盧方元，蘇冰杰

（鄭州大學(xué) 商學(xué)院，河南 鄭州 450001）

一、引言

2007 年，上海拍拍貸的成立打開了我國民間借貸的新紀(jì)元。十多年來，網(wǎng)貸行業(yè)取得了飛躍式的發(fā)展。網(wǎng)貸之家數(shù)據(jù)顯示，2018 年網(wǎng)貸行業(yè)成交量突破8 萬億元，截至2019 年1 月底，累計(jì)平臺量為6 452 家，中國儼然已成為全球網(wǎng)貸規(guī)模最大的國家。雖然網(wǎng)貸行業(yè)憑借其貸款門檻低、資金流動性強(qiáng)的優(yōu)勢，在一定程度上彌補(bǔ)了傳統(tǒng)銀行的缺陷，緩解了中國普惠金融發(fā)展面臨的一些難題[1]，但同時也引發(fā)了大量的問題，多地平臺出現(xiàn)跑路、失聯(lián)、提現(xiàn)困難等現(xiàn)象。對此，監(jiān)管當(dāng)局多次發(fā)聲，并初步建立起以《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動管理暫行辦法》（簡稱《辦法》）、《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)備案登記管理指引》、《網(wǎng)絡(luò)借貸資金存管業(yè)務(wù)指引》、《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動信息披露指引》為主體的“1+3”的制度框架。一系列嚴(yán)格監(jiān)管政策的出臺使得網(wǎng)貸平臺的數(shù)量一降再降，網(wǎng)貸之家數(shù)據(jù)顯示，截至2017 年12 月底，網(wǎng)絡(luò)借貸行業(yè)正常運(yùn)營平臺數(shù)量達(dá)到了1 931 家，相比2016 年底減少了517 家，全年正常運(yùn)營平臺數(shù)量一直單邊下行。這一切似乎表明我國網(wǎng)貸行業(yè)逐漸跨越“野蠻發(fā)展”階段開始進(jìn)入“規(guī)范發(fā)展”的新階段。然而2018 年6月14 日明星平臺唐小僧爆雷，掀起了新一輪的恐慌。據(jù)悉，P2P 行業(yè)一改之前資金凈流入的趨勢，當(dāng)月資金凈流出113 億元，并由此引發(fā)行業(yè)資金流動性危機(jī)，爆發(fā)了P2P 網(wǎng)貸史上最大的雷潮風(fēng)波，一時之間，輿論嘩然，投資人信心驟減。接著，2018 年7月9 日，中國人民銀行發(fā)布公告稱要再用1～2 年才能完成互聯(lián)網(wǎng)金融專項(xiàng)整治，同時指出原定于2018年6 月完成的備案工作將進(jìn)一步被推遲，投資人信心再次下跌，網(wǎng)貸行業(yè)及監(jiān)管當(dāng)局遭遇空前困境。

經(jīng)歷了探索起步、爆發(fā)式增長和規(guī)范整頓后，P2P 網(wǎng)貸逐漸形成以平臺為中心、以資本為紐帶、各類市場主體參與的復(fù)雜金融生態(tài)系統(tǒng)[2]。一方面，網(wǎng)絡(luò)借貸憑借其在解決中小企業(yè)“貸款貴、貸款難”問題上的獨(dú)特優(yōu)勢，實(shí)現(xiàn)了“普惠”的功能；另一方面，監(jiān)管缺失又導(dǎo)致在“互聯(lián)網(wǎng)＋金融”模式的風(fēng)潮下，披著金融創(chuàng)新外衣的龐氏騙局滋生橫行，網(wǎng)絡(luò)借貸存在“普騙”的趨勢[3]。面對如此復(fù)雜多變的網(wǎng)貸市場，看似日漸趨嚴(yán)的網(wǎng)貸監(jiān)管政策其真正效果如何？發(fā)展至今，我國網(wǎng)貸行業(yè)的發(fā)展水平如何？對上述問題，目前學(xué)術(shù)界主要圍繞“效率測度”和“政策評價”兩個方面展開研究。對網(wǎng)貸效率的研究主要聚焦在單一平臺的效率和績效評價上，借助指標(biāo)分析法對平臺績效進(jìn)行評價并探究其影響因素，如姜琪[4]通過測度不同類型網(wǎng)貸平臺效率得出網(wǎng)貸行業(yè)平臺的運(yùn)營效率普遍偏低，運(yùn)營能力還有待提高，存在投入冗余和產(chǎn)出不足等現(xiàn)象。有關(guān)政策評價方面的研究大多集中在理論分析層面，采用實(shí)證檢驗(yàn)的研究相對較少，朱家祥等[3]在深度挖掘問題平臺特征的基礎(chǔ)上，提出一套基于數(shù)字監(jiān)管理論的問題平臺預(yù)警機(jī)制。

