劉曉宇 王愛民

摘要：隨著互聯(lián)網(wǎng)金融的發(fā)展，P2P網(wǎng)貸平臺的風險日益受到關注。為防范平臺風險的發(fā)生，對各平臺治理能力方面的研究就顯得極為重要。文章主要選取了16家網(wǎng)貸平臺為研究對象，采用主成分分析的方法從運營能力、規(guī)模大小、集中程度三個方面構建包含9個指標的網(wǎng)絡借貸平臺評價體系，之后又運用聚類分析的方法對平臺進行歸類。結果顯示：樣本平臺總體得分不高，治理能力尚有不足，各平臺皆存在不同程度的潛在風險。

關鍵詞：主成分分析;聚類分析;平臺治理;風險預警

一、引言

隨著我國金融改革的深入推進，互聯(lián)網(wǎng)金融在不斷的成熟和發(fā)展。P2P作為其重要的組成部分，逐漸走入大眾的生活。伴隨著普惠金融的發(fā)展，P2P使得企業(yè)和個人享受到低廉便捷的金融產(chǎn)品和服務，增強了金融服務實體經(jīng)濟的能力，其平臺治理能力不容忽視。自2007年上海成立“拍拍貸”后，我國的網(wǎng)絡借貸平臺數(shù)量開始不斷增長。截至2017年11月，累計平臺數(shù)量達到5965家，該年度新增平臺共85家。其在平臺總數(shù)和成交量等方面的增長表明P2P平臺的發(fā)展可謂迅速。但是，在平臺數(shù)量火爆增長的同時，平臺的問題和風險也逐漸暴露。平臺門檻過低，行業(yè)和內部監(jiān)管皆不到位，使得問題平臺頻出，跑路、詐騙、提現(xiàn)困難等時有發(fā)生。截至2017年11月，累計問題平臺數(shù)量已達到4008家，較2017年年初的3472家，呈較大幅度增長。其中有提現(xiàn)困難等經(jīng)營不善導致的，也有跑路等惡意詐騙引起的。網(wǎng)貸平臺亟需提升自身平臺的治理能力，一旦引發(fā)投資者對平臺的不信任，平臺就將面臨崩潰瓦解的危險。問題一旦出現(xiàn)，不僅對投資者造成損失，且對整個行業(yè)的發(fā)展起到負面影響。如果能夠對平臺的治理質量進行量化并及時對風險進行預警，不僅可以保障投資者的資金，而且對行業(yè)的形象及金融市場的健康發(fā)展都有著重要的意義。本文通過網(wǎng)貸之家搜集了2016年12月至2017年11月部分網(wǎng)貸平臺的數(shù)據(jù)信息，運用主成分分析方法（FCA）反映平臺的治理能力和水平。

對于P2P網(wǎng)貸平臺的研究，學術界也在不斷的推進深化。早期的文獻主要研究互聯(lián)網(wǎng)技術與金融創(chuàng)新的結合對金融市場信息不對稱的影響，之后逐步向平臺治理方向發(fā)展。國外學者JackR·Magee（2010）預測了P2P的發(fā)展情況并提出了嚴苛的監(jiān)管準則。Tiwana（2010）認為保障平臺健康穩(wěn)定的關鍵是平臺設計和治理。國內研究者主要研究平臺的運作模式以及對風險進行分類。楊新求（2012）通過比較國內外平臺的營運模式來研究其存在的區(qū)別。唐藝軍等（2015）主要從管理風險角度出發(fā)，認為倘若手續(xù)費無法彌補成本，平臺可能面臨倒閉的風險。楊群華（2013）指出要從監(jiān)管體系防控互聯(lián)網(wǎng)金融風險。林春雨（2015）從大數(shù)據(jù)角度構建P2P網(wǎng)貸平臺預警模型，利用計算機方法實時全面監(jiān)測風險。

綜上，國內外學者大多是通過從文字層面解讀P2P平臺的現(xiàn)狀、營運模式、風險等對借貸平臺進行研究，運用實證分析的較少。本文在國內外研究的基礎上，從平臺治理角度出發(fā)，選取網(wǎng)貸之家網(wǎng)站上的月度公開數(shù)據(jù)，運用主成分分析的方法進行實證研究，找出影響網(wǎng)絡借貸平臺治理的因素，并進行具體分析，進一步評估平臺的風險，之后又運用聚類分析的方法，對平臺進行歸類以期尋找各平臺間的相似度及區(qū)別。希望本文的研究對促進我國網(wǎng)貸平臺的健康長久發(fā)展有所幫助。

