李周平，韓景倜，郭曉爽

(1.上海商學(xué)院信息與計(jì)算機(jī)學(xué)院，上海 201400; 2.上海財(cái)經(jīng)大學(xué)實(shí)驗(yàn)中心，上海 200433;3.上海理工大學(xué)中英國(guó)際學(xué)院，上海 200031)

一、引 言

隨著中國(guó)利率市場(chǎng)化改革的深入和鼓勵(lì)金融創(chuàng)新政策的實(shí)施，自2013年以來(lái)，中國(guó)互聯(lián)網(wǎng)金融模式的創(chuàng)新發(fā)展掀起了大眾投資的熱潮。在眾多互聯(lián)網(wǎng)金融模式中，P2P網(wǎng)貸的用戶規(guī)模與交易量更呈現(xiàn)出爆發(fā)式增長(zhǎng)的趨勢(shì)。P2P網(wǎng)貸作為一種資金供需雙方通過(guò)信息中介平臺(tái)進(jìn)行直接融資的小額借貸模式，對(duì)民間借貸與中小企業(yè)融資的規(guī)范與發(fā)展起到了重要的促進(jìn)作用。區(qū)別于傳統(tǒng)銀行借貸利率采用單一的“一口價(jià)”定價(jià)形式[1]，我國(guó)P2P網(wǎng)貸普遍采取“雙軌制”借貸利率定價(jià)模式，這是我國(guó)利率市場(chǎng)化改革的創(chuàng)新嘗試。目前關(guān)于金融市場(chǎng)利率“雙軌制”的研究多集中于基準(zhǔn)利率與銀行間及民間借貸市場(chǎng)等宏觀領(lǐng)域，但受宏觀數(shù)據(jù)樣本周期長(zhǎng)，統(tǒng)計(jì)口徑復(fù)雜等問(wèn)題制約，對(duì)于“雙軌制”定價(jià)模式下，金融市場(chǎng)利率波動(dòng)特征及溢出關(guān)系的研究極為缺乏。我國(guó)P2P網(wǎng)貸市場(chǎng)所特有的“雙軌制”定價(jià)模式及海量的借貸交易數(shù)據(jù)，為“雙軌制”利率定價(jià)問(wèn)題提供了一種從微觀視角進(jìn)行研究的可能。

目前國(guó)內(nèi)主流P2P平臺(tái)的網(wǎng)貸產(chǎn)品的利率定價(jià)模式主要分為兩種：一種是平臺(tái)集中定價(jià)模式，這類產(chǎn)品主要通過(guò)第三方保險(xiǎn)公司或風(fēng)險(xiǎn)備付金的形式承擔(dān)借款人信用風(fēng)險(xiǎn)，由網(wǎng)貸平臺(tái)統(tǒng)一決定借貸利率；另一種是市場(chǎng)定價(jià)模式，這類產(chǎn)品由投資人自行承擔(dān)借款人信用風(fēng)險(xiǎn)，通過(guò)市場(chǎng)行為決定借貸利率[2]。本文將重點(diǎn)圍繞以下三個(gè)問(wèn)題展開(kāi)探討：首先，“平臺(tái)定價(jià)”與“市場(chǎng)定價(jià)”并存的利率定價(jià)模式下，網(wǎng)貸投資人收益率的波動(dòng)表現(xiàn)出哪些特征？其次，不同的定價(jià)模式下收益率波動(dòng)對(duì)網(wǎng)貸投資人風(fēng)險(xiǎn)偏好行為會(huì)產(chǎn)生何種影響？最后，P2P網(wǎng)貸市場(chǎng)這種“雙軌制”定價(jià)模式是否合理？

本文的貢獻(xiàn)主要體現(xiàn)在兩個(gè)方面：第一，將IRR內(nèi)部收益率指標(biāo)引入網(wǎng)貸投資收益率的計(jì)算，該指標(biāo)較之網(wǎng)貸產(chǎn)品的名義利率更能反映投資人復(fù)投以及借款人違約后的真實(shí)收益率情況；第二，通過(guò)對(duì)網(wǎng)貸市場(chǎng)上平臺(tái)定價(jià)收益率、市場(chǎng)定價(jià)收益率、投資人風(fēng)險(xiǎn)偏好這三個(gè)序列的波動(dòng)率特征及溢出效應(yīng)分析，揭示了“雙軌制”利率定價(jià)模式下平臺(tái)、市場(chǎng)、投資人三方之間的信息傳遞機(jī)制。

