P2P網(wǎng)絡(luò)借貸平臺風(fēng)險(xiǎn)識別研究

梁 閃，宋良榮 LIANG Shan,SONG Liangrong

（上海理工大學(xué) 管理學(xué)院，上海 200093）

0 引言

自2013年以來，P2P網(wǎng)絡(luò)借貸在中國呈高速發(fā)展的態(tài)勢。據(jù)網(wǎng)貸之家統(tǒng)計(jì)，截至2017年8月31日，行業(yè)累計(jì)平臺數(shù)量為5 923家，成交量為2 495.554億元，同比增長了30.64%，投資、借款人數(shù)分別為447.12萬人、450.83萬人，同比增長27.09%、233.18%。但是，行業(yè)在高速發(fā)展的同時(shí)也存在隱憂，由于目前我國征信系統(tǒng)不完善、行業(yè)自律缺失、政府監(jiān)管不足等原因，P2P網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)開始顯現(xiàn)——平臺跑路、提現(xiàn)困難、停業(yè)等問題，投資者利益頻頻受到損害。截至2017年8月31日，問題平臺的數(shù)量累計(jì)為3 858家，行業(yè)問題平臺超過半數(shù)，占比65.14%。問題平臺中，有重大影響的一個例子就是“e租寶”事件，該平臺在一年內(nèi)非法融資超500億，給投資者造成重大的損失，破壞了行業(yè)的健康發(fā)展。因此，文章以正常運(yùn)營平臺和問題平臺為研究對象，對平臺的運(yùn)營指標(biāo)數(shù)據(jù)進(jìn)行定性和定量分析，識別平臺的風(fēng)險(xiǎn)，進(jìn)而為投資者選擇平臺提供有用的信息，同時(shí)豐富我國P2P網(wǎng)貸行業(yè)的理論研究，具有一定的理論意義。

1 文獻(xiàn)綜述

由于國外金融市場發(fā)展較成熟，監(jiān)管體系完善，國外對P2P網(wǎng)貸的研究主要集中于哪些因素對借款成功率、利率水平和違約率產(chǎn)生影響。Puro等（2010）[1]發(fā)現(xiàn)借款人的信用評級、負(fù)債償還比例和當(dāng)前逾期記錄能夠預(yù)測新的借款成功率。Lin等（2013）[2]發(fā)現(xiàn)社交網(wǎng)絡(luò)可以減輕網(wǎng)絡(luò)借貸市場中投資者與借款者之間的信息不對稱性，增加借款的成功概率，并且會降低貸款的利率和事后違約率。Dorfleiter（2016）[3]利用歐洲兩大P2P平臺數(shù)據(jù)實(shí)證發(fā)現(xiàn)，借款人的文字描述信息能顯著影響到借款成功率，但是不能反映出潛在的違約概率。Emekter等（2015）[4]在對LendingClub平臺上借款人進(jìn)行了信用風(fēng)險(xiǎn)評估后發(fā)現(xiàn)，對信用風(fēng)險(xiǎn)高的投資者設(shè)定更高的利率并不足以彌補(bǔ)高概率的貸款違約損失。

