P2P平臺成交量的影響因素

章宇平

摘要：得益于互聯(lián)網(wǎng)的快速發(fā)展，P2P網(wǎng)貸行業(yè)的規(guī)模也不斷擴(kuò)大。為了保護(hù)借款人及投資人的合法權(quán)益，促進(jìn)P2P網(wǎng)貸行業(yè)的進(jìn)一步發(fā)展，本文以人人貸平臺的借款數(shù)據(jù)進(jìn)行實(shí)證研究，分析借款人及投資人數(shù)及借款平均利率等因素的變動對日成交量的影響程度并就如何促進(jìn)P2P網(wǎng)貸行業(yè)的可持續(xù)發(fā)展提出相應(yīng)的建議。

關(guān)鍵詞：P2P；日成交量；ADF檢驗(yàn)；多元回歸分析

一、引言

P2P（peerto peer）是一種小額借貸交易，P2P平臺作為中間人為借款人及投資人提供平臺并收取相應(yīng)的費(fèi)用，借貸雙方在平臺上確立借貸關(guān)系并完成相應(yīng)的手續(xù)。截至2018年2月，P2P平臺的數(shù)量已經(jīng)累計達(dá)到了6054家，并且歷史成交量已經(jīng)累計突破6萬億元。但是在發(fā)展過程中，P2P網(wǎng)貸行業(yè)暴露出了很多問題，包括我國信用制度不完善，互聯(lián)網(wǎng)監(jiān)管滯后和法律法規(guī)建設(shè)不完善以及惡意經(jīng)營等。這些因素都是P2P行業(yè)進(jìn)一步發(fā)展的絆腳石。同時監(jiān)管部門也在不斷出臺相應(yīng)的監(jiān)管政策，平臺為了符合政策要求，也進(jìn)行了相應(yīng)的轉(zhuǎn)型，成功的能夠存活下來，而失敗的則逐漸被淘汰。截至2018年2月，存在問題的平臺的數(shù)量已經(jīng)累計達(dá)到了4164家，包括停業(yè)、跑路及經(jīng)偵介入等，占所有平臺的68.78%。為了能夠選擇合適的平臺進(jìn)行投資及借款，首先就需要對這些平臺進(jìn)行識別，而成交量在很大程度上能夠反映借款人和投資人對平臺的認(rèn)可程度。因此本文將P2P平臺的日成交量作為研究對象，進(jìn)行實(shí)證分析，并以“人人貸”為例，截取相應(yīng)的數(shù)據(jù)并初步確定相應(yīng)的影響因素，進(jìn)而分析各影響因素的變化對日成交量的影響程度，為正在轉(zhuǎn)型的平臺提供借鑒。

二、文獻(xiàn)綜述

Jiaxian、QiuYun Xu、Dongyu Chen、Zhangxi Lin通過分析拍拍貸的數(shù)據(jù)得出借款人的社會資本可以增加上市的投標(biāo)數(shù)量，并提高融資概率，而不能降低利率，還對P2P借貸市場如何改進(jìn)信用系統(tǒng)方面提出了相應(yīng)的建議。Eunkyoung Lee、Byungtae Lee對P2P借貸市場中的貸款人的羊群行為進(jìn)行實(shí)證分析，發(fā)現(xiàn)隨著競價的推進(jìn)，其邊際效應(yīng)逐漸減弱，并對相關(guān)變量進(jìn)行了評估。XuboWang、Defu Zhang、Xiangxiang Zeng、Xiaoying Wu通過大量的實(shí)驗(yàn)表明貝葉斯網(wǎng)絡(luò)模型可以顯著地幫助投資者做出比其他投資模型更好的投資決策。Carlos Serrano-Cinca、Begofia Guti e rrez-Nieto專注于預(yù)測投資P2P貸款的預(yù)期盈利能力，以內(nèi)部回報率來衡量，并發(fā)現(xiàn)P2P借貸目前并不是一個完全有效的市場。張立煒通過實(shí)證分析發(fā)現(xiàn)P2P平臺百度指數(shù)與日成交量存在正相關(guān)關(guān)系。而且P2P平臺的注冊所在地、借款人及投資人的資金的保障方式以及托管制度等因素對平臺的正常經(jīng)營有著非常顯著地影響。Ke Zhang、Xiaoxue Chen設(shè)計了一種基于實(shí)例的信用風(fēng)險評估模型，并證實(shí)與現(xiàn)有的P2P貸款方法相比，該模型可以有效地提高投資績效。余少輝、劉陽、李成峰指出在P2P平臺的發(fā)展過程中，應(yīng)該根據(jù)實(shí)際情況關(guān)注不同的影響因素，這樣才能促使P2P平臺可持續(xù)發(fā)展。苑言方先找出影響借款利率的因素，然后再通過實(shí)證分析確定影響方向及影響程度。竇新華、張珥、周方召通過實(shí)證分析發(fā)現(xiàn)違約風(fēng)險集中度等因素對網(wǎng)貸平臺的正常營運(yùn)具有顯著的積極影響。

