李建強 張淑翠 趙大偉

摘要：目前，P2P網(wǎng)絡(luò)借貸平臺合法合規(guī)發(fā)展已成為重要問題。本文依據(jù)中國P2P網(wǎng)絡(luò)借貸平臺特征事實，構(gòu)建動態(tài)隨機一般均衡模型，模擬分析P2P網(wǎng)絡(luò)借貸經(jīng)濟影響、風(fēng)險機理及宏觀審慎政策有效性。研究結(jié)果表明：（1）P2P網(wǎng)絡(luò)借貸在提高金融滲透率、促進金融普惠的同時，也放大了信貸波動，增加了銀行體系外的金融脆弱性;（2）P2P網(wǎng)絡(luò)借貸行業(yè)存在適度最優(yōu)規(guī)模邊界，無序發(fā)展不利于社會福祉提高;（3）與P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模過度相比，平臺債權(quán)轉(zhuǎn)讓模式流動性風(fēng)險更嚴重;（4）在監(jiān)管非對稱下，P2P網(wǎng)絡(luò)借貸削弱了宏觀審慎政策有效性。因此，擴大宏觀審慎政策框架覆蓋范圍，將P2P網(wǎng)絡(luò)借貸納入宏觀審慎政策框架，與P2P網(wǎng)絡(luò)借貸行業(yè)可持續(xù)發(fā)展并非對立關(guān)系，一定程度上可平抑信貸波動，提高宏觀審慎政策有效性。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸;流動性風(fēng)險;宏觀審慎;金融穩(wěn)定;金融監(jiān)管;數(shù)值模擬

文獻標識碼：A

文章編號：1002-2848-2019（05）-0038-14

隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展和居民投資理財需求的旺盛，以金融脫媒為特征的P2P網(wǎng)絡(luò)借貸在全國范圍內(nèi)迅速發(fā)展起來。P2P網(wǎng)絡(luò)借貸依托互聯(lián)網(wǎng)，為投資人和融資人提供資金借貸信息，撮合和促成投資人與融資人在互聯(lián)網(wǎng)平臺上進行資金借貸。2007年6月，我國首家P2P網(wǎng)絡(luò)借貸平臺——拍拍貸在上海成立，隨后各類P2P網(wǎng)絡(luò)借貸平臺如雨后春筍般涌現(xiàn)。據(jù)網(wǎng)貸天眼統(tǒng)計，截至2017年，全國P2P網(wǎng)絡(luò)借貸平臺數(shù)量已有6461家，行業(yè)成交量達16681.65億元。P2P網(wǎng)絡(luò)借貸已成為云計算、大數(shù)據(jù)、人工智能和區(qū)塊鏈等新興科技與金融創(chuàng)新深度融合的重要實踐。

與此同時，P2P網(wǎng)絡(luò)借貸支付主體、渠道、場景、數(shù)據(jù)等多維度的碎片化，也埋下一些流動性風(fēng)險隱患。由于線上借貸模式有其獨特性，金融監(jiān)管制度滯后，各個P2P網(wǎng)絡(luò)借貸平臺資質(zhì)不一、良莠不齊，一度出現(xiàn)“提現(xiàn)困難”“清盤退出”及“停業(yè)跑路”等信用問題，被形象地稱為“爆雷潮”，引發(fā)社會對P2P網(wǎng)絡(luò)借貸行業(yè)觸發(fā)系統(tǒng)性風(fēng)險的擔(dān)憂。這些P2P網(wǎng)絡(luò)借貸的問題平臺已在居民、銀行、非銀行金融機構(gòu)以及中小企業(yè)之間建立起錯綜復(fù)雜的債權(quán)債務(wù)關(guān)系。實體部門需要付出更高成本，融資需求沒有得到充分滿足，甚至一些借貸主體通過不合規(guī)平臺服務(wù)產(chǎn)生了加杠桿、期限錯配問題，這些都成為誘發(fā)系統(tǒng)性金融風(fēng)險的新隱患。這些層出不窮的金融亂象，不僅影響貨幣政策傳導(dǎo)和金融資源配置效率，而且也危及金融穩(wěn)定，最終損害社會福利。鑒于此，我國《“十三五”現(xiàn)代金融體系規(guī)劃》明確指出，要“逐步擴大宏觀審慎政策框架的覆蓋范圍，探索將影子銀行、資管產(chǎn)品、互聯(lián)網(wǎng)金融等更多金融活動納入宏觀審慎政策框架，實現(xiàn)宏觀審慎管理和金融監(jiān)管對所有金融機構(gòu)、業(yè)務(wù)、活動及其風(fēng)險全覆蓋”。2016年，國務(wù)院啟動了互聯(lián)網(wǎng)金融專項整治，并將P2P網(wǎng)絡(luò)借貸列為重點整治領(lǐng)域。正確把握P2P網(wǎng)絡(luò)借貸本質(zhì)，深入分析P2P網(wǎng)絡(luò)借貸的經(jīng)濟影響及其背后的流動性風(fēng)險機理，量化評估宏觀審慎政策有效性，對深化金融供給側(cè)結(jié)構(gòu)性改革，推動P2P網(wǎng)絡(luò)借貸行業(yè)可持續(xù)發(fā)展至關(guān)重要。

一、文獻綜述

金融危機后，非銀行金融機構(gòu)快速發(fā)展對貨幣政策傳導(dǎo)及金融穩(wěn)定的影響引起人們廣泛反思。其中，P2P網(wǎng)絡(luò)借貸的流動性風(fēng)險問題也越來越受到關(guān)注。Narain[1]研究認為，金融技術(shù)公司經(jīng)常處于監(jiān)管灰色地帶，可能會開展一些銀行業(yè)務(wù)，但不受許可和監(jiān)管限制，未來有必要要求金融技術(shù)公司接受審慎監(jiān)管。Freedman等[2]研究發(fā)現(xiàn)，相對傳統(tǒng)借貸，P2P網(wǎng)絡(luò)借貸平臺信息透明度低，在非接觸性借貸交易中，社會關(guān)系不透明會導(dǎo)致借貸存在嚴重逆向選擇問題。國際清算銀行（Bank for International Settlements，BIS）[3]強調(diào)，全球金融危機后，源于資本市場融資活動的風(fēng)險更為普遍，金融創(chuàng)新和金融科技的應(yīng)用可能會改變風(fēng)險的屬性，這需要一系列新政策和更多宏觀審慎政策工具加以應(yīng)對。國際貨幣基金組織（International Monetary Fund，IMF）[4]認為，為了維護金融穩(wěn)定，監(jiān)管機構(gòu)必須關(guān)注新的風(fēng)險，包括網(wǎng)絡(luò)安全、金融科技以及審慎監(jiān)管范圍之外的其他機構(gòu)和業(yè)務(wù)活動可能給金融穩(wěn)定造成的威脅，這需要采用新的宏觀審慎工具來解決銀行部門之外的脆弱性問題。

