李先玲　王彥　康海媛

摘 要：本文采用非定向SBM-DEA方法測算了中國207個網(wǎng)絡(luò)借貸平臺的綜合效率、純技術(shù)效率和規(guī)模效率，并比較和分析了不同地域、不同背景下平臺第一階段和第三階段DEA效率測算結(jié)果，研究結(jié)果發(fā)現(xiàn)：獲得上市公司或風(fēng)險投資機構(gòu)的融資，有利于改善網(wǎng)絡(luò)借貸平臺效率，外部環(huán)境也是影響平臺效率的關(guān)鍵因素之一。本文研究結(jié)果的啟示在于：為促進網(wǎng)絡(luò)借貸行業(yè)的健康發(fā)展，既需要制定吸引投資的各種配套制度和政策等，形成良好的軟件環(huán)境，也需要構(gòu)建良好的信息基礎(chǔ)設(shè)施、經(jīng)濟基礎(chǔ)等硬件環(huán)境。

關(guān)鍵詞：網(wǎng)絡(luò)借貸；效率；SBM-DEA；風(fēng)險投資

中圖分類號：F830.59 文獻標(biāo)識碼：A 文章編號：1674-2265（2017）06-0010-08

一、引言

近年來，伴隨著網(wǎng)絡(luò)借貸的高速發(fā)展，網(wǎng)絡(luò)借貸平臺的各種風(fēng)險問題開始逐漸暴露。由于挪用客戶資金、發(fā)假標(biāo)、把舊的壞賬賣給新的投資人等內(nèi)部欺詐問題，全球第一家上市的P2P平臺TrustBuddy在2015年10月破產(chǎn)倒閉。2016年Lending Club在向SEC提交的報告中，提到其在“內(nèi)部評估”環(huán)節(jié)發(fā)現(xiàn)了兩筆總額為2200萬美元的貸款違規(guī)出售，引發(fā)機構(gòu)投資者對Lending Club的信任危機。在中國，近年來網(wǎng)絡(luò)借貸發(fā)展中蘊含的風(fēng)險同樣不容忽視。一是自2013年下半年以來，中國P2P網(wǎng)絡(luò)借貸行業(yè)出現(xiàn)“關(guān)門潮”，而且該趨勢一直蔓延至2016年，并且呈現(xiàn)愈演愈烈之勢。二是倒閉P2P平臺涉及的人群越來越廣，后果也越來越嚴(yán)重。據(jù)網(wǎng)貸之家的統(tǒng)計，倒閉平臺涉及的投資者人數(shù)在2013年及以前僅為0.9萬人，2014年增加為5.5萬人，2015年前7個月就有10.6萬人；倒閉平臺涉及的貸款金額在2013年及以前僅為14.7億元，2014年增加為50.5億元，2015年前7個月就高達71.6億元。三是網(wǎng)絡(luò)借貸平臺信用風(fēng)險和操作風(fēng)險問題突出。目前，中國多數(shù)網(wǎng)絡(luò)借貸平臺對其違約率和壞賬數(shù)量都諱莫如深，僅少數(shù)平臺如紅嶺創(chuàng)投、拍拍貸、人人貸等公開披露過壞賬率。

盡管網(wǎng)絡(luò)借貸行業(yè)監(jiān)管體系尚未成熟，但是依據(jù)優(yōu)勝劣汰的生存法則，低效率的網(wǎng)絡(luò)借貸平臺毫無疑問會逐漸被市場所淘汰。目前仍然幸存的平臺效率如何呢？哪些因素會對平臺效率產(chǎn)生潛在影響呢？厘清這個問題有助于正確認識中國網(wǎng)絡(luò)借貸行業(yè)現(xiàn)狀，以期為政策制定者提供決策參考。

