我國P2P網絡信貸信用風險影響因素分析

孫海瑩

[摘要]針對P2P網貸公司的業務特點，提出客戶信用風險的影響因素，并采用層次分析法建立評價模型，按照特定流程對網絡信貸信用風險進行仿真模擬分析。根據分析結果選擇信用風險較小的公司，可以使P2P網貸公司避免盲目選擇貸款項目和公司，從而降低違約率，保證自身運營和資產的安全。

[關鍵詞]P2P網貸公司；信用風險；層次分析法

[中圖分類號]F832.4[文獻標識碼]A[文章編號]

2095-3283（2015）12-0080-04

一、引言

互聯網金融的興起推動了全球金融行業的發展。目前，全新的借貸方式“P2P網絡信貸”（“peer to peer lending”的縮寫）迅速在全球范圍內流行起來。 中國銀監會2011年發布的P2P網絡信貸風險提示文件中將P2P網絡信貸簡稱為“人人貸”。P2P網絡信貸是指個人通過電子商務公司提供的交易平臺，向其他個人提供小額信貸的金融模式。P2P網絡信貸是信貸模式的一種創新，它把先進的互聯網技術、電子商務技術、金融服務模式和民間借貸資本市場有效地結合起來。在這種借貸模式下，借貸過程不依賴于傳統的金融機構，而是依托電子商務公司提供的互聯網平臺，實現對借貸雙方的信息、資金和合同等相關操作，促使借貸交易達成，這類電子商務公司被稱為“P2P網貸公司”。

P2P網絡信貸實質上屬于一種民間借貸，它面向社會所有成員，依托互聯網技術為其提供金融服務，具有方便、快捷和普及性廣等特點。P2P網絡信貸針對的是小微型資金需求者，這種借貸模式既可以讓資金需求方籌集到資金，又能夠為閑散資金的擁有者提供一種投資渠道。

2012年，P2P網貸公司在我國呈現出蓬勃發展之勢，然而P2P網貸公司“跑路”事件和借款人違約事件也頻頻出現。信用危機成為整個行業面臨的最大挑戰，社會信用體系不健全、國民誠信意識淡薄所造成的信貸風險比法律和政策的不確定性帶來的危害更大。P2P網貸公司要想穩健發展，就必須控制好自身的信用風險。

P2P網絡信貸屬于微型金融領域，陌生人通過互聯網進行借貸交易，這種模式必然存在比傳統金融機構借貸模式更大的風險。如何應對互聯網環境下網貸風險所造成的負面影響，已經成為微型金融領域研究的一項核心問題（Weiss，2010）[1]。黃葉危、齊曉雯（2012）分析了 P2P網絡信貸中所存在的風險，將原因歸結為法律缺失、平臺用戶使用不當、平臺自身導致的風險，提出風險管理中應以信用風險控制為主，并應建立共同信用評級系統[2]。

通過對以上文獻的回顧可知，控制信用風險對于P2P網貸公司至關重要，現有文獻關于P2P網貸公司信用風險的研究，大部分是從制度層面、預警指標以及P2P網貸公司擴張進而引發信用風險等方面進行分析，但是對于P2P網貸公司如何選擇信用風險相對較低的貸款對象并缺少清晰的闡述。本文力圖結合當前P2P網貸公司各層次貸款對象的信用風險進行研究。

二、P2P網絡信貸信用風險影響因素分析

本文以中小企業為研究對象進行討論分析。據對P2P網貸公司的調查，P2P網貸公司的貸款對象主要為房地產建筑公司、小業主，以及從事新興產業的公司。下面模擬三個貸款對象，分別代表三類公司，即A建筑公司、B快餐店和C汽車租賃公司，運用層次分析模型分析不同行業的信用風險。

A建筑公司建立時間較長也具有一定規模，公司管理者經驗豐富，但是由于我國近幾年政策導向導致建筑行業發展前景低迷，公司項目借款較多、流動性差，所以償債能力較弱，信用記錄不良。B快餐店的老板是一對學歷較低的年輕夫婦，快餐店規模小，所需資金不多，僅向一家P2P網貸公司借款。快餐店老板是第一次創業，沒有管理經驗，但是由于快餐店選址在鬧市區，人流量大，快餐店的發展前景較好。C汽車租賃公司屬于新型公司，公司管理者具有一定眼光和學歷，但是沒有實際管理經驗。隨著我國經濟的發展和人們對生活便利化的需求，汽車租賃行業蓬勃發展，但在我國還處于起步階段，還需努力開拓市場。