目前，國內(nèi)外學(xué)者針對網(wǎng)貸問題進(jìn)行了大量的研究，具有一定的理論和現(xiàn)實(shí)意義。一方面可以幫助投資者明晰P2P 網(wǎng)貸行業(yè)的發(fā)展現(xiàn)狀、判斷行業(yè)未來走向，另一方面也為監(jiān)管當(dāng)局平衡創(chuàng)新與風(fēng)險(xiǎn)，對P2P 網(wǎng)貸實(shí)行監(jiān)管提供參考意見，但同時也存在一些有待完善的地方。第一，現(xiàn)有研究大多數(shù)以短期分析為主，且更多集中在微觀層面的參與人行為方面，對長期、行業(yè)的有效競爭及效率提升缺乏系統(tǒng)深入的探討。第二，對網(wǎng)貸效率測度主要集中在微觀層面，利用代表性平臺數(shù)據(jù)進(jìn)行分析，鮮有文獻(xiàn)站在行業(yè)角度分析不同平臺間效率差異及成交量的影響因素。同時相關(guān)的測度方法較單一，普遍采用基于數(shù)據(jù)包絡(luò)分析的DEA 方法，在此基礎(chǔ)上采用Tobit 模型探究其他效率影響因素，操作較為繁瑣，同時忽略了隨機(jī)誤差的影響，具有一定的局限性。第三，有關(guān)政策評價大多集中在理論分析層面，較少采用實(shí)證方式進(jìn)行驗(yàn)證。P2P 網(wǎng)貸作為一種新型的互聯(lián)網(wǎng)金融行業(yè)，影響區(qū)域間發(fā)展差距的原因是什么？網(wǎng)貸市場的效率如何？政策的頒布對行業(yè)發(fā)展產(chǎn)生了什么影響？對以上問題的系統(tǒng)回答，為進(jìn)一步規(guī)范P2P 網(wǎng)貸平臺經(jīng)營行為，提升經(jīng)營效率，最終實(shí)現(xiàn)行業(yè)的長期健康發(fā)展具有重要理論和現(xiàn)實(shí)意義。

鑒于此，本文立足網(wǎng)貸行業(yè)視角，圍繞上述幾個方面的問題進(jìn)行研究。采用隨機(jī)前沿技術(shù)（SFA），建立“一步法”模型，以期在測度不同地區(qū)網(wǎng)貸效率的同時，達(dá)到分析效率的影響因素的目的，并以2016 年8 月24 日頒布的《辦法》為例，設(shè)置政策虛擬變量，分析監(jiān)管政策對行業(yè)效率的影響。同時，為進(jìn)一步研究監(jiān)管政策對網(wǎng)貸行業(yè)的沖擊力，在對效率發(fā)展趨勢進(jìn)行簡單描述分析的基礎(chǔ)上，采用實(shí)證方法對行業(yè)效率發(fā)展水平進(jìn)行收斂性檢驗(yàn)，最后對本文的研究成果進(jìn)行總結(jié)闡釋。

本文的主要貢獻(xiàn)包括：第一，區(qū)分地區(qū)異質(zhì)性和無效率成分，首次采用固定效應(yīng)隨機(jī)前沿模型對中國各地區(qū)的網(wǎng)貸行業(yè)效率進(jìn)行測度。以往測度技術(shù)效率的相關(guān)研究采用的主要方法包括DEA 和SFA方法，但DEA 方法假定各截面成員具有相同的前沿面，采用DEA 方法測度效率之后，為進(jìn)一步分析效率影響因素往往需要建立Tobit 模型，通過加入一系列面板單位的虛擬變量進(jìn)行固定效應(yīng)估計(jì)，所得結(jié)果可能并非一致。而采用SFA 方法的相關(guān)研究中，大多使用的是傳統(tǒng)的面板SFA 模型，沒有考慮個體異質(zhì)性，而這些異質(zhì)性會導(dǎo)致效率估計(jì)值存在偏差。第二，在采用SFA 模型測度效率和分析效率的影響因素的同時，通過引入《辦法》頒布的政策變量與其他變量的交互項(xiàng)，研究各因素對《辦法》頒布效果的影響。第三，對《辦法》頒布前后網(wǎng)貸行業(yè)效率進(jìn)行描述性統(tǒng)計(jì)分析，在此基礎(chǔ)上檢驗(yàn)網(wǎng)貸效率的斂散性。從效率水平和收斂性兩個角度研究《辦法》頒布對網(wǎng)貸效率的影響。

二、模型設(shè)定與數(shù)據(jù)說明

（一）隨機(jī)前沿模型

根據(jù)Battese et al.[5]的研究成果，采用SFA 方法可以同時實(shí)現(xiàn)對模型中參數(shù)和各效率影響因素的估計(jì)。同時，SFA 相較于DEA 來說，考慮了有測量誤差等因素造成的隨機(jī)誤差，避免了將這些隨機(jī)誤差成分不恰當(dāng)?shù)赜?jì)入到效率項(xiàng)之中[6]。再者，基于參數(shù)分析的隨機(jī)前沿分析方法（SFA），通過設(shè)定生產(chǎn)函數(shù)可以定量分析要素變量對個體技術(shù)效率差異的影響，并通過無效率項(xiàng)和隨機(jī)誤差項(xiàng)的分離，確保測量結(jié)果的有效性[7]。本文旨在研究網(wǎng)貸行業(yè)效率及其影響因素，并著重分析單一政策以及政策組合在樣本期內(nèi)各個時點(diǎn)的影響效率。基于此，本文采用基于參數(shù)分析的SFA 方法對上述問題進(jìn)行量化測度。