二、文獻綜述

英美等西方國家由于信用制度和證券交易體系較為完善，網(wǎng)絡(luò)借貸平臺的主要貢獻在于將貸款需求信息擴散給廣泛的潛在投資者（Warren，2016）。因此，西方學(xué)者更加關(guān)注貸款人和借款人之間的信息不對稱，相應(yīng)的研究主要集中在幾個方面：一是從人口學(xué)和社會學(xué)角度研究影響P2P網(wǎng)絡(luò)借貸成功率和借款利率的各種微觀因素。Pope和Sydnor（2008）研究發(fā)現(xiàn)人種、性別、體重、外形和個性都對借款成功率和借款利率有顯著影響。Berger和Gleisner（2010）、Lin等（2013）、Mollick（2014）研究發(fā)現(xiàn)借款人社會資源越豐富，借款項目質(zhì)量越高，就越容易獲得較低成本的貸款，其貸款違約的可能性也越低。二是研究P2P網(wǎng)絡(luò)借貸中貸款人行為。Luo和Lin（2013）基于偏好依附和分割建立模型分析貸款人的投標(biāo)行為，并采用Prosper的微觀數(shù)據(jù)進行了實證研究，認為貸款人在競標(biāo)中存在明顯的羊群效應(yīng)，而非按照風(fēng)險和收益進行理性投資。Lee和Lee（2011）基于韓國最大P2P網(wǎng)絡(luò)借貸平臺數(shù)據(jù)的研究，同樣發(fā)現(xiàn)該平臺貸款人投標(biāo)具有羊群效應(yīng)。三是關(guān)注P2P平臺運營中可能存在的風(fēng)險。Yum（2012）、Ashta等（2010）指出P2P借貸的一個主要問題是借貸雙方信息不對稱以及由此導(dǎo)致的逆向選擇和道德風(fēng)險。Lee等（2011）、Luo和Lin（2013）指出信息不對稱導(dǎo)致出借人行為存在羊群效應(yīng)，增加了網(wǎng)絡(luò)借貸信用風(fēng)險。Yan（2015）、Warren（2016）指出由于平臺收益來源于固定比例的服務(wù)費，難以激勵平臺管理者執(zhí)行嚴(yán)格的風(fēng)險控制，使其存在經(jīng)營風(fēng)險。

由于國內(nèi)相關(guān)的信用制度和法律制度還有待完善，因此國內(nèi)學(xué)術(shù)界關(guān)于P2P網(wǎng)絡(luò)借貸的研究主要集中于四個方面：一是P2P網(wǎng)絡(luò)借貸平臺運營模式研究。盧馨和李慧敏（2015）、葉湘榕（2014）分別從網(wǎng)絡(luò)借貸平臺功能和業(yè)務(wù)特點兩個方面對平臺運營模式進行了研究。二是平臺發(fā)展現(xiàn)狀及存在問題研究。吳曉光和曹一（2011）、繆斌（2013）、馮果和蔣莎莎（2013）認為中國網(wǎng)絡(luò)借貸行業(yè)發(fā)展不規(guī)范，其原因既在于相關(guān)法律制度和監(jiān)管的缺失，也與網(wǎng)絡(luò)借貸交易的虛擬性和匿名性有關(guān)。三是對影響P2P借貸交易成敗的微觀因素的研究。王會娟和廖理（2014）、溫小霓和武小娟（2014）分別基于人人貸和拍拍貸數(shù)據(jù)，對影響借貸行為的因素進行了研究。四是監(jiān)管體系研究。吳曉光和曹一（2011）、羅斯丹和王苒（2014）、謝平等（2014）從P2P網(wǎng)絡(luò)借貸業(yè)務(wù)面臨的監(jiān)管缺失風(fēng)險、技術(shù)風(fēng)險、政策風(fēng)險、擔(dān)保與關(guān)聯(lián)業(yè)務(wù)風(fēng)險等角度出發(fā)，提出完善網(wǎng)絡(luò)借貸監(jiān)管原則和體系內(nèi)容的具體建議。

綜上所述，國內(nèi)外研究一方面較多集中于網(wǎng)絡(luò)借貸的模式、監(jiān)管等宏觀層面，另一方面也側(cè)重對微觀層面的借貸雙方交易及影響因素的分析，而基于中觀層面——對網(wǎng)絡(luò)借貸平臺運營狀況及效率的研究較為匱乏。因此，本文采用非定向SBM-DEA方法測算了中國207個P2P網(wǎng)絡(luò)借貸平臺的綜合效率、純技術(shù)效率和規(guī)模效率，并比較和分析了不同地域、不同背景下平臺第一階段和第三階段的DEA效率。

三、模型及數(shù)據(jù)選擇

（一）效率測算模型

Fried等（2002）提出了三階段DEA模型，該方法結(jié)合使用隨機前沿分析（SFA）和數(shù)據(jù)包絡(luò)分析方法（DEA），在對決策單元效率進行評價時能夠消除環(huán)境因素和隨機因素的影響，估計出的效率值能夠更真實地反映決策單元的真實管理水平。Avkiran和Rowlands（2008）認為三階段DEA分析中需要采用更為全面的非定向SBM模型（non-oriented SBM），可同時兼顧輸出最大化和投入最小化。endprint

