張杰 張遠圣

【摘 要】 2007—2017年十年間，我國的P2P網貸行業(yè)從無到有，從無序生長到有序發(fā)展，從魚龍混雜到監(jiān)管趨嚴，P2P漸漸步入了合規(guī)健康的發(fā)展道路。隨著監(jiān)管部門不斷下發(fā)行業(yè)政策相關的整改文件，2018年成為強監(jiān)管年與合規(guī)備案年。平臺的擠兌風險加大，跑路詐騙問題頻出，讓不少投資者望而卻步，平臺風險已經受到社會各界的廣泛關注，網貸平臺的風險評價成為投資者篩選平臺的重要因素。文章運用因子分析法，建立適宜P2P網貸平臺風險評價的因子體系，對我國當下80家主流P2P網貸平臺進行了綜合全面的風險評價排名，最終得到的風險評價結果可以作為投資者選擇安全可靠平臺的重要參考依據;同時有助于進一步規(guī)范P2P發(fā)展，提升居民投資理財的熱情。

【關鍵詞】 因子分析; P2P; 網貸平臺; 風險評價; 投資理財

【中圖分類號】 F830.2? 【文獻標識碼】 A? 【文章編號】 1004-5937（2019）07-0023-05

一、引言

盡管P2P屬于舶來品，但它的成長速度相當驚人，已然遠遠超過歐美發(fā)達地區(qū)。2007年我國首個P2P平臺——拍拍貸于上海宣布正式上線。2013年被稱為“互聯網金融元年”，而P2P網貸平臺也進入了爆發(fā)式生長的時代，P2P的崛起填補了曾經不被傳統(tǒng)銀行重視的人群和中小微企業(yè)。2016年8月24日，銀監(jiān)會等四部委聯合發(fā)布了《網絡借貸信息中介機構業(yè)務活動管理暫行辦法》，標志著近幾年無序野蠻成長的我國P2P行業(yè)被正式納入監(jiān)管范圍，監(jiān)管手段接連升級，P2P平臺的總體淘汰率持續(xù)上漲，截至2018年6月P2P淘汰率高達69.52%，正常運營平臺已不足2 000家。2017年12月1日，為了令我國P2P現金貸成為負責任的“普惠金融”，規(guī)范現金貸業(yè)務，我國多個監(jiān)管部門聯合頒布《現金貸通知》。2017年12月下旬，多部門下發(fā)《關于做好P2P網絡借貸風險專項整治整改驗收工作的通知》（57號文），規(guī)定各省市州務必在2018年6月的最后期限之前落實P2P備案事務，制定了P2P備案大致進程，在一定程度規(guī)范了我國P2P行業(yè)監(jiān)管期限的不明確性。目前盡管備案被推遲，但也表明了官方對P2P行業(yè)的監(jiān)管承諾，并將更加嚴格地執(zhí)行驗收標準，對投資者、平臺以及監(jiān)管部門都是有益的。

從2017年底至今，“合規(guī)備案”成為P2P行業(yè)界最熱門的詞。到2018年6月初，P2P累計營業(yè)數據順利突破7萬億元人民幣，我國P2P平臺總量已達到6 142家，但同時也不斷出現平臺詐騙跑路等問題，不合規(guī)平臺有4 270家，P2P淘汰率高達69.52%。2018年6月中旬，著名高返平臺——唐小僧的跑路和聯璧金融擠兌的發(fā)生無疑讓廣大投資者的恐慌情緒蔓延，同時也讓不少潛在的投資者望而卻步。這段跌宕起伏的整改歷程中，眾多平臺命運堪憂，然而瑕不掩瑜，依然有不少平臺始終堅持初心，合規(guī)經營，踴躍備案。在嚴監(jiān)管的背景下，對P2P平臺進行綜合因子風險評價分析，為投資者尋找出既能夠帶來可觀的投資收益，同時又相對安全穩(wěn)健的P2P網貸平臺具有較強的現實意義。

二、文獻綜述

國內外關于P2P網貸平臺風險的研究主要將其分為以下三類：

（一）P2P網絡借貸風險研究

韋艷肖[ 1 ]從風險因素量化視角出發(fā)，對借款利率、借款人信用、信息透明程度、標的期限等風險因素進行了分析，基于Logit模型，以P2P平臺為例，對互聯網金融風險進行定量研究，在研究結論的基礎上，提出了預防我國網絡金融風險的可行建議。王晶晶等[ 2 ]從利益相關者理論角度，檢驗P2P平臺風險源，分析各個利益相關者對P2P平臺風險的影響，隨后建立起P2P網貸平臺風險因素框架。通過這一框架，能夠識別迥異類型問題平臺的重要影響因子，并為監(jiān)管部門提供思路。尹鈞惠和熊冉冉[ 3 ]運用因子分析方法，建立適宜我國P2P網貸平臺的風險因子評估體系，并借鑒50家P2P平臺的數據對其風險進行綜合評價，最終的評價結果將有助于投資者篩選待投資平臺。顧慧瑩和姚錚[ 4 ]采用穩(wěn)貸網平臺的相關數據對借款人的信息網絡平臺及其違約行為進行調查，找出了借款人違約的關鍵因素并確認其信譽，為借款人建立違約風險量化因子給予支持。

