于博，李欣怡

摘要：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》為背景檢驗監(jiān)管政策與平臺合規(guī)轉(zhuǎn)型對P2P平臺成交量的影響，研究結(jié)果發(fā)現(xiàn)：《暫行辦法》的出臺對P2P平臺成交量構(gòu)成顯著激勵效應(yīng)，且這一激勵作用在國資系、上市系及銀行系等特殊背景平臺、設(shè)有活期標(biāo)的平臺、高管曾在其他企業(yè)有高管任職經(jīng)歷的平臺中更突出;對監(jiān)管沖擊下平臺合規(guī)轉(zhuǎn)型對其成交量的影響進(jìn)行了因果推斷，驗證了合規(guī)轉(zhuǎn)型對平臺成交具有正向激勵效應(yīng)，但該激勵作用僅對早期主動轉(zhuǎn)型的平臺成立;盡管合規(guī)轉(zhuǎn)型會導(dǎo)致P2P投資人在該平臺上的投資規(guī)模決策更激進(jìn)，但卻會降低投資人的平均投資期限，說明合規(guī)轉(zhuǎn)型會引發(fā)投資人在規(guī)模決策與期限決策上的相機(jī)抉擇過程，這也首次證明了P2P市場投資存在“期限決策”與“規(guī)模決策”之間的“風(fēng)險替代”效應(yīng)。

關(guān)鍵詞：網(wǎng)絡(luò)借貸;政策監(jiān)管;合規(guī)化轉(zhuǎn)型;P2P成交量

文章編號：2095-5960（2021）02-0020-11;中圖分類號：F832;文獻(xiàn)標(biāo)識碼：A

一、引言

自2007年中國第一批P2P平臺成立以來，中國網(wǎng)貸行業(yè)發(fā)展至今已十年有余。我國金融供給結(jié)構(gòu)的不平衡及金融需求的不斷上升促使網(wǎng)貸行業(yè)經(jīng)歷了一輪爆發(fā)式增長，平臺數(shù)量從2012年的126家增至2017年的5970家。P2P借貸作為非正規(guī)金融的重要補(bǔ)充，也逐漸成為中國信貸供給結(jié)構(gòu)中的重要一環(huán)。[1]然而，我國P2P市場與英、美等國市場的一個重要區(qū)別是大部分P2P平臺不僅承擔(dān)了信息中介職能，還承擔(dān)了信用中介職能。[2]這為整個行業(yè)的健康發(fā)展帶來了諸多隱患。為此，2016年8月銀監(jiān)會等機(jī)構(gòu)制定了《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《暫行辦法》），要求P2P平臺不得承擔(dān)借貸違約風(fēng)險、不得設(shè)立資金池、必須對接銀行存管、設(shè)定投資限額……《暫行辦法》的出臺規(guī)范了P2P市場運(yùn)行環(huán)境，加速了資金向頭部平臺集中的速度。但另一方面，監(jiān)管趨嚴(yán)也透露出監(jiān)管當(dāng)局從嚴(yán)監(jiān)管的政策導(dǎo)向，導(dǎo)致市場發(fā)展前景更具不確定性、影響了投資人信心，導(dǎo)致整個行業(yè)成交量出現(xiàn)趨勢性收縮。由此，政策監(jiān)管升級究竟會對P2P市場交易度產(chǎn)生怎樣的影響便成為本文的核心研究問題。

首先，現(xiàn)有文獻(xiàn)從借款人硬信息、軟信息[3]、投資人羊群行為[4]、政策波動[5，6]等角度探索了P2P成交率的影響因素。但監(jiān)管升級作為對行業(yè)發(fā)展的一種規(guī)范性舉措，究竟是通過“虹吸效應(yīng)”助推優(yōu)質(zhì)平臺的成長、提振投資人信心從而激勵成交，還是通過向市場投資人傳遞監(jiān)管從嚴(yán)信號從而抑制投資人信心從而降低市場成交？對此，仍鮮有文獻(xiàn)展開研究。其次，不同平臺在交易功能設(shè)定、高管背景及股東背景方面不盡相同，故當(dāng)面臨外部政策沖擊時，其發(fā)揮自身能動性來調(diào)節(jié)政策沖擊的能力也不盡相同，而有關(guān)調(diào)節(jié)效應(yīng)的研究至今也較為鮮見。最后，現(xiàn)有研究多聚焦于政策沖擊本身，而對于政策沖擊下平臺合規(guī)轉(zhuǎn)型能否對成交產(chǎn)生激勵的研究文獻(xiàn)也較為稀缺。而解讀上述問題具有較強(qiáng)的理論和實踐價值，因為，若合規(guī)轉(zhuǎn)型能得到投資者認(rèn)可，從而獲得更好的成交穩(wěn)定性，則意味著監(jiān)管政策的推出確實有助于提升市場對風(fēng)險的識別能力，進(jìn)而影響市場交易決策，這將為政策評價提供重要支持。同時，也將為理解P2P市場中投資人的投資規(guī)模決策如何形成，以及投資人是否真的會投入精力來識別平臺合規(guī)程度，從而優(yōu)化規(guī)模與期限決策提供有利參考，這將為后續(xù)引導(dǎo)和優(yōu)化監(jiān)管提供理論指導(dǎo)。

二、 文獻(xiàn)綜述

（一）P2P平臺成交量影響因素分析

1.基于借款人視角

Lin 發(fā)現(xiàn)借款人的社群關(guān)系是影響借貸成功率低的重要因素。[7]Chen 發(fā)現(xiàn)在貸款時性別存在偏好歧視和統(tǒng)計歧視。[8]王會娟和廖理從借款成本的視角解釋貸款人根據(jù)網(wǎng)貸平臺公開的借款人自身特征及工作經(jīng)歷等描述性信息進(jìn)行貸款決策。[9]王會娟和何琳研究發(fā)現(xiàn)借款人的“勤奮人格”對成交率有顯著正影響。[3]