在國內(nèi)，P2P網(wǎng)絡(luò)借貸作為一種新興金融業(yè)態(tài)，其研究主要聚焦于三方面：一是P2P網(wǎng)絡(luò)借貸交易特征與影響因素[5-6]，二是P2P網(wǎng)絡(luò)借貸收益率波動及影響因素[7]，三是P2P網(wǎng)絡(luò)借貸國際經(jīng)驗與案例分析[8]。然而，對于P2P網(wǎng)絡(luò)借貸平臺爆發(fā)風(fēng)險問題，僅有少量文獻有所涉獵。黃益平等[9]梳理分析3439家P2P問題平臺特征，發(fā)現(xiàn)信息嚴重缺失、從業(yè)時間較短、利率區(qū)間狹窄、利率水平高以及業(yè)務(wù)品種不全等都是問題平臺風(fēng)險隱患。王修華等[10]基于222家P2P網(wǎng)絡(luò)借貸平臺經(jīng)營數(shù)據(jù)樣本，研究發(fā)現(xiàn)管理層信息披露、年化收益率和第三方資金存管等因素對問題平臺風(fēng)險具有顯著影響。范超等[11]基于444家P2P網(wǎng)絡(luò)借貸平臺數(shù)據(jù)研究，認為網(wǎng)民評論和關(guān)注度、平臺利率、資金凈流入與待還款金額等波動都是識別平臺風(fēng)險程度重要指標。劉紅忠等[12]基于實物期權(quán)理論，構(gòu)建P2P網(wǎng)絡(luò)借貸平臺風(fēng)險事件的結(jié)構(gòu)模型，揭示P2P網(wǎng)絡(luò)借貸平臺風(fēng)險爆發(fā)的內(nèi)在機理。魏明俠等[13]通過建立P2P網(wǎng)絡(luò)借貸市場上各主要參與主體間的博弈模型，對借款方、貸款方、平臺方和監(jiān)管方兩兩間進行了博弈分析，并結(jié)合實際案例對P2P網(wǎng)絡(luò)借貸風(fēng)險行為進行了分析。

總體上，我國P2P網(wǎng)絡(luò)借貸研究多關(guān)注微觀層面因素，與之相關(guān)的實證分析也依賴行業(yè)調(diào)查和平臺財務(wù)自行披露，這些樣本數(shù)據(jù)是否足夠大，是否具有代表性值得商榷，碎片化研究可能缺乏宏觀系統(tǒng)性思考。P2P網(wǎng)絡(luò)借貸固然具有小額分散特征，但也只能分散平臺內(nèi)不同借款人個體風(fēng)險，而金融自身風(fēng)險則無法在平臺內(nèi)小額分散消除。隨著金融科技的推廣與應(yīng)用，針對金融穩(wěn)定的新的威脅不斷涌現(xiàn)，迫使金融監(jiān)管改革。十九大明確提出“健全貨幣政策和宏觀審慎政策雙支柱調(diào)控框架”后，新的標準、工具和實踐得以補充和實施。顯然，剖析P2P網(wǎng)絡(luò)借貸風(fēng)險機理與評估宏觀審慎工具有效性不再是兩個獨立議題，需要納入一個統(tǒng)一框架進行綜合研究。與現(xiàn)有研究不同，本文可能的創(chuàng)新在于：第一，基于當前我國P2P網(wǎng)絡(luò)借貸整頓的經(jīng)濟背景，在模型中引入“資金池”特征，捕捉并模擬刻畫許多問題平臺潛在的流動性風(fēng)險隱患;第二，從社會福利角度，討論P2P網(wǎng)絡(luò)借貸發(fā)展的內(nèi)生閾值，以及在P2P網(wǎng)絡(luò)借貸平臺下，量化評估不同審慎工具的有效性。此外，在研究方法上，前期文獻多采用微觀計量實證或信息博弈方法，從微觀主體最優(yōu)化決策對宏觀經(jīng)濟影響視角切入的研究較少。鑒于此，本文通過建立動態(tài)隨機一般均衡模型DSGE，系統(tǒng)分析了P2P網(wǎng)絡(luò)借貸平臺期限錯配與債權(quán)轉(zhuǎn)讓模式背后的流動性風(fēng)險機理，反事實模擬了P2P網(wǎng)絡(luò)借貸下的宏觀審慎政策有效性，提出推動P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)范發(fā)展的政策建議，以期能夠為宏觀審慎政策框架的完善提供理論支持。

二、我國P2P網(wǎng)絡(luò)借貸平臺特征事實描述

2018年6月以來，全國P2P網(wǎng)絡(luò)借貸平臺出現(xiàn)集中退出態(tài)勢，帶來了市場恐慌情緒的蔓延，也影響了部分尚正常運營的平臺，網(wǎng)絡(luò)借貸平臺加速退出的負面影響不斷擴大。相應(yīng)地，我國金融監(jiān)管部門采取了一系列舉措來化解網(wǎng)絡(luò)借貸行業(yè)風(fēng)險，穩(wěn)步推進合規(guī)檢查，行業(yè)風(fēng)險得到有效遏制，同時也發(fā)現(xiàn)違約網(wǎng)絡(luò)借貸平臺具有一些典型的風(fēng)險特征。