二、相關(guān)文獻(xiàn)回顧

針對(duì)P2P網(wǎng)貸利率的研究，國(guó)內(nèi)外文獻(xiàn)主要集中在兩個(gè)方面：一是從參與借貸的微觀個(gè)體出發(fā)，研究借款人屬性與投資人行為對(duì)具體借款標(biāo)的利率的影響；二是從網(wǎng)貸行業(yè)宏觀視角出發(fā)，研究影響行業(yè)利率的宏觀因素及利率的波動(dòng)特征。

2015年之前研究者大多聚焦于對(duì)具體標(biāo)的利率影響的微觀因素研究。這類研究一方面是從貸款人視角，采用OLS回歸方法，探討借款人個(gè)體特征如受教育程度、性別、借款描述、種族、社會(huì)資本等因素對(duì)借款利率的影響[3][4][5][6][7][8][9]。另一方面從投資人視角，分析投資人的競(jìng)價(jià)模式及行為特征對(duì)借款利率的影響。其中，Berkovich(2011)利用Prosper平臺(tái)數(shù)據(jù)驗(yàn)證了網(wǎng)貸投資人羊群行為的存在性，并分析了羊群行為對(duì)滿標(biāo)效率和借款利率的影響作用[10]。Puro等(2011)發(fā)現(xiàn)投資人通過(guò)觀察前期投標(biāo)情況，實(shí)施后期投標(biāo)策略的定價(jià)效率更高[11]。但是這些研究受微觀個(gè)體數(shù)據(jù)的局限性與截面數(shù)據(jù)的靜態(tài)特征的制約，實(shí)證結(jié)論并不一致。

2015年后，隨著國(guó)內(nèi)P2P網(wǎng)貸的發(fā)展日趨成熟，一些第三方網(wǎng)站開(kāi)始公布網(wǎng)貸行業(yè)數(shù)據(jù)，研究者開(kāi)始了對(duì)網(wǎng)貸市場(chǎng)綜合利率的研究。這類研究根據(jù)網(wǎng)貸市場(chǎng)綜合利率的日序列數(shù)據(jù)，采用序列分析方法，從宏觀視角分析了網(wǎng)貸市場(chǎng)綜合利率的高峰厚尾、波動(dòng)集聚、長(zhǎng)記憶性等特征，并對(duì)波動(dòng)的杠桿效應(yīng)及其與傳統(tǒng)金融市場(chǎng)的波動(dòng)溢出效應(yīng)進(jìn)行了實(shí)證分析[12][13][14][15]。但是，這些研究無(wú)一例外地將平臺(tái)定價(jià)利率與市場(chǎng)定價(jià)利率統(tǒng)一視為綜合利率，這導(dǎo)致一旦數(shù)據(jù)來(lái)源的采樣標(biāo)準(zhǔn)不同，其利率特征的研究結(jié)論也將存在較大差異。例如，陳霄和葉德珠(2016)采集“網(wǎng)貸之家”網(wǎng)站發(fā)布的P2P網(wǎng)貸行業(yè)綜合利率數(shù)據(jù)，通過(guò)TGARCH模型分析發(fā)現(xiàn)利率波動(dòng)具有“杠桿效應(yīng)”，利率下跌比同等程度的上漲對(duì)網(wǎng)貸市場(chǎng)的利率波動(dòng)影響更大[13]。而何啟志和彭明生(2016)采集“第一網(wǎng)貸”網(wǎng)站發(fā)布的數(shù)據(jù)，分析發(fā)現(xiàn)利率波動(dòng)并不具有“杠桿效應(yīng)”[14]。另一方面，探討傳統(tǒng)金融市場(chǎng)和貨幣政策對(duì)P2P網(wǎng)貸市場(chǎng)利率影響的研究結(jié)論，也出現(xiàn)了不一致的情況。錢金保(2015)通過(guò)研究央行貨幣政策的調(diào)整對(duì)網(wǎng)貸行業(yè)綜合利率的沖擊作用，發(fā)現(xiàn)我國(guó)P2P網(wǎng)貸市場(chǎng)利率對(duì)宏觀貨幣政策并不敏感[16]。周耿和范從來(lái)(2016)的研究卻發(fā)現(xiàn)，央行降息降準(zhǔn)貨幣政策的實(shí)施對(duì)我國(guó)P2P市場(chǎng)的綜合利率的波動(dòng)產(chǎn)生了顯著影響[17]。

