譚中明 師家慧 江紅莉

（江蘇大學(xué)財經(jīng)學(xué)院，江蘇 鎮(zhèn)江212013）

基于因子分析的P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成與傳導(dǎo)路徑研究

譚中明 師家慧 江紅莉

（江蘇大學(xué)財經(jīng)學(xué)院，江蘇 鎮(zhèn)江212013）

P2P網(wǎng)絡(luò)借貸平臺環(huán)境下，由于集中了越來越多“不規(guī)范”的借款者，導(dǎo)致信用風(fēng)險不斷衍生傳導(dǎo)。本文以“人人貸”平臺隨機抓取的數(shù)據(jù)為基礎(chǔ)，通過探索性和驗證性的因子分析，探討P2P網(wǎng)絡(luò)借貸信用風(fēng)險的生成與傳導(dǎo)路徑，指出P2P網(wǎng)絡(luò)借貸信用風(fēng)險主要通過標(biāo)的風(fēng)險和借款者違約風(fēng)險生成，且二者之間的相互作用借助平臺信用保護機制，最終傳導(dǎo)至整個P2P網(wǎng)絡(luò)借貸行業(yè)。最后，有針對性地提出了防范控制我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險的對策。

P2P網(wǎng)絡(luò)借貸；信用風(fēng)險；傳導(dǎo)路徑；因子分析

一、引言

P2P網(wǎng)絡(luò)借貸（Peer to Peer Lending）是一種以互聯(lián)網(wǎng)為載體，為借款人和出借人提供在線交易平臺的互聯(lián)網(wǎng)金融模式。隨著互聯(lián)網(wǎng)金融和民間借貸的發(fā)展，P2P網(wǎng)絡(luò)借貸由于門檻低、時效快等特點迅速成為我國中小企業(yè)及個人短期融資的重要渠道。據(jù)網(wǎng)貸之家和盈燦咨詢數(shù)據(jù)統(tǒng)計，截至2017年7月底，P2P網(wǎng)絡(luò)借貸累計成交量突破5萬億，比2016年同期增長了112.43%。網(wǎng)絡(luò)借貸行業(yè)運營正常的平臺有2090家，比2016年底減少了358家。問題平臺歷史累計涉及的投資人數(shù)約為50萬人，占總投資人數(shù)的4%。在監(jiān)管趨嚴(yán)的2017年，我國P2P網(wǎng)絡(luò)借貸平臺數(shù)量持續(xù)下降，截至2017年7月底，累計停業(yè)及問題平臺數(shù)量有3812家。其中，2017年7月，35家新增停業(yè)及問題平臺中，提現(xiàn)困難4家、跑路7家、停業(yè)24家，停業(yè)及問題平臺發(fā)生率為64.67%。停業(yè)平臺數(shù)遠(yuǎn)大于跑路平臺數(shù)，P2P網(wǎng)絡(luò)借貸行業(yè)監(jiān)管效果初現(xiàn)。我國P2P網(wǎng)絡(luò)借貸交易大數(shù)據(jù)的背后，越來越多的投資者遭受損失。P2P網(wǎng)絡(luò)借貸交易主要依托互聯(lián)網(wǎng)平臺，交易過程并不像傳統(tǒng)銀行借貸那樣透明，涉及的很多交易信息未能充分披露給投資者，導(dǎo)致他們在P2P網(wǎng)絡(luò)借貸中處于信息弱勢方，面臨著較高的信用風(fēng)險。鑒于我國P2P網(wǎng)絡(luò)借貸平臺被界定為信息中介的角色，本文所探討的信用風(fēng)險主要是指借款者未能如期還款而造成出借人無法按時收回本金和利息的可能性。

為了明確P2P網(wǎng)絡(luò)借貸信用風(fēng)險的影響因素，進而確定因素之間的相互傳導(dǎo)作用，本文主要從P2P網(wǎng)絡(luò)借貸信用風(fēng)險角度出發(fā)，運用SPSS18.0和LISREL87.0軟件對信用風(fēng)險影響因素分別進行探索性和驗證性的因子分析，給出P2P網(wǎng)絡(luò)借貸信用風(fēng)險在結(jié)構(gòu)方程模型下的生成和傳導(dǎo)路徑，從而為我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險的防范提供理論基礎(chǔ)。