第一階段：采用原始投入產(chǎn)出數(shù)據(jù)，選取DEA模型，計算平臺管理效率和松弛變量。考慮到中國目前P2P網(wǎng)絡(luò)借貸行業(yè)仍然處于結(jié)構(gòu)調(diào)整時期，多數(shù)平臺當(dāng)前面臨著如何擴大市場份額的問題，既要考慮投入最小問題，也要兼顧最大化產(chǎn)出的問題。因此，本文選取非定向的規(guī)模報酬可變（VRS）的SBM模型（non-oriented SBM）進行第一階段的DEA估計，以同時兼顧平臺的輸出最大化和投入最小化問題。

假設(shè)有I個P2P網(wǎng)絡(luò)借貸平臺，每個平臺有n個輸入和m個輸出，用xi（i = 1，2，…，n） 表示輸入變量，yi（i = 1，2，…，m） 表示輸出變量，非定向的規(guī)模報酬可變（VRS）的SBM模型可以表示成如下線性規(guī)劃形式：

[minρ=1-1ni=1ns-ixoi1-1mr=1ms+ryors.t.xo=Xλ+s-，yo=Yλ+s+，j=1Iλj=1，s-≥0，s+≥0] （1）

其中，ρ表示平臺投入和產(chǎn)出非徑向冗余比值，當(dāng)ρ=1時，表示平臺充分有效，當(dāng)[0≤ρ<1]時，代表平臺存在效率缺失；s+、s-分別表示產(chǎn)出和投入松弛變量值；Xλ、Yλ分別表示期望投入和期望產(chǎn)出。

第二階段：應(yīng)用SFA模型考察環(huán)境變量對平臺效率的影響，并得到調(diào)整后的投入和產(chǎn)出。在該階段將對第一階段的產(chǎn)出和投入松弛變量進行SFA回歸分析，分離出管理無效、環(huán)境無效和運氣好壞等誤差因素的影響，根據(jù)SFA回歸結(jié)果調(diào)整產(chǎn)出量，本文投入和產(chǎn)出具體調(diào)整方法借鑒Avkiran和Rowlands（2008）提出的方法。

首先，對I 個網(wǎng)絡(luò)借貸平臺的n個輸入和m個輸出的松弛變量分別進行SFA回歸分析，SFA回歸模型表示如下：

[s-i，j=fi（zj，βi）+νi，j+ui，j i=1，…，n，j=1，…，I] （2）

[s+r，j=fr（zj，βr）+νr，j+ur，j r=1，…，m，j=1，…，I]（3）

具體平臺投入調(diào)整公式如下：

[xAi，j=xi，j+maxjzjβi-zjβi+maxjvi，j-vi，ji=1，…，n，j=1，…，I]（4）

具體平臺產(chǎn)出調(diào)整公式如下：

[yAr，j=yr，j+zjβr-minjzjβr+vr，j-minjvr，jr=1，…，m，j=1，…，I] （5）

要計算公式（4）和（5），關(guān)鍵是從投入和產(chǎn)出管理無效率中分離出隨機因素。本文遵從多數(shù)學(xué)者采用的Jondrow等（1982）提出的JLMS技術(shù)，來分解復(fù)合殘差，求出平臺管理無效率E[uij|vij+uij]的估計值，具體計算方法如下：

[E（uijuij+vij）=σλ1+λ2f（ελσ）1-F（ελσ）-ελσ] （6）

其中，[σ2=σ2u+σ2v]，[εij=vij+uij]，[λ=σuσv]，[f?]、[F?]分別為標(biāo)準(zhǔn)正態(tài)分布密度函數(shù)和分布函數(shù)。

估算出平臺管理無效率E[uij|vij+uij]，可估算出平臺的隨機因素導(dǎo)致的投入和產(chǎn)出冗余估計值。具體隨機因素對產(chǎn)出和投入冗余的計算公式分別如式（7）和（8）：

[Evi，jvi，j+ui，j=s-i，j-zjβi-Eui，jvi，j+ui，ji=1，…，n，j=1，…，I] （7）

[Evi，jvr，j+ur，j=s+r，j-zjβr-Eui，jvr，j+ur，jr=1，…，m，j=1，…，I] （8）

第三階段：以第二階段得到的調(diào)整后產(chǎn)出量和投入量作為投入，再次利用SBM模型，重新估算效率值。此時估算的效率值是剔除了環(huán)境因素和運氣好壞等隨機誤差因素影響后的效率值，僅剩下管理要素影響的平臺效率值。

（二）DEA模型指標(biāo)選取

在運用DEA模型評價傳統(tǒng)金融機構(gòu)效率時，通常采用生產(chǎn)法和中介法來劃分其投入和產(chǎn)出要素?？紤]數(shù)據(jù)的可得性，本文將投入要素指標(biāo)選定為注冊資本（cap）和員工數(shù)（emp），產(chǎn)出要素指標(biāo)選為投資者人數(shù)（lend）和借款者人數(shù)（bow）。