綜上所述，微觀層面的網(wǎng)貸利率研究受個(gè)體截面數(shù)據(jù)的靜態(tài)特征限制，而宏觀層面的研究所選取的數(shù)據(jù)的統(tǒng)計(jì)口徑又難以統(tǒng)一。因此，有關(guān)這兩個(gè)層面的網(wǎng)貸利率研究的實(shí)證結(jié)論出現(xiàn)了矛盾之處。本文采用國(guó)內(nèi)首家P2P網(wǎng)貸平臺(tái)拍拍貸的公開(kāi)數(shù)據(jù)，基于其特有的“雙軌制”利率定價(jià)模式，將綜合利率分解為平臺(tái)集中定價(jià)模式下的實(shí)際收益率、市場(chǎng)定價(jià)模式下的實(shí)際收益率、預(yù)期收益率，分別建立這三個(gè)收益率的面板數(shù)據(jù)序列，采用GARCH類模型對(duì)比分析這三種收益率序列的波動(dòng)特征，并利用多元BEKK-GARCH模型分析不同收益率間的溢出效應(yīng)。

三、數(shù)據(jù)選取與變量設(shè)計(jì)

(一)數(shù)據(jù)選取

拍拍貸網(wǎng)站成立于2007年，作為國(guó)內(nèi)首家P2P網(wǎng)貸平臺(tái)，積累了大量的借款標(biāo)的數(shù)據(jù)，同時(shí)網(wǎng)站公布了2015年前逾期超過(guò)3個(gè)月的違約黑名單數(shù)據(jù)。鑒于2013年起拍拍貸進(jìn)入快速發(fā)展期，其發(fā)布的借款標(biāo)的的還款周期均在24個(gè)月以內(nèi)，計(jì)算標(biāo)的的實(shí)際收益率需要在已經(jīng)走完還款周期的借款標(biāo)的中采集違約數(shù)據(jù)，因此，本文采集拍拍貸網(wǎng)站2013年1月1日至2014年8月31日期間所發(fā)布的所有成功借款標(biāo)的與違約黑名單數(shù)據(jù)作為研究分析的樣本。研究樣本中，拍拍貸借款標(biāo)的分為兩類，一類是由平臺(tái)設(shè)立的風(fēng)險(xiǎn)備付金對(duì)違約借款的本金與利息進(jìn)行賠付，并由平臺(tái)決定借款利率的賠付標(biāo)S，另一類是由投資人自行承擔(dān)違約風(fēng)險(xiǎn)，由市場(chǎng)定價(jià)的信用標(biāo)C。樣本期間，平臺(tái)定價(jià)標(biāo)的賠付標(biāo)共計(jì)102,166個(gè)，市場(chǎng)定價(jià)的信用標(biāo)共計(jì)61,654個(gè)。對(duì)于投資者而言，平臺(tái)定價(jià)標(biāo)的不存在違約。市場(chǎng)定價(jià)的信用標(biāo)中，將逾期超3個(gè)月的借款認(rèn)定為違約標(biāo)的，這類違約標(biāo)的共計(jì)4,663個(gè)。

(二)變量設(shè)計(jì)

目前國(guó)內(nèi)主流P2P網(wǎng)貸平臺(tái)在發(fā)布借款標(biāo)的時(shí)，所公布的名義利率R為不考慮借款人違約，并且投資人對(duì)所收到的各期的還款不進(jìn)行復(fù)投情況下的資金年折現(xiàn)率。但是，國(guó)內(nèi)P2P平臺(tái)所發(fā)布的借款標(biāo)的，大多采用按月等額本息的還款方式，投資人按月收到本息后會(huì)選擇新的借款標(biāo)的復(fù)投，同時(shí)借款人在還款過(guò)程中可能出現(xiàn)不同程度的違約情況。因此，名義利率指標(biāo)R并不能真實(shí)反映投資人投資某借款標(biāo)的預(yù)期與實(shí)際收益率情況。綜上，本文引入內(nèi)部收益率(IRR)指標(biāo)，該指標(biāo)是指項(xiàng)目投資可望達(dá)到的收益率，是使項(xiàng)目的凈現(xiàn)值等于零時(shí)的折現(xiàn)率。當(dāng)項(xiàng)目投資后的凈現(xiàn)金流量表現(xiàn)為普通年金形式時(shí)，可以直接利用年金現(xiàn)值系數(shù)計(jì)算內(nèi)部收益率[18]。由于網(wǎng)貸投資產(chǎn)品基本采用等額本息還款方式，當(dāng)借款人發(fā)生違約時(shí)，后續(xù)還款期的年金額為0，此時(shí)使用年金現(xiàn)值系數(shù)能夠從動(dòng)態(tài)視角反映考慮信用標(biāo)違約、投資人復(fù)投等因素后的實(shí)際年化收益率。例如一筆借款標(biāo)的的現(xiàn)金流為(n,Cn)，即第n期的還款金額為Cn，還款總期數(shù)為N，則該筆投資的凈現(xiàn)值計(jì)算如式(1)，其中，C0(≤0)為借款金額，當(dāng)NPV=0時(shí)，r為該筆投資的內(nèi)部收益率。

