閻曉春 周笑愉

摘 要：P2P網(wǎng)絡(luò)借貸平臺(tái)在展現(xiàn)新行業(yè)活力的同時(shí)，在國(guó)內(nèi)平臺(tái)上也不斷出現(xiàn)問(wèn)題，以至行業(yè)亂象頻生、投資者信心嚴(yán)重受挫。因此，選擇浙江、江蘇、北京、上海及廣東五個(gè)地區(qū)197家P2P平臺(tái)作為樣本，綜合已有研究與行業(yè)特征，設(shè)定各評(píng)估指標(biāo)，使用層次分析法對(duì)指標(biāo)排序。采用突變級(jí)數(shù)法構(gòu)建風(fēng)險(xiǎn)評(píng)估模型，橫向比較浙江省與其他地區(qū)P2P平臺(tái)的風(fēng)險(xiǎn)特征差別，為市場(chǎng)參與方提供參考。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸平臺(tái);突變級(jí)數(shù)法;風(fēng)險(xiǎn)評(píng)估

中圖分類(lèi)號(hào)：F830.5? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2019）29-0149-06

引言

P2P行業(yè)發(fā)展初期，監(jiān)管過(guò)于寬松，沒(méi)有門(mén)檻限制，涌現(xiàn)大量平臺(tái)，良莠不齊。隨著困境出現(xiàn)，風(fēng)險(xiǎn)爆發(fā)，影響整個(gè)行業(yè)的發(fā)展。而浙江省無(wú)論是平臺(tái)數(shù)量還是交易量都居于全國(guó)前列，有代表性。定量分析浙江省P2P平臺(tái)的相關(guān)風(fēng)險(xiǎn)具有參考價(jià)值。本文采用突變級(jí)數(shù)法，比較浙江、北京、上海、廣東及江蘇等地區(qū)的平臺(tái)綜合風(fēng)險(xiǎn)，為P2P平臺(tái)的監(jiān)管提供參考與借鑒。

一、文獻(xiàn)綜述

關(guān)于P2P平臺(tái)風(fēng)險(xiǎn)的研究，國(guó)內(nèi)國(guó)外差別比較大。國(guó)外集中于實(shí)證分析借款違約的影響因素（Seth Freedman，2011[1]，Pope，2011[2]）。而受限于信息披露不充分、數(shù)據(jù)缺乏、征信體系沒(méi)有完全建立等等，國(guó)內(nèi)很多已有文獻(xiàn)是定性分析。也有文獻(xiàn)通過(guò)構(gòu)建模型定量分析P2P平臺(tái)風(fēng)險(xiǎn)，關(guān)注借款人的違約問(wèn)題（唐藝軍等，2015[3];于曉虹，等，2016[4]），運(yùn)用因子分析法（張巧良，2015[5];尹鈞惠等，2016[6]）評(píng)估平臺(tái)風(fēng)險(xiǎn)，或采用Logistic回歸和層次分析法（唐嘉悅[7];宋飛飛等，2015[8]）等分析。Logistic回歸法主觀成分較強(qiáng)，層次分析法中每個(gè)層次中的每個(gè)因素對(duì)結(jié)果的影響程度都是量化的，清晰明確。但是，所有的指標(biāo)體系需要有專(zhuān)家系統(tǒng)的支持，如果給出的指標(biāo)不合理，得到的結(jié)果也就不準(zhǔn)確。突變級(jí)數(shù)法不對(duì)指標(biāo)采用權(quán)重，減少了主觀性，又不失科學(xué)性、合理性，而且計(jì)算簡(jiǎn)易準(zhǔn)確，更適合P2P平臺(tái)的風(fēng)險(xiǎn)評(píng)估。