（二）P2P監(jiān)管體系研究

Michelle W和Fong L[ 5 ]預計P2P平臺不會取代傳統(tǒng)的銀行渠道，但它們是金融中介機構，在解決中小企業(yè)長期面臨的融資真空方面具有廣闊的前景。陳婷婷[ 6 ]借鑒我國P2P平臺探索了其潛在的風險，依托風險度量的類型選擇，最后運用Logistic回歸模型建立風險評價體系。李端生和夏偉[ 7 ]在分析P2P平臺臨時措施的影響基礎上，研究了P2P平臺的發(fā)展路徑，并就如何進一步改進P2P平臺提出了一些可行性建議。孫艷軍[ 8 ]認為中國P2P金融市場中所面臨的各類風險日趨增大，其主要原因是由于缺乏一定的監(jiān)管，提出參照西方發(fā)達國家與地區(qū)的監(jiān)管制度，來完善中國P2P行業(yè)的監(jiān)管制度。

（三）P2P網絡借貸行為及影響因素分析

王重潤和孔兵[ 9 ]認為高效的融資效率是網貸平臺提升競爭力以及維持平穩(wěn)運營的前提，為構建平臺融資效率因素體系，考慮風險、平臺、標的三個因素，以托賓兩步分析方法為基礎，以7千多條貸款標的為研究樣本，采用數據包絡分析法對P2P平臺融資效率值進行度量，通過對影響因素和融資效率的實證分析創(chuàng)建托賓模型。左茹霞等[ 10 ]認為P2P是一種融合了民間借貸以及互金技術的新型金融創(chuàng)新形式，選取120家P2P平臺數據，運用Granger Causality驗證的面板數據，分析P2P信用額度差異與影響因素，結果表明，有4個主要因素對P2P借貸量影響較大，最后提出了幾點對P2P發(fā)展的參考建議。吳中旭[ 11 ]認為P2P借款過程中，投資者的投資行為分為投資意愿和單筆投資金額兩個方面，通過理論分析構建投資者單一投資意愿和單一投資額假設模型;再選取拍拍貸作為樣本平臺，研究了拍拍貸標的的特點，驗證了其特點;最后通過數理統(tǒng)計方法，使用拍拍貸數據，驗證投資人單筆投資意愿和單筆投資金額假設模型。

通過對行業(yè)文獻的整理，發(fā)現國外學者對P2P的實證研究大多基于已評級的平臺，而我國P2P行業(yè)起步較晚，其發(fā)展有著自身的特點，國內學者的研究大多集中于借款人信用風險控制的問題上。近年來，雖也有一些學者開始運用統(tǒng)計計量的方法（如AHP層次分析法、突變級數評價法等）對P2P平臺進行綜合評級或問卷調查法、案例研究法進行針對性分析，然而P2P平臺風險評價仍然缺乏專門的研究，難以實現投資者對P2P平臺風險評估的要求?；诖?，本文運用因子分析法建立適宜P2P網貸平臺風險評價的因子體系，對我國當下80家主流P2P網貸平臺進行了綜合全面的風險評價排名，最終得到的風險評價結果可以作為投資者選擇安全可靠平臺的重要參考依據，同時有助于規(guī)范P2P進一步發(fā)展，提升居民投資理財的熱情。

三、因子選取與同向化

（一）因子的選取

本文數據來源于P2P網貸行業(yè)綜合門戶網站——“網貸天眼”2018年5月評級數據中的前80家平臺，篩選出11個具體的因子對我國P2P網貸平臺進行風險評價研究。這些指標包括：等級、綜合評分、信披評分、合規(guī)評分、期限、利率、償兌性、運營、地域性、投資以及借款。

（二）因子的同向化

進行因子分析之前，亟待考慮所選全部因子的方向是否保持完全一致。由于某些因子的值與平臺風險評價效果成正比，這些因子稱為正向因子;但有些因子值越大，評價效果越不好，這些因子稱為負向因子。為了便于統(tǒng)一分析，筆者對因子同向化的方法是將負向因子直接加負號轉化為正向因子，即因子的正向化。具體變量度量如表1。