二、指標的選取及處理

（一）指標選取的原則

指標設計及選取的科學性影響P2P網(wǎng)貸平臺治理能力和風險評估的準確性。從已有的研究經(jīng)驗來看，指標選取的原則一般有三個。第一、指標的選取應具有全面性。P2P平臺的風險不僅取決于自身的微觀因素也受到宏觀經(jīng)濟的影響。第二、指標具有連續(xù)即時性。由于各項指標數(shù)據(jù)來源于第三方統(tǒng)計網(wǎng)站，來源數(shù)據(jù)能夠逐月更新甚至逐日更新，保證了即時靈敏性。第三、指標具有一定的可操性。指標數(shù)據(jù)來源于第三方統(tǒng)計網(wǎng)站，所有指標都是公開的，可觀測的。

（二）指標體系的構建

本文對P2P網(wǎng)貸借貸平臺治理能力的研究主要從運營能力、規(guī)模大小、集中程度三個維度進行，同時從上述三個維度構建平臺治理能力的評價指標體系。其中，反映運營能力的指標用運營時間、注冊資本、預期收益率來表示;反映規(guī)模大小的用成交金額、投資人數(shù)、借款人數(shù)來表示;反映集中程度的用人均投資額、人均借款額、平均借款期限來表示。綜上，考慮到數(shù)據(jù)的獲取和量化難度，本文構建了包含9個指標的P2P網(wǎng)貸平臺風險治理能力評價體系，如表1所示。

三、實證分析

（一）數(shù)據(jù)來源及預處理

本文以運營時間大于60個月的16家網(wǎng)貸平臺為研究對象，搜集了網(wǎng)貸之家2016年12月至2017年11月共計12個月的數(shù)據(jù)，并對其進行平均值處理，如表2所示。由于原始數(shù)據(jù)單位不同而不具可比性，為消除量綱影響和變量自身變異，我們對數(shù)據(jù)進行標準化處理。本文采用Z-score標準化方法，公式為：Zij=（Xij-Xj*）÷Sj。其中Zij表示標準化數(shù)據(jù)，Sj指標準差。

（二）適合度檢驗

首先需要對數(shù)據(jù)進行是否適用主成分分析的檢驗。本文運用SPSS軟件，對16家網(wǎng)貸平臺的9項指標標準化后的數(shù)據(jù)進行KMO和Bartlett檢驗。見表3，KMO>0.6，表明變量之間的相關性較強，近似卡方值為111.592，概率值為0.000，<0.05的顯著水平，拒絕原假設，進一步表示適合做主成分分析。

（三）主成分分析過程

經(jīng)過一系列檢驗后，本文接下來借助SPSS21.0，對數(shù)據(jù)進行主成分分析，得到特征值，方差貢獻率以及累計方差貢獻率，見表4。其中，前三個主成分的特征值均>1，且累計方差貢獻率>70%，表明其保留了原始信息的大部分內容，因此，用這3個主成分代替原來的9個指標具有較好的還原性和說明性，且起到降維的作用。

從表5成分矩陣可以得出，主成分Y1在X1運營時間、X4成交金額、X6借款人數(shù)上的載荷量遠大于其它指標的載荷量，所以Y1主要由運營時間、成交金額、借款人數(shù)這三個指標代表，反映網(wǎng)貸平臺的運營能力;主成分Y2在X3預期收益率、X9平均借款期限上有較高的載荷，分別為0.718和0.702，反映網(wǎng)貸平臺產(chǎn)品的設計能力;Y3在X7人均投資額、X8人均借款額上有較高的載荷，反映網(wǎng)貸平臺在資金匹配上的效率能力。

主成分確定之后，可以計算出16家平臺的主成分得分及排名情況。本文使用的方法是，按照每個主成分對應的特征值與所有主成分特征值之和的比值為權重，將主成分進行加權平均后算出綜合得分。表6給出了樣本平臺主成分得分、綜合得分及綜合排名情況。其中FAC1-1、FAC2-1、FAC3-1分別為第一主成分得分、第二主成分得分、第三主成分得分，F(xiàn)為綜合得分。在平臺得分中，有很多平臺的綜合得分為負值，這并不代表平臺的治理能力為負值，這是數(shù)據(jù)標準化的結果。各平臺總體得分不高，其中綜合得分大于0的共有4家。排名第一的拍拍貸，排名第二的口貸網(wǎng)在各項主成分得分中均為正值，說明平臺在運營、設計、資金匹配效率等方面均較為完善。投哪網(wǎng)在綜合排名上居于末位，且其各主成分得分均為負值，表明該平臺各項能力均存在不足，亟待完善，平臺風險較大。這要求其在今后的發(fā)展中應借鑒優(yōu)質平臺的經(jīng)驗，努力提升自身平臺的治理能力。