二、樣本選取、指標(biāo)說(shuō)明

（一）樣本選取

浙江、江蘇、北京、上海及廣東五省市P2P平臺(tái)數(shù)量和成交量占全國(guó)比例較高，問(wèn)題平臺(tái)也占到50%以上。這些地區(qū)的P2P平臺(tái)風(fēng)險(xiǎn)比較具有代表性。所以，研究樣本選擇浙江、江蘇、北京、上海及廣東五個(gè)地區(qū)的P2P平臺(tái)，要求截至2017年6月底至少上線一年且狀態(tài)正常，并記錄了完整的運(yùn)營(yíng)數(shù)據(jù)。數(shù)據(jù)來(lái)源于網(wǎng)貸天眼、網(wǎng)貸之家及各平臺(tái)的官方網(wǎng)站，時(shí)間窗口為2016年7月至2017年6月，共197個(gè)樣本。

（二）指標(biāo)說(shuō)明

考慮到數(shù)據(jù)的可得性，設(shè)計(jì)4個(gè)一級(jí)評(píng)估指標(biāo)：信用風(fēng)險(xiǎn)F1、操作風(fēng)險(xiǎn)F2、流動(dòng)性風(fēng)險(xiǎn)F3、信息披露風(fēng)險(xiǎn)F4。信用風(fēng)險(xiǎn)對(duì)應(yīng)的二級(jí)指標(biāo)有：償還能力風(fēng)險(xiǎn)S1、償還意愿風(fēng)險(xiǎn)S2。操作風(fēng)險(xiǎn)對(duì)應(yīng)的二級(jí)指標(biāo)是集中度S3。流動(dòng)性風(fēng)險(xiǎn)對(duì)應(yīng)的二級(jí)指標(biāo)有：資金流動(dòng)性S4、債權(quán)可轉(zhuǎn)讓性S5。信息披露風(fēng)險(xiǎn)對(duì)應(yīng)的二級(jí)指標(biāo)有：借款人信息透明度S6、高管從業(yè)經(jīng)驗(yàn)S7。

三、指標(biāo)具體分析

1.新增借款/待收金額T1。它可以反映平臺(tái)在一定時(shí)間內(nèi)的還款能力。該比值越大，平臺(tái)風(fēng)險(xiǎn)越小。

2.注冊(cè)資本T2。該指標(biāo)越小風(fēng)險(xiǎn)越大。

3.保障模式T3。沒(méi)有保障模式或不詳定義為0。風(fēng)險(xiǎn)備用金保證定義為1;第三方擔(dān)保定義為2;資產(chǎn)合作伙伴回購(gòu)定義為3;履約擔(dān)保保險(xiǎn)定義為4。如有多個(gè)保障模式，定義值對(duì)應(yīng)相加。

4.上線時(shí)間T4。該指標(biāo)越大，平臺(tái)運(yùn)行越穩(wěn)定，越可靠。根據(jù)截止2017年6月30日的總共月數(shù)計(jì)算。

5.參考利率T5。預(yù)期回報(bào)率越低，還款壓力越小。平臺(tái)風(fēng)險(xiǎn)越高。

6.銀行存管T6。用戶資金及平臺(tái)的風(fēng)險(xiǎn)備用金均沒(méi)有銀行存管的，取值為0。用戶資金或平臺(tái)的風(fēng)險(xiǎn)備用金二者之一有銀行存管的，定義為1。二者都有銀行存管的，取值為2。

7.借款人數(shù)/投資者人數(shù)T7它可以反映平臺(tái)的集中度。與投資者數(shù)量相比，借款人越多，平臺(tái)越集中，平臺(tái)風(fēng)險(xiǎn)越低。

8.前十大融資者待還金額/前十大投資者待收金額T8。它可以反映平臺(tái)的集中度。比T7更直觀。

9.平均借款期限T9。它一定程度上代表資金的流動(dòng)性。借款期越長(zhǎng)，平臺(tái)風(fēng)險(xiǎn)相對(duì)越低。

10.綜合利率T10。當(dāng)前標(biāo)的全部加權(quán)平均利率。該值越小，平臺(tái)風(fēng)險(xiǎn)越低。

11.人均投資金額/人均借款金額T11。該指標(biāo)越低，說(shuō)明借款需求越集中，平臺(tái)運(yùn)行風(fēng)險(xiǎn)相對(duì)越高。