中國對P2P網(wǎng)貸的研究前期主要集中在對平臺運(yùn)營模式特征、平臺風(fēng)險(xiǎn)特征以及監(jiān)管機(jī)制等方面。隨著行業(yè)發(fā)展，研究者開始對單個平臺的投資者的交易信息進(jìn)行實(shí)證研究。郭衛(wèi)東、李穎（2014）[5]的研究則更加深入，學(xué)者們將 P2P網(wǎng)絡(luò)借貸的運(yùn)營模式分成了5種，分別是以線下為主、單純中介、提供債權(quán)轉(zhuǎn)讓、線上線下相結(jié)合以及公益類模式，并將每一種模式對應(yīng)國內(nèi)一個成功的交易平臺，分別是宜人貸、拍拍貸、安心貸、紅嶺創(chuàng)投和宜農(nóng)貸，對具體的平臺進(jìn)行具體的分析，具有較強(qiáng)的針對性。謝平、陳超、陳曉文（2015）[8]等將P2P網(wǎng)貸平臺的運(yùn)營模式分為4種，分別為信息中介模式、擔(dān)保模式、信用中介模式、演變模式，并詳細(xì)介紹了每種運(yùn)營模式下運(yùn)營流程，首次提出演變模式中的金融資產(chǎn)交易信息服務(wù)模式。盧馨、李慧敏（2015）[6]基于對國內(nèi)P2P網(wǎng)絡(luò)借貸運(yùn)行模式和發(fā)展態(tài)勢的分析，歸納了P2P網(wǎng)絡(luò)借貸所面臨的風(fēng)險(xiǎn)，并從政府、平臺和借貸者3個角度提出防范建議，包括明確監(jiān)管主體、完善法律法規(guī)等。陳清、林風(fēng)潤（2017）[7]通過編程抓取拍拍貸網(wǎng)站平臺的數(shù)據(jù)建立樣本庫，建立Logistic模型研究借款人的描述性信息對逾期率的影響。研究結(jié)果表明，描述性信息中將自己塑造成誠信、追求生活質(zhì)量、刷信用的借款人，其違約概率較大；描述性信息中將自己塑造成一個生活穩(wěn)定、有進(jìn)取心，借款的目的是體驗(yàn)網(wǎng)貸流程的違約概率較小。

2 理論分析與研究假設(shè)

本文研究的主要問題是平臺的哪些因素能反映出平臺的運(yùn)營狀況。對于平臺的運(yùn)營狀況，當(dāng)平臺出現(xiàn)倒閉、提現(xiàn)困難、失聯(lián)、停業(yè)等情況時(shí)，定義該平臺為問題平臺，即平臺的風(fēng)險(xiǎn)大，否則定義為正常平臺。本文將從4個維度選取反映平臺經(jīng)營狀況的指標(biāo)，分別為平臺的實(shí)力、平臺標(biāo)的特征、平臺的風(fēng)控能力以及平臺的治理能力。在對各個指標(biāo)體系解釋說明的基礎(chǔ)上，提出本文的研究假設(shè)。

（1）平臺實(shí)力。假設(shè)1：平臺背景越強(qiáng)、注冊資本越多，平臺運(yùn)營越好。

平臺的實(shí)力主要表現(xiàn)在兩個方面，一是平臺背景，平臺的背景主要有上市公司背景、國資背景、風(fēng)投背景、銀行背景、民營背景，其中民營背景的平臺以其投資門檻低、收益率高、流動性好等特點(diǎn)吸引較多投資者，占據(jù)我國P2P網(wǎng)貸行業(yè)的半壁江山。風(fēng)險(xiǎn)方面，由于沒有強(qiáng)硬的背景，民營系平臺出現(xiàn)跑路和倒閉的幾率相比上面背景平臺要高一些。二是平臺資本實(shí)力，即平臺的注冊資本，平臺注冊資本越多，平臺運(yùn)營中有更多的資本支撐，平臺的運(yùn)營才能得到基礎(chǔ)的保障。

（2）平臺標(biāo)的特征。假設(shè)2：平臺綜合收益越高、標(biāo)的類型越多、標(biāo)的有擔(dān)保，平臺運(yùn)營越好。

平臺的標(biāo)的為平臺借貸投資者提供的產(chǎn)品，反映標(biāo)的特征的就是標(biāo)的的綜合收益率、標(biāo)的類型數(shù)量、保障模式。

標(biāo)的的綜合收益率主要來自兩部分，一是無風(fēng)險(xiǎn)利率，二是風(fēng)險(xiǎn)溢價(jià)，風(fēng)險(xiǎn)溢價(jià)主要來自于對借款人違約的預(yù)期，即借款人違約的風(fēng)險(xiǎn)越大，風(fēng)險(xiǎn)溢價(jià)越大，相應(yīng)的標(biāo)的的綜合收益率就會越高；根據(jù)“網(wǎng)貸天眼”的分類統(tǒng)計(jì)，目前，我國P2P網(wǎng)貸平臺的借款標(biāo)的種類主要分為車貸、房貸、個人信用貸、中小企業(yè)貸、債權(quán)流轉(zhuǎn)、票據(jù)抵押、優(yōu)選理財(cái)?shù)取１疚恼J(rèn)為，平臺標(biāo)的類型數(shù)量越多，平臺經(jīng)營者所花費(fèi)的經(jīng)歷越多，對平臺的管理能力是一種考驗(yàn)。

