供給側改革背景下對P2P平臺風險衡量指標的實證分析

李昱東

摘要：P2P（peer to peer）指個人通過第三方平臺在收取一定費用的前提下向其他個人提供小額借貸的金融模式，指的是個人對個人的信貸平臺。P2P平臺能滿足不同借貸人的資金融通與投資的需求，區別于以往的銀行貸款模式，將資金供給方與需求方按照peer to peer的方式一一連接，可以說是金融與借貸領域的供給側改革。但現如今，P2P作為在作為高速發展的新興產業的同時，由于行業競爭激烈、監管方法不完善等原因，平臺跑路等現象時有發生，給我國經濟發展帶來不利影響。因此，文章對P2P平臺披露的數據進行量化分析，試圖建立行之有效的風險監控模型，促進P2P平臺的有效監管。

關鍵詞：供給側改革；實證分析；P2P平臺成交量

一、供給側改革介紹

（一）供給側改革與P2P的關系

1. 供給側改革

供給側結構性改革目的在于在調整經濟結構，是從提高供給質量出發，推進結構調整，擴大有效供給，提高供給側結構對于需求側變化的適應性和靈活性，更好的滿足人們的需求，促進經濟的進步與發展。

國家大力推行供給側改革，旨在改變我國生產供給結構不合理的現狀，拉動國內消費，促進經濟進一步發展。而P2P行業作為新興的借貸平臺，旨在滿足資金借入方的需要，解決中小企業與個人借貸難的問題，是從資金的供給方出發對傳統銀行貸款融資渠道的改革。因此P2P平臺的興起與發展積極響應了國家政策。

P2P是個人小額貸款，各大銀行一般不受理此類業務，放錢人想放出去錢，借錢人想借到錢，這個交易平臺就顯得十分重要了。因此P2P的改革是供給側改革中的重要一環。

但是P2P平臺蓬勃發展的過程中也不可避免的出現一些問題。

2. P2P亂象分析

目前P2P平臺數目繁多，競爭激烈，各大平臺紛紛用超高回報率以及變相補貼等“燒錢”的方式來吸引客人、擴大市場占有率。2014年6月行業平均承諾收益一度達到18.92%，就連一些大平臺也將利率擴展到10%～15%以吸引投資者。但是，高借款利率一定會給企業帶來高風險。從2014年到現在，每年都有上千家問題平臺停業、轉型或跑路，給投資者帶來損失，給市場帶來的不穩定因素。但究其原因，P2P平臺亂象叢生還是因為缺乏有利的監督與管理體系。因此當下需要一個既方便投資者又方便監管者的有效政策，找到一個客觀的評價標準。本文認為P2P平臺的成交量是P2P平臺持續與發展的根本與動力源泉。通過對P2P成交量與其他數據的量化分析，本文旨在找到影響P2P成交量的要素，通過對這些利于監控的因素的監管與控制，可以更好的保證P2P平臺的安全性，更好的保護市場的穩定性與投資者的收益。

（二）本文研究方法

鑒于P2P行業近年來大量出現問題企業，給投資者造成很大損失，我們擬通過調研分析P2P行業的風險、收益狀況，對比各類型P2P企業的特點，對投資者選擇投資P2P企業和國家對P2P行業的監管做出適當建議。從供給方面滿足投資者需求，營造良好的社會環境。本文通過網貸之家，網貸天眼等大數據平臺獲得數據，使用 SPSS 等軟件對數據進行匯總及統計學分析，希望得到得信息主要包括：行業風險情況；對比問題企業和正常企業，對比各類P2P企業如民營系、上市公司系、國資系、銀行系，分析問題企業規模是否過小，哪類P2P平臺更值得投資者投資；行業業績情況，成交量是否與平均收益率和平均收款期限有關。