2.基于投資人視角

李偉軍發(fā)現(xiàn)投資人的羊群心理會影響其出借決策，并降低投資人的收益。[10]曾江洪和楊帥發(fā)現(xiàn)，出借人會觀察同伴的投資決策以及借款人公開的借貸信息來推斷借款人的可信度。[11]廖理等研究發(fā)現(xiàn)，投資者能通過借款人的公開信息來識別其背后的違約風(fēng)險。[12]

3.基于P2P平臺特征視角

我國P2P平臺除了承擔(dān)信息中介職能外，還通過參與產(chǎn)品風(fēng)控和營銷而承擔(dān)了信用中介職能，故我國P2P投資人在選擇標(biāo)的時更注重平臺質(zhì)量而非借款人特征。[2]平臺借款利率也并非越高越好，提升利率對平臺成交量甚至有負(fù)影響。[13]但平臺往期成交量和人氣值卻對平臺當(dāng)期成交有顯著正影響。[14]王書斌等則證明了平臺的股東背景是影響P2P投資人出借決策的重要因素。[15]

（二）政策監(jiān)管與合規(guī)轉(zhuǎn)型對平臺成交的影響研究

1.監(jiān)管政策對P2P平臺成交水平影響研究

2018年以來，P2P平臺跑路等“暴雷”現(xiàn)象頻發(fā)，監(jiān)管部門也相繼出臺各項監(jiān)管措施。此后，學(xué)者開始關(guān)注監(jiān)管政策對平臺的影響。鄒欣利用斷點(diǎn)法評估了《征求意見稿》和《暫行辦法》兩個監(jiān)管政策對P2P平臺時變特征的影響。發(fā)現(xiàn)政策對本身活躍的平臺的成交量有正影響，而對不活躍的平臺有負(fù)影響。[5] 胡婷婷發(fā)現(xiàn)“專項整治”促進(jìn)了P2P平臺成交量的增長。 [16]楊陽則發(fā)現(xiàn)政策初期，平臺成交量呈現(xiàn)下滑趨勢，但隨著行業(yè)整體合規(guī)程度提升，政策后期平臺成交量反而出現(xiàn)增長。[17]王雄和鄒鈴利用斷點(diǎn)和中介效應(yīng)估計發(fā)現(xiàn)“專項整改”通過影響投資者信心提升了其選擇短期產(chǎn)品或離場的概率、間接減少了平臺成交量，且政策對不同類型、不同地區(qū)的平臺影響迥異。[18]

2.平臺“合規(guī)程度”對成交水平的影響研究

各平臺在監(jiān)管沖擊下的合規(guī)化進(jìn)程不盡相同。于是，學(xué)者們圍繞平臺合規(guī)化轉(zhuǎn)型問題進(jìn)行了大量研究。姜琪基于雙重差分法發(fā)現(xiàn)上線存管抑制了平臺成交量的增長。[6]但是，胡婷婷同樣采用雙重差分法的研究卻發(fā)現(xiàn)“合規(guī)化”提高了平臺成交量，也提高了平臺的資源配置效率和成本效率。[16]田杰等發(fā)現(xiàn)平臺合規(guī)化進(jìn)程越快，人氣越高、成交量也越高。[19]劉營軍等運(yùn)用系統(tǒng)GMM法，發(fā)現(xiàn)投資人偏好合規(guī)平臺，即平臺合規(guī)性越強(qiáng)，越能吸引更多投資者。[20]

（三）文獻(xiàn)評述

首先，從成交量的影響因素上看?，F(xiàn)有研究多側(cè)重于借款人特征或投資人異質(zhì)性對成交的影響，而對P2P平臺的功能設(shè)計與制度設(shè)計如何影響成交變化鮮有文獻(xiàn)進(jìn)行探討。為此，本文將從平臺背景、交易功能與高管從業(yè)經(jīng)歷等角度對平臺特征如何調(diào)節(jié)監(jiān)管政策的沖擊效應(yīng)進(jìn)行拓展性分析。

其次，從政策沖擊與成交量的關(guān)系上看?，F(xiàn)有文獻(xiàn)雖然對二者關(guān)系進(jìn)行了一定分析，但結(jié)論并不統(tǒng)一。這一方面是由于各研究在樣本范圍、周期、模型設(shè)定及實證方法方面各不相同，另一方面也是由于政策對成交的沖擊方向確實因平臺特征而具有較大差異。監(jiān)管從嚴(yán)所釋放的市場信號會強(qiáng)化投資人避險情緒并抑制投資信心，但監(jiān)管從嚴(yán)會加速優(yōu)質(zhì)平臺的篩選，提升頭部平臺對尾部平臺的“虹吸效應(yīng)”，向市場傳遞更多質(zhì)量信號并重振投資人信心、激勵市場成交?？梢?，不同的平臺，政策沖擊具有完全不同的內(nèi)涵。為此，本文將在充分考慮平臺異質(zhì)性的基礎(chǔ)上還原政策沖擊效果。

再次，從政策沖擊的衍生影響上看。大量文獻(xiàn)研究了政策沖擊的效果，但從P2P平臺如何進(jìn)行政策反饋的角度來分析監(jiān)管政策升級所衍生的平臺合規(guī)轉(zhuǎn)型能否激勵成交的文獻(xiàn)卻非常鮮見，而考慮到“合規(guī)轉(zhuǎn)型”存在自選擇效應(yīng)并進(jìn)行評估優(yōu)化的文獻(xiàn)則更少。本文將通過回歸調(diào)整、逆概率加權(quán)等處理效應(yīng)估計來解決“依不可觀測因素選擇”所導(dǎo)致的自選擇偏差，以提升政策評價有效性。

最后，現(xiàn)有研究在分析P2P投資人交易決策時，經(jīng)常將規(guī)模決策和期限決策相分離。然而，投資人在保持規(guī)模激進(jìn)度的同時，很可能在投資期限上選擇更為保守的策略，即規(guī)模決策和期限決策之間很可能存在替代效應(yīng)。但這一預(yù)期始終未被現(xiàn)有研究證明。本文給出了替代效應(yīng)存在的證據(jù)，因為《暫行辦法》的出臺雖提高了平臺成交規(guī)模，但也縮短了平臺的平均投資期限，說明投資人在政策沖擊下會以犧牲投資期限作為交換來提高其在投資規(guī)模上的激進(jìn)度。