二、文獻(xiàn)回顧

近年來我國P2P網(wǎng)絡(luò)借貸平臺的爆發(fā)式增長為我國經(jīng)濟發(fā)展注入了新鮮血液，但由于我國征信體系的不健全（王嵩青、田蕓和沈霞，2014；Jennifer J等；楊立，2015；騰磊，2016）和缺乏有效的P2P網(wǎng)絡(luò)借貸監(jiān)管機制（Michaels，2012），導(dǎo)致P2P網(wǎng)絡(luò)借貸平臺存在嚴(yán)重的信息不對稱問題（Robert，2000；Klafft，2008）。借貸雙方之間信息的不對等地位使得P2P網(wǎng)絡(luò)借貸平臺極易滋生借款人逆向選擇和道德風(fēng)險事件，同時借貸平臺資金保障系統(tǒng)的缺乏誘發(fā)借款人“跑路”現(xiàn)象（Lin等，2009）。盡管目前很多P2P網(wǎng)絡(luò)借貸平臺都已建立自己的網(wǎng)上信用評級系統(tǒng)，但由于我國個人征信系統(tǒng)尚未完全建立，現(xiàn)有的銀行征信數(shù)據(jù)并未向P2P網(wǎng)貸行業(yè)開放，加上我國互聯(lián)網(wǎng)技術(shù)運用的不成熟，我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險的控制和防范任務(wù)異常艱巨。

Pope和Syndor（2011）、 Enrichetta Ravine和Gathergood（2012）、Everett和 Michael Chau（2015）等通過對不同平臺上的數(shù)據(jù)分析，得出借款者的長相、學(xué)歷、性別、年齡和收入等個人信息會對P2P網(wǎng)絡(luò)借貸信用風(fēng)險產(chǎn)生影響的結(jié)論。Michael Chau（2015）同時指出借款者以往的交易記錄和行為也會影響違約風(fēng)險。除了借款者自身的“硬信息”，很多學(xué)者也指出像借款用途、償還意愿這樣具有描述性的“軟信息”同樣會對借款者違約行為產(chǎn)生影響（Jeremy Michels，2012；顧慧瑩和姚錚，2015）。Klafft（2008）借助Prosper.com平臺上的數(shù)據(jù)實證分析得出，信用評級對借貸違約行為影響較大，信用評級高的借款者容易獲得較低利率的貸款，違約風(fēng)險較小。姚鳳閣和隋晰（2016）同樣通過對我國拍拍貸平臺數(shù)據(jù)分析指出，信用評級與違約風(fēng)險負(fù)相關(guān)關(guān)系顯著。Serranocinca等（2015）實證分析提出P2P網(wǎng)絡(luò)借貸平臺標(biāo)的的利率越高，平臺越容易發(fā)生違約或跑路現(xiàn)象。何曉玲和王玫（2013）等同時指出，由于我國P2P網(wǎng)絡(luò)借貸平臺缺乏有效監(jiān)管，許多網(wǎng)貸平臺淪為洗錢和變相吸儲等非法集資工具，P2P網(wǎng)絡(luò)借貸平臺違約概率較大。

國內(nèi)外現(xiàn)有的文獻(xiàn)大多對P2P網(wǎng)絡(luò)借貸的信用測評進行研究，針對借款者的個人信息討論如何確定指標(biāo)權(quán)重并建立合適的測評機制，以完善我國P2P網(wǎng)絡(luò)借貸的征信體系。也有不少學(xué)者從借款者自身的“軟”、“硬”信息出發(fā)，采用實證分析研究借款者在平臺上借款成功與否與哪些因素有關(guān)。而針對P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成和傳導(dǎo)路徑的研究并不多，尚未形成統(tǒng)一的觀點。本文立足于我國P2P網(wǎng)絡(luò)借貸平臺信息中介的角色，借助探索性和驗證性的因子分析方法，分析討論我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成和傳導(dǎo)路徑，從而為我國控制和防范P2P網(wǎng)絡(luò)借貸信用風(fēng)險提供參考。