第一，P2P網(wǎng)絡(luò)借貸平臺信用中介特征明顯。2016年，我國《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》規(guī)定，P2P網(wǎng)絡(luò)借貸是指個體和個體之間通過互聯(lián)網(wǎng)平臺實現(xiàn)的直接借貸，而P2P平臺是指依法設(shè)立、專門從事網(wǎng)絡(luò)借貸信息中介業(yè)務(wù)活動的金融信息中介公司。其中，金融信息中介公司以互聯(lián)網(wǎng)為主要渠道，為借款人與出借人（投資人）實現(xiàn)直接借貸提供信息搜集、公布、資信評估、信息交互和借貸撮合等服務(wù)。由于金融信息中介公司僅開展借貸撮合業(yè)務(wù)，出借人與借款人是一對一關(guān)系，完全滿足期限匹配、收益和風(fēng)險匹配原則。但在實際經(jīng)營中，違約P2P網(wǎng)絡(luò)借貸平臺在未獲得金融牌照情況下，采用先歸集資金、再尋找借款對象等方式，使出借者資金進入平臺賬戶形成資金池，這已具有信用中介特征。投標決策權(quán)被讓渡至平臺，業(yè)務(wù)本質(zhì)由“撮合交易”變?yōu)椤板e配買賣”，債權(quán)轉(zhuǎn)讓也異化為滾動募資。具體有以下表現(xiàn)：首先，拆標的金額。為解決大標規(guī)模與低投資門檻矛盾，把一個大標拆成多個小標，允許投資者使用少量本金獲取高門檻才可享受的收益率，從而增強標的吸引力（見圖1）。部分平臺甚至發(fā)行活期理財產(chǎn)品，期限錯配割裂了風(fēng)險和收益的匹配性。其次，拆標的期限。為解決長期借貸項目與短期投資偏好矛盾，把長標拆成多個短標滾動發(fā)行，允許投資者短期投資獲取長期投資才可享受的收益率，從而提高標的吸引力（見圖2）。部門平臺通過短標多次滾動來滿足長標需求，本質(zhì)上是借新還舊，如果后續(xù)資金不能及時補充到位，或借款人未如期兌付，平臺資金鏈就會斷裂，影響短標出借人資金回籠，具有流動性風(fēng)險。

第二，P2P網(wǎng)絡(luò)借貸平臺以債權(quán)轉(zhuǎn)讓模式為主。P2P網(wǎng)絡(luò)借貸兩端均以自然人為主，當出借人的債權(quán)期限未到期需要退出時，向P2P網(wǎng)絡(luò)借貸平臺發(fā)出轉(zhuǎn)讓申請，平臺審核后向新出借人提供擔(dān)保，新出借人認購原出借人債權(quán)，完成債權(quán)轉(zhuǎn)讓，原出借人方可退出。短期內(nèi)，如果P2P網(wǎng)絡(luò)借貸平臺沒有找到合適新出借人愿意認購，債權(quán)轉(zhuǎn)讓無法完成，原出借人必須繼續(xù)持有等待。顯然，債權(quán)轉(zhuǎn)讓模式容易受到市場恐慌情緒影響，一旦出借人集體選擇提現(xiàn)退出，債權(quán)轉(zhuǎn)讓模式將難以為繼。

第三，P2P網(wǎng)絡(luò)借貸底層資產(chǎn)多以抵質(zhì)押類為主。一方面，與其他國家P2P網(wǎng)絡(luò)借貸發(fā)展不同，我國個人征信制度滯后，違約成本相對較低，大額純信用貸業(yè)務(wù)在P2P網(wǎng)絡(luò)借貸行業(yè)很難發(fā)展。P2P網(wǎng)絡(luò)借貸平臺不能隨意調(diào)用央行征信系統(tǒng)數(shù)據(jù)，而且擁有大數(shù)據(jù)及相應(yīng)數(shù)據(jù)分析能力的僅為少數(shù)頭部平臺，債務(wù)暴力催收受到法律制裁。另一方面，借款人逾期或者惡意賴賬信息未能及時納入征信，平臺無法直接監(jiān)視借款者真實資金使用過程，判別借款人資質(zhì)成本較高。因此，出借人愿意進行有抵押標的的投資，而平臺也要求借款人以一定抵押物來融資。據(jù)網(wǎng)貸之家統(tǒng)計，以2017年11月成交量過億P2P網(wǎng)絡(luò)借貸平臺為樣本，樣本平臺底層資產(chǎn)以汽車抵/質(zhì)押和房產(chǎn)抵押為主。

三、DSGE模型分析框架

本文參照Iacoviello[14]的研究思路， 既保證模型簡潔性，又追求模型實用性。不顯性引入P2P網(wǎng)絡(luò)借貸平臺，僅依據(jù)網(wǎng)絡(luò)借貸特征事實刻畫平臺角色。DSGE模型結(jié)構(gòu)如圖3所示。一是利用Kiyotaki等[15]提出的抵押約束機制，刻畫我國P2P網(wǎng)絡(luò)借貸底層資產(chǎn)多以抵質(zhì)押類為主的客觀事實;二是引入異質(zhì)居民人口權(quán)重，捕捉我國P2P網(wǎng)絡(luò)借貸債權(quán)轉(zhuǎn)讓模式;三是不考慮企業(yè)融資，設(shè)定借貸居民兩種融資渠道，揭示我國P2P網(wǎng)絡(luò)借貸信用中介特征和平臺兩端均以自然人為主特點;四是銀行受貸款價值比約束和資本充足率偏離懲罰機制，體現(xiàn)我國金融監(jiān)管非對稱性和宏觀審慎評估體系（Macro Prudential Assessment，MPA）打分實際情況。

（一）家庭部門

家庭存在兩類居民：儲蓄居民和借貸居民。居民效用函數(shù)為[WTBX]