三、研究邏輯與假設(shè)

（一）《暫行辦法》對P2P平臺成交量的影響分析

從行業(yè)長期發(fā)展角度看，政策出臺有助于規(guī)范市場交易機(jī)制、降低交易成本、緩解道德風(fēng)險，從而推動P2P行業(yè)走向良性、健康發(fā)展。通過市場機(jī)制篩選出的優(yōu)質(zhì)平臺會在長期競爭中受益。由于優(yōu)質(zhì)平臺對低質(zhì)平臺上的資金具有虹吸效應(yīng)，并能借助質(zhì)量信號來吸引投資人，所以，會帶來長期新增投資并由此提升市場成交水平。所以，當(dāng)把考察周期設(shè)定在政策實施后的較長時期時，政策對市場成交的正向激勵效應(yīng)會逐漸形成?；诖耍疚奶岢黾僭O(shè)1。

假設(shè)1：《暫行辦法》的出臺，從長期看將有助于篩選優(yōu)質(zhì)平臺、提升P2P市場的投資者信心，從而對平臺成交量產(chǎn)生正向激勵作用。

（二）監(jiān)管政策對P2P平臺成交量的異質(zhì)性影響效應(yīng)分析

參考網(wǎng)貸之家分類方式，本文將P2P平臺按股東背景分為國資系、上市系、銀行系、風(fēng)投系和民營系五大類。其中：國資系平臺背靠國有企業(yè)、銀行系則由銀行控股或由銀行子公司實現(xiàn)參股或控股，二者都具有隱形擔(dān)保屬性。上市系平臺憑借母公司股票市場知名度也更加容易受投資者青睞。換言之，國資、上市、銀行系平臺的聲譽(yù)效應(yīng)更強(qiáng)，因此在監(jiān)管政策趨嚴(yán)時，這些質(zhì)量更好的平臺會產(chǎn)生更強(qiáng)的虹吸效應(yīng)，即具有吸收那些質(zhì)量較弱、風(fēng)險較高的P2P平臺上的投資資金的能力。所以，預(yù)期監(jiān)管政策對此類平臺的長期利好效應(yīng)會更突出。事實上，這一預(yù)期獲得了現(xiàn)有研究的支持，如巴曙松等發(fā)現(xiàn)國資系平臺總是具有更長的生存期。[21]基于此，本文提出假設(shè)2a。

假設(shè)2a：《暫行辦法》的出臺，對國資、銀行、上市系平臺的成交量具有更強(qiáng)的激勵作用。

活期標(biāo)是指平臺標(biāo)的可隨時進(jìn)行債權(quán)轉(zhuǎn)讓的借款合約。為提高借款效率，P2P業(yè)務(wù)在發(fā)展過程中逐漸由“散標(biāo)”產(chǎn)品向“集合標(biāo)”產(chǎn)品演變。[22]當(dāng)交易撮合是基于債權(quán)轉(zhuǎn)讓功能實現(xiàn)時，活期標(biāo)產(chǎn)品便應(yīng)運(yùn)而生?；钇跇?biāo)允許出借人不設(shè)定投資期限，即可隨時利用內(nèi)部債轉(zhuǎn)功能發(fā)起對自己所持有的活期標(biāo)的轉(zhuǎn)讓。其目的是為了提高投資人對平臺流動性方面的信任度。由于投資人能在潛在風(fēng)險來臨之前選擇隨時退出，所以，意味著擁有活期標(biāo)的平臺更容易獲得投資者青睞?；诖耍疚念A(yù)期提供了“活期標(biāo)”投資功能的平臺，其受市場投資人認(rèn)可的程度會更強(qiáng)，在政策監(jiān)管落地時，也會對“高風(fēng)險平臺”的投資人產(chǎn)生“虹吸效應(yīng)”。于是，存在假設(shè)2b。

假設(shè)2b：《暫行辦法》的出臺，對擁有“活期標(biāo)”的平臺的成交量具有更強(qiáng)的激勵作用。

高管從業(yè)經(jīng)歷會影響公司治理質(zhì)量和經(jīng)營風(fēng)險。為此，本文以P2P平臺高管是否在其他企業(yè)擔(dān)任過高管職務(wù)為視角，進(jìn)一步探討高管特征在平臺風(fēng)險管理和成交激勵方面是否具有顯著影響。邏輯上看，若高管有在其他公司擔(dān)任高級管理職務(wù)的經(jīng)歷，則以往在風(fēng)險管理上的失敗教訓(xùn)會產(chǎn)生一種“印記”，這種“印記效應(yīng)”帶來的心理反射會使高管對平臺的風(fēng)險管理始終保持更高的警惕度。而風(fēng)險管理意識的提升有助于強(qiáng)化投資人對平臺的信任度，從而激勵平臺成交。除此以外，高管是由其他行業(yè)跳槽進(jìn)入P2P行業(yè)的話，那么，從統(tǒng)計數(shù)據(jù)來看，其跳槽前主要是在銀行、信托、保險等傳統(tǒng)金融機(jī)構(gòu)履職。由于這些金融機(jī)構(gòu)具有更好的風(fēng)控能力和風(fēng)險管理經(jīng)驗，因此，高管跳槽事件本身就會提升跳入平臺的安全邊際，因為投資人會認(rèn)為高管的引入本身便是平臺實力的象征。而引入的高管又會在發(fā)展戰(zhàn)略、管理理念等方面帶來增量貢獻(xiàn)，其社會資源優(yōu)勢也會為平臺運(yùn)營爭取到更為穩(wěn)定的外部環(huán)境。所以，這類平臺會更受投資人追捧，當(dāng)監(jiān)管政策沖擊市場成交時，此類平臺會產(chǎn)生更強(qiáng)的虹吸效應(yīng)，從而呈現(xiàn)出更高的成交增長?；诖耍疚奶岢鋈缦录僭O(shè)。