三、P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素的探索性分析

（一）分析的基本思路

P2P網(wǎng)絡(luò)借貸信用風(fēng)險由P2P網(wǎng)絡(luò)借貸標(biāo)的風(fēng)險和借款者違約風(fēng)險組成。其中，標(biāo)的風(fēng)險是指P2P網(wǎng)絡(luò)借貸平臺上借款者和投資者簽訂的借款合約遭受損失的風(fēng)險，涉及標(biāo)的總額、借款者的平臺信用額度、還款期限、還款利率等信息。借款者違約風(fēng)險主要是指借款者在平臺上借款成功后，未能在合同約定的期限內(nèi)還清借款金額而造成投資者無法按時收回本息的風(fēng)險。導(dǎo)致借款者違約的因素有很多，除了借款者自身的“軟”、“硬”信息外，還包括P2P網(wǎng)絡(luò)借貸平臺對借款者的綜合評價和借款信息。

本文基于我國P2P網(wǎng)絡(luò)借貸平臺信息中介的角色定位，針對這兩類P2P網(wǎng)絡(luò)借貸信用風(fēng)險，在借鑒已有研究成果的基礎(chǔ)上，選取反映標(biāo)的風(fēng)險和借款者違約信息的18個指標(biāo)，反復(fù)進行探索性分析，最后結(jié)合現(xiàn)實情況，選取標(biāo)的總額、信用額度、標(biāo)的狀態(tài)、待還本息、還款期限、年利率、信用評級和借款總額8個指標(biāo)作為影響P2P網(wǎng)絡(luò)借貸信用風(fēng)險的主要因子。

（二）P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素的因子分析

1.數(shù)據(jù)選取和指標(biāo)間相關(guān)性分析。本文主要研究P2P網(wǎng)絡(luò)借貸借款者違約風(fēng)險和標(biāo)的風(fēng)險，所以首先將從“人人貸”平臺上隨機抓取的500條數(shù)據(jù)進行分類，剔除無效數(shù)據(jù)，選出其中已確定違約的351條數(shù)據(jù)，采用0—1標(biāo)準(zhǔn)化方法對原始數(shù)據(jù)進行處理，以消除指標(biāo)間的量綱關(guān)系，便于對比分析。

為了說明數(shù)據(jù)選取的有效性，運用SPSS18.0軟件對本文選取的數(shù)據(jù)進行KMO和Bartlett檢驗（見表1）。

表1：KMO和Bartlett檢驗

由于KMO值為0.776，根據(jù)KMO度量標(biāo)準(zhǔn)可知，所選取的8個指標(biāo)適合進行因子分析。

為了說明指標(biāo)間的相關(guān)程度，接著對標(biāo)準(zhǔn)化后的8個指標(biāo)進行相關(guān)性分析，求出8個指標(biāo)間的相關(guān)系數(shù)矩陣R（見表2）。

表2給出了觀測指標(biāo)之間的相關(guān)系數(shù)矩陣，可以看出，矩陣中的值普遍較大，說明8項指標(biāo)之間反映的P2P網(wǎng)絡(luò)借貸信用風(fēng)險信息有一定的重疊，進一步表明針對這8個反映P2P網(wǎng)絡(luò)借貸信用風(fēng)險的指標(biāo)進行因子分析是必要的。

2.特征值及累計貢獻(xiàn)率的計算。為了使提取的因子更有現(xiàn)實意義，將8個指標(biāo)按照特征值大于1的提取原則進行降維處理，并計算R的特征值和累計貢獻(xiàn)率（見表3）。結(jié)果顯示，有兩個因子符合提取原則，并且前兩個因子的累計貢獻(xiàn)率為82.34%，即這兩個提取出來的因子所解釋的方差占總方差的82.34%，用這兩個因子來反映P2P網(wǎng)絡(luò)借貸信用風(fēng)險所損失的信息不多，所以這兩個因子能夠綜合反映P2P網(wǎng)絡(luò)借貸信用風(fēng)險因素。

