fù)面的公眾輿論有關(guān)，詐騙、跑路等丑聞降低了市場認(rèn)可度。值得注意的是，作為網(wǎng)貸平臺(tái)日常經(jīng)營關(guān)鍵的兩項(xiàng)風(fēng)險(xiǎn)——市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)的均值較小，標(biāo)準(zhǔn)差卻較大，屬于“低水平的兩極分化”，要引起重視，強(qiáng)化管理，補(bǔ)齊短板。

（三）風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果

根據(jù)改進(jìn)的CRITIC法原理，可以計(jì)算出54家平臺(tái)2015年5月—2016年8月的風(fēng)險(xiǎn)得分，將各月風(fēng)險(xiǎn)得分進(jìn)行簡單平均，得到最終的風(fēng)險(xiǎn)得分（見表3）。得分越高，代表平臺(tái)的風(fēng)險(xiǎn)控制能力越強(qiáng)，反之則越弱，易知風(fēng)險(xiǎn)管控能力前3名的網(wǎng)貸平臺(tái)分別為拍拍貸（61.95）、生菜金融（59.82）、開鑫貸（57.51），風(fēng)險(xiǎn)管控能力后3名中的平臺(tái)分別為向上金服（26.20）、愛投資（31.11）、金融工場（33.29）。

結(jié)合我國P2P網(wǎng)貸平臺(tái)發(fā)展實(shí)際，筆者將得分大于80的平臺(tái)設(shè)置為AA級(jí)（優(yōu)秀），70～80分的為A級(jí)（優(yōu)良），60～70分為B級(jí)（合格），50～60分為C級(jí)（關(guān)注），40～50分為D級(jí)（警示），小于40分為HR級(jí)（危險(xiǎn)）。不難看出，處于國內(nèi)領(lǐng)先水平的54家網(wǎng)貸平臺(tái)，風(fēng)險(xiǎn)評(píng)級(jí)的情況并不樂觀：評(píng)級(jí)為優(yōu)秀和優(yōu)良的為0家，合格的僅1家，兩者之和占比不到2%，也即絕大多數(shù)網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)級(jí)不合格，風(fēng)險(xiǎn)管控的形勢(shì)十分嚴(yán)峻；在不合格的53家平臺(tái)中，關(guān)注的有26家，警示的有17家，危險(xiǎn)的有10家，警示和危險(xiǎn)的平臺(tái)數(shù)量和比例均嚴(yán)重偏高，揭示了整個(gè)網(wǎng)貸行業(yè)風(fēng)險(xiǎn)集中度還處于居高不下的局面，亟需強(qiáng)化行業(yè)引導(dǎo)和監(jiān)管，加大高風(fēng)險(xiǎn)平臺(tái)的風(fēng)險(xiǎn)預(yù)警。但從另一個(gè)方面來講，我國網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)級(jí)普遍偏低又是一大機(jī)遇，顯示了網(wǎng)貸行業(yè)風(fēng)險(xiǎn)管控體系建設(shè)還有很大的成長空間，在規(guī)范和促進(jìn)平臺(tái)發(fā)展的同時(shí)，要著力提升抵御風(fēng)險(xiǎn)的綜合管控能力。

54家平臺(tái)中風(fēng)險(xiǎn)評(píng)級(jí)最高的為拍拍貸，它是國內(nèi)第一家P2P公司，采取的是出借人自擔(dān)風(fēng)險(xiǎn)模式，網(wǎng)站僅充當(dāng)交易平臺(tái)，不提供擔(dān)保，其風(fēng)險(xiǎn)控制手段主要是基于大數(shù)據(jù)征信，建立“魔鏡”信用評(píng)級(jí)系統(tǒng)，逾期貸款率1.71%，低于P2P行業(yè)和銀行業(yè)。而以生菜金融、開鑫貸等為代表的“第二梯隊(duì)”，大多建立了連帶責(zé)任擔(dān)保機(jī)制和風(fēng)險(xiǎn)準(zhǔn)備金，但盈利能力弱，在缺乏持續(xù)投入的情況下，最終將影響平臺(tái)各類風(fēng)險(xiǎn)管控能力的提升。風(fēng)險(xiǎn)得分最小的向上金服、愛投資等處于風(fēng)險(xiǎn)暴露期的平臺(tái)，風(fēng)險(xiǎn)控制能力弱，在累積效應(yīng)和連鎖反應(yīng)下，很容易出現(xiàn)風(fēng)險(xiǎn)集中爆發(fā)，應(yīng)高度關(guān)注這10家危險(xiǎn)級(jí)平臺(tái)?？傊?，在當(dāng)前絕大多數(shù)平臺(tái)評(píng)級(jí)不合格、相當(dāng)數(shù)量平臺(tái)還潛藏高危風(fēng)險(xiǎn)的嚴(yán)峻形勢(shì)下，亟需加強(qiáng)我國網(wǎng)貸行業(yè)的風(fēng)險(xiǎn)監(jiān)管，加速推進(jìn)平臺(tái)風(fēng)險(xiǎn)控制能力建設(shè)。