面板數(shù)據(jù)SFA 模型根據(jù)效率隨時間變化的趨勢及是否對效率項(xiàng)作出假設(shè)分為如下四類：效率不隨時間變化，無分布假設(shè)[8]；效率不隨時間變化，有分布假設(shè)[9]；效率隨時間變化，無分布假設(shè)[10-11]；效率隨時間變化，有分布假設(shè)[12-14]。一般而言，效率不隨時間變化的假設(shè)較強(qiáng)，在樣本的時間跨度較大時此假定具有一定的局限性。同時，效率項(xiàng)的分布通常也會隨著研究問題的不同而呈現(xiàn)不同的分布。因此，目前國內(nèi)外有關(guān)SFA 模型的運(yùn)用普便采用效率隨時間可變的、有分布假設(shè)的模型：yit=α+xTitβ+ξit=α+xTitβ+νit-uit。然而上述模型沒有考慮決策單位i 的不可觀察的異質(zhì)性，從而導(dǎo)致效率項(xiàng)（uit）包含了單個決策單位不可觀測的異質(zhì)性，使得效率的估計(jì)結(jié)果出現(xiàn)偏差。因此，本文采用如下的模型設(shè)定：

其中αi表示地區(qū)i 不可觀測的異質(zhì)性，xit表示投入變量lnXit，yit表示產(chǎn)出變量lnYit，νit為一般意義上的隨機(jī)干擾項(xiàng)，服從相互獨(dú)立的半正態(tài)分布uit在不同的i 和j 之間服從相互獨(dú)立的半正態(tài)分布。為分析效率的影響因素，根據(jù)Battese et al.[5]在面板數(shù)據(jù)中建立的“一步法”模型，對νit和uit作出如下分布假設(shè)：

其中，ui=zitδ，表示L 個影響效率的因素，且u 和v 之間相互獨(dú)立。式（1）和式（2）構(gòu)成了本文所要分析的固定效應(yīng)面板數(shù)據(jù)隨機(jī)前沿（SFA）模型，采用極大似然估計(jì)（MLE）得到模型的參數(shù)估計(jì)值后，通過式（3）可計(jì)算出網(wǎng)貸行業(yè)的效率估計(jì)值。

（二）變量說明

網(wǎng)貸行業(yè)月度成交量（Y）表示行業(yè)當(dāng)月發(fā)生的總成交額。網(wǎng)貸平臺作為一種信息中介，主要通過對借貸雙方的投融資需求進(jìn)行信息匹配，維持平臺運(yùn)營進(jìn)而達(dá)到盈利的目的。因此，行業(yè)成交量是平臺規(guī)模和市場占有率的直接反映。平臺規(guī)模越大、市場占有率越高，平臺的發(fā)展越好，相應(yīng)地，其效率也越高。從這個角度來說，網(wǎng)貸成交量是網(wǎng)貸行業(yè)的一個主要產(chǎn)出變量，基于此，本文選擇行業(yè)月度成交量（Y）作為網(wǎng)貸行業(yè)的產(chǎn)出指標(biāo)。投資人數(shù)（L）和借款人數(shù)（loan）表示當(dāng)月在平臺發(fā)生過投融資行為的人數(shù)，是反映平臺活躍度的關(guān)鍵指標(biāo)。一般來說，投資行為相較于融資行為更容易受到外部客觀因素的影響，理性的投資者出于利益最大化目的往往會對平臺進(jìn)行綜合評估后作出決策。相應(yīng)地，投資人數(shù)量越大則網(wǎng)貸成交量也會越大，而融資者作為潛在風(fēng)險(xiǎn)者可能更少受到平臺運(yùn)營效率高低的影響。因此，本文選擇投資者（L）作為網(wǎng)貸效率的一個直接投入變量，而借款人（loan）作為效率的一個影響因素。待還余額是截至統(tǒng)計(jì)時點(diǎn)，平臺所有融資人尚未償還的本金總金額（不包括利息部分），即平臺潛在需要墊付的金額，是衡量平臺的經(jīng)營規(guī)模、安全程度的重要指標(biāo)。同時，待還余額也是表示資金凈流入水平的關(guān)鍵參考變量，一般認(rèn)為待還余額越高，資金凈流入水平則越高。因此，待還余額可作為平臺投入資本的一個代理變量，本文選擇行業(yè)月度待還余額（K）作為另一個投入變量。

本文旨在測度網(wǎng)貸行業(yè)效率的同時，探究網(wǎng)貸行業(yè)自身屬性對其發(fā)展的影響程度，并著重分析《辦法》對網(wǎng)貸行業(yè)發(fā)展的影響。為此，本文主要選取其中具有代表性的因素進(jìn)行分析，以避免多重共線性問題。同時為減小未納入回歸方程的地區(qū)特征的影響，進(jìn)一步在模型中引入地區(qū)虛擬變量，并采用固定效應(yīng)SFA 模型的方式。主要變量設(shè)置如下：

（1）正常運(yùn)營平臺數(shù)量（number）。地區(qū)正常運(yùn)營網(wǎng)貸平臺數(shù)量越多，表示該地網(wǎng)貸市場越成熟，網(wǎng)貸市場的發(fā)展越好，相應(yīng)地其成交量也會越多，效率也就越高。故選擇正常運(yùn)營平臺數(shù)量作為其中一個效率影響因素。

（2）平均借款期限（term）。平均借款期限是投資者將資金貸給借款人到借款收回這一流程的時間，其中平臺為招攬人氣發(fā)放的超短期限的借款標(biāo)的（如秒標(biāo)、天標(biāo)等）的期限不在考慮范圍內(nèi)。一般而言，平均借款期限是金融理財(cái)產(chǎn)品流動性的直接反映，期限越短，流動性越強(qiáng)，潛在風(fēng)險(xiǎn)則越低，效率越高。反之，期限越長，流動性越差，潛在的風(fēng)險(xiǎn)相對較大，效率越低。