P2P網貸公司通過貸款信用風險的決斷，選擇信用風險小的公司進行貸款。根據P2P網貸公司中小企業法人客戶的特殊性，以及對中小企業法人信用風險評價指標選取的原則，本文選取企業管理者情況、企業經營狀況、企業發展前景、企業償債能力和企業信用記錄五個方面，作為評價P2P網貸公司中小企業客戶信用風險評價的有效性指標（見圖1）。由于在進行評價的過程中各評價指標的重要性程度各不相同，本文利用層次分析法，通過專家評分法對以上各指標之間的重要性程度進行兩兩比較[3]。

首先對貸款信用風險決策問題的結構模型進行層次單排序，主要任務就是采用方根法計算判斷矩陣的特征根和特征向量。對于圖1所示的貸款信用風險的層次結構模型，其判斷矩陣見表2至表7。“1”“3”“5”“7”和“9”分別表示“同等重要”“稍微重要”“相當重要”“明顯重要”和“絕對重要”，“2”“4”“6”和“8”表示上述標準之間的折中值，上述數值的倒數表示當甲要素與乙要素比較時，若被賦予以上某個標度值，則乙要素與甲要素比較時的權重就應該是那個標度的倒數[4]。

采用方根法對表2的判斷矩陣進行處理。首先將判斷矩陣A中的元素按行相乘獲得新向量，然后將新向量的每個分量開n次方（獲得幾何平均值），最后將所得向量歸一化即為權重向量（見表8）。

根據歷史數據的統計結果以及經驗判斷，得到指標的判斷矩陣A。運用層次分析法程序得到判斷矩陣 A的最大特征值λmax，以及選取指標的權重w。通過一致性指標C.I.=（λmax-n）/（n-1），以及平均隨機一致性指標R.I.，對指標進行一致性檢驗，其具體賦值如表1至表10所示。一致性比率為C.R.=C.I./R.I.，當C.R.<0.1時，通過一致性檢驗，從而確定權重分配是否合理[5]。

判斷矩陣A的一致性指標為：C.I.=（λmax-n）/（n-1）=（5.0004-5）/（5-1）= 0.0001。由表1至表10查得n=5時隨機一致性指標R.I.=1.12，所以平均隨機一致性指標為：C.R.=C.I./R.I.=0.0001/1.12=0.0001。由此得出，C.R.=0.0001< 0.1，所以判斷矩陣達到了滿意一致性指標，是合格的。

采用同樣的方法，通過計算求得評價準則“企業管理者情況”“企業經營狀況”“企業發展前景”“企業償債能力”和“企業信用狀況”條件下三個貸款信用風險選擇之間的判斷矩陣的特征向量、最大特征值和平均隨機一致性指標，具體結果見表12。

對于上式的計算結果是否可信，還需要進行層次總排序的一致性檢驗：

C.I.=∑ajC.I.J=（0.0001 0.0002 0 0.0001 0）

層次總排序的一致性檢驗合格，計算結果有效，即A建筑公司、B快餐店和C汽車租賃公司三個貸款信用風險的排序向量為w=（0.1472 0.3792 0.4736）T。作為最后的決策，決策者應該選擇貸款信用風險最小的C汽車

三、結論

P2P網貸公司面對的客戶具有特殊性，并且信用風險無法具體量化，這給P2P網貸公司對外貸款時降低信

用風險帶來了很大難度。本文在模擬分析借款公司信用風險的同時，向P2P網貸公司提供了分析借款公司信用風險的流程。P2P網貸公司可以根據流程模型判斷借款公司的信用風險，選擇在合理的情況下給予借款。通過層次分析模型，不僅可以具體分析每個影響信用風險的因素占比，還可以計算出綜合的信用風險，進而明確每個目標公司的借款違約率。根據模型分析借款公司的信用風險，通過比較選擇信用風險較小的公司，使P2P網貸公司避免盲目選擇貸款項目和公司，可以大幅降低違約率，同時保證公司運營和資產的安全。

[參考文獻]

[1]Weiss，GN.， Pelger， K.，Horsch. A.Mitigating Adverse Selection in P2P Lending：Empirical Evidence from Prosper.com.Working paper， TU Dortmund， Germany， 2010.

[2]黃葉苊，齊曉雯.網絡信貸中的風險控制[J].工作論壇，2012（4）：101-105.

[3]Mark Schreiner.Scoring： The Next Breakthrough in Microfinance？ Consultative Group to Assist the Poorest.[EB/OL].http：// www.cgap.org/html.

[4]張炳江.層次分析法及其應用案例[M].電子工業出版社，2014.

[5]郭馳.基于直覺模糊TOPSIS法的P2P網貸公司中小企業小額貸款信用風險評價[D].河北工程大學，2013.

（責任編輯：梁宏偉）