表4給出了風(fēng)險(xiǎn)評(píng)價(jià)的分解情況。從風(fēng)險(xiǎn)總得分來看，數(shù)值較為集中地分布在40～50分，沒有月份為B、C級(jí)，也沒有出現(xiàn)HR級(jí)，評(píng)級(jí)全部為D級(jí)區(qū)域，表明處于考察期的54家平臺(tái)風(fēng)險(xiǎn)形勢(shì)處于警示狀態(tài)。這與各平臺(tái)風(fēng)險(xiǎn)評(píng)級(jí)有所不同。從總得分變動(dòng)來看（見圖1），峰值形成時(shí)間為2015年6月—2015年9月，谷值則出現(xiàn)在2015年5月和2016年4月—2016年5月，先升后降，呈陡峭且峰值嚴(yán)重偏左的“倒U”形態(tài)，網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)在一定范圍內(nèi)得到控制，但2016年又有加劇趨勢(shì)，這與2016年上半年網(wǎng)貸行業(yè)風(fēng)險(xiǎn)事件增多、問題平臺(tái)有蔓延之勢(shì)等情況相符。事實(shí)上，由于整個(gè)行業(yè)風(fēng)險(xiǎn)問題突出，2016年4月14日國務(wù)院組織了14個(gè)部委開展互聯(lián)網(wǎng)金融專項(xiàng)整治工作，首次在全國范圍內(nèi)聯(lián)合打擊違法犯罪活動(dòng)。

從風(fēng)險(xiǎn)類型來看，六類風(fēng)險(xiǎn)在得分上差異明顯，其中市場風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)的得分較高，技術(shù)風(fēng)險(xiǎn)、聲譽(yù)風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)的得分較低，前三類風(fēng)險(xiǎn)對(duì)總得分的貢獻(xiàn)顯著高于后三類風(fēng)險(xiǎn)，說明目前網(wǎng)貸行業(yè)風(fēng)險(xiǎn)管控更專注于與日常經(jīng)營密切相關(guān)的前三類風(fēng)險(xiǎn)。但值得注意的是，市場風(fēng)險(xiǎn)均值小、技術(shù)風(fēng)險(xiǎn)均值大（見表2），但兩者得分卻相反，說明市場風(fēng)險(xiǎn)的客觀權(quán)重遠(yuǎn)大于技術(shù)風(fēng)險(xiǎn)，產(chǎn)生了“位高權(quán)不重”的錯(cuò)配現(xiàn)象，應(yīng)加強(qiáng)資源優(yōu)化，提升市場風(fēng)險(xiǎn)管控能力以及技術(shù)風(fēng)險(xiǎn)對(duì)總得分的貢獻(xiàn)度。從風(fēng)險(xiǎn)得分變化來看，技術(shù)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和聲譽(yù)風(fēng)險(xiǎn)隨時(shí)間推移有逐步下降的趨勢(shì)，市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)則較為穩(wěn)定。

四、P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)與平臺(tái)特征

對(duì)于網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)與平臺(tái)特征之間的關(guān)系分析，筆者采用的是間接比較法和直接回歸法，以示兩者的外在邏輯關(guān)系和內(nèi)在影響程度。

