我國P2P網絡借貸信用風險下投資者利益保護研究

鄭彥彥

【摘要】作為一種新興的借貸模式，P2P網絡借貸兼具互聯網思維和普惠金融理念，自傳入我國至今已成長為一股不可小覷的金融力量。而在P2P網絡借貸中存在的借款人信用風險，嚴重危害了投資人的利益。國內P2P網絡借貸平臺為緩解此現象也進行了借款人信息披露機制，但通過對“人人貸”的實證研究發現，其標的信息中的大部分信息并不足以為投資者提供有效的風險判斷。

【關鍵詞】P2P網絡借貸 信用風險 投資人保護

一、引言

P2P網絡借貸（Peer to Peer Lending，下稱“P2P網貸”）指的是個體和個體之間通過網絡實現直接借貸，脫離傳統借貸模式中的的資金媒介，實現了“金融脫媒”。2005年，P2P網貸行業鼻祖——Zopa模式推出之后得到市場的熱烈響應；2006～2013年間，其年度交易額增長接近20倍，增長率長期保持在50%以上。在此榜樣的帶動之下，2006年2月，美國第一家P2P網貸平臺Prosper上線運營；同年5月，我國宜信公司成立，從小額信貸角度切入P2P網貸。2007年5月，Lending Club在社交網站Facebook上推出P2P網貸應用；同年8月，我國的第一家P2P網貸平臺拍拍貸成立。從2011年開始，我國的P2P網貸市場開始爆發，平臺數量和年度總交易額均以每年4～5倍的速度遞增。

P2P網貸業務主要是針對小微客戶的小額信貸服務，其大部分的業務是無抵押無擔保和純信用性的，嚴重依賴征信體系、誠信環境和數據技術。另外，由于投資者不了解借款人還款的資金渠道，因此，投資者會面臨無法達到預期收益或無法收回本金的風險。與國外相比，我國征信環境和大眾金融行為習慣較不成熟，單靠互聯網來實現信息對稱性和信用評定模式的難度和風險較大。

據信息不對稱理論可以得出，在P2P網貸活動中，投資人不擁有借款人的全部信息。在P2P網貸交易之前，投資人沒有完全掌握借款人的償還能力信息，而這些信息可能對投資人不利，就有了逆向選擇問題。處于信息優勢的借款人可能采取有利于自己的行動，而投資人則由于信息劣勢而處于對自己不利的選擇位置上。在P2P網貸交易之后，當信息不對稱出現時，就有了道德風險問題。道德風險使得借款人在使其自身效用最大化的同時損害了投資人的利益，而借款人并不承擔他們行為的全部后果的現象。逆向選擇和道德風險不但會使投資人的利益受損，而且會干預P2P網貸市場的有效運行，降低整個P2P網貸市場的資源配置效率。因此，P2P網貸中由信息不對稱引發的逆向選擇和道德風險不能忽視。

綜上所述，在P2P網貸過程中，由于信息不對稱的存在投資人所要承擔的借款人違約風險特別突出，一方面會危及投資人利益，使得投資受損，另一方面也會使承擔連帶責任的第三方擔保平臺和網貸平臺蒙受聲譽上和金錢上的損失。對此，國內各網貸平臺紛紛推出借款人信息披露機制，通過向投資人披露借款人的詳細個人信息進而緩解借貸雙方的信息不對稱現象，以達到控制借款人信用風險的目的，但是這種做法是否起到了實質性的作用，這正是本文所要研究的問題。

二、研究設計

（一）數據來源與預處理

本文整理了國內知名P2P網貸平臺“人人貸”網站上公布的部分數據，進行借款人信用風險的實證研究。人人貸作為我國P2P網貸平臺的一分子，具有國內P2P網貸平臺的各種特質，能夠真實反映目前我國P2P網貸的信用風險狀況。在人人貸網站2015年9月-11月公布借款人標的信息中選取976組作為樣本，其中676組作為訓練樣本，300作為檢驗樣本，訓練樣本和檢驗樣本中均其中含有正?？蛻艉瓦`約客戶。樣本信息為借款人標的信息，共34種。其中逾期金額、逾期次數和嚴重逾期次數轉化為變量“是否違約”。房產、車產、房貸、車貸四個指標由于是恒定值，進入模型后不具有意義，因此在此去除。另外，人人貸的平臺審核中的6個認證因素：信用報告、身份認證、工作認證、收入認證、實地認證、機構擔保決定了其發布的標的類型（表1），因此在此去除這6個認證因素，留下“標的類型”作為代表，最終余下22個指標為：x1（年齡）、x2（婚姻狀況）、x3（學歷）、x4（工作所在地）、x5（工作行業）、x6（公司規模）、x7（工作時間）、x8（崗位職位）、x9（年收入）、x10（信用額度）、x11（標的總額）、x12（年利率）、x13（還款期限）、x14（待還本息）、x15（標的類型）、x16（借款用途）、x17（貸款總額）、x18（申請筆數）、x19（成功筆數）、x20（還清筆數）、x21（信用評級）、y（是否違約）。