12.債權(quán)可轉(zhuǎn)讓程度T12。債權(quán)流動(dòng)性越高，平臺(tái)相對(duì)流動(dòng)性風(fēng)險(xiǎn)越低。債權(quán)不可轉(zhuǎn)讓的，賦值0。債權(quán)可在3個(gè)月或3個(gè)月以內(nèi)轉(zhuǎn)讓的，賦值1。債權(quán)可在個(gè)2個(gè)月或2個(gè)月以內(nèi)轉(zhuǎn)讓的，賦值2。將債權(quán)可以在1個(gè)月或1個(gè)月以內(nèi)轉(zhuǎn)讓的，賦值3。將債權(quán)可隨時(shí)轉(zhuǎn)讓的，賦值4。

13.信息透明度T13。借款人信息相對(duì)越完善，借款人違約風(fēng)險(xiǎn)越小，越容易獲得投資者的信任。借款人信息可以包括職業(yè)、性別、出生日期、學(xué)歷、婚姻狀況、成功借款次數(shù)、借款用途等等。如果未披露任何相關(guān)相關(guān)信息，賦值0。如果披露上述少部分信息（少于一半），賦值1。如果披露大部分相關(guān)信息（超過(guò)一半），賦值2。

14.高管從業(yè)經(jīng)驗(yàn)T14。高官金融行業(yè)工作時(shí)間越長(zhǎng)，投資者越信任，平臺(tái)風(fēng)險(xiǎn)越低。

四、層次分析法排序

1.確定目標(biāo)和評(píng)估因素

2.構(gòu)造判斷矩陣

選擇互聯(lián)網(wǎng)金融領(lǐng)域10位專(zhuān)家，通過(guò)專(zhuān)家問(wèn)卷調(diào)查方法，對(duì)指標(biāo)的重要程度打分，得到以下結(jié)果。

3.一致性檢驗(yàn)

計(jì)算判斷矩陣S的最大特征根。？姿max=4.250 1。

平均隨機(jī)一致性指標(biāo)RI=0.9。

層次分析排序結(jié)果有滿意的一致性。其他判斷矩陣：

對(duì)三階及以上的矩陣進(jìn)行一致性檢驗(yàn)，根據(jù)以上步驟計(jì)算相應(yīng)的一致性指標(biāo)CI、隨機(jī)一致性比率CR。F1、F3、F4分別為0，0，0，S1、S2、S3、S4分別為0.007 9，0.008 8，0，0.003 2，均小于0.10，單層次一致性檢驗(yàn)通過(guò)。

總排序一致性檢驗(yàn)：

層次分析法的指標(biāo)排序結(jié)果：F1>F2>F3>F4。S1>S2。T1>T2>T3。T4>T5>T6;T7>T8;S4>S5;T9>T10>T11;T13>T14。

五、突變級(jí)數(shù)法構(gòu)建P2P平臺(tái)風(fēng)險(xiǎn)評(píng)估模型

1.將原始數(shù)據(jù)標(biāo)準(zhǔn)化為0-1區(qū)間的取值。其中，T5、T10這兩個(gè)變量的數(shù)值越大，風(fēng)險(xiǎn)越高，運(yùn)用式（1）;其他變量均是數(shù)值越大，風(fēng)險(xiǎn)越低，運(yùn)用式（2）。

2.按照各指標(biāo)層分解的子指標(biāo)個(gè)數(shù)選擇相應(yīng)的突變模型。

3.運(yùn)用歸一化公式，計(jì)算x值（xa，xb，xc，xd）。如果變量之間有明顯的互相補(bǔ)充的關(guān)系，取平均值。如果沒(méi)有明顯互相彌補(bǔ)的關(guān)系，指標(biāo)按照大中取小原則計(jì)算。