而本文則從日成交量受到哪些因素的影響這一角度，以借款人及投資人數(shù)、借款平均利率、借款平均期限及借款標(biāo)的數(shù)為自變量，分析它們對日成交量的影響程度并提出相應(yīng)的建議。

三、研究假設(shè)與模型設(shè)計

1.研究假設(shè)

首先，借款人及投資人都是小額投資人，借款人和投資者數(shù)量的增減會通過對另一方的人數(shù)造成影響進(jìn)一步影響平臺的成交量。然后，借款人在發(fā)布借款消息時，會考慮平臺利率的變化是否在自身的承受能力范圍內(nèi)，而投資者在進(jìn)行投資時也會考慮平臺利率是否能給自己帶來滿意的收益，因此平臺的借款平均利率會對成交量產(chǎn)生影響。最后，借款平均期限和借款標(biāo)的數(shù)對于借款人來說意味著成功借款以及還款的難易程度，對于投資者來說意味著收益的穩(wěn)定性，這在一定程度上都會間接影響平臺的成交量。綜上所述，本文提出以下假設(shè)并通過實(shí)證分析進(jìn)行驗(yàn)證。

假設(shè)1：P2P平臺的日成交量與借款人及投資人數(shù)呈正相關(guān)性；

假設(shè)2：P2P平臺的日成交量與借款平均利率的相關(guān)關(guān)系為負(fù)；

假設(shè)3：P2P平臺的日成交量與借款平均期限的相關(guān)關(guān)系為正；

假設(shè)4：P2P平臺的日成交量與借款標(biāo)的數(shù)的相關(guān)關(guān)系為負(fù)。

2.數(shù)據(jù)情況說明

“網(wǎng)貸之家”是國內(nèi)一家權(quán)威的第三方網(wǎng)貸咨詢平臺，根據(jù)它的平臺數(shù)據(jù)，人人貸的綜合經(jīng)營狀況排在第一位，人人貸已經(jīng)運(yùn)營了七年多，評級為第2，且擁有眾多的借款人及投資人，可作為研究對象，因此本文將以人人貸為例進(jìn)行實(shí)證分析進(jìn)而驗(yàn)證假設(shè)的正確性。

本文將日成交量（anionnt）作為因變量，借款人數(shù)（debtor）、投資人數(shù)（investor）、借款平均利率（rate）、借款平均期限（term）以及借款標(biāo)的數(shù)（jkbs）則作為自變量。從“網(wǎng)貸之家”官方網(wǎng)站上獲取人人貸平臺從2017.09.15到2018.03.12的借款數(shù)據(jù)，共179個樣本數(shù)據(jù)，其中27個樣本除利率外其他數(shù)據(jù)均為零，故將這27個樣本數(shù)據(jù)剔除掉，最后獲得152個有效數(shù)據(jù)。計。從變量的均值來看，日成交量的均值為13616.91萬元、平均借款人及平均投資人數(shù)分別為3053人及47396人、借款平均利率的均值為9.822%、借款平均期限的均值為34個月、平均借款標(biāo)的數(shù)為1 13010個；從變量的變異系數(shù)來看，借款人、投資人、借款期限以及借款標(biāo)的數(shù)的變異系數(shù)都很大，說明樣本數(shù)據(jù)有比較大的波動幅度。

3.模型的建立

為了使得模型分析的結(jié)果更加具有科學(xué)性，對各變量取對數(shù)，使得各變量的基數(shù)變得一致，使得分析結(jié)果能反映變量問的普遍性回歸關(guān)系。建立多元線性回歸模型：

四、實(shí)證分析

首先對從人人貸平臺截取的樣本數(shù)據(jù)進(jìn)行A D F檢驗(yàn)。計算出最大滯后階數(shù)P為13.324231。令p為13，對相應(yīng)變量分別進(jìn)行ADF檢驗(yàn)：

從表2可以看出，統(tǒng)計量（-2.583>-2.887），表明變量日成交量在5%置信水平上存在單位根，同樣可以看出借款人及投資人數(shù)以及借款標(biāo)的數(shù)在5%置信水平上均存在單位根，而借款平均利率和借款平均期限在5%置信水平上不存在單位根。為了排除單位根可能會帶來的影響，對各變量分別進(jìn)行一階差分處理；為了排除樣本數(shù)據(jù)自相關(guān)的影響，進(jìn)行一階自相關(guān)處理，經(jīng)過模型轉(zhuǎn)換后的DW值改進(jìn)為1.91，由此排除樣本數(shù)據(jù)的自相關(guān)性；最后為了驗(yàn)證變量之間會不會存在分段相關(guān)性，進(jìn)行多重共線性檢驗(yàn)。由表3可知，最大的VIF為9.59，由于最大的VIF小于10，所以可以排除變量之間存在多重共線性的可能性。