外部環(huán)境變量由平臺所在地區(qū)P2P網(wǎng)絡(luò)借貸成交量（vol）和人均gdp（pgdp）表示。

內(nèi)部環(huán)境因素以網(wǎng)貸之家網(wǎng)貸研究院編制的P2P網(wǎng)絡(luò)借貸平臺技術(shù)積分（zigg）和透明度積分（tmd）表示。其中，技術(shù)積分是根據(jù)P2P網(wǎng)絡(luò)借貸平臺系統(tǒng)自主研發(fā)情況、網(wǎng)站人均響應(yīng)時間、網(wǎng)站安全漏洞檢測、APP、微信客戶端、數(shù)據(jù)傳輸安全、賬戶安全、IT團隊實力等得出的評分。技術(shù)積分越高，表明該平臺技術(shù)實力越強，平臺員工素質(zhì)越高。透明度積分是根據(jù)平臺對公司信息、運營數(shù)據(jù)、借款資料的公布程度給予相應(yīng)評分。透明度積分越高，表明平臺信息公開得越多、越透明，需要的員工素質(zhì)也越高。

（三）數(shù)據(jù)來源及說明

各平臺的投資者人數(shù)和借款者人數(shù)、注冊資本數(shù)據(jù)來自“網(wǎng)貸之家”的P2P網(wǎng)絡(luò)借貸平臺2015年10月份的交易數(shù)據(jù)庫，平臺雇傭的員工數(shù)量主要來自網(wǎng)貸天眼的平臺數(shù)據(jù)庫，少數(shù)平臺在網(wǎng)貸天眼中沒有員工統(tǒng)計數(shù)據(jù)，由本人通過網(wǎng)絡(luò)或電話聊天向各平臺進行直接詢問而獲得。最后，采集到207家P2P網(wǎng)絡(luò)借貸平臺的數(shù)據(jù)。

城市人均gdp來自《城市統(tǒng)計年鑒》，地區(qū)P2P網(wǎng)絡(luò)借貸成交量（vol）數(shù)據(jù)來自網(wǎng)絡(luò)貸之家統(tǒng)計。P2P網(wǎng)絡(luò)借貸平臺技術(shù)積分（zigg）和透明度積分（tmd）數(shù)據(jù)，來源于網(wǎng)貸之家網(wǎng)貸研究院編制的2015年5月至12月的平臺評級數(shù)據(jù)。

四、互聯(lián)網(wǎng)金融平臺效率分析

（一）第一階段DEA實證結(jié)果分析

采用Max DEA 5.2對中國207家P2P網(wǎng)絡(luò)借貸平臺運營效率進行測算，可得到非定向SBM模型測算出來的P2P網(wǎng)絡(luò)借貸平臺在第一階段的效率結(jié)果，并對效率結(jié)果進行如下比較分析：endprint

表1顯示三個地區(qū)平臺的平均綜合技術(shù)效率和純技術(shù)效率均值不全相等，三個地區(qū)平臺的規(guī)模效率均值全部相等。這反映出東部、中部和西部地區(qū)平臺的規(guī)模效率在統(tǒng)計上并不存在顯著差異，而這三個地區(qū)平臺的綜合技術(shù)效率和純技術(shù)效率存在顯著差異。進一步對綜合技術(shù)效率和純技術(shù)效率均值進行多重比較檢驗可以發(fā)現(xiàn)，東部地區(qū)平臺的平均綜合技術(shù)效率顯著高于中部和西部地區(qū)平臺；中部和西部平臺的綜合技術(shù)效率在統(tǒng)計上并不存在顯著差異；東部和中部地區(qū)平臺的純技術(shù)效率不存在顯著差異，但東部和西部地區(qū)平臺的純技術(shù)效率存在顯著差異，西部和中部地區(qū)平臺的純技術(shù)效率同樣不存在顯著差異。

從表1的檢驗結(jié)果可以看出，上市公司和非上市公司背景平臺的綜合技術(shù)效率和純技術(shù)效率均值都不存在顯著差異，而規(guī)模效率的均值在5%的顯著性水平下存在顯著差異；有風(fēng)投和無風(fēng)投平臺的綜合技術(shù)效率和純技術(shù)效率均值不存在顯著差異，而規(guī)模效率的均值在10%的水平下存在顯著差異；民營與國資平臺的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均值都不存在顯著差異。