二、P2P發展與模式介紹

（一）P2P發展進程與狀況

2005年3月，全球第一家P2P網貸平臺Zopa在倫敦上線運營。如今Zopa的業務已擴至意大利、美國和日本，平均每天線上的投資額達200多萬英鎊。

國外成功的P2P網絡借貸平臺 Prosper：成立于2006年，如今擁有超過98萬會員，超過2億的借貸發生額，是目前世界上最大的P2P借貸平臺。

在中國，最早的P2P網貸平臺成立于2007年，鮮有創業人士涉足其中。 2010年，出現一些試水者。網貸平臺進入快速發展期，一批網貸平臺踴躍上線。2012年，網貸平臺如雨后春筍成立，已達2000余家，比較活躍的有幾百家。我國網貸平臺發展較快，以每天1～2家上線的速度快速增長。截至2014年，我國P2P網貸公司數量已將近2000家，貸款規模超過1000億元人民幣，以下是P2P發展的階段分類：

P2P1.0模式：基于網絡大數據環境下的純信用純線上交易模式。

P2P2.0模式：線上和線下并行運營的“O2O方式”，網貸平臺同時承擔信息中介和風險控制的角色，平臺或其關聯公司做擔保。

P2P3.0模式：將項目審核及擔保剝離給專業小貸公司、擔保機構，P2P平臺只做信息展示并提供撮合交易。

（二）P2P派別簡介

1.按業務模式分類

（1）傳統的國外撮合模式，平臺僅對vip客戶承擔本金擔保責任，以拍拍貸為代表。

（2）O2O的模式，模式的本質其實就是一個互聯網平臺通過網絡一端對接有小額借款需求的人，一端對接有理財需求的人。所以O2O的本質拆成兩半就是一個理財平臺加上一個小額貸款平臺。以有利網、開鑫貸為例。

（3）多對一、一對多的線下模式，靠建立辦事處等人海戰術，以宜信模式為例。

（4）線上和線下結合的模式，如人人貸、紅嶺創投模式。

2.根據到期未還款的處置方式分類

（1）純平臺無墊付模式。該模式下，投資者完全自擔風險。此模式也是美國通行的模式。但是由于中國的信用體系不完善，以及投資者不成熟，此類模式在中國的實際發展中遭遇到了很大的困難。

（2）平臺擔保墊付模式。該模式下，平臺對投資者本金和利息進行擔保，一旦發生逾期，由平臺現行償還投資者。但此類模式已被監管機構明令禁止。

（3）擔保公司擔保墊付模式。該模式下，由第三方擔保公司對投資者的本金和利息進行擔保，一旦發生逾期，由擔保公司償還投資者。國內監管機構對融資性擔保公司的杠桿要求上限是10倍，因此隨著平臺交易規模的擴大，對擔保公司的需求量也會增大。但擔保模式下也不是完全沒有風險，一旦違約率過高，擔保公司無力償付的情況下，投資者要自行承擔風險。擔保公司不是慈善家，也是要收費的，因此引入了第三方擔保也意味著增加了成本。

（4）風險準備金模式。風險準備金模式是指平臺另設風險準備金賬戶，通過借款管理費、投資利息提成、甚至平臺自有資金等形式儲備資金用于貸款損失時的墊付。一旦風險準備金用完，則由投資者自行承擔風險。

（三）發展階段中的問題

國內P2P的發展大概經歷了以下四個階段。

第一階段2007～2012年：以信用借款為主的初始發展期。

第二階段2012～2013年：以地域借款為主的快速擴張期。

第三階段2013～2014年：以自融高息為主的風險爆發期。

第四階段2014年至今：以規范監管為主的政策調整期。

由第三階段所表現出來的平臺風險爆發和不斷積累的特點，導致P2P平臺在數量劇增的同時，也頻頻出現問題事件，問題平臺數量也保持著逐年遞增的趨勢，這也從側面暗示P2P行業存在高風險和監管漏洞現象。我們在對P2P問題平臺的分析時，選擇比較有代表性的數據，采用2014～2016年12月的數據，共3262家問題平臺的數據，搜集的數據字段包含：問題平臺名稱、問題時間、上線時間、注冊資本、地區和事件類型。