為了更加精確的分析借款人及投資人數(shù)、借款平均利率、借款平均期限及借款標(biāo)的數(shù)對于日成交量的影響方向及影響程度。因此，將借款人數(shù)作為基礎(chǔ)變量，然后逐一引入其余變量，分別形成模型1、2、3、4、5，并確定最合適的多元回歸模型。

根據(jù)回歸結(jié)果，在模型5中，除去投資人數(shù)，借款人數(shù)、借款平均利率、借款平均期限以及借款標(biāo)的數(shù)均在1%的顯著性水平下對日成交量存在著顯著的相關(guān)性，也就是說模型5的整體擬合效果較好，并且可以得到以下結(jié)論：

1.借款人數(shù)與日成交量具有非常顯著地正向相關(guān)性，且借款人數(shù)的回歸系數(shù)為1.2924，這表明借款人數(shù)每增加1%，就能帶來日成交量1.2924%的增加量；雖然投資人數(shù)與日成交量也具有正向相關(guān)性，但是兩者之間的相關(guān)性并不顯著。但是借款人數(shù)和投資人數(shù)息息相關(guān)，因此有必要對借款人數(shù)和投資人數(shù)的關(guān)系進(jìn)行回歸分析。

從表5中可以看出借款人數(shù)與投資人數(shù)具有正向的相關(guān)性，且在1%的水平下顯著，這表明投資人數(shù)的增加可以帶來借款人數(shù)的增加。

2.借款平均利率與日成交量的相關(guān)關(guān)系為負(fù)，而且十分顯著。它的回歸系數(shù)為9.4542，這表明借款平均利率每減少1%，日成交量會相應(yīng)的增加9.4542%。由此可以看出，網(wǎng)貸平臺可通過適當(dāng)降低借款標(biāo)的利率從而達(dá)到增加成交量的目的。

3.借款平均期限與日成交量具有非常顯著地正向相關(guān)性，由此可驗(yàn)證假設(shè)3成立。它的回歸系數(shù)為3.6474，表明借款平均期限每增加1%，會帶來日成交量3.6474%的增長。平臺可通過相應(yīng)的延長借款期限來提高成交量。

4.借款標(biāo)的數(shù)與日成交量同樣具有非常顯著地負(fù)向相關(guān)性，由此可知假設(shè)4成立。它的回歸系數(shù)為0.251，這表明借款標(biāo)的數(shù)每減少1%，日成交量會相應(yīng)的增加0.251%。因此，網(wǎng)貸平臺在發(fā)布借款標(biāo)時，可適當(dāng)降低借款標(biāo)的數(shù)。

五、建議

1.監(jiān)管部門對于P2P平臺的監(jiān)管會越來越嚴(yán)格，P2P平臺需要回歸本源，加大對消費(fèi)金融的關(guān)注。借款人需要借款的原因非常多，不僅有短期資金周轉(zhuǎn)，還有日常生活消費(fèi)等。P2P平臺可以通過設(shè)計能滿足借款人多樣需求的消費(fèi)金融產(chǎn)品，同時建立相應(yīng)的獎勵制度以及提出便利條件來吸引借款人，加上投資人數(shù)與借款人數(shù)存在顯著的正相關(guān)關(guān)性，P2P平臺可通過加大宣傳、推出利好條件及不斷提升自身實(shí)力來吸引投資人，進(jìn)而促進(jìn)借款人的增加，這樣才能促使各P2P平臺更好更快發(fā)展。

2.根據(jù)實(shí)證分析的結(jié)果，降低利率及標(biāo)的數(shù)以及增加借款期限均能促進(jìn)成交量的增長，因此P2P平臺要兼顧借款人和投資人的利益訴求，推出能使借款人和投資人達(dá)到雙贏的借貸產(chǎn)品。同時借款利率是連接整體P2P平臺的紐帶，與風(fēng)險呈正相關(guān)關(guān)系，P2P平臺需要引進(jìn)具有先進(jìn)經(jīng)驗(yàn)的國內(nèi)外金融風(fēng)險管理人才對風(fēng)險進(jìn)行有效識別、制定嚴(yán)格的風(fēng)險管理和監(jiān)控體系以及完善平臺利率定價機(jī)制。