劉元鵬 田國(guó)忠

摘要：2018年以來，P2P網(wǎng)絡(luò)借貸平臺(tái)頻頻爆雷，廣大投資者蒙受了巨大損失。據(jù)相關(guān)平臺(tái)統(tǒng)計(jì)發(fā)現(xiàn)，很多問題平臺(tái)具有很多相似之處，如綜合利率通常較高，平臺(tái)背景大多以民營(yíng)為主。文章借助爬蟲軟件，收集了網(wǎng)絡(luò)上已有P2P借貸平臺(tái)相關(guān)信息，并利用二元選擇模型，對(duì)P2P平臺(tái)相關(guān)信息進(jìn)行實(shí)證研究，進(jìn)而給出平臺(tái)發(fā)生風(fēng)險(xiǎn)的概率模型，幫助投資者通過已有的信息來判斷平臺(tái)的可靠性。

關(guān)鍵詞：P2P網(wǎng)貸;P2P平臺(tái)風(fēng)險(xiǎn);監(jiān)管

一、P2P網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)類別

P2P網(wǎng)絡(luò)借貸屬于新生事物，其面臨的風(fēng)險(xiǎn)復(fù)雜多變，同時(shí)又相互交錯(cuò)、共同影響。但綜合起來可從三個(gè)層面對(duì)其風(fēng)險(xiǎn)進(jìn)行分析，分別是政府層面風(fēng)險(xiǎn)、市場(chǎng)層面風(fēng)險(xiǎn)和內(nèi)部層面風(fēng)險(xiǎn)。政府層面風(fēng)險(xiǎn)主要包括監(jiān)管風(fēng)險(xiǎn)和法律風(fēng)險(xiǎn)，市場(chǎng)層面風(fēng)險(xiǎn)主要包括信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)，內(nèi)部層面風(fēng)險(xiǎn)主要包括操作風(fēng)險(xiǎn)和信息系統(tǒng)風(fēng)險(xiǎn)。

二、P2P網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)測(cè)度

P2P平臺(tái)畢竟和傳統(tǒng)民間借貸的發(fā)展方式不同，因此在其風(fēng)險(xiǎn)屬性上也呈現(xiàn)出其自有的特點(diǎn)。在我國(guó)，信用體系尚未建立完全，且對(duì)非傳統(tǒng)金融行業(yè)不開放，這種信用、信息的不暢通，更增大了P2P整個(gè)行業(yè)的風(fēng)險(xiǎn)，再加上P2P平臺(tái)本身的技術(shù)以及漏洞，P2P平臺(tái)很容易暴露出問題。2018年以來P2P平臺(tái)雷聲不斷，僅8月就有157家平臺(tái)爆出問題。因此，制定完善的P2P網(wǎng)絡(luò)借貸平臺(tái)綜合管理制度，不僅要對(duì)各類風(fēng)險(xiǎn)有深刻的認(rèn)識(shí)，還要測(cè)度評(píng)估P2P網(wǎng)絡(luò)借貸平臺(tái)的風(fēng)險(xiǎn)大小。

（一）解釋變量的選擇

根據(jù)網(wǎng)貸之家對(duì)各個(gè)平臺(tái)的統(tǒng)計(jì)指標(biāo)，選取對(duì)平臺(tái)風(fēng)險(xiǎn)影響比較突出的指標(biāo)進(jìn)行統(tǒng)計(jì)分析。

（二）樣本選擇

本文根據(jù)網(wǎng)貸之家記錄的問題平臺(tái)和正常營(yíng)業(yè)平臺(tái)為樣本，運(yùn)用爬蟲軟件獲得實(shí)證分析所需數(shù)據(jù)。從摘錄的平臺(tái)中依據(jù)數(shù)據(jù)的完整性選擇了98家問題平臺(tái)，143家正常平臺(tái)，作為實(shí)證分析的樣本數(shù)據(jù)。

實(shí)證分析

Logit模型原理。一般假定一個(gè)P2P平臺(tái)是否發(fā)生問題的概率可以由Logit函數(shù)給出，設(shè)為：

概率密度函數(shù)

現(xiàn)實(shí)中很難觀察到Pi的實(shí)際值，只能觀測(cè)到結(jié)果Y=1（平臺(tái)發(fā)生問題）和Y=0（平臺(tái)未發(fā)生問題）。

對(duì)每一個(gè)P2P平臺(tái)來說，Pi都表示是一個(gè)貝努利隨機(jī)變量，平臺(tái)是否出問題的概率在區(qū)間（0，1）之間。假設(shè)平臺(tái)出問題的概率為Pi，則有：

P（Y=1）=Pi（4）

P（Y=0）=1-Pi（5）

對(duì)于n次獨(dú)立觀測(cè)的隨機(jī)樣本，令Fi（Yi）表示Yi=1的概率，觀測(cè)到n個(gè)Y值得聯(lián)合概率，即F（Y1，Y2，…，Yn）為：