假設(shè)2c：《暫行辦法》的出臺，為那些高管曾跨界擔(dān)任高級職務(wù)的平臺帶來更強(qiáng)的成交激勵。

（三）因政策沖擊衍生的“合規(guī)轉(zhuǎn)型”對平臺成交量的影響分析

一方面，若P2P平臺主動進(jìn)行合規(guī)轉(zhuǎn)型，則會向市場傳遞出一種“質(zhì)量信號”，從而增強(qiáng)平臺吸引力，為平臺贏得市場競爭優(yōu)勢。當(dāng)市場投資者觀察到“合規(guī)轉(zhuǎn)型”所釋放的質(zhì)量信號后，會提升對該平臺的關(guān)注度，從而增加投資該平臺的概率。同時，由于P2P屬于高風(fēng)險投資，信息高度不對稱會導(dǎo)致市場中具有更顯著的羊群效應(yīng)。此時，質(zhì)量信號會借助主動型投資者的羊群效應(yīng)來影響被動投資者。換言之，在質(zhì)量信號和羊群效應(yīng)的雙重傳導(dǎo)下，按監(jiān)管要求實施合規(guī)轉(zhuǎn)型的平臺，將更有可能獲得投資人的認(rèn)可、在未來的市場競爭中更容易處于優(yōu)勢地位，從而擁有更高的成交量。

另一方面，伴隨政策緩釋期越來越接近結(jié)束，P2P平臺很可能在商業(yè)銀行科技化轉(zhuǎn)型競爭[23]和粉飾效應(yīng)[24]的雙重影響下，“被動”進(jìn)行合規(guī)轉(zhuǎn)型。這意味著此時（被動）轉(zhuǎn)型的平臺，其向市場投資人傳遞質(zhì)量信號的能力已大幅減弱，從而僅能產(chǎn)生較弱的虹吸效應(yīng)并吸引較弱的市場關(guān)注度（因為優(yōu)質(zhì)平臺早已轉(zhuǎn)型）。于是本文預(yù)期，越是在政策緩釋期接近結(jié)束時進(jìn)行合規(guī)轉(zhuǎn)型的平臺，轉(zhuǎn)型對其成交量的激勵效應(yīng)越弱。于是提出假設(shè)3。

假設(shè)3：對于擁抱政策監(jiān)管、進(jìn)行“存管轉(zhuǎn)型”的平臺而言，合規(guī)轉(zhuǎn)型過程將對其成交量構(gòu)成顯著的正向激勵效應(yīng)，但是，轉(zhuǎn)型時點(diǎn)越是離“政策緩釋期”結(jié)束越近，成交激勵效應(yīng)越弱。

四、實證設(shè)計

（一）政策沖擊效應(yīng)的存在性檢驗

為探究《暫行辦法》的出臺對P2P網(wǎng)貸平臺成交量影響，本文構(gòu)建了面板數(shù)據(jù)模型（1）。

Volume=β0+β1Policyi，t+β2Debitpi，t+β3Debitni，t+β4Invpi，t+β5IRi，t+β6Capi+β7Unpaidi，t+β8Limiti，t+vt+μi+εi，t（1）

其中，Volume為平臺成交量，Policy為政策沖擊虛擬變量?？刂谱兞可希肓嗽陆杩钊藬?shù)（Debitp）、月借款標(biāo)數(shù)（Debitn）、月新增借款的平均借款期限（Limit）、平均借款利率（IR）、月投資人數(shù)（Invp）和當(dāng)月待還金額（Unpaid）。實證預(yù)期是政策出臺對成交的影響（Policy的系數(shù)）應(yīng)為正?？刂谱兞可希捎陬A(yù)期投資人已初步具有風(fēng)險規(guī)避意識[14]，故收益率對成交的影響系數(shù)應(yīng)為負(fù)。同時，參考陳虹和馬永健的結(jié)論[13]，預(yù)期借款期限會降低平臺成交，因為期限越長投資人收回本息的不確定性越大、違約風(fēng)險越高，故預(yù)期借款期限的系數(shù)應(yīng)為負(fù)。

（二）政策沖擊效應(yīng)的異質(zhì)性檢驗

假設(shè)2力爭證明監(jiān)管政策對不同類型的平臺具有明顯的異質(zhì)性影響。分組維度的設(shè)計如下： 第一，按平臺背景分組。分為以國資、上市及銀行系為代表的有背景平臺和其他無背景平臺兩類。根據(jù)假設(shè)2a可知，預(yù)期國資系、銀行系和上市系等有背景平臺由于經(jīng)營理念更穩(wěn)健、管理規(guī)范化水平更強(qiáng)，因此會更容易得到投資者信任，從而在政策出臺后產(chǎn)生更強(qiáng)的虹吸效應(yīng)，導(dǎo)致政策對平臺成交的激勵程度更高;第二，按平臺是否設(shè)有“活期標(biāo)”分組。根據(jù)假設(shè)2b可知，“活期標(biāo)”功能有利于降低投資人對平臺流動性風(fēng)險的擔(dān)憂，所以預(yù)期擁有活期標(biāo)的平臺在監(jiān)管政策出臺后虹吸效應(yīng)會更強(qiáng)，從而導(dǎo)致政策對此類平臺成交的激勵效應(yīng)更強(qiáng);第三，按平臺高管是否有其他企業(yè)高管任職經(jīng)歷劃分。根據(jù)假設(shè)2c可知，高管跳入會向市場傳遞出積極的人力資本信號，從而向市場投資人暗示該平臺具有更高安全性，這會對低質(zhì)量平臺產(chǎn)生更強(qiáng)的虹吸效應(yīng)，從而產(chǎn)生更強(qiáng)的成交激勵。

（三）P2P平臺“合規(guī)轉(zhuǎn)型”對平臺成交量的影響作用

1.多期DID估計

《暫行辦法》的緩釋期為18個月。因此，每個平臺是否合規(guī)轉(zhuǎn)型以及合規(guī)轉(zhuǎn)型的時間都不相同。以上線銀行存管為例，經(jīng)統(tǒng)計，存管轉(zhuǎn)型的時間集中于2016年Q3～2017年Q4（占全部轉(zhuǎn)型的90%），當(dāng)然，仍存在始終未進(jìn)行合規(guī)轉(zhuǎn)型的平臺，即從平臺對政策沖擊的反饋來看，是存在異質(zhì)性的。