其中，Cst表示儲蓄居民消費，qht表示房屋相對價格，Hst表示儲蓄居民住房服務(wù)。wst表示儲蓄居民工資率，Lst表示儲蓄居民勞動力供給。儲蓄居民存在兩種資產(chǎn)配置方式：一是向銀行儲蓄，獲得儲蓄回報。Dt表示儲蓄，Rdt表示儲蓄利率。二是在P2P網(wǎng)絡(luò)借貸平臺投資。BLst表示儲蓄居民在P2P平臺投資規(guī)模，RLt表示P2P貸款利率。設(shè)資產(chǎn)配置存在調(diào)整成本，υ是資產(chǎn)配置調(diào)整成本參數(shù)，ω表示資產(chǎn)配置系數(shù)。這保證了儲蓄居民動態(tài)邊際回報是不同的，避免模型陷入多重均衡陷阱。根據(jù)無套利條件，在穩(wěn)態(tài)下儲蓄居民兩種資產(chǎn)配置行為回報率固然相同，但從借貸居民在P2P平臺借款約束看，穩(wěn)態(tài)下儲蓄居民的銀行儲蓄與P2P平臺投資規(guī)模不同，這說明實質(zhì)上兩者綜合回報仍存在差異。另外，模型不考慮違約問題，這意味著P2P平臺投資客觀存在剛性兌付。從這個角度看，穩(wěn)態(tài)下二者回報相等也是可以接受的，可理解為不受外部沖擊影響下，儲蓄居民進行P2P平臺投資的底線是至少保證獲得銀行儲蓄回報。儲蓄居民最優(yōu)一階條件分別是

式（2）（3）是關(guān)于兩類資產(chǎn)的歐拉方程，消費跨期條件表明儲蓄居民追求平滑一生消費。式（4）衡量儲蓄居民住房服務(wù)跨期條件，住房消費的邊際效用等于放棄消費成本。式（5）是儲蓄居民勞動供給方程。

借貸居民有兩種融資方式：銀行貸款和P2P平臺貸款。通過外生設(shè)定兩類不同貸款價值比（Loan to Value，LTV），區(qū)別兩類不同機構(gòu)流動性風(fēng)險管理。mF是銀行平臺LTV，mL是P2P平臺LTV。LTV越高，對應(yīng)風(fēng)險敞口越大。商業(yè)銀行擁有相對完備風(fēng)險撥備覆蓋、準備金等風(fēng)險緩釋機制，并且還可以通過銀行間市場獲得短期流動性，自然比P2P平臺擁有更強應(yīng)對流動性風(fēng)險的能力，故mF

模型屬于典型代表行為人框架，借貸居民可視為實際社會中受流動性約束居民的平均水平，故α大小直接反映P2P網(wǎng)絡(luò)借貸占比。。借貸居民預(yù)算約束條件為

（二）銀行部門

參照Gambacorta等[16]的研究，銀行吸收儲蓄居民存款，向借貸居民貸款，并通過未分配利潤積累銀行凈資本。中央銀行規(guī)定商業(yè)銀行的目標資本充足率為CRR，如果商業(yè)銀行增加信貸投放，超過資本要求目標，要接受一定懲罰并付出成本。因此，銀行需要權(quán)衡過度信貸投放的利弊。這種偏離資本目標的懲罰機制的引入，反映了中央銀行對銀行資本的審慎要求，將導(dǎo)致銀行貸款供給曲線移動。銀行利潤最大化為

在向借貸居民貸款時，銀行具有一定壟斷定價權(quán)。由于競爭不充分，并不是所有借貸居民都能向銀行貸款。設(shè)銀行向借貸居民貸款利率加成是[AKμ-D]。

銀行利潤分為兩部分，一部分是股利分配，被股東消費;另一部分是未分配利潤，用作銀行資本凈值積累。δb表示銀行凈資本折舊，表示銀行利潤中未分配利潤占比。銀行利潤和資本凈值積累分別為

（三）廠商部門

1.最終品廠商

2.中間品廠商

儲蓄居民是中間品廠商股東。中間品廠商生產(chǎn)決策分兩個階段：

一是在生產(chǎn)函數(shù)約束下成本最小化，決定要素需求比例。

3.資本品廠商

（四）中央銀行

根據(jù)Fisher方程，名義利率和實際利率的關(guān)系為

四、參數(shù)校準估計與模型適用性分析

對于現(xiàn)有DSGE文獻通用參數(shù)，直接參考已有研究設(shè)定。對模型動態(tài)特征參數(shù)采用貝葉斯計量估計取值。考慮到2007年以拍拍貸為代表的P2P網(wǎng)絡(luò)借貸平臺在我國首次出現(xiàn)，故選擇2010年第1季度至2017年第4季度為樣本期。為避免估計的非奇異矩陣問題，選取觀測變量個數(shù)等于結(jié)構(gòu)性沖擊個數(shù)。模型引入包括技術(shù)生產(chǎn)率、住房偏好、投資調(diào)整成本以及貨幣政策在內(nèi)的4個外生隨機沖擊，故選擇4個觀測變量，分別為人均實際GDP、人均投資、7天隔夜拆借利率和通貨膨脹。對GDP和投資變量進行季節(jié)調(diào)整和價格指數(shù)沖減后折算為實際變量和單邊濾波去趨勢處理。數(shù)據(jù)來源為Wind數(shù)據(jù)庫和CQER數(shù)據(jù)庫。