（一）不同特征平臺(tái)的風(fēng)險(xiǎn)比較

每一個(gè)P2P網(wǎng)貸平臺(tái)都有自身特質(zhì)，風(fēng)險(xiǎn)管理經(jīng)驗(yàn)和能力自然不同。多個(gè)個(gè)體按照某一標(biāo)準(zhǔn)劃分為不同群體，個(gè)體間差異也會(huì)反映到群體間的不同。按照這樣的思路，筆者依據(jù)不同特征對(duì)54家平臺(tái)作了劃分，以便進(jìn)一步觀察其風(fēng)險(xiǎn)差異（見表5）。

從股東背景來看，銀行系風(fēng)險(xiǎn)評(píng)價(jià)得分最高，國資系、上市公司系分列其后，民營系得分最低。銀行系在技術(shù)風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)方面存在優(yōu)勢(shì)，得分基本為其他背景平臺(tái)的2倍，可能與這些平臺(tái)的“銀行基因”有關(guān)。但由于銀行系平臺(tái)給出的平均收益率低，基本無債權(quán)轉(zhuǎn)讓產(chǎn)品上線，整個(gè)平臺(tái)的流動(dòng)性不高，使得風(fēng)險(xiǎn)管理得分最低，成為亟需補(bǔ)齊的短板。國資系平臺(tái)的市場風(fēng)險(xiǎn)得分優(yōu)勢(shì)明顯，不僅超過銀行系，還大大領(lǐng)先于上市公司系和民營系，充分說明其在市場風(fēng)險(xiǎn)管控方面經(jīng)驗(yàn)豐富。上市公司系和民營系的優(yōu)勢(shì)在于流動(dòng)性風(fēng)險(xiǎn)得分，這主要受益于公司治理活力強(qiáng)、創(chuàng)新管制較松、管理和生產(chǎn)效率高等有利條件，但其他類型風(fēng)險(xiǎn)得分均處于落后局面，也警示了其亟需加強(qiáng)全面風(fēng)險(xiǎn)管理。

從注冊(cè)資本來看，處于高注冊(cè)資本特征的平臺(tái)，風(fēng)險(xiǎn)得分越高，風(fēng)險(xiǎn)管控能力越強(qiáng)。其中，“5億元及以上”的平臺(tái)風(fēng)險(xiǎn)得分為55.392，明顯高于“5億元以下”的平臺(tái)；但注冊(cè)資本為“5 000萬元以下”與注冊(cè)資本為“5 000萬元～1億元”的平臺(tái)風(fēng)險(xiǎn)得分幾無差異，同時(shí)，注冊(cè)資本在“1億元～5億元”的平臺(tái)也只有很小的領(lǐng)先優(yōu)勢(shì)。要保證網(wǎng)貸平臺(tái)的安全性，注冊(cè)資本似乎存在一個(gè)“安全閾值”。與此同時(shí)，高注冊(cè)資本特征的平臺(tái)有較高的風(fēng)險(xiǎn)得分，主要是其技術(shù)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)方面的得分較高，而這正是低注冊(cè)資本特征平臺(tái)的短板。當(dāng)然，低注冊(cè)資本特征的平臺(tái)在市場風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)方面也有一定的優(yōu)勢(shì)，但這四類注冊(cè)資本的網(wǎng)貸平臺(tái)在聲譽(yù)風(fēng)險(xiǎn)得分方面差異很小。

從平均收益來看，收益率高低與平臺(tái)風(fēng)險(xiǎn)得分高低有關(guān)，但并非對(duì)稱分布。其中，平均收益率小于9%的平臺(tái)由于市場風(fēng)險(xiǎn)得分領(lǐng)先，導(dǎo)致了風(fēng)險(xiǎn)總得分最高為51.897，高于收益率大于9%的平臺(tái)；但收益率在15%以上的平臺(tái)風(fēng)險(xiǎn)得分并非最低，相反還高于收益率在9%～12%以及12%～15%的平臺(tái)，顯示了收益率與平臺(tái)安全性存在不吻合的一面。因?yàn)楦鶕?jù)一般的邏輯，風(fēng)險(xiǎn)與收益對(duì)稱，允諾高收益的背后必然要冒更高的投資風(fēng)險(xiǎn)，即使網(wǎng)貸平臺(tái)作為純粹的信息中介，上線高收益標(biāo)的無疑會(huì)傳遞高風(fēng)險(xiǎn)，也會(huì)帶來安全隱患。在實(shí)踐中，一些網(wǎng)貸平臺(tái)為招攬人氣發(fā)放高收益、超短期限的“秒標(biāo)”，虛構(gòu)交易和非法集資，不僅偏離了網(wǎng)貸平臺(tái)原有的定位，最終還引發(fā)了詐騙、跑路甚至倒閉的不良后果。