(1)

采用內(nèi)部收益率(IRR)指標(biāo)的計(jì)算方法，本文建立了樣本期間市場(chǎng)定價(jià)下實(shí)際收益率RCt、預(yù)期收益率REt、平臺(tái)定價(jià)下實(shí)際收益率RSt三個(gè)日收益率序列指標(biāo)。

RCt為第t日成功借款的信用標(biāo)在完成還款周期后，考慮違約情況下的加權(quán)內(nèi)部收益率，該指標(biāo)反映第t日發(fā)布的市場(chǎng)定價(jià)標(biāo)的實(shí)際收益率情況，計(jì)算公式如式(2)。其中，IRRti與Mti分別為第t日所發(fā)布的成功借款信用標(biāo)i的內(nèi)部收益率與借款額，Ct為第t日成功借款的信用標(biāo)集合。

(2)

REt為第t日成功借款的信用標(biāo)，不考慮違約情況下的加權(quán)內(nèi)部收益率，該指標(biāo)反映投資人對(duì)第t日發(fā)布的信用標(biāo)的的風(fēng)險(xiǎn)偏好情況，計(jì)算公式如式(3)。其中，EIRRti為第t日所發(fā)布的成功借款信用標(biāo)i的最優(yōu)內(nèi)部收益率，即不考慮違約情況下，投資該借款標(biāo)的可能獲得的最大收益率。

(3)

RSt為第t日成功借款的賠付標(biāo)的加權(quán)內(nèi)部收益率，由于對(duì)投資人而言賠付標(biāo)不存在違約，因此IRRti=EIRRti，該指標(biāo)反映了第t日發(fā)布的平臺(tái)定價(jià)標(biāo)的的實(shí)際收益率情況，計(jì)算公式如式(4)。其中，St為第t日成功借款的賠付標(biāo)集合。

(4)

四、 模型構(gòu)建

(5)

(6)

(7)

為了進(jìn)一步分析3個(gè)收益率序列之間的波動(dòng)溢出效應(yīng)，本文引入Engle和Kroner(1995)提出的三元BEKK-GARCH模型，其均值方程如式(8)[21]。式中RXt=(RSt,RCt,REt)′，為三個(gè)收益率序列向量，θnk、εnt為三個(gè)均值方程對(duì)應(yīng)的估計(jì)參數(shù)及殘差，k為滯后項(xiàng)系數(shù)。該方程表明某序列第t期的值，不僅取決于其自身滯后期值的影響，同時(shí)還受到其他序列前期值的影響。(9)式為協(xié)方差方程，式中Ht為三維的方差——協(xié)方差矩陣，且(ε1t,ε2t,ε3t)～N(0,Ht)，A為三維ARCH項(xiàng)系數(shù)矩陣，B為三維GARCH項(xiàng)系數(shù)矩陣，W為三維下三角矩陣，并通過(guò)極大似然法估計(jì)三元BEKK-GARCH(1,1)模型參數(shù)。

(8)

Ht=WW′+AEt-1A′+BHt-1B′

(9)

五、 實(shí)證分析

(一)單位根與ARCH效應(yīng)檢驗(yàn)