（一）參數(shù)校準

參照侯成琪等[18]的設(shè)定，儲蓄居民與借貸居民主觀貼現(xiàn)率分別取0.99和0.98。勞動供給彈性的逆，現(xiàn)有文獻研究認為合理取值在2左右，本文取2。參照許志偉等[19-20]的設(shè)定，資本產(chǎn)出份額取0.45。設(shè)年度資本折舊率10%，季度折舊率則取2.5%。兩類居民勞動投入份額占比取0.64，勞動供給在效用函數(shù)中權(quán)重取1。根據(jù)我國網(wǎng)貸之家調(diào)查，P2P網(wǎng)絡(luò)借貸房產(chǎn)抵押率上限是七成。截至2017年5月末，金融業(yè)本外幣貸款余額中60%為抵質(zhì)押貸款，房地產(chǎn)為主要押品，占押品比重約為50%。因此，本文P2P網(wǎng)絡(luò)借貸抵押率取0.7，商業(yè)貸款抵押率取0.5。參考Gambacorta等[16]的研究，銀行凈資本折舊取0.049。其次，對具有明確經(jīng)濟含義和穩(wěn)態(tài)有關(guān)結(jié)構(gòu)參數(shù)采用經(jīng)驗數(shù)據(jù)匹配校準方法。匹配穩(wěn)態(tài)下儲蓄居民兩種資產(chǎn)配置規(guī)模比，資產(chǎn)配置系數(shù)取2。銀行信貸與P2P信貸比值在基準模型中取0.25，在后面內(nèi)生分析中則由深度結(jié)構(gòu)參數(shù)內(nèi)生確定。銀行未分配利潤占比取0.8，匹配上市銀行年報平均值。借貸居民貸款利率加成取0.6%，匹配季度存貸利差平均值。投資與借款匹配關(guān)系取2.3，匹配P2P網(wǎng)絡(luò)借貸投資人與借款人占比平均值。根據(jù)Wind數(shù)據(jù)統(tǒng)計，樣本期內(nèi)我國商業(yè)銀行資本充足率季度值取12.67%。參照王文甫[21]的研究，我國零售品廠商平均每4個季度調(diào)整一次價格，并根據(jù)Calvo與Rotemberg定價匹配原則，消費品替代彈性取6，價格調(diào)整成本系數(shù)取72.01。具體參數(shù)校準結(jié)果見表1。

（二）參數(shù)估計

根據(jù)Pfeifer[22]的研究建議，為使觀測變量與模型變量保持經(jīng)濟意義匹配一致性，在模型中增加量測方程刻畫觀測變量與模型變量之間的關(guān)系。同時，根據(jù)已有文獻先驗信息給出待估參數(shù)初始值，缺少先驗信息則采用較為寬松設(shè)定，盡量使估計結(jié)果較少受先驗分布誤設(shè)影響。本模型利用Dynare優(yōu)化算法進行貝葉斯估計，但Dynare內(nèi)嵌多種數(shù)值優(yōu)化器，尋找后驗?zāi)Ｊ酱嬖趦蓚€問題：一是這些算法只能找到局部最大后驗密度，不能確保全局最大值;二是后驗密度海森矩陣非正定，算法可能無法收斂。對此，參照Zha[23]的研究，調(diào)用外部函數(shù)從先驗分布中執(zhí)行隨機模式搜索1000次，并利用后驗分布MCMC通過Markov鏈抽樣2萬次模擬估計，提高對數(shù)數(shù)據(jù)密度，保證估計穩(wěn)健性。具體參數(shù)估計結(jié)果見表2。

（三）模型適用性分析

匹配比較模型經(jīng)濟和現(xiàn)實經(jīng)濟中主要宏觀變量的一階矩和二階矩條件，交叉驗證模型對現(xiàn)實經(jīng)濟的擬合效果，結(jié)果見表3?？梢?，盡管由于模型為封閉經(jīng)濟體，未包含凈出口市場，模型經(jīng)濟與現(xiàn)實經(jīng)濟存在稍許偏差，但從經(jīng)濟結(jié)構(gòu)角度看，模型經(jīng)濟與實際樣本較接近，說明決定模型穩(wěn)態(tài)的結(jié)構(gòu)參數(shù)校準較合理。從經(jīng)濟波動角度看，模型經(jīng)濟與實際樣本高度擬合，說明觀測變量數(shù)據(jù)已充分識別、估計待估參數(shù)。整體上，本模型對現(xiàn)實經(jīng)濟的擬合效果較好。

五、數(shù)值模擬與量化評估

（一）P2P網(wǎng)絡(luò)借貸的經(jīng)濟效應(yīng)模擬

首先，通過技術(shù)沖擊刻畫經(jīng)濟繁榮時P2P網(wǎng)絡(luò)借貸發(fā)展對宏觀經(jīng)濟的影響。其中，式（8）中α分別取1、0.75和0.25，分別對應(yīng)模型經(jīng)濟中P2P網(wǎng)絡(luò)借貸占信貸比重0%、25%和75%三種情景。圖4模擬顯示，隨著P2P網(wǎng)絡(luò)借貸占比提高，社會信貸增長幅度增加。通過P2P網(wǎng)絡(luò)借貸平臺，借貸居民信貸約束被放松，能夠消費更多商品和住房，而儲蓄居民財富管理渠道被拓寬，財富效應(yīng)帶動消費增加。由于房屋供給一定，借貸居民購房需求釋放，擠出儲蓄居民購房需求。因此，P2P網(wǎng)絡(luò)借貸的存在與發(fā)展確實促進了社會信貸規(guī)模增加，擴大了金融服務(wù)的覆蓋面，提高了普惠金融服務(wù)滲透率，釋放了更多潛在需求，這與我國金融體系尚未覆蓋的長尾人群較多，網(wǎng)絡(luò)借貸行業(yè)發(fā)揮了較大的普惠金融作用事實一致。

其次，信貸規(guī)模或信貸占GDP比重波動幅度越大，預(yù)示金融越不穩(wěn)定。若信貸規(guī)?；蛐刨J占GDP比重過度起伏，將引發(fā)系統(tǒng)性風(fēng)險。表4模擬統(tǒng)計結(jié)果顯示，隨著P2P網(wǎng)絡(luò)借貸占比增加，不論信貸規(guī)模還是信貸占GDP比重的標準差都隨之增加。如圖5所示，這種信貸波動還會隨著P2P網(wǎng)絡(luò)借貸占比上升呈非線性積累。這是因為資本要求約束僅影響銀行信貸，尚未約束P2P網(wǎng)絡(luò)借貸，故P2P網(wǎng)絡(luò)借貸占比越高，整個社會信貸約束越弱，市場波動越劇烈。這也說明P2P網(wǎng)絡(luò)借貸作為資金融通平臺，如同影子銀行，已事實上成為與銀行體系平行的準銀行。銀行資產(chǎn)負債表不能完全反映貨幣信貸創(chuàng)造過程，很多信用創(chuàng)造過程發(fā)生在銀行體系之外。如果宏觀審慎管理范圍過窄，大量流動性游離在貨幣監(jiān)測之外，都可能成為系統(tǒng)性風(fēng)險的重要來源。