[變量 指標 性質 變量關系 新變量 X1 等級 正因子 Y1=X1 Y1 X2 綜合評分 正因子 Y2=X2 Y2 X3 信披評分 正因子 Y3=X3 Y3 X4 合規(guī)評分 正因子 Y4=X4 Y4 X5 期限 正因子 Y5=X5 Y5 X6 利率 正因子 Y6=X6 Y6 X7 償兌性 正因子 Y7=X7 Y7 X8 運營 正因子 Y8=X8 Y8 X9 地域性 正因子 Y9=X9 Y9 X10 投資 負因子 Y10=-X10 Y10 X11 借款 負因子 Y11=-X11 Y11 ][表1 因子同向化]

四、P2P網貸平臺進行因子分析

因子分析是將多個變量指標化簡的一種方法，即用少數幾個影響較大的因子代表原始數據的大部分信息。相對于AHP層次分析法等其他方法，因子分析法是通過將獨立的變量轉化變量的線性組合，從而實現降維的目的。它能夠建立適宜P2P網貸平臺風險評價的因子體系，對P2P平臺進行綜合因子風險評價得分排名，最終得到的風險評價結果可以作為投資者選擇安全可靠平臺的重要參考依據。因此，本文基于因子分析法，使用社科統(tǒng)計專用程序SPSS 22.0，從已選取的11個因子中提取解釋程度高的公因子，然后通過方差貢獻率給公因子加以賦權，最后計算綜合因子得分，進而對所選取的80家我國P2P主流網貸平臺的風險管控能力進行綜合排名與評價。

（一）適用性檢驗

在已經標準化的數據基礎上算出相關系數矩陣和驗證結果，在因子分析之前亟待驗證各因子之間是否存在一定的相關性。其中，KMO的值趨近于1的程度與適宜做因子分析成正比。從表2可看出KMO=0.661>0.5，說明比較適合做因子分析。同理，各因子變量的共同度趨近1的水平與被變量公共因子解釋的水平以及因子分析的效果成正比，從表3變量共同度中可看出變量共同度基本都非常高。另外，Bartlett檢驗的意義為0<0.05，說明幾個變量之間存在顯著的相關性，所以拒絕原假設。這也充分證明了原指標變量可以用因子分析法進行評價。

（二）估計因子載荷矩陣

估計因子載荷矩陣是因子分析極其關鍵的組成部分，其測度算法有多種。其中，核心的算法是主成分分析（PCA），能夠通過求解變量的前幾個關鍵成分并利用簡單的數學變換來獲取因子加載矩陣。與主成分分析（PCA）相似，根據因素的累計貢獻率決定公共主因子的數量。

為了簡化數據并從眾多因子中選擇相對較少的共同因子，可以盡可能多地反映所有原始變量的信息。本文運用因子分析來降低維度，表3給出了因素貢獻率的結果，前5個因子的貢獻率為76.991%，因此提取前5個因子作為公共主因子。

（三）因子旋轉

（四）主因子得分

本文使用回歸方法計算出5個公共主要因子的得分，也叫湯普森因子分析。主因子得分是5個公共主因子在每個樣本點上的得分，而主因子得分可以代表線性計算公式中各個變量的權重，從而把公共主因子表示為變量的線性組合，其中β為各指標變量中的權重，Y為指標同向化后的新變量，即：

（五）綜合因子得分及排名

用公因子總方差貢獻率中相應的初始特征值權數λ對主因子得分F進行加權，最后加總得到P2P網貸平臺綜合得分，其計算公式如下：

由以上計算公式可以計算出綜合因子得分，于是就能夠綜合評估我國P2P平臺的風險大小，亦即綜合主因子得分的排名。為了給投資者選擇平臺提供一定的參考，本文從80家主流平臺中最終篩選出綜合得分TOP15的頭部平臺以及綜合得分排名相對偏后的5家平臺，亦即綜合排名前15位的頭部平臺和倒數5位的P2P網絡借貸平臺，具體結果如表6所示。