（二）第二階段SFA實證結(jié)果分析

將第一階段得出的各平臺投入和產(chǎn)出變量的松弛量作為因變量，將tmd、zigg、pgdp和vol等4個環(huán)境變量作為解釋變量，軟件stata14.0給出的 SFA 回歸結(jié)果見表2。表2分析結(jié)果顯示，4個環(huán)境變量對平臺的投入和產(chǎn)出冗余變量都有一定的影響。其中，兩個內(nèi)部環(huán)境變量影響表現(xiàn)為：信息透明度對注冊資本、員工數(shù)量、借款人數(shù)和投資人數(shù)的松弛變量都產(chǎn)生了顯著影響，表明提高平臺信息透明度，會提高員工數(shù)量冗余，降低平臺運營效率；提高平臺信息透明度，有利于降低注冊資本、借款人數(shù)和投資人數(shù)的冗余，提高平臺運營效率；提高平臺員工技術(shù)水平，會提高員工數(shù)量冗余，降低平臺運營效率；提高平臺員工技術(shù)水平，有利于降低注冊資本、借款人數(shù)和投資人數(shù)的冗余，提高平臺運營效率。

平臺所在城市人均gdp越高，越有利于降低注冊資本和投資人數(shù)的冗余，提高平臺運營效率。平臺所在省P2P網(wǎng)絡(luò)借貸成交量越高，越有利于降低借款人數(shù)和投資人數(shù)的冗余，提高平臺運營效率。平臺所在省P2P網(wǎng)絡(luò)借貸成交量越高，越會增加注冊資本冗余，降低平臺運營效率。

由于4個環(huán)境變量對于各平臺投入和產(chǎn)出冗余變量都影響顯著，這可能導(dǎo)致一些處于較好經(jīng)濟環(huán)境地區(qū)的平臺或運氣較好的平臺都出現(xiàn)較高的效率，而一些處于較差經(jīng)濟環(huán)境的平臺表現(xiàn)得效率欠佳，導(dǎo)致平臺效率被高估或低估。因此，有必要調(diào)整原有投入和產(chǎn)出變量，使所有平臺面臨同樣的經(jīng)營環(huán)境，考察其真實效率水平。

（三）第三階段DEA實證結(jié)果分析

根據(jù)公式（4）和（5）分別調(diào)整投入和產(chǎn)出變量，并利用調(diào)整后的投入和產(chǎn)出變量值再次進行SBM模型效率估算，得到第三階段各平臺的效率值及規(guī)模報酬狀態(tài)。

由表3檢驗結(jié)果可以看出，東、中、西三個地區(qū)平臺的平均綜合技術(shù)效率和純技術(shù)效率差異都不顯著，僅規(guī)模效率均值差異在10%的水平下顯著。這表明剔除環(huán)境因素影響后，東部、中部和西部地區(qū)平臺的效率并不存在顯著差異；上市公司和非上市公司背景平臺綜合技術(shù)效率在1%的顯著性水平下顯著，純技術(shù)效率和規(guī)模效率的均值都在5%的水平下存在顯著差異，這表明上市公司和非上市公司背景平臺綜合技術(shù)效率差異一方面來自平臺純技術(shù)效率差異，另一方面來源于規(guī)模效率差異；在5%的顯著性水平下，有風(fēng)投和無風(fēng)投平臺綜合技術(shù)效率和純技術(shù)效率的均值存在顯著差異，而規(guī)模效率不存在顯著差異。因此，有風(fēng)投平臺的綜合技術(shù)效率和純技術(shù)效率在數(shù)值上和統(tǒng)計上都顯著高于無風(fēng)投平臺，由此可以看出有無風(fēng)投平臺的綜合效率差異主要來源于純技術(shù)效率的差異；民營和國資平臺綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率的均值都不存在顯著差異。

（四）調(diào)整前后不同背景平臺效率比較

為避免小樣本問題可能帶來的效率評價偏差，本文借鑒Simar等（1998）提出的Bootstrap-DEA方法，利用 stata14分別對投入和產(chǎn)出調(diào)整前后不同經(jīng)濟區(qū)域和不同背景平臺的三個運行效率值進行 90%和 95%水平的置信區(qū)間估計，其中Bootstrap 次數(shù) B設(shè)為 1000，分析結(jié)果如表4所示。