于是，以政策出臺前后為觀測點(diǎn)便可以構(gòu)建多期DID來檢驗“實施轉(zhuǎn)型策略”對平臺成交量是否存在激勵作用。具體而言，以月為觀察期，若樣本所在月份為轉(zhuǎn)型后月份，則Reform=1，若為轉(zhuǎn)型前，則Reform=0。同時，將觀測時段內(nèi)轉(zhuǎn)型為銀行存管的平臺作為實驗組，即Treated=1，未轉(zhuǎn)型銀行存管的平臺為控制組，即Treated=0。設(shè)定好Reform和Treated后，本文構(gòu)建了如下DID模型。

Voli，t=β0+β1Reformt×Treatedi+∑βiXi+vt+μi+εi，t（2）

∑βiXi用于表示模型中的各個協(xié)變量及其回歸系數(shù)。vt和μi代表不可觀測的個體和時點(diǎn)異質(zhì)性。為保證DID估計的有效性，我們剔除了169家樣本平臺中在政策出臺前已完成銀行存管轉(zhuǎn)型的?；貧w時段為2015.9～2018.6。若至2018年6月平臺仍未轉(zhuǎn)型，則視為始終未進(jìn)行存管轉(zhuǎn)型的平臺。

模型（2）觀察重點(diǎn)是Reformt×Treatedi的系數(shù)，該系數(shù)即DID估計結(jié)果。由假設(shè)3可知，該系數(shù)估計結(jié)果應(yīng)為正，即存管轉(zhuǎn)型作為對《暫行辦法》的行為反饋，將對平臺成交水平構(gòu)成激勵。

2.處理效應(yīng)估計

考慮到更優(yōu)質(zhì)、規(guī)模更大的平臺會更主動地選擇上線銀行存管，而這類平臺本身的成交量又高于其他平臺。即存在“自選擇”問題，故本文采用處理效應(yīng)模型來修正“自選擇偏差”。

由于政策緩釋期較長，即不同平臺加入合規(guī)轉(zhuǎn)型隊列的時間差較大。因此，為了更加細(xì)致地識別出合規(guī)轉(zhuǎn)型對成交的影響效果，我們將政策緩釋期以四個月為間隔進(jìn)行了分段，并在不同分段下比較處理效應(yīng)的水平及其顯著性。這樣有助于避免因市場趨勢因素及不可觀測因素對成交規(guī)模的擾動而導(dǎo)致的不同樣本之間在成交規(guī)模上不具可比性并降低對轉(zhuǎn)型效果的評估精度。具體分段結(jié)構(gòu)為：

（1）2016.9～2016.12;（2）2017.1～2017.4;（3）2017.5～2017.8;（4）2017.9～2017.12。

處理效應(yīng)估計量可通過匹配法和加權(quán)法兩種方式得到，本文借助回歸調(diào)整（RA）、逆概率加權(quán)（IPW）以及帶逆概率加權(quán)的回歸調(diào)整（IPWRA）三種方法獲得處理效應(yīng)結(jié)果。方法簡介如下所述。

回歸調(diào)整法（RA）首先會在每個處理水平上分別回歸擬合結(jié)果，再計算每個樣本的處理水平，采用處理組的平均估計與對照組的平均估計之差來估算平均處理效應(yīng)ATT。其模型設(shè)定如下：

Voli=β0+β1Volpi+β2Debitpi+β3Debitni+β4Invpi+β5IRi+β6Limiti+β7Treatedi+εi，（3）

模型（3）中，Vol為特定分段窗口期之后三個月內(nèi)該平臺的平均成交量，Volp是特定分段窗口期之前三個月該平臺成交量之和。Treated的系數(shù)β7為核心觀察變量，考察處理效應(yīng)高低。

逆概率加權(quán)法（IPW）首先估計處理模型的參數(shù)并計算逆概率加權(quán)值，再利用逆概率加權(quán)值計算每個處理水平結(jié)果的加權(quán)平均值，加權(quán)平均之差為ATE。計算逆概率加權(quán)值的概率選擇方程如下：

Treated=β0+β1Rci+β2Transi+β3Curri+β4Mgi+β5Bgi+β6Sharei+β7ICPi+β8Lasti+β9Regi+β10Volpi+εi（4）

模型（4）中包含了影響平臺是否選擇存管轉(zhuǎn)型的一系列因素，如觀察時段前3個月的平臺成交總量（Volp），該變量反映平臺體量，通常體量越大上線銀行存管概率越大。其余還包括：實繳資本（Rc）、是否允許債券轉(zhuǎn)讓（Trans）、是否支持活期標(biāo)（Curr）、高管背景（Mg）、平臺背景（Bg）、股東人數(shù)（Share）、是否申請ICP（ICP）、平臺存續(xù)時間（Last）、注冊地是否為直轄市（Reg）等。

帶逆概率加權(quán)的回歸調(diào)整法（IPWRA）也稱為雙重穩(wěn)健法，是RA與IPW的結(jié)合。其優(yōu)勢是：為處理變量和結(jié)果變量都加上了協(xié)變量進(jìn)行回歸，因此，只要有一個方程識別正確就會得出更準(zhǔn)確的估計，為模型估計的準(zhǔn)確性加了雙保險。本文下IPWRa的主方程同模型（3），概率方程同模型（4）。

五、樣本、變量與描述性統(tǒng)計

（一）樣本與變量

本文以“網(wǎng)貸之家”2016.1～2018.6期間上過“百強(qiáng)榜”的平臺（共169家）為樣本，以2013.1～20186為觀察期，基于月度數(shù)據(jù)構(gòu)建了面板數(shù)據(jù)。本文主要變量的名稱、含義及計量口徑詳見表1。

（二）描述性統(tǒng)計

描述性統(tǒng)計（表2）顯示：平臺平均收益率為1149%、平均借款人數(shù)為268萬人、投資人數(shù)173萬人，平均待還金額247億元。但從中位數(shù)看，該值僅有552億元，說明各平臺成交和待收差異較大。