3.P2P網(wǎng)絡(luò)借貸信用風(fēng)險主因子的提取。為了使綜合因子能夠充分反映各個指標(biāo)的意義，便于結(jié)合現(xiàn)實情況進行分析，這里采用Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法對因子進行旋轉(zhuǎn)，得到旋轉(zhuǎn)成分矩陣（見表4）。

將8個指標(biāo)按照較高載荷進行分類，為了清楚地看出載荷分類情況，這里選取并保留了絕對值在0.60以上的結(jié)果。由表4可以看出，第一主因子在標(biāo)的狀態(tài)、信用額度、標(biāo)的總額、待還本息、還款期限和年利率這6項指標(biāo)上的載荷較大，結(jié)合現(xiàn)實情況，本文將其定義為標(biāo)的風(fēng)險因子，第二主因子在信用評級和借款總額這2項上的載荷較大，本文將其定義為借款者違約風(fēng)險因子。根據(jù)以上SPSS18.0軟件進行的探索性因子分析，P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成的影響因素便由原來的8個指標(biāo)降為2個主因子，對P2P網(wǎng)絡(luò)借貸信用風(fēng)險的生成和傳導(dǎo)分析便可以通過這兩個主因子進行討論。

四、P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素的驗證性分析

（一）分析的基本思路

根據(jù)上面進行的探索性因子分析結(jié)果，將標(biāo)的總額、年利率、還款期限、標(biāo)的狀態(tài)、信用額度和待還本息這6個變量用來反映潛變量標(biāo)的風(fēng)險因子，信用評級和借款總額用來反映潛變量借款者違約風(fēng)險因子。然后借助LISREL87.0軟件給出P2P網(wǎng)絡(luò)借貸信用風(fēng)險各因素的參數(shù)路徑圖，最后結(jié)合現(xiàn)實情況對路徑大小進行分析說明。

（二）P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素的參數(shù)估計路徑圖的繪制

表2：指標(biāo)間相關(guān)性矩陣

表3：初始特征值和解釋的總方差

表4：旋轉(zhuǎn)成分矩陣

在探索性因子分析的基礎(chǔ)上，為了說明路徑參數(shù)估計的可靠性，對各個指標(biāo)進行信度和效度檢驗。借助SPSS18.0進行信度檢驗，Cronbach’s Alpha的值為0.794，效度檢驗結(jié)果也通過，說明各指標(biāo)數(shù)據(jù)分析的結(jié)果是可信的。

為了更好地給出8個指標(biāo)對P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成和傳導(dǎo)的具體影響情況，這里借助LISREL87.0軟件對上述8個指標(biāo)進行標(biāo)準(zhǔn)化參數(shù)估計分析，得到驗證性因子分析各參數(shù)的標(biāo)準(zhǔn)化估計路徑圖（見圖1）。

圖1：驗證性因子分析中各參數(shù)的標(biāo)準(zhǔn)化估計路徑圖

（三）P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素的驗證性結(jié)果分析

在排除外源指標(biāo)的誤差項因素之后，通過上述參數(shù)的標(biāo)準(zhǔn)化估計路徑圖可以得到P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成和傳導(dǎo)的驗證性因子分析路徑圖。根據(jù)LISREL87.0運行的結(jié)果可知：卡方/自由度=73.78/39=1.89＜2，RMSEA=0.059＜0.08，所以，P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成和傳導(dǎo)的參數(shù)估計路徑圖整體理想。

從圖1可以看出，標(biāo)的風(fēng)險（BD）和借款者違約風(fēng)險（JKZ）之間的相關(guān)系數(shù)為0.36，故1-0.36=0.64表示在P2P網(wǎng)絡(luò)借貸信用風(fēng)險生成的過程中，能夠被標(biāo)的風(fēng)險解釋而未能被借款者違約風(fēng)險解釋或被借款者違約風(fēng)險解釋而未能被標(biāo)的風(fēng)險解釋的部分。