（二）模型構建

經過共線性檢驗（表2）和處理，剔除變量：x10、x14、x15、x17、x19、x21。將剩余變量x1、x2、x3、x4、x5、x6、x7、x8、x9、x11、x12、x13、x16、x18、x20進入logistic回歸模型。經過對比，向后步推法最合理，結果見表3：

表4給出了模型系數的綜合檢驗結果，卡方值為132.520，自由度為8，顯著度為0.000，說明研究模型整體檢驗非常顯著，自變量中至少有一個回歸系數顯著區別于0，拒絕零假設。

（三）模型結果分析

1.X12的系數為負，表明標的金額的年利率越小，借款人違約的可能性就越大。預測公式（1）中顯示：年利率與風險成反比，那么年利率所代表的風險從小到大為：12%～13.2%（機構擔保標）、11%～12%（實地認證標）、8%～11%（信用認證標）。由表1可知，就信用風險而言，三種標的由小到大依次是：機構擔保標、實地認證標、信用認證標。這種排序正好與以上分析的標的類型排序契合，也就是說本文logistic模型中的年利率因素實際上是受標的類型的影響。

2.還款期限X13的系數為正，表明標的金額的還款期限越長，借款人違約的可能性就越大。不管是在傳統信貸中還是在P2P網貸中，貸款時間越長，在這個過程中影響借款人違約的因素就會越多，那么投資者面臨的風險就越大，所以還款期限與信用風險成正相關。

3.還清筆數X20的系數為負值，表明借款人的還清筆數越多，其違約的可能性越小。還清筆數越多，說明在此前的借貸中，借款人都已按時還款，信用度因此提升。那么預測此類借款人的未來違約率自然要低于還清筆數少的借款人，投資者也更愿意借款給此類型的借款人。所以，還清筆數與違約率成負相關。

從以上的數據分析及實證中發現，其中在常識認知中可能會對違約率有影響的因素在此并沒有進入模型，例如個人信息中的年齡、學歷，工作信息中的工作崗位、公司情況，標的信息中的信用額度、借款用途等。由于模型存在諸多假設，其結果只是作為參考性質，但也以人人貸為例說明了國內多數網貸平臺對投資人的利益保護上仍是心有余而力不足。

三、相關建議

從人人貸的風控狀況可見國內其他P2P網貸平臺在信用風險管理上也存在很大問題，單靠P2P網貸平臺來控制信用風險是不夠的。為了有效控制國內P2P網貸的信用風險，使投資人的利益得到有效保護，需要政府和網貸平臺共同努力：

（一）網貸平臺方面

第一，平臺之間互相合作，信息共享。人民銀行的個人征信系統并不對民間金融機構開放，因此網貸平臺之間更應加強合作，共享借款人信用信息。同時應建立平臺間“重復借款篩查機制”，對于在各平臺之間游走的借款人，應發出警告，嚴重者列入各平臺黑名單。第二，平臺應讓用戶在借貸之前簽署“用戶信息誠信協議”，如若出現因信息虛假而導致的嚴重違約，應交由相關政府機關進行法律制裁。第三，平臺應建立包括貸前審核、貸后跟蹤管理的全面的風險管理體系與完善的網絡借貸檢測體系，對借款人可能的風險因素進行全面有效的監測。同時，平臺必須定期向監管部門提交數據報表和平臺監管報告。

（二）政府方面政府應從監管和立法兩方面入手

政府應及早實施行政干預，針對P2P網貸設立專門的投資者保護機構，機構應從監管和立法兩方面入手。第一，監管方面，出臺統一從業標準，設立準入門檻。2015年10月21日江蘇省互聯網金融協會發布《P2P平臺企業收費規定指導意見（征求意見稿）》，雖然只是征求意見稿，但已成為全國首個規范P2P網貸平臺的收費標準。政府應以此為鑒，從行政角度積極作為。第二，立法方面，出臺專門針對P2P網貸的法律細則，以規范行業發展。明確網絡借貸中平臺、借款人、貸款人和監管方的權利和義務，尤其要注意維護用戶的合法權益，并對損害投資者利益的行為進行法律制裁，最大限度地使我國P2P網貸安全有序進行。

只有P2P網貸平臺加強行業自律性，積極應對風險，且政府充分發揮行政職能對P2P網貸進行立法和監管，最終才能使得我國P2P網貸風險可控，投資人的利益才能進一步得到保護。

參考文獻

[1]零壹財經，零壹數據.中國P2P借貸服務行業白皮書（2014）[M].北京：中國經濟出版社，2014，06.

[2]張凱，馬曉楠.P2P網貸平臺經營風險與法律規制研究[J].中國場，2015，03：135-136+142.

[3]第一財經新金融研究中心.中國P2P借貸服務行業白皮書（2013）[M].北京：中國經濟出版社，2013，07.