在我國征信制度相對不完善，行業(yè)競爭激烈的情況下，平臺為了吸引投資者推出本息保障的模式。保障模式主要有3種：一是平臺用自有資金墊付，二是第三方擔(dān)保，三是平臺風(fēng)險(xiǎn)準(zhǔn)備金。一般認(rèn)為，平臺采取自有資金墊付和提取風(fēng)險(xiǎn)準(zhǔn)備金的模式是把借款人的風(fēng)險(xiǎn)轉(zhuǎn)嫁到平臺自身，平臺自身的抗風(fēng)險(xiǎn)能力有限。第三方擔(dān)保，第三方擔(dān)保公司主要為銀行、保險(xiǎn)公司、小貸公司，這種方式可實(shí)現(xiàn)風(fēng)險(xiǎn)分擔(dān)，相對前面兩種擔(dān)保模式，這種模式更受投資者的青睞，認(rèn)為保障能力較高，資金相對安全。

（3）風(fēng)控能力。假設(shè)3：平臺經(jīng)營的時(shí)間越長，平臺的口碑越好，平臺的經(jīng)營越好。

風(fēng)控能力是一個平臺的核心競爭力，對風(fēng)控能力起決定作用的是管理團(tuán)隊(duì)能力的大小。P2P網(wǎng)絡(luò)借貸主要采取是網(wǎng)上交易的模式，網(wǎng)上交易由于信息不對稱導(dǎo)致各種風(fēng)險(xiǎn)。不論貸前對借款人資質(zhì)的審查、評估借款人職業(yè)的穩(wěn)定性、居住的穩(wěn)定性、項(xiàng)目的穩(wěn)定性、家庭社交網(wǎng)絡(luò)的穩(wěn)定性和借款人門檻的設(shè)置，還是貸中持續(xù)的跟蹤、貸后管理乃至違約的催還，都是專業(yè)性很強(qiáng)的工作，需要一支專業(yè)化的風(fēng)控團(tuán)隊(duì)作為支撐。本文通過兩個指標(biāo)量來衡量平臺的管理能力。一是用經(jīng)營時(shí)間，作為一個新興的行業(yè)，平臺是處在邊摸索邊發(fā)展的階段，從而一個平臺經(jīng)營的時(shí)間越長，其風(fēng)險(xiǎn)管理經(jīng)驗(yàn)就越豐富，風(fēng)險(xiǎn)管理能力就越強(qiáng)；二是平臺的口碑，口碑就是投資者在網(wǎng)絡(luò)上對平臺的評價(jià)，反映平臺管理者的風(fēng)險(xiǎn)管理能力，作為平臺的交易者，他們能很好地發(fā)現(xiàn)平臺的經(jīng)營問題。

（4）平臺治理水平。假設(shè)4：平臺信息披露的越多，資金有第三方托管，平臺經(jīng)營越好。

平臺的治理機(jī)制是保障投資者利益以及平臺自我規(guī)范的主要措施。本文主要探討平臺的兩種治理機(jī)制，一是信息披露，二是資金托管。

信息披露有助于投資者以及監(jiān)管者及時(shí)了解平臺的運(yùn)營狀況，對平臺進(jìn)行篩選和監(jiān)督，這點(diǎn)反過來可以促使平臺加強(qiáng)管理、做好風(fēng)控、實(shí)現(xiàn)良性發(fā)展，從而吸引更多的投資者；資金托管就是將投資的資金由第三方——銀行進(jìn)行托管，放在專門的賬戶中，與平臺及平臺的自有資金進(jìn)行分離，這種方式能夠降低平臺挪用資金或詐騙卷款跑路的風(fēng)險(xiǎn)。