（3）借款人數(shù)（loan）。網(wǎng)絡(luò)借貸主要為緩解中小企業(yè)貸款而存在的，借款人數(shù)量的高低直接反映了地區(qū)網(wǎng)貸行業(yè)的人氣，同時也會影響網(wǎng)貸成交量。

（4）綜合利率（r）。利率影響平臺的成本水平，平均利率低，融資成本相應(yīng)降低，有利于提高平臺的運(yùn)營效率；同時利率作為投資收益率的反應(yīng)變量，是網(wǎng)貸行業(yè)的晴雨表，其高低嚴(yán)重影響網(wǎng)貸參與人行為，進(jìn)而對網(wǎng)貸成交量造成影響。因此，本文選擇網(wǎng)貸行業(yè)月度綜合利率作為一個非效率項(xiàng)。

（5）政策虛擬變量（policy）。為規(guī)范網(wǎng)貸行業(yè)發(fā)展，2015 年12 月28 日，銀監(jiān)會同工業(yè)和信息化部、公安部、國家互聯(lián)網(wǎng)信息辦公室等部門聯(lián)合發(fā)布《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動管理暫行辦法（征求意見稿）》，在社會上引起很大轟動。隨后2016 年8月24 日《辦法》頒布，明確了P2P 網(wǎng)貸機(jī)構(gòu)信息中介的定位；對機(jī)構(gòu)實(shí)行備案管理制度，明確了“中央+地方”的分權(quán)監(jiān)管模式；制定了十三項(xiàng)禁止的負(fù)面清單，堪稱“史上最嚴(yán)”。因此本文以《辦法》的頒布為例，通過引入政策虛擬變量的方式，研究網(wǎng)貸監(jiān)管政策對行業(yè)發(fā)展的影響。虛擬變量的取值方式為2016 年9 月之前，取值為0；2016 年9 月之后，取值為1。

（6）其他交互項(xiàng)。網(wǎng)貸監(jiān)管政策對行業(yè)發(fā)展會產(chǎn)生一定的影響，但同時行業(yè)發(fā)展水平也會對政策的作用效果產(chǎn)生一定的影響，但究竟影響效果如何？為此，依次引入正常運(yùn)營平臺數(shù)量、平均借款期限、借款人數(shù)、綜合利率與政策的乘積項(xiàng)，對網(wǎng)貸監(jiān)管政策作用效果進(jìn)行分析。

（三）數(shù)據(jù)來源與說明

本文在對網(wǎng)貸行業(yè)發(fā)展的效率與影響因素進(jìn)行測度和分析的基礎(chǔ)上，重點(diǎn)探究《辦法》對網(wǎng)貸行業(yè)發(fā)展的沖擊性，并對《辦法》頒布前后網(wǎng)貸行業(yè)效率發(fā)展水平進(jìn)行斂散性檢驗(yàn)。采用地區(qū)面板數(shù)據(jù)，由于網(wǎng)貸行業(yè)發(fā)展的復(fù)雜性，同時考慮到數(shù)據(jù)缺失及數(shù)據(jù)可獲得方面的限制，本文數(shù)據(jù)主要包括北京、廣東、浙江、上海、江蘇、山東、四川、湖北和其他地區(qū)（除上述所列地區(qū)之外的其他省市，參考網(wǎng)貸之家的分類方式），基本涵蓋網(wǎng)貸行業(yè)全部平臺的相關(guān)數(shù)據(jù)。數(shù)據(jù)的樣本區(qū)間為2014 年1 月—2019 年1 月，數(shù)據(jù)主要來源于網(wǎng)貸之家。

三、實(shí)證分析

（一）模型估計(jì)

采用極大似然估計(jì)法對網(wǎng)貸行業(yè)的效率及其影響因素進(jìn)行估計(jì)，結(jié)果如表1 所示。模型1 中的非效率項(xiàng)是對正常運(yùn)營平臺數(shù)、綜合利率、平均借款期限、借款人數(shù)與政策虛擬變量的估計(jì)結(jié)果，用來分析其對不同地區(qū)網(wǎng)貸行業(yè)效率的影響程度；模型2～模型5 在模型1 的基礎(chǔ)上依次引入政策虛擬變量與上述技術(shù)非效率項(xiàng)的乘積，用以考察政策對各非效率的影響程度。表1 顯示，模型1～模型5 中的方差參數(shù)sigmaν 在1%的顯著性水平下均通過了檢驗(yàn)，即認(rèn)為模型中的方差顯著異于0，同時λ 也顯著，表明本文采用隨機(jī)前沿模型進(jìn)行估計(jì)是合理的。