由于平穩(wěn)序列才適合GARCH類模型建模，本文首先對(duì)RCt、REt、RSt序列的平穩(wěn)性進(jìn)行ADF檢驗(yàn)，發(fā)現(xiàn)三個(gè)序列均不平穩(wěn)。因此，對(duì)三個(gè)序列指標(biāo)分別進(jìn)行一階差分，差分后的指標(biāo)均通過(guò)平穩(wěn)性檢驗(yàn)。由于一階差分后的收益率序列減少了原序列中趨勢(shì)和長(zhǎng)期變化的影響，解釋收益率的短期波動(dòng)更為清晰直觀，因此，本文將對(duì)一階差分后得到的收益率增量序列ΔRCt、ΔREt、ΔRSt建立GARCH類模型，以此分析三種類型的網(wǎng)貸收益率的波動(dòng)特征及溢出效應(yīng)[22]。圖1、2、3分別為三個(gè)收益率增量序列的時(shí)序圖。從圖中可以發(fā)現(xiàn)，三個(gè)收益率增量序列均存在明顯的波動(dòng)聚集性現(xiàn)象，進(jìn)一步進(jìn)行自相關(guān)檢驗(yàn)，證明都存在自相關(guān)性，且偏自相關(guān)系數(shù)均在滯后6階后截尾。因此，對(duì)三個(gè)收益率增量序列分別建立AR(6)-ARCH(1)模型，并對(duì)殘差進(jìn)行ARCH-LM檢驗(yàn)，檢驗(yàn)結(jié)果說(shuō)明ΔRSt、ΔRCt、ΔREt均具有ARCH效應(yīng)，條件異方差性明顯，需進(jìn)一步建立GARCH模型刻畫三個(gè)序列的條件異方差特性。

圖1 市場(chǎng)定價(jià)收益率ΔRCt時(shí)序圖

圖2 投資人預(yù)期收益率ΔREt時(shí)序圖

圖3 平臺(tái)定價(jià)收益率ΔRSt時(shí)序圖

(二)基于GARCH模型的波動(dòng)性檢驗(yàn)

根據(jù)式(5)、(6)對(duì)ΔRCt、ΔREt、ΔRSt建立AR(6)-GARCH(1,1)模型，系數(shù)估計(jì)結(jié)果如表1所示。

表1 收益率GARCH模型估計(jì)結(jié)果

注：*** 、** 、*分別表示1%、5%、10%的顯著性水平。下同。

從表1可以發(fā)現(xiàn)：三個(gè)個(gè)序列的ARCH項(xiàng)系數(shù)α與GARCH項(xiàng)系數(shù)β均在1%的置信水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明三種類型的收益率增量波動(dòng)均具有“波動(dòng)性集聚”特征。這也反映了雖然P2P網(wǎng)貸的市場(chǎng)化程度較高，但仍不是一個(gè)有效市場(chǎng)，不論是在平臺(tái)定價(jià)還是在市場(chǎng)定價(jià)模式下，信息對(duì)于收益率增量波動(dòng)的影響并不能完全通過(guò)市場(chǎng)自身有效的反饋機(jī)制進(jìn)行調(diào)節(jié)。

估計(jì)參數(shù)中，ARCH系數(shù)與GARCH項(xiàng)系數(shù)之和(α+β)的值刻畫了波動(dòng)沖擊的持續(xù)性程度，其值越靠近1，則持續(xù)性越強(qiáng)。ΔREt與ΔRSt序列的α系數(shù)與β系數(shù)之和非常接近1，說(shuō)明平臺(tái)定價(jià)收益率與投資人風(fēng)險(xiǎn)偏好對(duì)波動(dòng)沖擊影響的持續(xù)性很強(qiáng)。ΔRCt序列α、β兩項(xiàng)系數(shù)之和為0.78，說(shuō)明市場(chǎng)定價(jià)網(wǎng)貸產(chǎn)品的收益率對(duì)于波動(dòng)沖擊雖然也具有一定的持續(xù)性，但該持續(xù)性明顯弱于前者。

具體來(lái)看，三個(gè)收益率增量序列中ΔREt的α值最小僅為0.06,而β最大為0.9，說(shuō)明外部沖擊對(duì)于投資人風(fēng)險(xiǎn)偏好的當(dāng)期波動(dòng)影響很小，但影響的記憶性卻最強(qiáng)，這反映了網(wǎng)貸市場(chǎng)投資人的風(fēng)險(xiǎn)偏好很難受到外部沖擊的影響，但一旦受到?jīng)_擊卻具有很強(qiáng)的記憶性。三個(gè)序列中ΔRCt的α值最大，而β最小，說(shuō)明外部沖擊對(duì)于當(dāng)期市場(chǎng)定價(jià)收益率的影響最大，但影響的衰減也最快，這反映了市場(chǎng)定價(jià)下，違約事件對(duì)當(dāng)期收益率影響程度很大，但對(duì)后期市場(chǎng)的收益率的影響會(huì)迅速衰減。