從社會福利角度看，P2P網(wǎng)絡(luò)借貸發(fā)展是否能夠顯著改善社會福祉呢？借鑒Schmitt-Grohe等[24]的研究，用補償方差（Compensation Variation，CV）比較不同體制之間的福利差異。將模型中有無P2P網(wǎng)絡(luò)借貸作為兩種不同體制，設(shè)不存在P2P網(wǎng)絡(luò)借貸時，儲蓄居民和借貸居民福利分別為Ws*和Wb*。結(jié)合居民效用函數(shù)，與存在P2P網(wǎng)絡(luò)借貸相比，福利差異可分別表示為CEs和CEb，即

將模型在二階條件下展開，并根據(jù)式（42）（43）求解計算福利差異。如圖6所示，隨著P2P網(wǎng)絡(luò)借貸規(guī)模占比增加，借貸居民信貸約束被放松，消費和住房支出相應(yīng)增加，福利持續(xù)改善;儲蓄居民不受信貸約束影響，住房市場被擠出，福利反而下降。當借貸居民福利改善大于儲蓄居民福利惡化，社會整體福利改善。但是，P2P網(wǎng)絡(luò)借貸占比越大，信貸和消費波動也越大，這不利于家庭居民平滑消費。此外，隨著P2P網(wǎng)絡(luò)借貸占比增大，福利改善邊際效應(yīng)下降，風(fēng)險積累邊際影響遞增，最終在P2P網(wǎng)絡(luò)借貸占比達到一定規(guī)模后，反轉(zhuǎn)最初福利增加，取而代之是福利下降。這表明P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模存在最優(yōu)效率邊界，無序發(fā)展不利于社會福祉提高，也說明既要有內(nèi)在激勵機制，鼓勵P2P網(wǎng)絡(luò)借貸運用科技手段深耕金融服務(wù)，促進金融普惠，又要有外在約束機制，加強宏觀審慎監(jiān)管，保障P2P網(wǎng)絡(luò)借貸行業(yè)合規(guī)發(fā)展，這二者并非“對立關(guān)系”。

（二）P2P網(wǎng)絡(luò)借貸的流動性風(fēng)險模擬

“短存長貸”期限錯配，即資金來源短期化，資金運用長期化，普遍存在于銀行業(yè)。由于銀行持有金融牌照，通過完備風(fēng)險撥備制度、不良資產(chǎn)處置機制以及同業(yè)拆借、中央銀行再貸款等多種手段進行風(fēng)險緩釋，發(fā)生存款人擠兌，引發(fā)流動性風(fēng)險概率很低。與此不同，P2P網(wǎng)絡(luò)借貸平臺本質(zhì)上是金融信息中介，包括拆標的和拆期限的資金池業(yè)務(wù)模式已觸及期限錯配問題。通過債權(quán)轉(zhuǎn)讓將到期短標資產(chǎn)流動起來，拉平被錯配周期，在沒有相應(yīng)風(fēng)險緩釋措施和中央銀行最后貸款人背書保障下，反而會放大流動性風(fēng)險。為模擬刻畫這種情景，本文對衡量P2P網(wǎng)絡(luò)借貸市場出借人與借款人之間的匹配關(guān)系施加沖擊，結(jié)果如圖7所示。

第一，P2P網(wǎng)絡(luò)借貸規(guī)模占比越大，網(wǎng)絡(luò)借貸利率和風(fēng)險溢價上升越多，社會信貸規(guī)模下降越大，投資、消費等實體經(jīng)濟下滑越嚴重。這說明對P2P網(wǎng)絡(luò)借貸行業(yè)設(shè)置較高準入門檻，通過合規(guī)檢查、備案，逐步向牌照管理轉(zhuǎn)變，保持合理適度的P2P網(wǎng)絡(luò)借貸規(guī)模，不僅有利于社會福利改善，也會避免平臺流動性風(fēng)險積聚蔓延，影響投資者信心，形成惡性循環(huán)。第二，P2P網(wǎng)絡(luò)借貸期限錯配越嚴重，網(wǎng)絡(luò)借貸利率和風(fēng)險溢價上升越快，流動性風(fēng)險越大。作為資金池業(yè)務(wù)，一旦出借人集體贖回資金，或新資金流入驟降，短期流動性枯竭，就會加大擠兌風(fēng)險。盡管債權(quán)轉(zhuǎn)讓在一定程度上提升資金撮合效率，但也會加快資金匹配兌付頻率，借新還舊本質(zhì)上十分接近龐氏騙局。這些脆弱性的積累隨時都可能因金融狀況突然收緊、市場恐慌情緒影響而暴露出流動性風(fēng)險，因此為維護金融穩(wěn)定，應(yīng)當更積極地使用宏觀審慎工具，包括逆周期資本緩沖，來解決P2P網(wǎng)絡(luò)借貸行業(yè)的脆弱性問題。第三，與P2P網(wǎng)絡(luò)借貸規(guī)模相比，網(wǎng)絡(luò)借貸平臺不合規(guī)經(jīng)營行為造成的流動性風(fēng)險更為嚴重。這說明風(fēng)險控制是網(wǎng)絡(luò)借貸平臺的核心，只有加快審慎監(jiān)管立法，盡快制定平臺企業(yè)內(nèi)部控制標準規(guī)范，進行風(fēng)險控制指引，明確風(fēng)險緩釋手段，保證平臺企業(yè)合法合規(guī)運營，才能從源頭防控網(wǎng)絡(luò)借貸行業(yè)的金融風(fēng)險。

（三）P2P網(wǎng)絡(luò)借貸下的宏觀審慎政策有效性

逆周期資本緩沖和LTV比率限制是兩項重要的宏觀審慎工具。前者能夠增強金融彈性，降低信貸周期，后者能降低受信貸約束居民消費對金融沖擊的反應(yīng)，緩解金融順周期性自我加速機制。盡管如此，這些審慎監(jiān)管只適用于銀行，P2P網(wǎng)絡(luò)借貸不在監(jiān)管范圍內(nèi)，宏觀審慎政策有效性評估至關(guān)重要。參照Iacoviello等[25]的研究，此處放棄P2P網(wǎng)絡(luò)借貸占比外生假設(shè)。考慮貸款償還違約，銀行預(yù)期違約成本為