表1 分地區(qū)網(wǎng)貸行業(yè)產(chǎn)出的隨機(jī)前沿模型估計(jì)結(jié)果

由表1 可知：模型1～模型5 均表現(xiàn)出勞動投入變量的系數(shù)更大，這表明勞動投入的產(chǎn)出彈性相較于資本投入彈性更大，說明勞動屬于稀缺資源，即認(rèn)為對網(wǎng)貸行業(yè)來說，投資人數(shù)未達(dá)到與行業(yè)發(fā)展規(guī)模相適應(yīng)的水平，因此相較于貸款余額，其對行業(yè)成交量能產(chǎn)生更大的影響。同時資本投入與勞動投入的產(chǎn)出彈性之和小于1，表明網(wǎng)貸行業(yè)處于規(guī)模報(bào)酬遞減階段，這與姜琪[4]的研究結(jié)果是一致的。自2007 年我國第一家網(wǎng)貸平臺拍拍貸成立以來，經(jīng)過十一年的發(fā)展，曾經(jīng)存在過的網(wǎng)貸平臺將近七千家，然而目前正常運(yùn)營的平臺僅一千家左右，網(wǎng)貸行業(yè)規(guī)?？焖贁U(kuò)大與急劇縮減的現(xiàn)實(shí)折射出該行業(yè)的混亂與動蕩，說明中國網(wǎng)貸行業(yè)離成熟期還有一定的距離。

從技術(shù)非效率項(xiàng)的估計(jì)結(jié)果可以看出：（1）正常運(yùn)營平臺數(shù)量、借款人數(shù)系數(shù)為負(fù)，表明其對技術(shù)非效率項(xiàng)具有負(fù)向影響。平均借款期限、綜合利率系數(shù)為正，表明其對技術(shù)非效率項(xiàng)有正向影響，即正常運(yùn)營平臺數(shù)量、借款人數(shù)的增加會促進(jìn)網(wǎng)貸成交量的增大，進(jìn)而促進(jìn)行業(yè)規(guī)模的擴(kuò)大，這與常識基本保持一致。相反，平均借款期限越長，綜合利率越高，網(wǎng)貸成交量反而越少，行業(yè)規(guī)模相應(yīng)會縮小。一般地，平均借款期限越長，意味著流動性越差，根據(jù)貨幣的流動性偏好假設(shè)，人們更傾向于投資期限較短的理財(cái)產(chǎn)品，減少對期限較長的理財(cái)產(chǎn)品的投資。而綜合利率作為網(wǎng)貸行業(yè)的晴雨表，其對成交量的影響為負(fù)，這意味著高成本導(dǎo)致的高利率是不利于P2P 網(wǎng)貸行業(yè)長期健康發(fā)展的，綜合利率虛高的現(xiàn)實(shí)也從側(cè)面反映了中國P2P 網(wǎng)貸行業(yè)正處于貸方市場（賣方市場）[4]。（2）對于政策虛擬變量的系數(shù)，模型1～模型5 均為正，表明《辦法》的頒布對網(wǎng)貸行業(yè)效率水平產(chǎn)生負(fù)向作用，即《辦法》在一定程度上限制了行業(yè)的規(guī)模，避免行業(yè)的盲目擴(kuò)張，對促進(jìn)網(wǎng)貸行業(yè)規(guī)范發(fā)展、逐步走向成熟起到一定的調(diào)節(jié)作用。（3）對于交互項(xiàng)系數(shù)，正常運(yùn)營平臺數(shù)量、平均借款期限、平均借款人數(shù)與政策虛擬變量的交互項(xiàng)系數(shù)均為負(fù)，說明交互項(xiàng)對技術(shù)非效率項(xiàng)具有負(fù)向影響，從而對效率項(xiàng)具有正向作用，即認(rèn)為政策對網(wǎng)貸行業(yè)的作用效果受到正常運(yùn)營平臺數(shù)量、平均借款期限、平均借款人數(shù)的影響，并且正常運(yùn)營平臺數(shù)量越多，平均借款期限越長、平均借款人數(shù)越多，政策對網(wǎng)貸行業(yè)的抑制效果越小。而對于綜合利率來說，雖然其系數(shù)符號為負(fù)，但未通過顯著性檢驗(yàn)，表明《辦法》和綜合利率的交互項(xiàng)對網(wǎng)貸行業(yè)效率發(fā)展水平并未產(chǎn)生顯著影響。

綜合來看，中國P2P 網(wǎng)貸市場尚未進(jìn)入成熟期，行業(yè)發(fā)展存在諸多不穩(wěn)定因素；行業(yè)發(fā)展處在規(guī)模報(bào)酬遞減階段，不具備規(guī)模經(jīng)濟(jì)。因此，需要依靠一些技術(shù)手段，如建立一套基于數(shù)字監(jiān)管理論的問題平臺預(yù)警機(jī)制來規(guī)避風(fēng)險(xiǎn)，進(jìn)而提升行業(yè)整體效率水平。但中國網(wǎng)貸市場的潛力和市場空間巨大，隨著監(jiān)管體系的成熟與行業(yè)發(fā)展的規(guī)范，網(wǎng)貸行業(yè)作為新型的民間借貸形式，對促進(jìn)我國普惠金融發(fā)展進(jìn)程將起到巨大的作用。

（二）網(wǎng)貸效率演變的描述性統(tǒng)計(jì)分析

為了更深入地了解《辦法》頒布前后網(wǎng)貸行業(yè)效率的變化特征，本文利用上述隨機(jī)前沿模型估計(jì)出的網(wǎng)貸行業(yè)效率值，依次計(jì)算出2014 年1 月到2019 年1 月網(wǎng)貸行業(yè)效率水平的均值、標(biāo)準(zhǔn)差及變異系數(shù)，結(jié)果如表2 所示。