五、P2P網(wǎng)絡(luò)借貸信用風(fēng)險產(chǎn)生和傳導(dǎo)路徑分析

在標(biāo)的風(fēng)險生成的過程中，標(biāo)的狀態(tài)起著重要的作用，在P2P網(wǎng)絡(luò)借貸合約形成之后，借款者對借款金額使用情況直接反映出借款者對資金需求的迫切程度，標(biāo)的狀態(tài)越小，意味著借款者資金使用越迫切，借款者的短期資金需求越大，標(biāo)的所面臨的違約風(fēng)險也越大。另一方面，P2P網(wǎng)絡(luò)借貸平臺根據(jù)借款者的歷史借款記錄、信用評級、債務(wù)收支情況等因素確定的借款者在平臺上的信用額度也會影響標(biāo)的風(fēng)險的生成。當(dāng)借款者的信用額度越大，說明借款者以往的交易記錄較為良好，在該平臺上的歷史借貸表現(xiàn)較好。為了保持良好的歷史信譽，同時也為了以后可以獲得更高的信用額度，借款者往往更容易按時還款，標(biāo)的風(fēng)險違約概率由此降低。此外，借款合約確定的標(biāo)的總額和年利率越高、還款期限越長以及借款者每月的待還本息越多，標(biāo)的風(fēng)險產(chǎn)生的可能性越大。

在借款者違約風(fēng)險產(chǎn)生的機制里，P2P網(wǎng)絡(luò)借貸平臺根據(jù)借款者“軟”、“硬”信息所確定的借款者的信用評級越高，借款者違約還款的可能性越小。借款者的實際借款金額越多，說明借款者的資金需求越大，借款者面臨的按時還款付息的壓力就越大，違約的可能性隨之增大。

基于P2P網(wǎng)絡(luò)借貸平臺的操作流程，借款合同的實際情況直接導(dǎo)致標(biāo)的風(fēng)險的產(chǎn)生，而借款者自身的經(jīng)濟、財務(wù)等綜合信息直接影響借款者違約風(fēng)險的產(chǎn)生和傳遞。當(dāng)P2P網(wǎng)絡(luò)借貸交易活動進行時，標(biāo)的風(fēng)險和借款者違約風(fēng)險之間會相互影響，甚至?xí)柚鶳2P網(wǎng)絡(luò)借貸平臺共同作用于信用風(fēng)險，進而加快P2P網(wǎng)絡(luò)借貸信用風(fēng)險的生成和傳導(dǎo)。當(dāng)投資者通過網(wǎng)絡(luò)借貸平臺選擇投資標(biāo)的后，P2P網(wǎng)絡(luò)借貸標(biāo)的風(fēng)險便轉(zhuǎn)移到投資者身上，為了減少自身的風(fēng)險損失，投資者往往會在平臺上支付相應(yīng)的信用保護費，一旦借款人未能在規(guī)定的時間內(nèi)按時還款付息，投資者即面臨相應(yīng)的損失，而這部分損失則會由于投資者事先在平臺上購買了信用保護而過渡給平臺，最終由P2P網(wǎng)絡(luò)借貸平臺承受借款者的違約風(fēng)險。當(dāng)整個P2P網(wǎng)絡(luò)借貸行業(yè)平臺之間因為交易而產(chǎn)生關(guān)聯(lián)時，P2P網(wǎng)絡(luò)借貸平臺信用風(fēng)險便會借此傳遞到關(guān)聯(lián)平臺，直至整個P2P網(wǎng)絡(luò)借貸行業(yè)出現(xiàn)信用風(fēng)險危機，P2P網(wǎng)絡(luò)借貸行業(yè)則會陷入信用危機，危害整個市場經(jīng)濟。雖然我國P2P網(wǎng)絡(luò)借貸平臺被界定為信息中介，但在實際的網(wǎng)貸交易過程中，P2P網(wǎng)絡(luò)借貸機構(gòu)往往扮演信用中介的角色，為借款者提供信用擔(dān)保，即上述提及的信用保護。一旦我國P2P網(wǎng)絡(luò)借貸機構(gòu)回歸信息中介的角色，借款者單方面的違約風(fēng)險將不再傳遞給P2P網(wǎng)絡(luò)借貸平臺，而是直接傳導(dǎo)至投資人，這就形成了P2P網(wǎng)絡(luò)借貸信用風(fēng)險的傳導(dǎo)路徑。