3 變量選取及實(shí)證模型

本文選取注冊地為上海的平臺作為研究對象，原因主要是：首先，上海是中國的金融中心，有利于企業(yè)的創(chuàng)新發(fā)展；其次。中國P2P網(wǎng)貸平臺的地域分部中位列前三的城市分別是廣東、北京、上海，平臺累計(jì)為1 064家、762家、668家，問題率分別為60.43%、48.16%、60.82%，問題率是三者中最高的，對與本文的研究更具有代表性。數(shù)據(jù)來源于“網(wǎng)貸天眼”、“網(wǎng)貸之家”網(wǎng)站，通過手動收集了成立時(shí)間在2015年12月31日之前的平臺，共計(jì)517家，剔除變量缺失的平臺后，最終進(jìn)行研究分析的樣本平臺共計(jì)288家，其中正常運(yùn)營的平臺數(shù)量為179家，問題平臺109家。

3.1 變量的選取。本文共選取12項(xiàng)指標(biāo)，其中1個被解釋變量，11個解釋變量。將平臺的運(yùn)營狀態(tài)（condition）作為被解釋變量，其中condition=0,1分別對應(yīng)正常運(yùn)營平臺和問題平臺。解釋變量分為4個維度，11個指標(biāo)。解釋變量詳細(xì)內(nèi)容如表1。

表1 解釋變量描述

3.2 變量的描述性統(tǒng)計(jì)。表2為連續(xù)型變量的統(tǒng)計(jì)描述，從表2中可以看出，正常運(yùn)營的平臺的經(jīng)營時(shí)間、口碑與問題平臺有較大差異，正常運(yùn)營的平臺的平均注冊資本為7 198.35萬元，是問題平臺的1.25倍，平臺的綜合收益、標(biāo)的類型數(shù)目以及信息披露數(shù)目兩類平臺差異較小。

表2 連續(xù)型變量分析統(tǒng)計(jì)

表3是離散型變量的分析統(tǒng)計(jì)，從表3中可以看出正常平臺中平臺背景、資金托管與問題平臺中的有明顯的差異，即平臺背景雄厚、資金有第三方托管的，平臺的經(jīng)營狀況好，平臺標(biāo)的的擔(dān)保中以自有資金擔(dān)保和準(zhǔn)備金擔(dān)保的，兩類平臺差異不大，而采取第三方擔(dān)保方式的，問題平臺的占比竟然多于正常平臺。

表3 離散型變量分析統(tǒng)計(jì)

3.3 模型的選擇。處理二分類變量常用的方法有Probit模型、Logistic模型。由于本文中平臺運(yùn)營狀態(tài)是二分類變量，本文采用二分類Probit模型、Logistic模型對P2P平臺運(yùn)營風(fēng)險(xiǎn)因素進(jìn)行識別研究。

Probit模型是非線性的，其將擾動項(xiàng)設(shè)定為正太分布，就得到了Probit模型，為：

Logistic模型也是非線性的，其將擾動項(xiàng)設(shè)定為邏輯分布，就得到了Logistic模型，為：

其中，Pi為平臺出問題的概率，Yi為平臺的經(jīng)營狀況，為0、1，βi為模型中各自變量的回歸系數(shù)，Xi為風(fēng)險(xiǎn)識別的因素，ui為誤差項(xiàng)。

4 實(shí)證結(jié)果分析

4.1 實(shí)證結(jié)果分析。本文采用Probit模型對變量進(jìn)行回歸分析，根據(jù)平臺的實(shí)力、標(biāo)的特征、風(fēng)控能力、治理水平4大維度進(jìn)行二項(xiàng)分類回歸分析。模型（1）至模型（4）為Probit逐步回歸結(jié)果。結(jié)果如表4所示。通過依次添加4個維度的指標(biāo)變量，平臺的背景變量在加入風(fēng)控能力指標(biāo)量時(shí)變的不再顯著，說明風(fēng)控能力包含了平臺的背景。