由表2 可知：從均值來看，《辦法》頒布前（33 期之前數(shù)據(jù)），其效率均值呈現(xiàn)先上升后下降的趨勢，由2014 年1 月的0.776 上升到2016 年8 月的0.913；而《辦法》頒布后（33 期之后數(shù)據(jù)），不同地區(qū)網(wǎng)貸效率呈現(xiàn)明顯的下降趨勢，由2016 年9 月的0.920 下降到2019 年1 月的0.645。這說明《辦法》的頒布加劇了行業(yè)的動態(tài)調(diào)整，推動行業(yè)內(nèi)不合規(guī)平臺良性退出機(jī)制的形成，從而縮小了網(wǎng)貸行業(yè)的規(guī)模，對規(guī)范網(wǎng)貸行業(yè)發(fā)展起到一定的促進(jìn)作用。從標(biāo)準(zhǔn)差上看，《辦法》頒布前，標(biāo)準(zhǔn)差在縮小，由2014 年1 月的0.188 下降到2016 年8 月的0.041；《辦法》頒布后，則由2016 年9 月的0.027 上升到2019 年1月的0.300，再次驗(yàn)證了《辦法》的頒布加劇了網(wǎng)貸行業(yè)不穩(wěn)定性的結(jié)論。一系列數(shù)據(jù)表明網(wǎng)貸監(jiān)管政策對網(wǎng)貸行業(yè)產(chǎn)生了不小的沖擊力，這與前面隨機(jī)前沿分析的結(jié)果相呼應(yīng)。同時也說明中國P2P 網(wǎng)貸行業(yè)具有復(fù)雜性與動蕩性的特征，行業(yè)發(fā)展尚未成熟，因此對網(wǎng)貸行業(yè)的監(jiān)管需要循序漸進(jìn)。

從變異系數(shù)上看，其大致呈現(xiàn)先上升再下降的“倒U 型”趨勢：2014 年1 月—2016 年8 月，由0.243 下降到0.045；而2016 年9 月—2019 年1 月，從0.030 上升到0.466。變異系數(shù)在樣本期呈現(xiàn)巨大波動，尤其在《辦法》頒布前后出現(xiàn)明顯的轉(zhuǎn)折，充分體現(xiàn)了《辦法》對網(wǎng)貸行業(yè)的沖擊力。根據(jù)σ 收斂相關(guān)理論，可以得出《辦法》頒布前，不同地區(qū)間網(wǎng)貸效率的變異系數(shù)在逐漸縮小，表明行業(yè)發(fā)展具有σ 收斂性，然而《辦法》頒布后，地區(qū)之間的差距被進(jìn)一步拉大，表明此時行業(yè)發(fā)展不再具有σ 收斂性，這進(jìn)一步印證了前文中的結(jié)論。

表2 分地區(qū)樣本各期網(wǎng)貸行業(yè)效率對比

綜上所述，網(wǎng)貸行業(yè)效率水平整體上呈現(xiàn)“倒U 型”。行業(yè)發(fā)展初期，網(wǎng)貸監(jiān)管一片空白，網(wǎng)貸規(guī)模迅速擴(kuò)大，網(wǎng)貸市場魚龍混雜，效率水平較低，具有較高的增長率；隨著監(jiān)管的趨緊，行業(yè)內(nèi)優(yōu)勝劣汰機(jī)制形成，網(wǎng)貸規(guī)模大幅縮小，相應(yīng)地，效率值開始下降。

（三）網(wǎng)貸效率的斂散性檢驗(yàn)

根據(jù)上一部分對網(wǎng)貸行業(yè)效率分布的簡單描述分析發(fā)現(xiàn)，《辦法》的頒布加劇了網(wǎng)貸市場的不穩(wěn)定性。《辦法》頒布前，網(wǎng)貸行業(yè)具有σ 收斂的趨勢；而頒布后，行業(yè)發(fā)展不再具有趨同性。依據(jù)新古典增長理論，在邊際報(bào)酬遞減規(guī)律和區(qū)域經(jīng)濟(jì)結(jié)構(gòu)及技術(shù)偏好趨同的條件下，經(jīng)濟(jì)發(fā)展存在收斂性，那么網(wǎng)貸行業(yè)的發(fā)展是否具有收斂性？為了進(jìn)一步深入探討網(wǎng)貸行業(yè)發(fā)展的斂散性，對網(wǎng)貸行業(yè)效率發(fā)展水平再次進(jìn)行β 收斂性檢驗(yàn)。β 收斂包括絕對收斂和條件收斂兩種方式[15-16]，目前有關(guān)收斂性分析的實(shí)證模型應(yīng)用較廣泛的有兩種，一種是橫截面數(shù)據(jù)收斂分析模型，另一種是面板數(shù)據(jù)分析模型。本文依次采用絕對β 收斂和條件β 收斂方法對網(wǎng)貸行業(yè)效率的斂散性進(jìn)行實(shí)證檢驗(yàn)，借鑒李彥龍[17]的研究成果，絕對β 收斂分析采用橫截面方法，條件β 收斂分析采用面板方法。所采用的檢驗(yàn)方程如式（4）和式（5）所示：

其中△lnTE 表示網(wǎng)貸行業(yè)效率的平均增長率，TEi0表示樣本初期的效率值，λi表示隨機(jī)干擾項(xiàng)。若β1顯著為負(fù)，則說明網(wǎng)貸行業(yè)效率存在絕對β 收斂；否則，不存在絕對β 收斂。同樣，若β2顯著為負(fù)，則說明網(wǎng)貸行業(yè)效率存在條件β 收斂；否則不存在條件β 收斂。本文在估計(jì)模型4 時，以2016 年8 月24 日《辦法》的頒布為界，將效率值分為9 月份之前和9 月份之后兩段分別進(jìn)行估計(jì)，絕對β 收斂檢驗(yàn)結(jié)果如表3 所示。