三、數理模型分析

（一）調研目的

我們的案例調研主要目的旨在為所有理財投資者提供一個相對客觀可靠的標準，包括確定影響平臺發展的因素和出現問題的平臺的特征，以及一個符合實際的平臺風險計算公式。投資者通過這些標準可以篩選發展優秀和有較大潛力的P2P公司，減少投資的風險。首先通過對P2P行業整體發展狀態的描述，了解我國現在的P2P發展的一個狀態。然后通過相關性的分析和分類分析確定對企業發展有重要影響的指標（即和成交量相關的指標），同時也分析企業的風險程度，為監管提供一個可借鑒的方法。最終得到提煉出我們的投資標準和建議。

（二）計量分析

1. 計量分析目的

計量分析主要是分析P2P平臺的其他特征變量對于P2P平臺成交量的影響。前面的相關性分析只能簡單說明P2P平臺的成交量和其他特征變量之間具有某種程度的相關關系，并不能說明因果關系以及其中的因果關系的傳導機制，計量分析的目的是為了進一步探討P2P平臺的特征變量之間可能存在的因果關系，并對因果關系進行檢驗和解釋，以獲得更為深入的結論。

2. 理論假設

成交量是一個P2P公司的活力，一個P2P公司想要存續下去，就必須要不斷地吸收投資、貸出資金和回收資金。一個具有未來前景的P2P平臺必然是要具有活力的，因為資金的活力就在于不斷的融通。影響成交量的因素有很多，這里我們認為有四個比較核心的因素，分別為：平均收益率、平均借款期限、公司實力和公司的發展眼光。其中，平均收益率和平均借款期限我們可以直接獲取到數據，但是公司實力和公司的發展眼光需要進行量化替代：用注冊資本來代表公司實力，用營運時間來代表公司的發展眼光。一般來講，公司的注冊資本越多，實力越強；一個公司如果著眼于長遠發展，那么其運營時間越長，投資者對其信任程度應該越大。所以運用這兩個可量化的指標來代替公司實力和公司的發展眼光是可以接受的。此外，為了使計量分析的結果具有更高的可信度，還要引入其他控制變量，這里我們將引入6個控制變量，以盡量避免遺漏重要的變量而導致的內生性問題。最后，由于這里采用的樣本數據中的P2P平臺具有四種系別，不同的系別之間會具有差異，所以要引入虛擬變量來區分這些系別之間的差異。

四、數據整理

（一）原始數據

包括近三百多家P2P平臺2016年6月至2016年10月共5個月的數據。從原始數據的整體來看，6月到10月雖然有新的P2P平臺不斷加入和極少數P2P平臺退出，但是P2P平臺并沒有發生較大的變動，具體的P2P平臺數見下表：

從以上簡單的統計結果顯示：民營系P2P平臺數月平均變動率為3.3%，國資系P2P平臺數月平均變動率為4.7%，上市公司系P2P平臺數月平均變動率為4.74%，銀行系P2P平臺數月平均變動率為0%。所以，四大系P2P平臺數月平均變動率均低于5%，變動幅度并不大。這為我從中獲取有代表性的面板數據提供了較好的樣本。

（二）面板數據

為了獲取更為規范化的數據——面板數據，必須對原始數據進行簡單的加工。通過對原始數據的分析發現，從2016年6月份到2016年10月份，這5個月份中P2P平臺數目和內部結構并沒有發生較大的變化，所以這也非常方便從中獲取面板數據，而且獲取的面板數據可以涵蓋絕大部分的原始數據，非常具有代表性。篩選面板數據要保證5個月份所選用的平臺是相同的，所以主要的篩選方法是要剔除有數據缺失的平臺，選出5個月份數據完整的平臺。篩選后的面板數據所包含的P2P平臺數如表1～2所示。