(三)波動(dòng)非對(duì)稱性檢驗(yàn)

進(jìn)一步檢驗(yàn)三個(gè)收益率增量序列波動(dòng)的非對(duì)稱性，根據(jù)式(5)、(7)對(duì)ΔRSt、ΔRCt、ΔREt建立AR(6)-EGARCH(1,1)模型，系數(shù)估計(jì)結(jié)果如表2所示?？梢园l(fā)現(xiàn)：ΔRSt與ΔREt的杠桿系數(shù)γ的估計(jì)值并不顯著，說(shuō)明平臺(tái)定價(jià)收益率增量與投資人預(yù)期收益率增量序列的波動(dòng)并不存在非對(duì)稱效應(yīng)，這與彭承亮、何啟志(2016)[12]的結(jié)論一致。市場(chǎng)定價(jià)收益率增量ΔRCt的杠桿系數(shù)γ的估計(jì)值在5%水平下顯著不為0，且γ=0.11，說(shuō)明當(dāng)負(fù)向沖擊(εt<0)發(fā)生時(shí)，其對(duì)條件方程的影響程度為α-γ=0.43，而當(dāng)正向沖擊(εt>0)發(fā)生時(shí)，其對(duì)條件方程的影響程度為α+γ=0.65,正向沖擊對(duì)波動(dòng)的影響程度為負(fù)向沖擊影響程度的1.5倍。這說(shuō)明市場(chǎng)定價(jià)模式下收益率增量序列存在非對(duì)稱效應(yīng)，且相同幅度的收益率上漲比下跌對(duì)后期的收益率波動(dòng)具有更大的影響，這與傳統(tǒng)金融序列“放大利空，縮小利好”的杠桿效應(yīng)正好相反。

表2 收益率EGARCH模型估計(jì)結(jié)果

本文認(rèn)為，出現(xiàn)這種“反杠桿效應(yīng)”現(xiàn)象的原因在于，與流動(dòng)性充沛的傳統(tǒng)金融市場(chǎng)不同，P2P網(wǎng)貸發(fā)展之初，資金供給端的市場(chǎng)地位明顯高于資金需求端。市場(chǎng)定價(jià)模式下，當(dāng)投資人發(fā)現(xiàn)近期借款標(biāo)的質(zhì)量較高時(shí)，傾向于增加資金投入，提升風(fēng)險(xiǎn)偏好，從而加大了后期波動(dòng)程度；而當(dāng)投資人發(fā)現(xiàn)近期借款標(biāo)的質(zhì)量較低時(shí)，更傾向于減少投入，降低風(fēng)險(xiǎn)偏好，從而降低了后期的波動(dòng)。

(四)波動(dòng)溢出效應(yīng)檢驗(yàn)

為了檢驗(yàn)三種收益率增量序列之間的均值溢出與波動(dòng)溢出效應(yīng)。本文根據(jù)式(8)、(9)，建立AR(1)-BEKK-GARCH(1,1)模型，計(jì)算過(guò)程采用Winrats軟件。表3列出了均值方程的參數(shù)估計(jì)結(jié)果，表4列出了ARCH系數(shù)矩陣A與GARCH系數(shù)矩陣B的非對(duì)角元素的估計(jì)結(jié)果。

基于模型的均值方程的估計(jì)結(jié)果來(lái)檢驗(yàn)三個(gè)收益率增量序列間的均值溢出效應(yīng)。表3顯示，ΔRSt在均值方程中，滯后一期的ΔRSt-1、ΔREt-1、ΔRCt-1分別在1%、10%、10%的水平下顯著；在ΔREt均值方程中，滯后一期的ΔREt-1在1%水平下顯著，而ΔRSt-1、ΔRCt-1并不顯著；在ΔRCt均值方程中，滯后一期的ΔRSt-1、ΔREt-1、ΔRCt-1分別在5%、1%、1%的水平下顯著。這說(shuō)明在95%置信水平上，只有ΔRSt與ΔREt對(duì)ΔRCt存在單向的均值溢出正向效應(yīng)。