從平臺(tái)運(yùn)營時(shí)間來看，存續(xù)期的長短與平臺(tái)風(fēng)險(xiǎn)總得分之間弱相關(guān)。運(yùn)營時(shí)間在2年及以下的平臺(tái)，風(fēng)險(xiǎn)總得分較高為49.437，但相比平臺(tái)背景、注冊(cè)資本和平均收益中的排名第一的得分要低。運(yùn)營時(shí)間在3～4年的平臺(tái)，風(fēng)險(xiǎn)得分為47.002，排名第二，運(yùn)營時(shí)間在2～3年和4年以上的平臺(tái)，風(fēng)險(xiǎn)得分分別為46.925和46.418，排名第三和第四，不過總體上2年以上的平臺(tái)風(fēng)險(xiǎn)得分的差異性較小，波動(dòng)區(qū)間為46～47，顯示了得分的趨同性。從風(fēng)險(xiǎn)得分的構(gòu)成來看，不同存續(xù)期的網(wǎng)貸平臺(tái)，在技術(shù)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、聲譽(yù)風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)的得分上較為接近，但在市場風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)的得分上差異較大，存續(xù)時(shí)間短的平臺(tái)市場風(fēng)險(xiǎn)得分高、信用風(fēng)險(xiǎn)得分低，存續(xù)時(shí)間長的平臺(tái)則剛好相反。

（二）平臺(tái)特征對(duì)平臺(tái)風(fēng)險(xiǎn)的影響

從前述分析可以看出，平臺(tái)風(fēng)險(xiǎn)與平臺(tái)特征之間存在關(guān)聯(lián)，但這種關(guān)聯(lián)性有多強(qiáng)，具體影響作用如何，還需要進(jìn)一步探討。為此，筆者建立以下面板數(shù)據(jù)模型：

Rik，t=α0+α1Bak，t+α2Cak，t+α3Rak，t+α4Tik，t+μk，t

上式中，Ri為風(fēng)險(xiǎn)得分，i=1，2，...，7，分別代表平臺(tái)風(fēng)險(xiǎn)總得分、技術(shù)風(fēng)險(xiǎn)得分、市場風(fēng)險(xiǎn)得分、流動(dòng)性風(fēng)險(xiǎn)得分、信用風(fēng)險(xiǎn)得分、聲譽(yù)風(fēng)險(xiǎn)得分和信息風(fēng)險(xiǎn)得分。Ba為股東背景（民營系賦值1，上市公司系賦值2，國資系賦值3，銀行系賦值4），Ca為注冊(cè)資本，Ra為平均收益率，Ti為運(yùn)營時(shí)間，數(shù)據(jù)來源于網(wǎng)貸之家。k=1，2，…，54，t=2015年5月，2015年6月，…，2016年8月，μ代表隨機(jī)擾動(dòng)項(xiàng)。

表6給出了估計(jì)結(jié)果。從模型1中各變量系數(shù)的符號(hào)來看，股東背景、注冊(cè)資本和運(yùn)營時(shí)間等平臺(tái)特征對(duì)風(fēng)險(xiǎn)總得分的影響方向?yàn)檎?，而平臺(tái)平均收益率對(duì)風(fēng)險(xiǎn)總得分的影響方向?yàn)樨?fù)，與前面的分析結(jié)果和理論預(yù)期基本相符。從變量的回歸系數(shù)和顯著性來看，股東背景對(duì)風(fēng)險(xiǎn)總得分的影響能力要強(qiáng)于平均收益率、注冊(cè)資本和運(yùn)營時(shí)間，顯著性也要強(qiáng)（可觀察p值）。值得注意的是，注冊(cè)資本的回歸系數(shù)盡管為正，但很接近于0，說明注冊(cè)資本的提高對(duì)平臺(tái)風(fēng)險(xiǎn)總得分的推動(dòng)作用并不明顯，設(shè)想通過提高注冊(cè)資本下限、設(shè)置所謂的“安全閾值”，以增強(qiáng)平臺(tái)的風(fēng)險(xiǎn)抵抗能力尚缺乏可靠證據(jù)。相反，通過優(yōu)化股東背景，保持中低平均收益率和較長的運(yùn)營時(shí)間，能較大程度地降低各網(wǎng)貸平臺(tái)的運(yùn)營風(fēng)險(xiǎn)，減少行業(yè)性、系統(tǒng)性風(fēng)險(xiǎn)集中爆發(fā)的可能性。