表3列示了按存管類型分類統(tǒng)計的平臺成交量情況：（1）無論哪個樣本口徑下，《暫行辦法》出臺后，平臺成交量均較之前有較大幅度上升;（2）政策出臺后，存管轉(zhuǎn)型的平臺與始終未轉(zhuǎn)型的平臺相比，均值差異在政策出臺后明顯降低了，說明暫行辦法出臺對轉(zhuǎn)型平臺的成交構(gòu)成潛在利好。

六、實證結(jié)果與分析

（一）對假設(shè)1以及假設(shè)2的實證檢驗與分析

表4中：第1列和第2列為經(jīng)簡化式和擴(kuò)展式對假設(shè)1進(jìn)行估計的結(jié)果。這兩列中，政策變量Policy系數(shù)均顯著為正，表明無論是在單因素回歸還是在考慮了其他控制變量的多因素回歸中，進(jìn)行銀行存管轉(zhuǎn)型均會導(dǎo)致成交量上升，說明監(jiān)管政策的出臺確實從更長期看有助于提升平臺成交水平。這一結(jié)果與本文假設(shè)1相符。同時，控制變量上看，收益率回歸系數(shù)均顯著為負(fù)，說明投資人已經(jīng)形成了一定的風(fēng)險識別能力，不再盲目追求高收益率。上述結(jié)果表明《暫行辦法》的出臺有助于規(guī)范行業(yè)經(jīng)營秩序，給投資者帶來信心，為平臺吸引更多成交量。值得注意的是，在包含控制變量后，模型擬合優(yōu)度（R2）的值明顯得到提升，說明模型總體設(shè)定形式有效，能較好反映成交變化特征。第3列至第8列為不同類型下的分組回歸結(jié)果，用于檢驗假設(shè)2a～2c。結(jié)果表明：國資系、上市系以及銀行系等有背景的平臺，設(shè)有活期標(biāo)的的平臺，管理人曾在其他公司具有高管履職經(jīng)歷的平臺，其policy系數(shù)均比其對照組大，且組間差異檢驗的P值均顯著，說明這三類平臺憑借各自優(yōu)勢產(chǎn)生了更強(qiáng)的虹吸效應(yīng)，得到更多投資者青睞，這與假設(shè)2a～2c的預(yù)期相符。

（二）對假設(shè)3的實證檢驗與分析

1 多期DID估計

表5表明：Reform與Treated的交互項系數(shù)在1%的置信度下顯著為正，說明緩釋期內(nèi)進(jìn)行存管轉(zhuǎn)型的平臺的成交量比始終未轉(zhuǎn)型的平臺成交量高，與假設(shè)3預(yù)期一致，即投資人更青睞合規(guī)平臺。

2 DID平行趨勢檢驗

本文構(gòu)建了模型（6）以模型檢驗平行趨勢是否滿足。

Voli，t=β0+β1Reform-6t×Treatedi+β2Reform-5t×Treatedi+…+β6Reform-1t×Treatedi+ui+ei，t（6）

其中，Reform-j中，-j示轉(zhuǎn)型實施前的第j個月，若樣本屬于該月，則Reform=1，否則Reform=0。

表6為平行趨勢檢驗結(jié)果，該結(jié)果表明：轉(zhuǎn)型實施前各個月，轉(zhuǎn)型組和非轉(zhuǎn)型組在成交量的演變上并無明顯差異，即平行趨勢特征滿足。因此，DID估計結(jié)果具有可信性。

圖1用表6中轉(zhuǎn)型實施前6期（以政策實施前為基準(zhǔn)期）的β系數(shù)及其95%的置信區(qū)間對平行趨勢特征進(jìn)行了畫圖。結(jié)果表明：各個交叉項的斜率都在0附近，沒有明顯趨勢表明將轉(zhuǎn)型提前數(shù)月會對平臺成交產(chǎn)生明顯影響，即平行趨勢特征成立。圖1平行趨勢檢驗圖

3 處理效應(yīng)估計

表7展示了不同窗口期下處理效應(yīng)對合規(guī)轉(zhuǎn)型影響效果的推斷結(jié)果。結(jié)果表明：僅在第一個窗口期內(nèi)，ra、ipw、ipwra三種回歸下的ATT值均顯著，而在其他三個窗口期中，ATT均不顯著，甚至在第四個窗口期中，IPWRA回歸中負(fù)向顯著。這與假設(shè)3預(yù)期一致，即在《暫行辦法》出臺的初期，主動進(jìn)行存管轉(zhuǎn)型會為平臺帶來更多成交，但在政策后期，存管轉(zhuǎn)型已不能為平臺帶來明顯的成交回報。其潛在原因是：（1）政策出臺一段時間后，市場已消化了一部分公眾預(yù)期;（2）隨著后期越來越多的平臺暴雷，引發(fā)投資者避險情緒，投資者選擇無差別離場。

七、進(jìn)一步分析

（一）“合規(guī)轉(zhuǎn)型”對投資人“期限決策”的影響分析

由面板數(shù)據(jù)及DID估計結(jié)果可知，合規(guī)轉(zhuǎn)型會使投資人在投資“規(guī)模”決策上更為激進(jìn)。但隨著越來越多的平臺發(fā)生違約、跑路等事件，投資風(fēng)險逐漸升級，這無疑會提高P2P投資人的風(fēng)險意識，于是有必要進(jìn)一步探討投資人是否會在投資期限上降低激進(jìn)度以平衡風(fēng)險。

通常，借款期限越長違約概率越大，所以，投資人在進(jìn)行P2P投資時，其風(fēng)險承擔(dān)水平不僅體現(xiàn)在投資的“規(guī)模決策”上，還體現(xiàn)在投資的“期限決策”上，即二者之間存在風(fēng)險替代機(jī)制?？紤]到表4所示，擁有活期標(biāo)功能的平臺更受投資者青睞，而活期標(biāo)恰恰意味著投資者在借款期限上更具靈活性，更能規(guī)避不確定性風(fēng)險。由此產(chǎn)生的疑問是：雖然合規(guī)轉(zhuǎn)型會激勵投資者人在規(guī)模決策上更激進(jìn)，但為了權(quán)衡總體風(fēng)險水平，投資人是否會同時降低投資期限以保持相對穩(wěn)定的風(fēng)險承擔(dān)水平？為此，本文從關(guān)注“合規(guī)轉(zhuǎn)型”對規(guī)模決策的影響過渡到對期限決策的影響。通過以平均借款期限（Limit）為因變量，本文構(gòu)建了如下DID模型來檢驗轉(zhuǎn)型對期限決策的影響作用。