表3 AR(1)-BEKK-GARCH(1,1)模型均值方程參數(shù)估計(jì)結(jié)果

矩陣A，B主對(duì)角線上元素aii、bii，分別代表收益率增量序列i波動(dòng)的ARCH效應(yīng)與GARCH效應(yīng)，這一點(diǎn)已通過(guò)GARCH模型討論，故本節(jié)省略對(duì)對(duì)角元素的分析。矩陣A，B的非主對(duì)角上元素aij、bij分別代表收益率增量序列j對(duì)序列i的ARCH型與GARCH型波動(dòng)溢出效應(yīng)。如aij=bij=0，則反映收益率增量序列i的當(dāng)期條件方差，不受序列j前期殘差與條件方差影響，故序列j對(duì)序列i不存在波動(dòng)溢出效應(yīng)；反之a(chǎn)ij≠bij≠0，則反映序列j對(duì)序列i存在波動(dòng)溢出效應(yīng)。為了研究序列j對(duì)序列i的波動(dòng)溢出效應(yīng)，需分別建立系數(shù)aij、bij的Wald檢驗(yàn)，原假設(shè)為aij=bij=0，其中i≠j。

基于以上討論，為了驗(yàn)證三個(gè)收益率增量系列間的波動(dòng)溢出效應(yīng)，本文設(shè)定如下原假設(shè)，Wald檢驗(yàn)結(jié)果如表5所示。

原假設(shè)1：ΔRSt對(duì)ΔREt不存在波動(dòng)溢出效應(yīng)(a12=b12=0)。

原假設(shè)2：ΔRSt對(duì)ΔRCt不存在波動(dòng)溢出效應(yīng)(a13=b13=0)。

原假設(shè)3：ΔREt對(duì)ΔRSt不存在波動(dòng)溢出效應(yīng)(a21=b21=0)。

原假設(shè)4：ΔREt對(duì)ΔRCt不存在波動(dòng)溢出效應(yīng)(a23=b23=0)。

原假設(shè)5：ΔRCt對(duì)ΔRSt不存在波動(dòng)溢出效應(yīng)(a31=b31=0)。

原假設(shè)6：ΔRCt對(duì)ΔREt不存在波動(dòng)溢出效應(yīng)(a32=b32=0)。

表4 AR(1)-BEKK-GARCH(1,1)模型非對(duì)角參數(shù)估計(jì)結(jié)果

表5 波動(dòng)溢出效應(yīng)Wald檢驗(yàn)結(jié)果

表5顯示，在95%置信水平上拒絕a13=b13=0與a31=b31=0這兩個(gè)原假設(shè)，說(shuō)明兩種定價(jià)模式下的收益率增量存在著顯著的雙向波動(dòng)溢出效應(yīng)。這反映了平臺(tái)內(nèi)兩種定價(jià)模式的市場(chǎng)聯(lián)系非常緊密，通過(guò)調(diào)節(jié)平臺(tái)定價(jià)標(biāo)的利率，能夠有效傳導(dǎo)至市場(chǎng)定價(jià)行為，從而影響市場(chǎng)定價(jià)標(biāo)的的收益率變化水平。同時(shí)，平臺(tái)也能有效預(yù)測(cè)標(biāo)的違約情況，及時(shí)對(duì)市場(chǎng)定價(jià)下的收益率增量的波動(dòng)做出反應(yīng)。進(jìn)一步觀察表4的波動(dòng)系數(shù)發(fā)現(xiàn),a13、b13的絕對(duì)值遠(yuǎn)大于a31、b31的絕對(duì)值，這反映了平臺(tái)定價(jià)行為對(duì)市場(chǎng)收益率增量波動(dòng)信息的敏感程度遠(yuǎn)高于市場(chǎng)行為對(duì)平臺(tái)定價(jià)波動(dòng)信息的敏感程度。

進(jìn)一步分析投資人風(fēng)險(xiǎn)偏好與收益率增量波動(dòng)之間的相互關(guān)系。表5顯示，在95%置信水平上，接受a12=b12=0，a21=b21=0，a23=b23=0，a32=b32=0這四個(gè)原假設(shè)。這說(shuō)明受信息不對(duì)稱等因素的影響，投資人并不能及時(shí)有效地識(shí)別市場(chǎng)定價(jià)的收益率增量的波動(dòng)信息，同時(shí)投資人的過(guò)度自信特征，也導(dǎo)致其對(duì)平臺(tái)定價(jià)的收益波動(dòng)信息視而不見(jiàn)。