模型2～7考察了平臺(tái)特征對(duì)六類不同風(fēng)險(xiǎn)的影響情況。各解釋變量在10%的顯著性水平下通過了檢驗(yàn)，回歸系數(shù)的符號(hào)方向保持一致，但大小有所不同。從縱向來看，對(duì)于技術(shù)風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、聲譽(yù)風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)而言，股東背景的回歸系數(shù)最大，與總風(fēng)險(xiǎn)類似；例外的是信用風(fēng)險(xiǎn)，對(duì)其影響程度最強(qiáng)的是運(yùn)營時(shí)間。從橫向來看，股東背景對(duì)市場風(fēng)險(xiǎn)得分的影響最大，對(duì)信用風(fēng)險(xiǎn)得分的影響最小；注冊(cè)資本對(duì)各類風(fēng)險(xiǎn)得分的影響均較?。黄骄找媛蕦?duì)聲譽(yù)風(fēng)險(xiǎn)得分的副作用最強(qiáng)，對(duì)信用風(fēng)險(xiǎn)得分的副作用最弱；運(yùn)營時(shí)間對(duì)信用風(fēng)險(xiǎn)得分的貢獻(xiàn)能力最大，對(duì)流動(dòng)性風(fēng)險(xiǎn)得分的貢獻(xiàn)能力最小。易知，通過橫縱向?qū)Ρ?，能針?duì)平臺(tái)各類風(fēng)險(xiǎn)管控中的短板提出相應(yīng)的解決措施，能根據(jù)平臺(tái)風(fēng)險(xiǎn)影響因素的作用程度找出提高風(fēng)險(xiǎn)得分的有效路徑。

五、結(jié)論與建議

筆者對(duì)54家P2P網(wǎng)貸平臺(tái)2015年5月—2016年8月的運(yùn)營風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)，比較了不同特征平臺(tái)的風(fēng)險(xiǎn)差異，實(shí)證檢驗(yàn)了平臺(tái)特征對(duì)平臺(tái)風(fēng)險(xiǎn)的影響。研究結(jié)果顯示：樣本平臺(tái)的風(fēng)險(xiǎn)得分和風(fēng)險(xiǎn)評(píng)級(jí)均處于低水平，合格平臺(tái)僅1家；在16個(gè)月的考察期中，樣本平臺(tái)均處警示狀態(tài)；在相關(guān)的六類風(fēng)險(xiǎn)得分中，市場風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)的得分較高，技術(shù)風(fēng)險(xiǎn)、聲譽(yù)風(fēng)險(xiǎn)和信息風(fēng)險(xiǎn)的得分較低。進(jìn)一步對(duì)平臺(tái)風(fēng)險(xiǎn)與平臺(tái)特征之間關(guān)系的研究發(fā)現(xiàn)，在間接比較中，不同特征的平臺(tái)在風(fēng)險(xiǎn)得分上存在一定的對(duì)應(yīng)關(guān)系，在直接回歸中，股東背景、注冊(cè)資本和運(yùn)營時(shí)間對(duì)風(fēng)險(xiǎn)總得分有正向影響，平均收益率則是負(fù)向作用。