Limiti，t=β0+α1Reform t×Treatedi+β1Policyt+β2Debitpi，t+β3Debitni，t+β4Invpi，t+β5IRi，t+β6Capi，t+β7Unpaidi，t+vt+ui+ei，t

表8表明：Reform與Treated的交互項系數(shù)顯著為負(fù)，意味著在合規(guī)轉(zhuǎn)型類平臺上進(jìn)行投資的投資者雖然具有更強(qiáng)的投資規(guī)模擴(kuò)張傾向，但卻在借款期限的選擇上表現(xiàn)出更強(qiáng)的風(fēng)險規(guī)避傾向。這意味著P2P市場上的投資人在投資過程中具有在規(guī)模決策和期限決策之間權(quán)衡風(fēng)險意識。這一發(fā)現(xiàn)對于理解P2P市場上投資人的風(fēng)險管理邏輯以及風(fēng)險權(quán)衡策略具有一定的理論參考價值。

（二）政策沖擊的無條件分位數(shù)估計

我們在評價政策對平臺成交規(guī)模的影響時，不能僅僅從平臺平均水平出發(fā)進(jìn)行考察，還需要考察政策對特征分布不同位置的平臺的異質(zhì)性影響。由于普通線性回歸模型估計的是條件均值，并未考慮到因變量總體上的分布特征，故本文采用無條件分位數(shù)回歸對模型（2）重新估計（見表9）。

表9表明：（1）各個分位點(diǎn)上，政策效應(yīng)均顯著為正的，說明無論平臺體量大小，都會受到政策出臺的正向激勵作用;（2）隨著分位數(shù)從10th增加到90th，政策效應(yīng)呈現(xiàn)出逐級上升態(tài)勢，說明成交量越高的平臺，其成交規(guī)模的增長受監(jiān)管政策出臺的激勵越高。

圖2顯示了隨分位數(shù)變化，政策沖擊水平的強(qiáng)度變化。其中，在p75和p90分位點(diǎn)，分位數(shù)回歸的系數(shù)與均值回歸系數(shù)相差較大，表明相比均值回歸，分位數(shù)回歸對政策效果的刻畫精度更高。

八、結(jié)論與貢獻(xiàn)

習(xí)近平總書記在黨的十九大報告中提出了“守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”的要求。當(dāng)前，P2P等新型金融機(jī)構(gòu)在較大范圍內(nèi)均存在運(yùn)作不規(guī)范風(fēng)險，而不合規(guī)運(yùn)營為系統(tǒng)性金融風(fēng)險的爆發(fā)埋下了隱患。本文從國家金融安全角度，以《暫行辦法》的出臺為背景，分析了政策監(jiān)管對P2P市場成交的影響，證明了：1.《暫行辦法》的出臺對P2P行業(yè)平均成交水平具有顯著的正向激勵效應(yīng)，且對于具有特定背景的平臺、設(shè)有活期標(biāo)的平臺、高管在其他企業(yè)有高管任職經(jīng)歷的平臺而言，激勵效應(yīng)更強(qiáng);2.合規(guī)轉(zhuǎn)型能得到更多的市場投資人的認(rèn)可，從而對平臺成交增長構(gòu)成激勵效應(yīng);3.借助處理效應(yīng)克服“自選擇偏差”后，上述正向激勵效應(yīng)依然成立，表明政策沖擊在加速淘汰劣質(zhì)平臺的同時也將更多資金導(dǎo)向了合規(guī)的優(yōu)質(zhì)平臺，從而激勵了總投資。該發(fā)現(xiàn)為科學(xué)評價監(jiān)管政策的真實效果、優(yōu)化監(jiān)管思路、制定差異化監(jiān)管策略具有理論指導(dǎo)價值;4.盡管合規(guī)轉(zhuǎn)型導(dǎo)致P2P投資人在投資規(guī)模決策上更為激進(jìn)，但卻降低了投資人的平均投資期限，說明P2P投資人在規(guī)模決策與期限決策上存在相機(jī)抉擇。這為理解P2P投資人如何進(jìn)行交易決策、如何平衡風(fēng)險提供了參考，首次揭示出P2P投資人在風(fēng)險管理上會優(yōu)先選擇降低投資“期限”而非減少投資“規(guī)?！眮硪?guī)避風(fēng)險。

本文的政策啟示在于：盡管政策監(jiān)管在穩(wěn)定成交，優(yōu)化成交結(jié)果上存在一定積極意義，但由于政策沖擊加速了劣質(zhì)平臺的淘汰進(jìn)程，導(dǎo)致這些平臺的還款率下降，甚至出現(xiàn)清盤、跑路現(xiàn)象，導(dǎo)致投資人損失慘重。所以，仍舊應(yīng)該在認(rèn)可監(jiān)管導(dǎo)向的基礎(chǔ)上“反思”監(jiān)管力度，同時也應(yīng)反思P2P平臺在制度設(shè)計方面是否存在某種激化流動性沖擊的缺陷，例如，活期標(biāo)的設(shè)計、債轉(zhuǎn)交易功能的設(shè)計等，從而為今后規(guī)范市場制度建設(shè)、優(yōu)化平臺功能設(shè)計提供理論基礎(chǔ)。

參考文獻(xiàn)：

[1]韓豐霞，肖漢杰，彭定洪，等.經(jīng)濟(jì)新常態(tài)下綠色金融發(fā)展動力問題探究——基于政府、銀行和企業(yè)三方博弈關(guān)系[J].經(jīng)濟(jì)與管理評論，2017，33（5）：88～94.

[2]于博，張峻琪.P2P網(wǎng)絡(luò)借貸平臺產(chǎn)品預(yù)期收益率對交易規(guī)模及客戶粘性的影響——基于平臺異質(zhì)性的研究[J].南方金融，2016（8）：60～65.