表3 網(wǎng)貸行業(yè)效率的絕對β 收斂檢驗(yàn)結(jié)果

表3 絕對收斂性檢驗(yàn)結(jié)果顯示，《辦法》頒布前后lnTEi0的系數(shù)均為負(fù)，未發(fā)生明顯的變化，說明《辦法》頒布前后網(wǎng)貸行業(yè)效率均具有一定的收斂性，即認(rèn)為網(wǎng)貸行業(yè)在發(fā)展水平較低的地區(qū)具有較高的發(fā)展速度，這明顯與前文描述性統(tǒng)計(jì)分析的結(jié)果不一致。為此在上述回歸的基礎(chǔ)上，作出2016 年9 月—2019 年1 月樣本的散點(diǎn)圖，如圖1 所示，發(fā)現(xiàn)樣本量較少，散點(diǎn)分散，且存在極端值。剔除極端值后，再次作出散點(diǎn)圖，如圖2 所示?？梢钥闯?，各個樣本點(diǎn)擬合線呈發(fā)散趨勢。因此，可以得出《辦法》頒布前網(wǎng)貸行業(yè)絕對β 收斂，《辦法》頒布后不再具有絕對β 收斂的結(jié)論。

圖1 2016 年9 月—2019 年1 月樣本的散點(diǎn)圖

圖2 剔除極端值后2016 年9 月—2019 年1 月樣本的散點(diǎn)圖

雖然絕對收斂檢驗(yàn)結(jié)果表明網(wǎng)貸行業(yè)效率在《辦法》頒布前具有收斂性，《辦法》頒布后不再具有收斂性。但樣本量較少有可能使結(jié)論不準(zhǔn)確，因此，本文采用基于更大樣本量的條件收斂性的估計(jì)方法再次進(jìn)行檢驗(yàn)，估計(jì)結(jié)果如表4 所示。

表4 網(wǎng)貸行業(yè)效率的條件β 收斂檢驗(yàn)結(jié)果

由表4 可知，《辦法》頒布前后lnTEit-1的系數(shù)發(fā)生明顯變動，且2016 年9 月前系數(shù)為負(fù)，2016 年9月后系數(shù)為正。說明《辦法》頒布前行業(yè)效率具有收斂性，網(wǎng)貸效率較低的地區(qū)具有較高的增長率；《辦法》頒布后行業(yè)效率不再具有收斂性。這與前文結(jié)論基本一致，進(jìn)一步驗(yàn)證了《辦法》的頒布加劇了網(wǎng)貸行業(yè)的不穩(wěn)定性的結(jié)論。同時，說明《辦法》的頒布促進(jìn)了行業(yè)內(nèi)優(yōu)勝劣汰機(jī)制的形成，推動了網(wǎng)貸行業(yè)逐步走向規(guī)范化發(fā)展的進(jìn)程[18-20]。

綜上所述，《辦法》頒布對網(wǎng)貸行業(yè)效率產(chǎn)生了一定的影響，對效率的影響體現(xiàn)在效率水平和地區(qū)效率差距即收斂性兩個方面。《辦法》頒布拉大了地區(qū)間效率水平的差距，側(cè)面反映出監(jiān)管政策對規(guī)范網(wǎng)貸行業(yè)發(fā)展、加快行業(yè)動態(tài)調(diào)整、促進(jìn)網(wǎng)貸行業(yè)走向成熟具有一定的調(diào)節(jié)作用。但同時也應(yīng)注意政策的協(xié)調(diào)使用，中國網(wǎng)貸市場尚未成熟，監(jiān)管過嚴(yán)可能會抑制行業(yè)規(guī)模及發(fā)展效率。2016 年，我國步入互聯(lián)網(wǎng)金融“監(jiān)管元年”，監(jiān)管當(dāng)局出臺了一系列政策以規(guī)范網(wǎng)貸行業(yè)發(fā)展。歷時兩年多，雖然取得一定的成效，但如今我國網(wǎng)貸市場中諸多不穩(wěn)定性的因素依然層出不窮，如2018 年6 月出現(xiàn)的雷潮風(fēng)波，堪稱“行業(yè)大洗牌”。究其原因，一方面在于目前的監(jiān)管機(jī)制大多屬于“事后監(jiān)督”，缺乏“事中監(jiān)督”與“事前預(yù)警”機(jī)制[18，21]，如繼雷潮風(fēng)波后，《P2P 合規(guī)檢查問題清單（108 條）》《關(guān)于做好網(wǎng)貸機(jī)構(gòu)分類處置和風(fēng)險(xiǎn)防范工作的意見》（簡稱“175 號文”）相繼出臺。另一方面在于政策的執(zhí)行力度不夠，如2018 年7 月9日，中國人民銀行發(fā)布公告稱要再用1～2 年才能完成互聯(lián)網(wǎng)金融專項(xiàng)整治，同時指出原定于2018 年6月完成的備案工作將進(jìn)一步被推遲。

四、結(jié)論與啟示

本文根據(jù)2014 年1 月—2019 年1 月中國不同地區(qū)的P2P 網(wǎng)貸行業(yè)月度面板數(shù)據(jù)，構(gòu)建固定效應(yīng)隨機(jī)前沿模型對網(wǎng)貸行業(yè)的效率進(jìn)行測度，分析《辦法》頒布對網(wǎng)貸行業(yè)效率的影響，并采用σ 收斂和β收斂的方式檢驗(yàn)網(wǎng)貸行業(yè)效率的收斂性。得到如下結(jié)論：