本文啟示在于：第一，加快建立P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)體系和風(fēng)險(xiǎn)管控體系?！毒W(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動(dòng)管理暫行辦法》劃定了網(wǎng)貸平臺(tái)10項(xiàng)義務(wù)和13條業(yè)務(wù)紅線，但仍缺乏明細(xì)的風(fēng)險(xiǎn)評(píng)價(jià)和管控機(jī)制，建議由銀監(jiān)會(huì)出臺(tái)《互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)評(píng)級(jí)體系》《互聯(lián)網(wǎng)金融合規(guī)風(fēng)險(xiǎn)管理指引》等配套制度。第二，健全企業(yè)和個(gè)人征信體系，完善平臺(tái)信息披露制度。未來網(wǎng)貸平臺(tái)的業(yè)務(wù)將主要轉(zhuǎn)向個(gè)人消費(fèi)貸款、中小微企業(yè)貸款等小額融資需求，而這類群體的征信系統(tǒng)還沒有接入網(wǎng)貸平臺(tái)，信用記錄的完整性和準(zhǔn)確性也有待提高。同時(shí)，作為信息中介的網(wǎng)貸平臺(tái)，自身信息的披露也有待加強(qiáng)，建議由中國互聯(lián)網(wǎng)金融協(xié)會(huì)牽頭負(fù)責(zé)實(shí)施。第三，網(wǎng)貸平臺(tái)應(yīng)優(yōu)化股東結(jié)構(gòu)，提升平臺(tái)背景，維持合理的收益率，規(guī)避短期目標(biāo)，實(shí)行持續(xù)的合規(guī)經(jīng)營、高效經(jīng)營，從而不斷提高平臺(tái)的風(fēng)險(xiǎn)抵御能力。

參考文獻(xiàn)：

[1]Allen F，Mcandrews J，Strahan P. E-Finance：An Introduction[J]. Journal of Financial Services Research，2002，22（1）：5-27.

[2]Lin M，Prabhala N R，Viswanathan S. Can Social Networks Help Mitigate Information Asymmetry in Online Markets？[C]International Conference on Information Systems，Icis 2009，Phoenix，Arizona，Usa，December，2009.

[3]Bruett T. Cows，Kiva，and Prosper.Com：how disintermediation and the internet are changing microfinance[J]. Community Development Investment Review，2007，3（2）：44-50.

[4]Sufi A. Information Asymmetry and Financing Arrangements：Evidence from Syndicated Loans[J]. Journal of Finance，2007，62（2）：629-668.

[5]Michael Klafft. Peer to Peer Lending：Auctioning Microcredits over the Internet[J]. Social Science Electronic Publishing，2008.

[6]Herzenstein M，Andrews R L. The democratization of personal consumer loans？determinants of online peer—to peer loan auctions[J]. Bulletin of the University of Delaware，2008，15（3）：274-277.

[7]Pope D G，Sydnor J R. What′s in a Picture？：Evidence of Discrimination from Prosper.com[J]. Journal of Human Resources，2011，46（1）：53-92.

[8]劉峙廷.我國P2P網(wǎng)絡(luò)信貸風(fēng)險(xiǎn)評(píng)估研究[D].南寧：廣西大學(xué)，2013.

[9]黃震.基于BP神經(jīng)網(wǎng)絡(luò)模型的中國P2P借款人信用風(fēng)險(xiǎn)評(píng)估研究[D].北京：北京交通大學(xué)，2015.

[10]王夢(mèng)佳.基于Logistic回歸模型的P2P網(wǎng)貸平臺(tái)借款人信用風(fēng)險(xiǎn)評(píng)估[D].北京：北京外國語大學(xué)，2015.

[11]于曉虹，樓文高.基于隨機(jī)森林的P2P網(wǎng)貸信用風(fēng)險(xiǎn)評(píng)價(jià)、預(yù)警與實(shí)證研究[J].金融理論與實(shí)踐，2016，（2）：53-58.

[12]孫同陽，謝朝陽.基于決策樹的P2P網(wǎng)貸信用風(fēng)險(xiǎn)評(píng)價(jià)[J].商業(yè)經(jīng)濟(jì)研究，2015，（2）：81-82

[13]Seth Freedman，Ginger Zhe Jin. Learning by Doing with Asymmetric Information：Evidence from Prosper.Com[J]. Nber Working Papers，2011：203-212.

[14]Yum H，Lee B，Chae M. From the wisdom of crowds to my own judgment in microfinance through online peer-to-peer lending platforms[J]. Electronic Commerce Research & Applications，2012，11（5）：469-483.

[15]Michels J. Do Unverifiable Disclosures Matter？ Evidence from Peer-to-Peer Lending[J]. Accounting Review，2012，87（4）：1385-1413.