其中∏是乘積符號(hào)，由于每個(gè)Yi都是獨(dú)立的，而且有著相同的概率密度函數(shù)，所以我們可以將聯(lián)合分布函數(shù)寫成個(gè)別分布函數(shù)的乘積。等式（6）中的聯(lián)合概率就是著名的似然函數(shù)（likelihoodfuncTion，LF）。

將（6）式變形，對(duì)兩邊取自然對(duì)數(shù)，便得到對(duì)數(shù)似然函數(shù)（LLF）：

利用式（7）（8），我們將式（6）寫成：

根據(jù)已經(jīng)獲得的數(shù)據(jù)，利用EViews6.0進(jìn)行實(shí)證分析，采用虛擬變量來表示平臺(tái)背景，設(shè)民營(yíng)背景平臺(tái)為1，非民營(yíng)背景為0。同理，平臺(tái)是否有第三方存管也可用虛擬變量刻畫，其中有存管設(shè)為1，其他設(shè)為0。此外，P2P平臺(tái)盡管屬于信息中介平臺(tái)，但其借貸模式與銀行借貸模式又有相像之處，因此借貸款是否分散對(duì)平臺(tái)風(fēng)險(xiǎn)影響也很大，故在評(píng)估P2P平臺(tái)風(fēng)險(xiǎn)時(shí)，選取前十名投資者待收金額占比和前十名借款者待還金額占比作為借貸款集中度來分析其對(duì)平臺(tái)風(fēng)險(xiǎn)的影響。實(shí)證結(jié)果如表3所示。

從表3的回歸結(jié)果可以看出，解釋變量R、X1、X2、X和B的參數(shù)估計(jì)值Z統(tǒng)計(jì)量比較大且其相應(yīng)的概率值比較小，說明這些變量是在統(tǒng)計(jì)上顯著的，從而表明R、X1、X2、B和X對(duì)P2P平臺(tái)風(fēng)險(xiǎn)有顯著影響，而解釋變量RC和A的參數(shù)估計(jì)值相應(yīng)概率值較大，統(tǒng)計(jì)上不顯著，但其符號(hào)與前文的定性分析一致，只是對(duì)P2P平臺(tái)風(fēng)險(xiǎn)影響不顯著。LR統(tǒng)計(jì)量較大，相應(yīng)的概率值為0。因此拒絕H0：β1=β2=…=β7=0的原假設(shè)，表明模型整體上顯著。R2為0.7185，說明模型能解釋平臺(tái)發(fā)生風(fēng)險(xiǎn)的71.85%，由于解釋變量RC和A不顯著，故剔除處理。從剔除后的回歸結(jié)果可以看出各個(gè)解釋變量的參數(shù)估計(jì)均顯著，R2為0.7082，比剔除前有所下降。模型估計(jì)結(jié)果表達(dá)式如下式所示。

（a）未剔除RC、A的表達(dá)式：

（b）剔除RC、A的表達(dá)式：

利用式（10）和（11）的Logit模型系數(shù)，可以得到

其中

Ti=-5.347+19.336Ri+0.687Xi-1.187Bi+9.3252X1i+5.8096X2i

因此，對(duì)于廣大投資者來說，在選擇平臺(tái)時(shí)一定要關(guān)注其綜合收益，平臺(tái)背景，平臺(tái)借貸款集中度和獨(dú)立第三方存管，此外還要關(guān)注實(shí)收資本投資期限等其他因素。問題平臺(tái)往往具有相同的特征，那就是高利率，民營(yíng)背景和極高的借貸款集中度。大多數(shù)問題平臺(tái)用高利率來吸引廣大投資者，部分投資者在高利率的誘惑下，對(duì)平臺(tái)其他因素關(guān)注較少，最終由于平臺(tái)出各種問題而蒙受損失。而對(duì)于監(jiān)管層來說，可以根據(jù)P2P平臺(tái)風(fēng)險(xiǎn)概率模型，對(duì)于風(fēng)險(xiǎn)高概率平臺(tái)實(shí)行重點(diǎn)監(jiān)管，并督促其整改，防止其捐款跑路。

參考文獻(xiàn)：

[1]Magee J. Peer-to-peer Lending in the United States：Surviving after Dodd-Frank[J].North Carolina BankingInstitute Journal，2011（15）.

[2]Freedman S.， Jin G. Z. Learning by Doing with AsymmetricInformation：Evidence from Prosper.com[R].NationalBureau of Economic Research，2011.

[3]葉湘榕.P2P借貸的模式風(fēng)險(xiǎn)與監(jiān)管研究[J].金融監(jiān)管研究，2014（03）.

[4]黃震.P2P網(wǎng)貸風(fēng)云：趨勢(shì)、監(jiān)管與案例[M].中國(guó)經(jīng)濟(jì)出版社，2015.

[5]陳靜俊.P2P網(wǎng)絡(luò)借貸：金融創(chuàng)新中的問題和對(duì)策研究[J].科技信息，2011（12）.

[6]戚君賢，王理冬.網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)分析與建議[J].金融科技時(shí)代，2014（01）.

[7]張穎，馬玉林.基于因子分析的Logistic違約概率模型機(jī)[J].桂林理工大學(xué)學(xué)報(bào)，2010（01）.