式（48）表明P2P網(wǎng)絡(luò)借貸占比主要取決于銀行與P2P網(wǎng)絡(luò)借貸平臺各自LTV水平與其約束松緊程度，這說明在信貸市場上，P2P網(wǎng)絡(luò)借貸規(guī)模

與宏觀審慎政策有效性密切相關(guān)。審慎政策趨緊、金融監(jiān)管趨嚴抑制了銀行信貸供給，造成一些融資需求無法滿足，紛紛轉(zhuǎn)向P2P網(wǎng)絡(luò)借貸平臺融資，反而促進了網(wǎng)貸平臺發(fā)展。需要強調(diào)的是，銀行資本要求決定銀行可貸款供給規(guī)模，相當于銀行LTV松緊約束，同樣對P2P網(wǎng)絡(luò)借貸占比具有影響。如圖8所示，銀行LTV收緊和資本要求提高，或放松P2P網(wǎng)絡(luò)借貸LTV，都會促進P2P網(wǎng)絡(luò)借貸行業(yè)發(fā)展。這與2013年和2014年我國銀行業(yè)全面收緊貸款審批，導(dǎo)致P2P網(wǎng)絡(luò)借貸行業(yè)爆發(fā)式增長事實一致。

為評估P2P網(wǎng)絡(luò)借貸下的宏觀審慎政策，分別以生產(chǎn)技術(shù)增加和政策利率提高的沖擊刻畫經(jīng)濟繁榮和經(jīng)濟過熱來進行反事實模擬分析。對經(jīng)濟模型二階展開，并考慮四種情景：（1）無P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為資本要求（CRR）和貸款價值比約束（LTV）;（2）存在P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為CRR;（3）存在P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為LTV;（4）存在P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為CRR和LTV，增加P2P網(wǎng)絡(luò)借貸LTV約束。不同情景下政策模擬結(jié)果見表5。

表5模擬結(jié)果顯示：第一，P2P網(wǎng)絡(luò)借貸既提高金融服務(wù)覆蓋面，也帶來較大信貸波動。在經(jīng)濟繁榮情景下，P2P網(wǎng)絡(luò)借貸的存在，會顯著促進產(chǎn)出、消費和投資等實體經(jīng)濟增長，在改善社會福利的同時，也造成信貸波動增加。第二，在經(jīng)濟繁榮情景下，技術(shù)進步帶來經(jīng)濟擴張，放松了銀行資本要求和LTV約束，市場流動性充裕，P2P網(wǎng)絡(luò)借貸信貸占比下降。在經(jīng)濟過熱情景下，貨幣政策收緊，“大河無水小河干”，資金供給趨緊導(dǎo)致銀行信貸和P2P網(wǎng)絡(luò)借貸規(guī)模下降，但P2P網(wǎng)絡(luò)借貸信貸占比卻上升。這說明在非對稱監(jiān)管下，貨幣政策收緊對銀行信貸和P2P網(wǎng)絡(luò)借貸具有非對稱緊縮影響。第三，在經(jīng)濟繁榮情景下，信貸標準差分別為2.93、4.58、4.73和4.70;在經(jīng)濟過熱情景下，信貸標準差則分別為10.49、12.08、14.74和14.03?？梢?，P2P網(wǎng)絡(luò)借貸削弱了宏觀審慎政策有效性，造成更大信貸波動，增加了銀行體系之外的金融脆弱性。這說明在非對稱監(jiān)管下，僅對銀行信貸供給進行限制，并不能達到對信貸整體約束的目的。借貸居民從銀行貸款轉(zhuǎn)向P2P網(wǎng)絡(luò)借貸平臺融資，P2P網(wǎng)絡(luò)借貸平臺成為規(guī)避監(jiān)管缺口，不能有效熨平信貸波動，這背離了宏觀審慎政策初衷。相反，如果增加對P2P網(wǎng)絡(luò)借貸LTV約束，則會在一定程度上彌補監(jiān)管漏洞，提高宏觀審慎政策有效性。第四，從審慎工具使用效果看，LTV約束比資本要求更能有效抑制信貸波動。LTV直接限制可貸款規(guī)模，不需要過多中間傳導(dǎo)環(huán)節(jié)，具有“立竿見影”效果。相反，資本要求是一種懲罰機制，僅影響銀行可貸資金寬裕程度，不直接作用于信貸供給，政策效果更多取決于銀行放貸意愿。從經(jīng)濟周期角度看，宏觀審慎工具效果是不對稱的。相比經(jīng)濟過熱情景，在經(jīng)濟繁榮情景下，宏觀審慎政策會帶來社會福利明顯改善，這說明收緊宏觀審慎政策要比放松宏觀審慎政策的效果更明顯。

六、主要結(jié)論與政策建議

在深化金融供給側(cè)結(jié)構(gòu)性改革大背景下，完善宏觀審慎政策框架，促進P2P網(wǎng)絡(luò)借貸規(guī)范發(fā)展，平衡好穩(wěn)增長和防風(fēng)險的關(guān)系，增強金融服務(wù)實體經(jīng)濟能力具有重要意義。本文利用DSGE模型刻畫我國P2P網(wǎng)絡(luò)借貸特征事實，數(shù)值模擬分析P2P網(wǎng)絡(luò)借貸平臺的經(jīng)濟效應(yīng)、流動性風(fēng)險，量化評估P2P網(wǎng)絡(luò)借貸下宏觀審慎政策的有效性。研究發(fā)現(xiàn)：第一，P2P網(wǎng)絡(luò)借貸既擴大金融服務(wù)覆蓋面，提高金融滲透率，促進實體經(jīng)濟增長，又放大信貸波動，增加銀行體系外的金融脆弱性，影響金融穩(wěn)定;第二，P2P網(wǎng)絡(luò)借貸具有信用中介特征，其行業(yè)無序發(fā)展和債權(quán)轉(zhuǎn)讓模式不僅難以促進反而惡化社會福利，造成期限錯配的流動性風(fēng)險;第三，在非對稱監(jiān)管下，P2P網(wǎng)絡(luò)借貸削弱宏觀審慎政策有效性，造成更大信貸波動，而貨幣政策收緊對銀行信貸和P2P網(wǎng)絡(luò)借貸具有非對稱緊縮影響;第四，將P2P網(wǎng)絡(luò)借貸納入宏觀審慎政策框架，一定程度上可平抑信貸波動，提高宏觀審慎政策有效性。