五、結論與建議

由表6看出，綜合主因子得分大于0.76的前10家平臺，其風險控制能力與綜合評價較高，各方面表現皆較為出色，在行業(yè)發(fā)展中的優(yōu)勢巨大，這些P2P平臺有陸金服、人人貸、宜人貸、愛錢進、積木盒子，小贏網金等。這些平臺大多是國資系、上市系或是風投系，其平臺背景雄厚，資金充足，信息披露完善，在擁護監(jiān)管部門合規(guī)備案政策的同時，較低的借款集中度與資金杠桿使得它們具備較高的風險承擔能力，同時可以積極地分散非系統(tǒng)性風險，所以此類平臺抗風險能力強，綜合評價高。風險評價綜合排名位列最后5位的P2P網貸平臺分別是：圖騰貸、信用寶、看看錢包、海融易以及中瑞財富。導致這些P2P網貸平臺評價結果為高風險的主要原因是這5家P2P網貸平臺信息披露不完整，合規(guī)度不夠高，同時它們的借款指數又較高，即過去一個季度內的平臺風險聚集度較高。數據顯示這5家平臺中借款人的借款需求集中度偏高，因此這些平臺發(fā)生擠兌跑路風險的概率隨之加大，平臺風險評價也就相應較高，綜合得分因而相對較低。因此，建議投資人選擇綜合排名靠前的平臺進行投資，所承擔的風險將大大降低;與之相比，建議投資人遠離綜合排名靠后的平臺，否則平臺若發(fā)生擠兌而跑路的現象，可能會導致投資者血本無歸。

作為綜合的統(tǒng)計分析和評價方法——因子分析法，可以利用系統(tǒng)的統(tǒng)計工具來確定評價因子的權重系數，從而極大地降低主觀因素的影響。本文構建了我國P2P平臺風險評估因子體系，對平臺各類風險的類型進行綜合評分以及排名，可以幫助投資者掌握平臺的信息披露程度、合規(guī)度與風險控制水平，評價的最終結果能夠作為投資者選擇投資合適的平臺或項目的有力參考，有助于進一步規(guī)范P2P網貸行業(yè)的發(fā)展，提高客戶的投資理財信心。另外也有助于引導P2P的合規(guī)運作與良性發(fā)展，把同時期迥異平臺進行橫向比較，使得評級高的優(yōu)勢平臺給予更多融資，體驗更好的服務，也能夠拉動行業(yè)的發(fā)展。同時需要對中小平臺加強監(jiān)管，令合規(guī)的平臺持續(xù)平穩(wěn)運營，提高行業(yè)準入門檻，完善平臺退出機制，讓無法完成合規(guī)備案的平臺能夠良性清盤退出，保護投資者的合理權益，進一步促進P2P行業(yè)的良性發(fā)展。

筆者在試圖構建P2P平臺風險評價的因子體系中，亟待在數據的真實性以及信息披露完善的因子體系上進一步增強，同時，評估指標體系的有效性需要大量數據的支持，在大數據時代下，對P2P風險評估因子體系的合理性與建設性將有極大地提高。隨著監(jiān)管的趨嚴與P2P行業(yè)的不斷發(fā)展，優(yōu)勢平臺更應該注重提升其投資理財產品的服務與體驗，而中小平臺則需要把重心放在合規(guī)備案發(fā)展的道路上。

【參考文獻】

[1] 韋艷肖.互聯網金融風險防范研究：以網貸平臺為例[J].會計之友，2018（16）：104-108.

[2] 王晶晶，劉振艷，陸旸，等.我國P2P網絡借貸問題平臺風險影響因素框架構建：基于利益相關者理論視角[J].財會月刊，2018（1）：171-176.

[3] 尹鈞惠，熊冉冉.基于因子分析的P2P網絡借貸平臺內部風險評估[J].財會月刊，2016（33）：72-75.

[4] 顧慧瑩，姚錚.P2P網絡借貸平臺中借款人違約風險影響因素研究：以WDW為例[J].上海經濟研究，2015（11）：37-46.

[5] MICHELLE W，FONG L. China's online peer-to-peer （P2P） lending platforms[M].Springer International Publishing，2018.

[6] 陳婷婷.P2P網絡借貸風險度量體系與行業(yè)監(jiān)管研究[D].首都經濟貿易大學碩士學位論文，2018.

[7] 李端生，夏偉.基于網絡借貸新規(guī)的P2P發(fā)展研究[J].會計之友，2017（5）：108-111.

[8] 孫艷軍.以英美監(jiān)管為鏡鑒構建我國P2P普惠金融監(jiān)管體系[J].上海金融，2016（3）：60-66.

[9] 王重潤，孔兵.P2P網絡借貸平臺融資效率及其影響因素分析：基于DEA-Tobit方法[J].河北經貿大學學報，2017，38（5）：54-60.

[10] 左茹霞，王言，李宇紅.P2P網絡借貸成交量影響因素分析[J].財會月刊，2017（3）：118-122.

[11] 吳中旭.P2P網絡借貸投資人投資行為影響因素研究[D].哈爾濱工業(yè)大學碩士學位論文，2016.