六、研究結(jié)論與對策

（一）研究結(jié)論

本文在分析P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素的基礎(chǔ)上，通過探索性和驗證性因子分析對P2P網(wǎng)絡(luò)借貸信用風(fēng)險的生成和傳導(dǎo)進行了標(biāo)的風(fēng)險和借款者違約風(fēng)險的分析，最后指出在二者的相互影響和共同作用下，P2P網(wǎng)絡(luò)借貸信用風(fēng)險由標(biāo)的風(fēng)險因素和借款者違約因素共同作用生成，并借由P2P網(wǎng)絡(luò)借貸平臺之間的各種關(guān)聯(lián)機制，最終傳導(dǎo)至整個P2P網(wǎng)絡(luò)借貸行業(yè)。

盡管本文綜合使用了探索性和驗證性因子分析方法對P2P網(wǎng)絡(luò)借貸信用風(fēng)險的生成和傳導(dǎo)進行了驗證，但本文仍存在不足之處。由于我國P2P網(wǎng)絡(luò)借貸行業(yè)尚未完全開放，本文分析所用的數(shù)據(jù)是通過爬蟲軟件隨機獲得的，數(shù)據(jù)構(gòu)成結(jié)構(gòu)不夠優(yōu)化，實證分析結(jié)果可能會因為不同平臺的差異性存在偏差，但總體影響效果并不受太大影響。

（二）防范和控制我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險的對策

針對以上的研究結(jié)論，本文從P2P網(wǎng)絡(luò)借貸標(biāo)的風(fēng)險和借款者違約風(fēng)險這兩個角度提出我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險預(yù)防和控制的對策：

1.完善現(xiàn)有信用評級機制，實現(xiàn)線上審核和線下驗證相結(jié)合的信用認(rèn)證機制。從研究結(jié)果來看，無論是標(biāo)的風(fēng)險生成中的借款者信用額度，還是借款者違約因素中的信用評級，這兩種基于借款者個人信息所確定的標(biāo)準(zhǔn)都對P2P網(wǎng)絡(luò)借貸信用風(fēng)險的產(chǎn)生和傳導(dǎo)有著重要的影響。但就我國目前P2P網(wǎng)絡(luò)借貸行業(yè)的信用認(rèn)證發(fā)展現(xiàn)狀來看，平臺對于申請者的認(rèn)證信息主要依靠申請者自己填寫或上傳的個人信息來評定，借款者信用風(fēng)險認(rèn)證存在很大的主觀性，加上我國銀行個人征信數(shù)據(jù)尚未向P2P網(wǎng)絡(luò)借貸平臺開放，現(xiàn)有P2P網(wǎng)絡(luò)借貸平臺信用認(rèn)證系統(tǒng)還不成熟，P2P網(wǎng)絡(luò)借貸行業(yè)尚未形成統(tǒng)一的信用評級體系。P2P網(wǎng)絡(luò)借貸平臺在未完全掌握申請者的信用認(rèn)證信息的條件下給出的借款者信用評級并不能完全反映借款者的信用情況，投資者僅靠平臺給出的借款者信用評級進行決策往往容易被誤導(dǎo)，極易被惡意欺詐的借款者吸引，最終導(dǎo)致投資成本無法收回，損失慘重。隨著我國征信體制的不斷完善，P2P網(wǎng)絡(luò)借貸平臺急需完善自身的信用評級機制，尋求與更多開放的征信平臺合作，參考國際上公認(rèn)的FICO信用評分體系，逐步完善線上審核程序，結(jié)合對借款者信息的線下驗證，實現(xiàn)對借款者信息精準(zhǔn)化的搜集和評價，以便恰當(dāng)?shù)匕才啪W(wǎng)絡(luò)借貸交易，降低P2P網(wǎng)絡(luò)借貸標(biāo)的和借款者的違約風(fēng)險。