從不同區(qū)域來看，表4中調(diào)整后的東部、中部和西部平臺第三階段平均綜合效率、平均純技術(shù)效率和規(guī)模效率的90%和95%置信區(qū)間上限和下限均有明顯增加，這說明剔除環(huán)境和隨機因素后，各區(qū)域平臺的平均綜合效率有明顯提高。具體變化如下：（1）東部地區(qū)平臺的純技術(shù)效率均值從0.11增加至0.902，規(guī)模效率由0.709上升為0.761，綜合效率均值從0.072增加為0.686，而綜合效率在第一階段被低估的原因是純技術(shù)效率和規(guī)模效率都被低估。（2）中部地區(qū)平臺的純技術(shù)效率均值從0.051增加至0.896，規(guī)模效率由0.658上升為0.745，綜合效率均值從0.003增加為0.67。因此，中部地區(qū)綜合效率在第一階段被低估的原因是純技術(shù)效率和規(guī)模效率都被低估。（3）西部地區(qū)平臺的純技術(shù)效率均值從0.038增加至0.902，規(guī)模效率由0.603上升為0.844，綜合效率均值從0.009增加為0.757。因此，西部地區(qū)綜合效率在第一階段被低估的原因同樣是純技術(shù)效率和規(guī)模效率都被低估。從以上分析可以看出，東中西三個地區(qū)平臺效率都受到環(huán)境因素較大影響，相比之下，西部和中部地區(qū)平臺效率受環(huán)境和隨機因素影響更大。

表4還顯示調(diào)整后的上市公司與非上市公司平臺、民營與國資平臺、有風(fēng)投與無風(fēng)投平臺第三階段平均綜合效率、平均純技術(shù)效率和規(guī)模效率的90%和95%置信區(qū)間上限和下限均有明顯增加，這說明剔除環(huán)境和隨機因素后，各種背景平臺的平均綜合效率有明顯提高，具體變化如下：（1）上市公司背景平臺的純技術(shù)效率均值從0.079增加至0.942，規(guī)模效率由0.783上升為0.843，綜合效率均值從0.067增加為0.798，而綜合效率在第一階段被低估的原因是純技術(shù)效率和規(guī)模效率都被低估，特別是純技術(shù)效率被嚴(yán)重低估。非上市公司背景平臺同樣存在純技術(shù)效率和規(guī)模效率都被低估，導(dǎo)致平臺綜合效率被嚴(yán)重低估的問題。（2）民營平臺的純技術(shù)效率均值從0.094增加至0.905，規(guī)模效率由0.693上升為0.77，綜合效率均值從0.053增加為0.697，而綜合效率在第一階段被低估的原因是純技術(shù)效率和規(guī)模效率都被低估，特別是純技術(shù)效率被嚴(yán)重低估。國資背景平臺同樣存在純技術(shù)效率和規(guī)模效率都被低估，導(dǎo)致平臺綜合效率被嚴(yán)重低估的問題。（3）有風(fēng)投平臺的純技術(shù)效率均值從0.078增加至0.927，規(guī)模效率由0.768上升為0.804，綜合效率均值從0.071增加為0.747，而綜合效率在第一階段被低估的原因是純技術(shù)效率和規(guī)模效率都被低估，特別是純技術(shù)效率被嚴(yán)重低估。無風(fēng)投平臺同樣存在純技術(shù)效率和規(guī)模效率都被低估，導(dǎo)致平臺綜合效率被嚴(yán)重低估的問題。endprint

綜合來看，網(wǎng)絡(luò)借貸平臺的Boostrap-DEA效率置信區(qū)間估計呈現(xiàn)上述結(jié)果，其原因可能在于：（1）P2P網(wǎng)絡(luò)借貸在中國發(fā)展仍然處于探索階段，無論是經(jīng)濟相對發(fā)達的東部地區(qū)還是經(jīng)濟相對落后的中西部地區(qū)，經(jīng)濟和社會環(huán)境是P2P網(wǎng)絡(luò)借貸行業(yè)賴以生存和發(fā)展的土壤，因此環(huán)境因素對所有平臺效率都會產(chǎn)生重要影響。（2）東部地區(qū)的各種經(jīng)濟金融政策、法規(guī)和配套基礎(chǔ)設(shè)施較中西部地區(qū)更完備，東部地區(qū)平臺成立和發(fā)展較中西部地區(qū)有更好的微觀和宏觀基礎(chǔ)。以政策為例，最早出臺關(guān)于互聯(lián)網(wǎng)金融企業(yè)優(yōu)惠政策的地方政府是北京，上海和深圳緊隨其后也出臺了相關(guān)政策。這也讓東部地區(qū)在互聯(lián)網(wǎng)金融發(fā)展上具有了先行者優(yōu)勢，讓大量有實力有背景的P2P網(wǎng)絡(luò)借貸平臺匯集在東部地區(qū)。因此，如果不剔除環(huán)境因素影響，東部地區(qū)平臺效率很可能高于中西部地區(qū)平臺效率。（3）上市公司和風(fēng)險資本注資或涉足的平臺大致有兩類；一類是成立時間較長、在行業(yè)內(nèi)有一定影響力的平臺，這類平臺已經(jīng)有豐富的技術(shù)和管理經(jīng)驗，并且已經(jīng)吸引了較為穩(wěn)定的客戶群體，如拍拍貸、宜人貸、銀湖網(wǎng)、溫州貸等。另一類是其實體企業(yè)已經(jīng)在某個領(lǐng)域積累多年運營經(jīng)驗，意圖發(fā)展其從業(yè)領(lǐng)域相關(guān)供應(yīng)鏈金融，并將其引入互聯(lián)網(wǎng)金融方向，因此涉足P2P網(wǎng)絡(luò)借貸行業(yè)，如東方金鈺、電網(wǎng)貸、神州通寶等。這兩類平臺較其他平臺運營相對更規(guī)范，純技術(shù)效率和綜合效率必然更高。（4）國資背景平臺和民營平臺在效率上并不存在顯著差異，其原因可能在于多數(shù)國資背景平臺成立較晚，在行業(yè)內(nèi)影響力有限，另外許多國資背景平臺交易數(shù)據(jù)透明度不高，限制了能夠獲得數(shù)據(jù)的國資背景平臺數(shù)量。