（1）非互補(bǔ)原則：比如（T13，T14）。

（2）互補(bǔ)原則：假如變量間可以相互補(bǔ)充或彌補(bǔ)不足，取各控制變量的平均值作為整個(gè)系統(tǒng)的x值。互補(bǔ)型的指標(biāo)有（F1，F(xiàn)2，F(xiàn)3，F(xiàn)4）、（S1、S2）、（T1，T2，T3）、（T4，T5，T6）、（T7，T8）、（S4，S5）、（T9，T10，T11）。

逐層逐步計(jì)算各平臺(tái)的綜合風(fēng)險(xiǎn)值（計(jì)算過(guò)程略）。

六、不同地區(qū)P2P平臺(tái)風(fēng)險(xiǎn)的比較分析

（一）描述性統(tǒng)計(jì)結(jié)果

各地區(qū)P2P平臺(tái)總風(fēng)險(xiǎn)的均值都在0.7—0.8左右。浙江省平臺(tái)的均值和極小值處于中間位置。極大值是地區(qū)中最低的，平臺(tái)綜合風(fēng)險(xiǎn)水平總體一般，而且最安全的平臺(tái)落后于其他地區(qū)的最安全平臺(tái)。

浙江省P2P平臺(tái)的流動(dòng)性風(fēng)險(xiǎn)較高，平臺(tái)之間的差異也較大。信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)和信息披露風(fēng)險(xiǎn)指標(biāo)均值都高于其他地區(qū)。浙江省排名第一的P2P平臺(tái)，信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、操作及信息披露風(fēng)險(xiǎn)與其他地區(qū)同等平臺(tái)之間差距較大，尤其操作風(fēng)險(xiǎn)差距最大，說(shuō)明浙江平臺(tái)操作風(fēng)險(xiǎn)偏高，監(jiān)管可以在這方面適當(dāng)關(guān)注。

（二）平臺(tái)風(fēng)險(xiǎn)影響因素分析

相對(duì)于其他地區(qū)，浙江省平臺(tái)的流動(dòng)性風(fēng)險(xiǎn)偏高，操作風(fēng)險(xiǎn)大。圖2表示綜合風(fēng)險(xiǎn)值與流動(dòng)性風(fēng)險(xiǎn)下三級(jí)指標(biāo)值之間的關(guān)系。T9的值在平臺(tái)之間差距不大。并且多數(shù)情況下，這一指標(biāo)的值在指標(biāo)中是最小的，說(shuō)明流動(dòng)性風(fēng)險(xiǎn)主要來(lái)自于平均借款期限較短。T11的值較低，說(shuō)明浙江省P2P平臺(tái)的資金來(lái)源不穩(wěn)定，投資者更為小心。

借款人數(shù)/投資者人數(shù)，浙江省平臺(tái)T7指標(biāo)的數(shù)值也比較小，借款比較分散，平臺(tái)風(fēng)險(xiǎn)偏高。

七、研究結(jié)論與不足

本文以浙江、北京、廣東、上海及江蘇五省市共197家平臺(tái)為樣本，采用突變級(jí)數(shù)法構(gòu)建了P2P平臺(tái)的風(fēng)險(xiǎn)評(píng)估模型，比較分析各地區(qū)平臺(tái)風(fēng)險(xiǎn)之間的差別，得出以下結(jié)論。

1.浙江省P2P平臺(tái)的流動(dòng)性風(fēng)險(xiǎn)比較大，平臺(tái)之間的差異也比較大。

2.操作風(fēng)險(xiǎn)比較大，這也是監(jiān)管方和投資者需要關(guān)注的問(wèn)題。

各P2P平臺(tái)的數(shù)據(jù)信息披露程度差別較大，某些相對(duì)重要的信息根本沒(méi)有，比如逾期率;問(wèn)題平臺(tái)的歷史數(shù)據(jù)更沒(méi)有獲得途徑。另外，P2P平臺(tái)風(fēng)險(xiǎn)結(jié)構(gòu)十分復(fù)雜，信息披露的監(jiān)管力度需要加大，必要的信息和數(shù)據(jù)應(yīng)強(qiáng)制披露，這樣才有可能改善評(píng)估效果。更可將發(fā)生突變的平臺(tái)與正常平臺(tái)對(duì)比，找出引起突變的影響因素，提供靶向明確的政策建議。