2.加強對P2P網(wǎng)絡(luò)借貸平臺的監(jiān)管，及時處理問題平臺。與國外相比，P2P網(wǎng)絡(luò)借貸行業(yè)在我國尚未發(fā)展成熟，相關(guān)的信用風(fēng)險監(jiān)管措施還不夠完善，加上我國信用認(rèn)證機制不健全，據(jù)網(wǎng)貸之家的數(shù)據(jù)統(tǒng)計，截至2017年7月底，全國共有5902家平臺經(jīng)營P2P網(wǎng)絡(luò)借貸，其中問題平臺數(shù)達(dá)到3812家，占總平臺數(shù)的一半以上，可見，我國P2P網(wǎng)絡(luò)借貸平臺存在較大的安全隱患，投資者面臨的信用違約風(fēng)險巨大。2016年8月頒布的《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》重點整改了P2P網(wǎng)絡(luò)借貸行業(yè)運營的合規(guī)性，同時積極探尋網(wǎng)貸行業(yè)的規(guī)劃發(fā)展路徑。政策實施的一年時間里，已有879家平臺選擇以停業(yè)或者轉(zhuǎn)型的方式退出網(wǎng)貸行業(yè)，截至2017年7月底，與銀行實現(xiàn)簽約存管的P2P網(wǎng)絡(luò)借貸平臺數(shù)已達(dá)600多家，約占7月底網(wǎng)絡(luò)借貸平臺數(shù)的28%。政府加大監(jiān)管力度的措施有效減少了問題平臺的數(shù)量，促使P2P網(wǎng)絡(luò)借貸行業(yè)向合規(guī)化發(fā)展，同時，問題平臺的及時清退也使得P2P網(wǎng)絡(luò)借貸行業(yè)成交量不減反增，我國P2P網(wǎng)絡(luò)借貸歷史累計成交量在2017年7月首次突破5萬億，P2P網(wǎng)絡(luò)借貸行業(yè)監(jiān)管成效凸顯。在P2P網(wǎng)絡(luò)借貸平臺合規(guī)化提速的背景下，政府等相關(guān)部門更應(yīng)該加大對P2P網(wǎng)絡(luò)借貸平臺的監(jiān)管，切實保護投資者的權(quán)利，完善相關(guān)法律法規(guī)約束P2P網(wǎng)絡(luò)借貸平臺的行為，及時發(fā)現(xiàn)問題平臺并嚴(yán)肅處理，凈化P2P網(wǎng)絡(luò)借貸交易環(huán)境，為P2P網(wǎng)絡(luò)借貸行業(yè)的健康發(fā)展保駕護航。

3.明確P2P網(wǎng)絡(luò)借貸平臺信息中介的定位，規(guī)范P2P網(wǎng)絡(luò)借貸行為?！毒W(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》中再次重申了P2P網(wǎng)絡(luò)借貸平臺信息中介的定位，指出P2P網(wǎng)絡(luò)借貸是專門經(jīng)營網(wǎng)貸業(yè)務(wù)的金融信息服務(wù)中介機構(gòu)。據(jù)《2017年7月網(wǎng)貸平臺發(fā)展指數(shù)評級》報告顯示，網(wǎng)貸之家上的運營平臺7月份成交量為2536.76億元，其中成交量前100家平臺成交額占比超過一半。從參與者交易情況來看，越來越多的投資人和借款者向合規(guī)平臺靠攏，中小P2P平臺面臨被淘汰的命運。P2P網(wǎng)絡(luò)借貸平臺合規(guī)化發(fā)展對行業(yè)健康發(fā)展起到至關(guān)重要的作用。但就我國目前運營的P2P網(wǎng)絡(luò)借貸平臺而言，幾乎沒有一家平臺業(yè)務(wù)只涉及信息中介。而相較于一開始就定位于小微金融的國外網(wǎng)貸平臺，我國的P2P網(wǎng)絡(luò)借貸平臺之間存在嚴(yán)重的惡性競爭現(xiàn)象，許多平臺不甘于做小額資產(chǎn)端，往往抱有僥幸心理去觸及監(jiān)管紅線，最后導(dǎo)致平臺“跑路”或倒閉，嚴(yán)重危害了我國P2P網(wǎng)絡(luò)借貸生態(tài)圈的穩(wěn)定。在互聯(lián)網(wǎng)經(jīng)濟飛速發(fā)展的今天，P2P網(wǎng)絡(luò)借貸平臺信息中介的定位需要被重申，P2P網(wǎng)絡(luò)借貸行為也需要被規(guī)范。P2P網(wǎng)絡(luò)借貸行業(yè)更應(yīng)該立足于線上優(yōu)勢，充分發(fā)揮“普惠金融”的特性，抓住機遇完成轉(zhuǎn)型升級。

[1]Michael Klafft.2008.Peer to Peer Lending：Auctioning Micro credits over the Internet.Proceedings of the International Conference on Information Systems[J].Technology and Management，（2）.