五、平臺效率比較結(jié)果與啟示

本文采用非定向SBM-DEA方法測算了中國207個P2P網(wǎng)絡(luò)借貸平臺的綜合效率、純技術(shù)效率和規(guī)模效率，并比較和分析了不同地域、不同背景下平臺第一階段和第三階段DEA效率測算結(jié)果，研究發(fā)現(xiàn)：

第一，如果不剔除環(huán)境因素，東部地區(qū)平臺綜合效率高于中部和西部地區(qū)平臺，這種優(yōu)勢不是來自各地平臺規(guī)模效率差異，而是來自各地平臺的純技術(shù)效率差異。如果剔除環(huán)境因素影響，東、中、西三個地區(qū)平臺的綜合技術(shù)、純技術(shù)和規(guī)模效率不存在顯著差異。這表明環(huán)境因素對平臺運營存在較大影響，要保持P2P網(wǎng)絡(luò)借貸行業(yè)健康發(fā)展，各種配套制度和政策必須先行。

第二，從平臺背景來看，無論是否剔除環(huán)境因素，國資平臺的綜合技術(shù)、純技術(shù)和規(guī)模效率與民營平臺不存在顯著差異。如果不剔除環(huán)境因素，上市公司背景和非上市公司背景平臺的綜合效率不存在差異。但剔除環(huán)境因素影響后，與非上市公司背景平臺相比，上市公司背景平臺的綜合技術(shù)、純技術(shù)和規(guī)模效率都更高。類似的，如果不剔除環(huán)境因素，有風(fēng)投和無風(fēng)投背景平臺的綜合效率不存在差異。但剔除環(huán)境因素影響后，有風(fēng)投平臺的綜合技術(shù)、純技術(shù)和規(guī)模效率都顯著高于無風(fēng)投平臺。

上述研究結(jié)果對互聯(lián)網(wǎng)金融平臺生存與發(fā)展的借鑒意義和啟示在于：

一是外部環(huán)境是影響互聯(lián)網(wǎng)金融平臺效率的關(guān)鍵因素之一。由于目前國內(nèi)關(guān)于互聯(lián)網(wǎng)金融監(jiān)管政策尚不明確，互聯(lián)網(wǎng)金融涉及的主要業(yè)務(wù)都游離于監(jiān)管的邊緣地帶，還有部分業(yè)務(wù)甚至可能存在與原有國內(nèi)相關(guān)法規(guī)沖突的問題。因此，地方政府的支持力度和相關(guān)配套制度都會對互聯(lián)網(wǎng)金融平臺發(fā)展產(chǎn)生深遠影響。另外，地區(qū)經(jīng)濟、金融環(huán)境和信息基礎(chǔ)設(shè)施也是互聯(lián)網(wǎng)金融平臺運營的物質(zhì)基礎(chǔ)條件。因此，互聯(lián)網(wǎng)金融行業(yè)的健康發(fā)展，既需要各種配套制度和政策等良好的軟件環(huán)境，也需要信息基礎(chǔ)設(shè)施、經(jīng)濟基礎(chǔ)等硬件環(huán)境。

二是互聯(lián)網(wǎng)金融平臺發(fā)展需要上市公司或風(fēng)險投資機構(gòu)的資金支持?；ヂ?lián)網(wǎng)金融平臺作為初創(chuàng)企業(yè)，其發(fā)展中不僅會面臨資金約束瓶頸，還會遇到高素質(zhì)人才缺乏的困難。而上市公司和風(fēng)險投資為互聯(lián)網(wǎng)金融平臺提供融資，不僅能夠緩解平臺在成立初期的資金約束問題，而且還能夠通過其監(jiān)督和引導(dǎo)，甚至是介入平臺管理，逐步規(guī)范平臺的經(jīng)營和管理，為平臺制定更長遠的發(fā)展規(guī)劃。

參考文獻：

[1]Ashta A，Assadi D，Johnson S. 2010. Online or Offline？：The Rise of "Peer-to-Peer" Lending in Microfinance.[J].Journal of Electronic Commerce in Organizations，8（3）.