（四）聚類分析

本文采用SPSS軟件對觀測平臺進行K-均值聚類分析，其目的是根據(jù)所呈現(xiàn)的特征對平臺分類。本文將16家網(wǎng)貸平臺分為三類，具體的分類結果整理如表7所示?？梢钥闯?，拍拍貸被分為第一類，說明該平臺的安全性和收益性都較好，平臺治理能力較強。

四、結論及建議

本文從平臺治理能力方面分析了網(wǎng)貸平臺的風險，運用主成分分析的方法，從運營能力、規(guī)模大小、集中程度三個維度構建網(wǎng)貸平臺治理能力評價體系，其結果具有較好的解釋性且符合當前網(wǎng)貸市場的發(fā)展狀況。之后又從聚類分析的角度對平臺進行分類。

基于以上分析，對于防控網(wǎng)貸平臺風險，本文在以下方面有些許建議：第一、提高行業(yè)準入門檻?，F(xiàn)階段網(wǎng)貸平臺良莠不齊，既有拍拍貸這樣的優(yōu)質平臺也有哈哈貸這樣以圈錢、騙錢為目的的平臺。由于一些層面的監(jiān)管存在空白和疏漏致使劣質平臺大量存在，這給投資者、整個行業(yè)及宏觀經(jīng)濟的發(fā)展帶來巨大危害。一旦行業(yè)向善發(fā)展，各平臺治理能力也會逐步提升。第二、完善信息披露制度。平臺應定期向公眾公布其財務報表并保證數(shù)據(jù)的完整真實性和及時性，主動開辟全面、多方位的信息咨詢渠道以減少信息不對稱，及時提示風險，進行風險預警，時時接受公眾監(jiān)督。第三、落實第三方存管和風險準備金制度。平臺往來的資金由第三方進行管理，杜絕資金池現(xiàn)象，防止民間融資非法化。對平臺提取風險準備金，增強其風險抵抗能力。第四、基于本文的分析，監(jiān)管部門可進行風險預警，動態(tài)追蹤平臺數(shù)據(jù)，利用云計算，大數(shù)據(jù)等建立一系列風險預警指標。這對平臺各利益主體既起到制約又起到保障作用。

參考文獻：

[1]Magee，J.Peer-to-peer lending in the United States;surviving after Dodd-Frank[J].North Carolina Banking Institute Journal，2011（15）.

[2]李宇.P2P網(wǎng)貸平臺風險預警量化研究[D].西南財經(jīng)大學，2016.

[3]單鵬，王越，鄧穎璐.P2P網(wǎng)貸平臺綜合實力評級設計與研究[J].宏觀經(jīng)濟研究，2017（01）.

[4]朱清香，王莉.互聯(lián)網(wǎng)金融民營系P2P網(wǎng)貸平臺的風險預警[J].河北大學學報（哲學社會科學版），2016（04）.

[5]張彭，王飛.治理能力、平臺風險與預警機制研究——來自網(wǎng)絡借貸市場的經(jīng)驗證據(jù)[J]. 現(xiàn)代經(jīng)濟探討，2017（09）.

[6]林春雨，李崇綱，許方圓，許會泉，石磊盧祥虎.基于大數(shù)據(jù)技術的P2P網(wǎng)貸平臺風險預警模型[J].大數(shù)據(jù)，2015（04）.

[7]楊群華.我國互聯(lián)網(wǎng)金融的特殊風險及防范研究[J]. 金融科技時代，2013（07）.

[8]趙延明，王洋.網(wǎng)絡借貸行業(yè)市場準入的影響因素——基于P2P網(wǎng)貸數(shù)據(jù)[J].遼寧工程技術大學學報（社會科學版），2017（02）.

[9]唐藝軍，葛世星.我國P2P網(wǎng)絡信貸風險控制實證分析[J].商業(yè)研究，2015（10）.

[10]楊新求.我國P2P網(wǎng)絡借貸運營模式簡析[J].知識經(jīng)濟，2012（05）.