[3]王會娟，何琳.借款描述對P2P網(wǎng)絡(luò)借貸行為影響的實證研究[J].金融經(jīng)濟(jì)學(xué)研究，2015，30（1）：77～85.

[4]廖理，李夢然，王正位，等.觀察中學(xué)習(xí)：P2P網(wǎng)絡(luò)投資中信息傳遞與羊群行為[J].清華大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2015，30（1）：156～165;184.

[5]鄒欣.監(jiān)管政策如何影響P2P網(wǎng)貸行業(yè)的發(fā)展？[J].金融理論與實踐，2017（7）：25～31.

[6]姜琪.中國P2P網(wǎng)貸平臺效率差異及成交量影響因素研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2018，35（6）：60～77.

[7]Mingfeng Lin，Nagpurnanand R. Prabhala，Siva Viswanathan. Judging Borrowers by the Company They Keep： Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending[J]. INFORMS，2013，59（1）.

[8]Dongyu Chen，F(xiàn)ujun Lai，Zhangxi Lin. A trust model for online peer-to-peer lending： a lenders perspective[J]. Springer US，2014，15（4）.

[9]王會娟，廖理.中國P2P網(wǎng)絡(luò)借貸平臺信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗證據(jù)[J].中國工業(yè)經(jīng)濟(jì)，2014（4）：136～147.

[10]李偉軍. 我國P2P網(wǎng)絡(luò)借貸的羊群行為研究[D].西南財經(jīng)大學(xué)，2013.

[11]曾江洪，楊帥.P2P借貸出借人的羊群行為及其理性檢驗——基于拍拍貸的實證研究[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2014，34（7）：22～32.

[12]廖理，李夢然，王正位.聰明的投資者：非完全市場化利率與風(fēng)險識別——來自P2P網(wǎng)絡(luò)借貸的證據(jù)[J].經(jīng)濟(jì)研究，2014，49（7）：125～137.

[13]陳虹，馬永健.P2P網(wǎng)貸行業(yè)利率定價模式研究[J].當(dāng)代財經(jīng)，2016（5）：45～56.

[14]王剛貞，江光輝.基于投資者視角的P2P網(wǎng)貸平臺成交規(guī)模影響因素研究[J].東北農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2016，14（6）：33～38.

[15]王書斌，譚中明，江紅莉，等.P2P網(wǎng)貸平臺股東背景與投資者行為研究——基于異質(zhì)性動態(tài)面板協(xié)整分析[J].軟科學(xué)，2018，32（8）：117～120;124.

[16]胡婷婷.監(jiān)管政策對中國P2P平臺發(fā)展影響的實證研究[D].電子科技大學(xué)，2018.

[17]楊陽. 監(jiān)管政策對P2P平臺成交量影響研究[D].山西大學(xué)，2018.

[18]王雄，鄒鈴.我國P2P網(wǎng)貸平臺成交量的政策效應(yīng)研究[J].金融理論與實踐，2019（9）：49～59.

[19]田杰，趙源，王淑敏.行業(yè)合規(guī)與P2P網(wǎng)貸平臺發(fā)展：促進(jìn)或抑制[J].金融監(jiān)管研究，2019（9）：1～14.

[20]劉營軍，徐婧，張龍耀.第三方評級、資金存管對P2P網(wǎng)絡(luò)借貸發(fā)展的影響[J].金融監(jiān)管研究，2019（2）：29～42.

[21]巴曙松，侯鑫彧，張帥.基于生存模型的P2P平臺生存規(guī)律與政策模擬研究[J].當(dāng)代財經(jīng)，2018（1）：44～56.

[22]巴曙松，白海峰，李羽翔.P2P網(wǎng)貸平臺擠兌風(fēng)險：基于債權(quán)轉(zhuǎn)讓的視角[J].財經(jīng)問題研究，2019（1）：52～58.

[23]李健旋，張宗慶.大數(shù)據(jù)時代商業(yè)銀行服務(wù)小微企業(yè)的風(fēng)險管控[J].河海大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2018（6）：57～61.

[24]于博. P2P網(wǎng)絡(luò)借貸：交易決策、風(fēng)險傳導(dǎo)與監(jiān)管策略——文獻(xiàn)綜述與研究反思[J]. 中央財經(jīng)大學(xué)學(xué)報， 2017（10）：21～32.

Heterogeneous Impact of Policy Supervision and Compliance Transformation on

transaction scale of Chinas P2P platforms

YU Bo，LI Xinyi

（School of Finance Tianjin University of Finance and Economics， Tianjin， 300222 China）

Abstract：This paper， taking a special regulatory policy released in Chinas P2P market as a natural experiment， valuate the impact of policy introduction and the effect of platforms compliance process on the change? of platforms transaction scale. The main findings are that：（1）The introduction of the policy had a significant positive impact on the volume of P2P platforms， and it was more significant for the platforms with specific backgrounds， platforms with current bid， and platforms whose executives have had worked as senior manager in other companies. （2）By using DID specification and treatment effects， this paper test the causal relationship between platforms compliance process and transaction scale， and found compliance transformation has a positive effect on transaction scale， although it was only effective for those join in bank escrow earlier. （3）Although joining bank escrow leads investors to invest more，it reduces the average investment period which means that the process of compliance transformation can influence the? decision between scale and period. This paper proves that there was a risk substitution effect between period decision and scale decision for the first time.

Key words：P2P lending;regulatory policy;compliance transformation;P2P transaction scale

責(zé)任編輯：蕭敏娜 吳錦丹 蕭敏娜 常明明 張士斌 張建偉 張領(lǐng)

收稿日期：2020-05-18

基金項目：國家社會科學(xué)基金一般項目“貨幣政策波動與企業(yè)投資結(jié)構(gòu)再平衡研究”（17BGL062）。

作者簡介：于博（1979—），男，天津人，天津財經(jīng)大學(xué)金融學(xué)院副教授，碩士生導(dǎo)師，研究方向為公司金融;李欣怡（1997—），女，天津人，任職于渤海證券天津分公司，兼天津財經(jīng)大學(xué)金融學(xué)院公司金融與資本市場研究中心助研。