[2]Berger S C，Gleisner F. 2010. Emergence of Financial Intermediaries in Electronic Markets： The Case of Online P2P Lending[J].BuR - Business Research，2（1）.

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

[4]Jondrow J，Lovell C A K，Materov I S，et al. 1982. On the estimation of technical inefficiency in the stochastic frontier production function model[J].Journal of Econometrics，19（2）.

[5]Lin M，Prabhala N R，Viswanathan S. 2013. Judging Borrowers by the Company They Keep： Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending[J]. Management Science，59（1）.endprint

[6]Mollick E. 2014. The dynamics of crowdfunding： An exploratory study [J].Journal of Business Venturing，29（1）.

[7]Lee E，Lee B. 2011. Herding Behavior In Online P2P Lending：An Empirical Investigation[J].Electronic Commerce Research & Applications，11（5）.

[8]Avkiran N K，Rowlands T. 2008. How to better identify the true managerial performance： State of the art using DEA[J].Omega，36（2）.

[9]Pope D G，Sydnor J R. 2008. What's in a Picture？ Evidence of Discrimination from Prosper.com[J].Journal of Human Resources，46（1）.

[10]Luo B，Lin Z. 2013. A decision tree model for herd behavior and empirical evidence from the online P2P lending market[J].Information Systems and e-Business Management，11（1）.

[11]Yan J，Yu W，Zhao J L. 2015. How signaling and search costs affect information asymmetry in P2P lending： the economics of big data[J]. Financial Innovation，1（1）.

[12]Warren W S. 2016. The Frontiers of Peer-to-Peer Lending： Thinking About a New Regulatory Approach[J]. Duke L. & Tech. Rev.，36（14）.

[13]馮果，蔣莎莎.論我國P2P網(wǎng)絡(luò)貸款平臺的異化及其監(jiān)管[J].法商研究，2013，28（5）.

[14]羅斯丹，王苒.我國加強P2P風(fēng)險的監(jiān)管研究[J].經(jīng)濟縱橫，2014，30（9）.

[15]盧馨，李慧敏. P2P網(wǎng)絡(luò)借貸的運行模式與風(fēng)險管控[J].改革，2015，32（2）.

[16]吳曉光，曹一.論加強P2P網(wǎng)絡(luò)借貸平臺的監(jiān)管[J].南方金融，2011，33（4）.

[17]繆斌.對P2P借貸平臺的風(fēng)險調(diào)查及政策建議——以鎮(zhèn)江市為例[J].金融縱橫，2013，28（9）.

[18]譚雪晗，涂艷.基于社會網(wǎng)絡(luò)分析的P2P網(wǎng)絡(luò)借貸行為模式研究[J].金融發(fā)展研究，2016，（8）.

[19]王會娟，廖理. 中國網(wǎng)絡(luò)借貸平臺信用認證機制研究——來自“人人貸”的經(jīng)驗證據(jù)[J].中國工業(yè)經(jīng)濟，2014，33（4）.

[20]謝平，鄒傳偉，劉海二，互聯(lián)網(wǎng)金融監(jiān)管的必要性與核心原則[J].國際金融研究，2014，31（8）.

[21]葉湘榕. 借貸的模式風(fēng)除與監(jiān)管研究[J].金融監(jiān)管研究，2014，3（3）.

Abstract：Based on the non-oriental SBM-DEA，this paper measuresthe comprehensive efficiency，pure technical efficiency and scale efficiencyof 207 P2P network lending platforms in China. And it compares and analyzes the first stage and the third stage of DEA efficiency measurement results with different regions and different platform backgrounds. We find that the external environments is one of the key factors that influence efficiency of platforms，and obtaining financing from the listed company or venture institutions can improve the efficiency of the platforms. So we conclude that for the healthy development of online lending industry，software and hardware environments should be built. The software environment refers to some measures or polices in order to attract investment in online lending industry. The hardware one means building fine information infrastructure and economic basis.

Key Words：online lending platform，efficiency，SBM-DEA，venture capitalendprint