表4 二項(xiàng)分類變量回歸的實(shí)證檢驗(yàn)結(jié)果

主要的結(jié)果如下所示：

（1）平臺的背景和注冊資本對平臺運(yùn)營狀況無顯著影響。平臺背景在加入風(fēng)控變量時(shí)不再顯著，與實(shí)證結(jié)果不符，可能的原因是隨著平臺經(jīng)營時(shí)間的增長，平臺應(yīng)對風(fēng)險(xiǎn)有經(jīng)驗(yàn)，在風(fēng)控因素的影響下，平臺背景成為非核心指標(biāo)，使得結(jié)果不顯著；注冊資本實(shí)證結(jié)果與假設(shè)不符，可能的原因是，2014年3月1日起施行的《中華人民共和國公司法》規(guī)定，將之前的注冊資本的實(shí)繳登記制改為認(rèn)繳登記制，企業(yè)可以自主的約定認(rèn)繳的出資額、出資期限等，所以P2P行業(yè)中，一些不良企業(yè)通過認(rèn)繳較高額度的注冊資本來誤導(dǎo)投資者。

（2）平臺的年化收益、標(biāo)的類型的數(shù)目對平臺的運(yùn)營有顯著的影響，平臺標(biāo)的的3種擔(dān)保方式對平臺的運(yùn)營無顯著影響。平臺的收益越高，相應(yīng)的平臺的運(yùn)營越不穩(wěn)定，經(jīng)營狀況越差。這是由于收益率的大小與風(fēng)險(xiǎn)呈正比，收益率越大，平臺的風(fēng)險(xiǎn)就會越高。標(biāo)的類型的數(shù)目指標(biāo)量與本文的假設(shè)是相符的，標(biāo)的的類型數(shù)目越多，越分散管理者的精力，對平臺的管理要求就越高，從而平臺可能出問題的概率就會越大。

平臺標(biāo)的的3種擔(dān)保模式指標(biāo)量與假設(shè)不符，可能的原因是平臺墊付和提取風(fēng)險(xiǎn)準(zhǔn)備金的模式，總體還是看平臺自身的實(shí)力狀況，風(fēng)險(xiǎn)還是由平臺自身承擔(dān)，并沒有轉(zhuǎn)移出去。第三方擔(dān)保的模式，雖然實(shí)現(xiàn)了風(fēng)險(xiǎn)的共擔(dān)，但是第三方擔(dān)保公司的資質(zhì)稂莠不齊，而且行業(yè)內(nèi)普遍存在超過法定杠桿率的過度擔(dān)保的問題，擔(dān)保公司的實(shí)際擔(dān)保能力堪憂。

（3）平臺的經(jīng)營時(shí)間和口碑對平臺運(yùn)營狀況有顯著的影響。平臺的經(jīng)營時(shí)間與平臺的運(yùn)營狀況呈負(fù)相關(guān)關(guān)系。可能的原因是平臺經(jīng)營的時(shí)間越長，平臺積累的實(shí)踐經(jīng)驗(yàn)越豐富，在行業(yè)中探索出一套有效的風(fēng)險(xiǎn)管理體系，以應(yīng)對平臺運(yùn)營中的風(fēng)險(xiǎn)問題。平臺的口碑，是投資者在網(wǎng)絡(luò)上對平臺的好評度，能時(shí)刻反映平臺在運(yùn)營過程中出現(xiàn)的問題，平臺的口碑越好，平臺的經(jīng)營管理能力就越強(qiáng)，從而平臺的運(yùn)營狀況就越好。

（4）平臺的第三方資金托管、信息披露指標(biāo)對平臺的運(yùn)營狀況有顯著的影響。采取資金存管的平臺，其運(yùn)營狀況較好，因?yàn)橘Y金托管機(jī)構(gòu)要履行保護(hù)客戶資金安全、監(jiān)督資金使用情況、披露資金使用信息等職責(zé)，確保業(yè)務(wù)運(yùn)營的獨(dú)立和存管資金的安全，這些措施可以有效防止平臺隨意挪用資金或設(shè)立資金池，從而降低問題平臺發(fā)生的可能性。平臺信息披露越多，平臺的經(jīng)營狀況越穩(wěn)定，這與假設(shè)相符。這是因?yàn)槠脚_對股東結(jié)構(gòu)、高管信息、網(wǎng)站備案、平臺運(yùn)營數(shù)據(jù)、會計(jì)報(bào)表等信息的披露，可以在一定程度上反映出平臺的管理運(yùn)營能力和誠信經(jīng)營態(tài)度，而沒有披露的平臺經(jīng)營的目的可能是為了自融或詐騙，相對的經(jīng)營風(fēng)險(xiǎn)就會越大。