綜上所述，本文提出以下幾點建議：第一，加強網(wǎng)絡(luò)借貸平臺準入審查，明確網(wǎng)絡(luò)借貸平臺的準入資質(zhì)，設(shè)置較高準入門檻。通過合規(guī)檢查、備案，逐步向牌照管理轉(zhuǎn)變，保持合理適度的P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模。第二，建立網(wǎng)絡(luò)借貸信息披露機制，提高信息披露準確性和透明度，既要強化違法違規(guī)行為懲治力度，又要鼓勵平臺完善風(fēng)險控制機制，保證平臺業(yè)務(wù)模式合法合規(guī)。第三，建立投資者適當性制度，出臺投資者適當性標準，加強投資者教育，提高出借人對P2P網(wǎng)絡(luò)借貸項目風(fēng)險的識別能力和承受能力。第四，構(gòu)建納入P2P網(wǎng)絡(luò)借貸的宏觀審慎政策框架，完善審慎監(jiān)管工具和方式，注重短期引導(dǎo)及長期規(guī)范相配合，有效平衡金融創(chuàng)新與風(fēng)險的關(guān)系，守住不發(fā)生系統(tǒng)性風(fēng)險底線。

參考文獻：

[1]?Narain A. Two faces of change[J]. Finance & Development， 2016， 53（3）： 20-21.

[2]?Freedman S， Jin G Z. The information value of online social networks： Lessons from peer-to-peer lending[J]. International Journal of Industrial Organization， 2017， 51（2）： 185-222.

[3]?Bank for International Settlements. Annual economic report[R]. BIS Annual Economic Report， 2018.

[4]?International Monetary Fund. A decade after the global financial crisis： Are we safer？[R]. Global Financial Stability Reports， 2018.

[5]?李悅雷， 郭陽， 張維. 中國P2P小額貸款市場借貸成功率影響因素分析[J]. 金融研究， 2013（7）： 126-138.

[6]?周雄偉， 朱恒先， 李世剛. 平臺參與投資與P2P籌資效率[J]. 中國工業(yè)經(jīng)濟， 2017（4）： 155-175.

[7]?朱家祥， 沈艷， 鄒欣. 網(wǎng)絡(luò)借貸： 普惠？普騙？與監(jiān)管科技[J]. 經(jīng)濟學(xué)（季刊）， 2018（4）： 1599-1622.

[8]?馮博， 葉綺文， 陳冬宇. P2P網(wǎng)絡(luò)借貸研究進展及中國問題研究展望[J]. 管理科學(xué)學(xué)報， 2017（4）： 113-126.

[9]?黃益平， 沈艷， 王靖一. 哪類個體網(wǎng)絡(luò)借貸平臺容易出問題？[R]. 北京大學(xué)國家發(fā)展研究院和北京大學(xué)互聯(lián)網(wǎng)金融研究中心工作論文， 2015.

[10]王修華， 孟路， 歐陽輝. P2P網(wǎng)絡(luò)借貸問題平臺特征分析及投資者識別[J]. 財貿(mào)經(jīng)濟， 2016（12）： 71-84.

[11]范超， 王磊， 解明明. 新經(jīng)濟業(yè)態(tài)P2P網(wǎng)絡(luò)借貸的風(fēng)險甄別研究[J]. 統(tǒng)計研究， 2017（2）： 33-43.

[12]劉紅忠， 毛杰. P2P網(wǎng)絡(luò)借貸平臺爆發(fā)風(fēng)險事件問題的研究[J]. 金融研究， 2018（11）： 119-132.

[13]魏明俠， 趙艷. 基于博弈模型的P2P網(wǎng)絡(luò)借貸行業(yè)風(fēng)險機理研究[J]. 金融監(jiān)管研究， 2018（12）： 83-97.

[14]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle[J]. American Economic Review， 2005， 95（3）： 739-764.

[15]Kiyotaki N， Moore J. Credit cycles[J]. Journal of Political Economy， 1997， 105（2）： 211-248.

[16]Gambacorta L， Signoretti F M. Should monetary policy lean against the wind： An analysis based on a DSGE model with banking[J]. Journal of Economic Dynamics and Control， 2014， 43（1）： 146-174.

[17]Mendicino C， Pescatori A. Credit frictions， housing prices and optimal monetary policy rules[R]. Departmental Working Papers of Economics-University， 2004.

[18]侯成琪， 劉潁. 外部融資溢價機制與抵押約束機制[J]. 經(jīng)濟評論， 2015（4）： 134-147.

[19]許志偉， 林仁文. 我國總量生產(chǎn)函數(shù)的貝葉斯估計[J]. 世界經(jīng)濟文匯， 2011（2）： 87-102.

[20]馬文濤， 魏福成. 基于新凱恩斯動態(tài)隨機一般均衡模型的季度產(chǎn)出缺口測度[J]. 管理世界， 2011（5）： 39-65.

[21]王文甫. 價格粘性、流動性約束與中國財政政策的宏觀效應(yīng)[J]. 管理世界， 2010（9）： 11-25.

[22]Pfeifer J. A guide to specifing observation equations for the estimation of DSGE models[R]. University of Mannheim Working Paper， 2014.

[23]Zha Tao. Bayesian estimation of DSGE models[R]. International Monetary Fund Institute for Capacity Development Joint China-IMF Training Program， 2018.

[24]Schmitt-Grohe S， Uribe M. Optimal fiscal and monetary policy under sticky prices[J]. Journal of Economic Theory， 2004， 114（2）： 198-230.

[25]Iacoviello M， Minetti R. International business cycles with domestic and foreign lenders[J]. Journal of Monetary Economics， 2006， 53（8）： 2267-2282.