六、主要結(jié)論與政策建議

本文利用拍拍貸網(wǎng)站的P2P借貸數(shù)據(jù)，分析了兩種定價(jià)模式下的收益率增量序列以及反映投資人風(fēng)險(xiǎn)偏好的預(yù)期收益率增量序列的波動(dòng)特征，并進(jìn)一步研究了三者之間的波動(dòng)溢出效應(yīng)。實(shí)證結(jié)果表明：第一，“雙軌制”定價(jià)模式下，P2P網(wǎng)貸收益率增量波動(dòng)存在明顯的ARCH效應(yīng)，但波動(dòng)特征有所不同。市場(chǎng)定價(jià)收益率增量受波動(dòng)沖擊的影響表現(xiàn)出“來(lái)的快，去的也快”的波動(dòng)性特征，并且表現(xiàn)出與傳統(tǒng)金融市場(chǎng)截然相反的“放大利好，縮小利空”的反杠桿特性。而平臺(tái)定價(jià)收益率增量波動(dòng)相對(duì)平穩(wěn)，受當(dāng)期沖擊的影響明顯減弱，波動(dòng)記憶性則有所增強(qiáng)，無(wú)明顯的杠桿特性。第二，從均值溢出效應(yīng)看，平臺(tái)定價(jià)與投資人預(yù)期收益率增量序列對(duì)市場(chǎng)定價(jià)收益率增量序列具有正向的均值溢出效應(yīng)。這反映了平臺(tái)定價(jià)與投資人的風(fēng)險(xiǎn)偏好能夠有效指導(dǎo)市場(chǎng)定價(jià)產(chǎn)品的收益率的變化。第三，從波動(dòng)溢出效應(yīng)看，平臺(tái)定價(jià)與市場(chǎng)定價(jià)這兩個(gè)收益率增量序列的波動(dòng)存在明顯的雙向波動(dòng)溢出效應(yīng)。這反映了網(wǎng)貸平臺(tái)的集中定價(jià)行為，能夠有效識(shí)別市場(chǎng)的波動(dòng)信息，同時(shí)平臺(tái)定價(jià)信息能夠進(jìn)一步反饋到市場(chǎng)定價(jià)的波動(dòng)。第四，由于投資者信息發(fā)現(xiàn)與處理的能力相對(duì)匱乏，不能及時(shí)有效地識(shí)別市場(chǎng)定價(jià)的波動(dòng)信息，同時(shí)投資人的過(guò)度自信行為也導(dǎo)致其對(duì)平臺(tái)定價(jià)的波動(dòng)信息視而不見(jiàn)。

基于以上研究結(jié)論，本文形成如下政策建議：首先，兩種定價(jià)模式下收益率增量之間具有顯著的波動(dòng)溢出效應(yīng)，同時(shí)平臺(tái)定價(jià)產(chǎn)品能夠有效影響市場(chǎng)定價(jià)產(chǎn)品收益率增量的均值變化，說(shuō)明借助海量數(shù)據(jù)優(yōu)勢(shì)與良好的風(fēng)控手段，網(wǎng)貸平臺(tái)集中定價(jià)行為能夠及時(shí)識(shí)別市場(chǎng)波動(dòng)風(fēng)險(xiǎn)，并有效指導(dǎo)市場(chǎng)定價(jià)。這可作為P2P網(wǎng)貸市場(chǎng)雙軌制定價(jià)模式合理性的政策依據(jù)。其次，受流動(dòng)性缺乏與供需雙方地位不平等因素作用，市場(chǎng)定價(jià)收益率表現(xiàn)出與成熟金融市場(chǎng)不同的“反杠桿效應(yīng)”。這說(shuō)明目前P2P網(wǎng)貸市場(chǎng)并不成熟，監(jiān)管機(jī)構(gòu)應(yīng)合理引導(dǎo)并建立網(wǎng)貸債券交易機(jī)制，激活流動(dòng)性，改善資金供需雙方的不平等地位。另外，投資人風(fēng)險(xiǎn)偏好對(duì)兩種定價(jià)模式下的收益率波動(dòng)的不敏感，說(shuō)明網(wǎng)貸市場(chǎng)投資者風(fēng)險(xiǎn)意識(shí)不強(qiáng)，信息發(fā)現(xiàn)與處理能力匱乏。相關(guān)機(jī)構(gòu)應(yīng)加強(qiáng)投資者教育，平臺(tái)應(yīng)進(jìn)一步公開(kāi)歷史交易數(shù)據(jù)，強(qiáng)化平臺(tái)定價(jià)對(duì)投資者風(fēng)險(xiǎn)偏好的指導(dǎo)作用。