4.2 模型穩(wěn)健性檢驗(yàn)。由于本文的解釋變量是二分類變量，實(shí)證分析上是通過一個聯(lián)系函數(shù)——分布函數(shù)轉(zhuǎn)換建立線性概率模型。為了避免因概率函數(shù)選擇的不同，導(dǎo)致結(jié)果誤差較大，本文采用Logistic模型（5）對指標(biāo)量進(jìn)行回歸分析。通過對比模型（4）與模型（5），兩者除了標(biāo)的類型數(shù)目的顯著性不同，兩模型回歸的R2的觀測值，幾乎沒有差異，這說明Probit模型（4）是穩(wěn)健的。

5 結(jié)論

本文以注冊地為上海的P2P網(wǎng)絡(luò)借貸平臺為樣本，對平臺的風(fēng)險(xiǎn)進(jìn)行識別研究，通過“網(wǎng)貸之家”、“網(wǎng)貸天眼”兩個網(wǎng)站，對平臺數(shù)據(jù)收集和處理，最終樣本中有179家正常運(yùn)營的平臺、109家問題平臺。從實(shí)證檢驗(yàn)的結(jié)果可知，平臺的年化收益率、資金托管、信息披露、平臺經(jīng)營時(shí)間、投資者對平臺的評價(jià)對平臺的運(yùn)營狀況有顯著的影響，平臺的注冊資本、平臺的背景、標(biāo)的擔(dān)保對平臺的經(jīng)營狀況影響不顯著。具體而言，平臺的年化收益越高，資金有第三方托管、管理層管理經(jīng)驗(yàn)風(fēng)險(xiǎn)越豐富，平臺經(jīng)營狀況越好，不容易出現(xiàn)問題。

[1]Puro L,J E Teich,H Wallenius,et al.Borrower Decision Aid for People－to－people Lending[J].Decision Support Systems,2010,49(1):52－60.

[2]Lin M,Prabhala R,Viswanathan S.Judging Borrowers by the Company They Keep:Friendship Networks and Information Asymmetry in Online Peer－to－Peer Lending[J].Management Science,2013,59(1):17－35.

[3]Dorfleitner G,Priberny C,Schhuster S.Description－test Related Soft Infoumation in Peer－to Peer Lending－Evidence from Two Leading European Platforms[J].Journal of Banking&Finance,2016,64:169－187.

[4]Emekter R.Tu Y,Jirasakuldech B,et al.Evaluating Credit Risk and Loan Performance in Online Peer－to－Peer Lending[J].Applied Economics,2015,47(1):54－70.

[5]郭衛(wèi)東，李穎.網(wǎng)絡(luò)借貸平臺P2P模式探索[J].中國流通經(jīng)濟(jì)，2014(6):114－121.

[6]盧馨，李慧敏.P2P網(wǎng)絡(luò)借貸的運(yùn)營模式與風(fēng)險(xiǎn)管控[J].改革，2015(2):60－68.

[7]陳清，林峰潤.描述性信息對借款人逾期率的影響研究——基于P2P網(wǎng)絡(luò)借貸平臺的分析[J].宏觀經(jīng)濟(jì)研究，2017(3):137－145.

[8]謝平，陳超，陳曉文.中國P2P網(wǎng)絡(luò)借貸：市場、機(jī)構(gòu)與模式[M].南京：中國金融出版社，2015:102－104.

[9]王修華，孟路，歐陽輝.P2P網(wǎng)絡(luò)借貸問題平臺特征分析及投資者識別——來自222家平臺的證據(jù)[J].財(cái)貿(mào)經(jīng)濟(jì)，2016(12):71－84.