[16]Lee E，Lee B. Herding behavior in online P2P lending：An empirical investigation[J]. Electronic Commerce Research & Applications，2012，11（5）：495-503.

[17]Gonzalez L，Loureiro Y K. When can a photo increase credit？ The impact of lender and borrower profiles on online peer-to-peer loans[J]. Journal of Behavioral & Experimental Finance，2014，2：44-58.

[18]Serranocinca C，Gutiérreznieto B，Lópezpalacios L. Determinants of Default in P2P Lending.[J]. Plos One，2015，10（10）.

[19]Miller S. Information and default in consumer credit markets：Evidence from a natural experiment[J]. Journal of Financial Intermediation，2015，24（1）：45-70.

[20]Pokorná M，Sponer M.Social Lending and Its Risks[J].Procedia-Social and Behavioral Sciences，2016，220（31）：330-337.

[21]官大飚.我國P2P網(wǎng)絡(luò)借貸發(fā)展存在的風(fēng)險(xiǎn)及其監(jiān)管對(duì)策[J].臺(tái)灣農(nóng)業(yè)探索，2012，（5）：61-64.

[22]吳佳哲.基于羊群效應(yīng)的P2P網(wǎng)絡(luò)借貸模式研究[J].國際金融研究，2015，（11）：88-96.

[23]吳曉光，曹一.論加強(qiáng)P2P網(wǎng)貸平臺(tái)的監(jiān)管[J].南方金融，2011，（4）：32-35.

[24]何曉玲，王玫. P2P網(wǎng)絡(luò)借貸現(xiàn)狀及風(fēng)險(xiǎn)防范[J].中國商論，2013，（20）：79-79.

[25]張巧良，張黎. P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)研究——基于層次分析法[J].審計(jì)與經(jīng)濟(jì)研究，2015，（6）：85-94.

[26]唐藝軍，葛世星.我國P2P網(wǎng)絡(luò)信貸風(fēng)險(xiǎn)控制實(shí)證分析[J].商業(yè)研究，2015，（10）：64-72.

[27]宋飛飛，黃作明. P2P平臺(tái)風(fēng)險(xiǎn)管理評(píng)價(jià)指標(biāo)體系的構(gòu)建[J].商，2015，（47）：182-183.

[28]唐嘉悅.P2P平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)及控制研究[D].青島：青島理工大學(xué)，2015.

[29]王立勇，石穎.互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)機(jī)理與風(fēng)險(xiǎn)度量研究——以P2P網(wǎng)貸為例[J].東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2016，（2）：103-112.

[30]王飛，王永健，莊雷.信任危機(jī)、逆向選擇與品牌重建——來自網(wǎng)貸之家的經(jīng)驗(yàn)證據(jù)[J].統(tǒng)計(jì)與信息論壇，2016，（7）：95-99.

[31]周勤，王飛.信息不對(duì)稱與”言多必失“——來自中國P2P網(wǎng)貸平臺(tái)的證據(jù)[J].東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2016，（3）：78-84.

責(zé)任編輯：李金霞

Risks and Platform Features of P2P Lending Platform

——Empirical Evidence from 54 Platforms in China

WANG Wei1，2，Ji jinyan3，DENG Weiping4

（1. National Research Center for Upper Yangtze Economy，，Chongqing Technology and Business University，Chongqing， 400067，China；2.Department of finance，Chongqing College of Finance and Economics， Chongqing， 402160，China；

3.School of Economics and Management， Beijing University of Chemical Technology，Beijing 100029；

4.Survey and Statistics Section，Qingyuan central sub-branch of PBC，Guangzhou， Guangdong，511515，China）

Abstract：Using the improved CRITIC method to evaluate the risk of 54 P2P lending platforms， it is found that the risk score and risk rating of the sample platforms from May， 2015 to August， 2016 are all in a severe low level. Based on the comparison of horizontal and vertical differences， we conclude that there is a certain correspondence among the risk scores of platforms with different features. Further panel model tests show that the background of shareholders， registered capital and operating time have a positive impact on the risk score， but a negative effect on the average yield .

Key words：P2P Lending Platform；Platform Features；Improved CRITIC Method；Panel Model； Internet Gene； Internet Finance