[2]C.Everett.2010.Group membership，relationship banking and loan default risk：the case of online social lending，SSRNE electronic Journal 03/2010.HTTP：//WWW.research gate.net/publication/228200235.

[3]Riza Emekter，Yanbin Tu，Benjamas Jirasakuldech&Min Lu，.2015.Evaluating credit risk and loan performance in online Peer-to-Peer（P2P）lending，Applied Economics，47.

[4]網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法[EB/OL].（2016-08-24）[2017-07-13].http：//www.cbrc.gov.cn/govView_37D312933F1A4CECBC18F9A96293F450.html.

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

[6]李琪，王振.P2P網(wǎng)貸平臺風(fēng)險和標(biāo)的風(fēng)險的辨析[J].上海金融，2016，（10）.

[7]劉芬華，吳非，李華民.互聯(lián)網(wǎng)金融：創(chuàng)新金融體征、泡沫風(fēng)險衍生與規(guī)制邏輯[J].經(jīng)濟學(xué)家，2016，（6）.

[8]楊立.基于社交網(wǎng)絡(luò)的P2P借貸信用風(fēng)險管理研究[M].經(jīng)濟科學(xué)出版社，2015.

[9]零壹財經(jīng)，零壹數(shù)據(jù).中國P2P借貸服務(wù)行業(yè)白皮書[M].中國經(jīng)濟出版社，2014.

[10]譚中明，黃丹.基于生態(tài)圈視角的P2P網(wǎng)絡(luò)借貸信用風(fēng)險形成機制及防范研究[J].西南金融，2016，（9）.

[11]潘爽，魏建國.P2P網(wǎng)貸平臺的信用風(fēng)險及其分散機制設(shè)計——基于信號傳遞模型[J].財會月刊，2017，（11）.

Research on Credit Risk Generation and Conduction Path of P2P Network Loan Based on Factor Analysis

Tan Zhongming Shi Jiahui Jiang Hongli
（School of Finance and Economics，Jiangsu University，Jiangsu Zhenjiang 212013）

Under the P2P lending platform environment，the credit risk has been derived from the increasing number of"unregulated"borrowers.Based on the random data ofborrowing of"Renren Loan"platform，this paper explores the generation and transmission path of credit risk of P2P network borrowing through exploratory and confirmatory factor analysis，and points out that the credit risk of P2P network borrowing mainly generates through targeted risk and borrowers'default risk，and the interaction between the two，through the platform of credit protection mechanism，eventually transmits to the entire P2P network lending industry.Finally，the countermeasures are put forward to prevent and control the credit risk of P2P network borrowing in China.

P2P network loan，credit risk，transmission path，factor analysis

F832.39

A

1674-2265（2017）11-0034-06

2017-09-08

國家社科基金項目“基于生態(tài)圈視角的P2P網(wǎng)絡(luò)借貸信用風(fēng)險傳導(dǎo)、動態(tài)評測與防控策略研究”（項目編號：16BGL049）。

譚中明，男，湖南安化人，博士，教授，供職于江蘇大學(xué)財經(jīng)學(xué)院，研究方向為商業(yè)銀行、信用管理與互聯(lián)網(wǎng)金融；師家慧，女，江蘇徐州人，江蘇大學(xué)財經(jīng)學(xué)院，研究方向為互聯(lián)網(wǎng)金融風(fēng)險管理；江紅莉，女，湖北隨州人，博士，副教授，供職于江蘇大學(xué)財經(jīng)學(xué)院，研究方向為金融工程與風(fēng)險管理。

（責(zé)任編輯 耿 欣；校對 GX）