參考文獻(xiàn)：

[1]? Seth Freedman，Ginger ZheJin.Learning by Doing with Asymmetric Information：Evidence from Prosper.Com[J].Nber Working Papers，2011：203-212.

[2]? Pope D G，Sydnor J R.Whats in a Picture？：Evidence of Discrimination from Prosper.com[J].Journal of Human Resources，2011，46（1）：53-92.

[3]? 唐藝軍，葛世星.我國(guó)P2P網(wǎng)絡(luò)信貸風(fēng)險(xiǎn)控制實(shí)證分析[J].商業(yè)研究，2015，（10）：64-72.

[4]? 于曉虹，樓文高.基于隨機(jī)森林的P2P網(wǎng)貸信用風(fēng)險(xiǎn)評(píng)價(jià)、預(yù)警與實(shí)證研究[J].金融理論與實(shí)踐，2016，（2）：53-58.

[5]? 張巧良，張黎.P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)研究——基于層次分析法.[J]南京審計(jì)學(xué)院學(xué)報(bào)，2015，（6）：87-94.

[6]? 尹鈞惠，熊冉冉.基于因子分析的P2P網(wǎng)絡(luò)借貸平臺(tái)內(nèi)部風(fēng)險(xiǎn)評(píng)估[J].財(cái)會(huì)月刊，2016，（33）：72-75.

[7]? 唐嘉悅，郝蒙.基于AHP的P2P風(fēng)險(xiǎn)綜合評(píng)價(jià)及控制[J].經(jīng)濟(jì)研究導(dǎo)刊，2014，（32）：184-185.

[8]? 宋飛飛，黃作明.P2P平臺(tái)風(fēng)險(xiǎn)管理評(píng)價(jià)指標(biāo)體系的構(gòu)建[J].商，2015，（47）：182-183.

Comparative Study on Risk Assessment of P2P Network Lending Platform in Zhejiang Province

YAN Xiao-chun1，ZHOU Xiao-yu2

（1.Zhejiang University of Finance and Economics，Hangzhou 310018，China;

2.Yancheng Rural Commercial Bank，Yancheng 224000，China）

Abstract：P2P online lending platform in the display of new industry vitality，but also in the domestic platform problems，so that the industry chaos，investor confidence is seriously frustrated.Therefore，select 197 P2P platforms in five regions of Zhejiang，Jiangsu，Beijing，Shanghai and Guangdong as samples，synthesize the existing research and industry characteristics，set each evaluation index，and use AHP to rank the indicators.Using the mutation series method to construct the risk assessment model，the risk characteristics difference of P2P platform in Zhejiang Province and other regions is compared horizontally to provide reference for market participants.

Key words：P2P network lending platform;mutation series method;risk assessment.

[責(zé)任編輯 柯 黎]

收稿日期：2019-09-17

基金項(xiàng)目：浙江省科技廳軟科學(xué)重點(diǎn)課題“創(chuàng)新型省份重點(diǎn)指標(biāo)檢測(cè)與評(píng)估研究——浙江省P2P網(wǎng)絡(luò)借貸平臺(tái)的監(jiān)測(cè)與評(píng)估研究”（2017C25024）的部分成果

作者簡(jiǎn)介：閻曉春（1972-），女（滿族），甘肅蘭州人，副教授，博士，從事互聯(lián)網(wǎng)金融研究;周笑愉（1991-），女，江蘇鹽城人，碩士，從事互聯(lián)網(wǎng)金融研究。