第一，中國網(wǎng)貸行業(yè)勞動投入的產(chǎn)出彈性明顯大于資本投入，行業(yè)發(fā)展處于規(guī)模報(bào)酬遞減階段。根據(jù)邊際產(chǎn)量遞減規(guī)律，勞動投入彈性較大表明，對網(wǎng)貸行業(yè)來說，勞動是稀缺要素，即提高網(wǎng)貸效率，擴(kuò)大網(wǎng)貸規(guī)模，投資人數(shù)量是其中的關(guān)鍵因素。效率影響因素的分析結(jié)果顯示：我國網(wǎng)貸行業(yè)勞動投入的產(chǎn)出彈性較大；同時，資本投入和勞動投入系數(shù)之和小于零，說明中國P2P 網(wǎng)貸作為互聯(lián)網(wǎng)金融的新形式，其發(fā)展不具備規(guī)模經(jīng)濟(jì)。

第二，正常運(yùn)營平臺數(shù)量、借款人數(shù)對網(wǎng)貸效率為正向影響，平均借款期限、綜合利率對網(wǎng)貸效率為負(fù)向影響。即認(rèn)為正常運(yùn)營平臺數(shù)量、借款人數(shù)越多，則行業(yè)成交量越多，相應(yīng)地，行業(yè)效率越高；而平均借款期限越長，綜合利率越高，則行業(yè)成交量越少?！掇k法》頒布會抑制網(wǎng)貸效率水平，且正常運(yùn)營平臺數(shù)量越多，平均借款期限越長，平均借款人數(shù)越多，《辦法》對網(wǎng)貸行業(yè)的抑制效果越小。綜合利率與政策交互項(xiàng)系數(shù)為正且未通過顯著性檢驗(yàn)，側(cè)面反映出網(wǎng)貸市場的復(fù)雜性使得利率具有不穩(wěn)定性，各地網(wǎng)貸市場均存在綜合利率虛高的現(xiàn)實(shí)，導(dǎo)致綜合利率對網(wǎng)貸行業(yè)的作用效果不明顯。

第三，網(wǎng)貸行業(yè)效率發(fā)展水平呈現(xiàn)“倒U 型”，網(wǎng)貸行業(yè)效率在《辦法》頒布前呈上升趨勢，在《辦法》頒布后呈下降趨勢，說明《辦法》的頒布對網(wǎng)貸行業(yè)造成一定的沖擊，印證了隨機(jī)前沿模型中得出的《辦法》的頒布不利于網(wǎng)貸行業(yè)規(guī)模進(jìn)一步擴(kuò)大的結(jié)論。

第四，《辦法》的頒布改變了行業(yè)效率發(fā)展水平的斂散性。其中《辦法》頒布前，行業(yè)發(fā)展具有σ 收斂和β 收斂，《辦法》頒布后則呈發(fā)散性。說明《辦法》的頒布加劇了網(wǎng)貸行業(yè)發(fā)展的不穩(wěn)定性，促進(jìn)行業(yè)內(nèi)部“優(yōu)勝劣汰”機(jī)制的形成，對規(guī)范網(wǎng)貸行業(yè)發(fā)展起到一定的積極作用，這與前文的結(jié)論相呼應(yīng)。

本文的研究成果具有一定的政策啟示：第一，中國P2P 網(wǎng)貸行業(yè)發(fā)展處于規(guī)模報(bào)酬遞減階段，且相對資本要素來說，勞動是稀缺要素，即投資人數(shù)量是提高網(wǎng)貸效率，擴(kuò)大網(wǎng)貸規(guī)模的關(guān)鍵變量。因此，對網(wǎng)貸平臺來說，要營造良好的平臺口碑，塑造健康的平臺形象以吸引更多投資者，促進(jìn)自身的發(fā)展。第二，經(jīng)過十余年的發(fā)展，中國P2P 網(wǎng)貸市場尚未成熟，充斥著諸多不穩(wěn)定性的因素，利率虛高的現(xiàn)實(shí)表明我國網(wǎng)貸行業(yè)正處于賣方市場（貸方市場）。因此投資時要理性選擇，綜合考慮，選擇穩(wěn)健的理財(cái)產(chǎn)品，避開秒標(biāo)、天標(biāo)。第三，雖然《辦法》的頒布在一定程度上打擊了不合規(guī)平臺，但同時也加劇了網(wǎng)貸市場的不穩(wěn)定性，抑制網(wǎng)貸規(guī)模的擴(kuò)張。我國網(wǎng)貸行業(yè)屬于新興產(chǎn)業(yè)，尚不成熟，在監(jiān)管趨嚴(yán)的背景下更要注意政策的執(zhí)行力度問題，避免“一刀切”模式，推動網(wǎng)貸行業(yè)穩(wěn)健發(fā)展。第四，推進(jìn)我國互聯(lián)網(wǎng)金融行業(yè)納入征信體系的進(jìn)程，同時完善網(wǎng)貸市場的自律監(jiān)督機(jī)制，推動地方行業(yè)自律協(xié)會的建立，作到政策監(jiān)管與自律監(jiān)督雙重配合，推動網(wǎng)貸市場走向成熟。