從篩選的結果可知：面板數據中的樣本數占原始樣本數（10月份）的82.56%，面板數據具有較強的代表性，能夠滿足計量分析的需要。

五、變量、數據與模型

（一）變量的定義和統計性描述

1.變量的定義

計量分析主要關注其他特征變量對于成交量的影響，其中其他特征變量又分為解釋變量和控制變量兩大類，解釋變量時我們在回歸分析時需要重點關注的變量，加入控制變量可以起到控制其他條件不變的作用，因為只有控制了其他條件不變的情況下，才能看出一個自變量對因變量的影響方向和影響程度。表3定義了主要的變量。

注意：對很多數據都取對數是為了平滑數據，改善計量結果。

2.變量的統計性描述

運用STATA12.0可以快速地計算出變量的統計性特征，包括觀測值的個數、均值、標準差、最小值和最大值。

STATA命令為：summarize ln_tv averageyield averageloanterm ln_gc ln_opem loanamountper ln_pci ln_amnotrefunded ln_bi t_10buap t_10iuap。

以上定義的變量的描述性統計結果如表3所示。

（二）數據

原始數據來源于網貸之家。從該網站上獲得各平臺的原始數據，包括投資人數、借款人數、前十大借款人待還金額占比、借款標數、人均投資金額、前十大土豪待收金額占比、運營時間、資金凈流入、平均收益率、滿標用時、注冊資本、人均借款金額、待還余額、成交量、平均借款期限、發展指數排名等。這里根據計量分析的需要對數據進行了較好的篩選，具體的整理過程已經在前面的數據整理部分做了詳細的介紹。

（三）模型構建

在理論探討的基礎上，本文通過運用2016年6月至2016年10月374個P2P平臺的樣本數據進行定量考察，探討平均收益率、平均借款期限、注冊資本運營時間等變量對P2P平臺成交量的影響。

初步構建如下面板回歸經濟模型：

In_tvit+a0+a1averageyieldit+a2averagelontermit+a3In_gcit+a4In_opemit+βiXit+uit+eit

其中：下標i表示第i個P2P平臺；下標t表示第t個月；u代表個體效應，e表示隨機擾動項。averageyield、averageloanterm、ln_gc和ln_opem是我們重點關注的四個解釋變量，此外，還加入了其他控制變量X，X包括很多控制變量，注意，這里的X不包含三個虛擬變量，虛擬變量是為了最后建立多元線性回歸模型才加入的。具體內容以及所有變量說明見表3。

（四）實證過程和結果分析

1. 模型設定的檢驗

本樣本數據是典型的面板數據，包含了時間和截面兩個維度，正確建立面板數據模型顯得尤為重要。經過對混合回歸模型、隨機效應模型的檢驗判斷后，發現計量結果應該基于隨機效應模型。（注意，這里沒有考慮固定效應模型，因為這里的樣本僅是從300多家P2P平臺中隨機抽取出來的，全國目前的P2P平臺遠遠不止300多家，我們要看的是從這三百多家樣本往外推廣到左右的P2P平臺，而不僅僅是比較這300多家P2P平臺的差異。除此之外，如果選用固定效用模型會導致變量之間的高度共線性問題，這樣導致結果回歸不出來，所以最終只在混合效應模型和隨機效應模型之間進行選擇）。

2. 檢驗方法：LM統計量

STATA命令如下：

Tsset platform time

xtreg ln_tv averageyield averageloanterm ln_gc ln_opem loanamountper ln_pci ln_amnotrefunded ln_bi t_10buap t_10iuap，re

xttest0

結果如圖1所示。

從圖1可以看出，LM檢驗得到的P值為0.0000，表明隨機效應非常顯著。可見，隨機效應模型也優于混合OLS模型。

3. 具體分析

（1）平均收益率對成交量的影響

可以看出平均收益率的系數為負且在1%的顯著性水平顯著，這說明P2P平臺給投資者的平均收益率對成交量的影響是負面的，當平臺承諾的的平均收益率越高時，反而成交量會越低。背后的原因可能是投資者理性，因為投資者知道平臺所承諾的平均收益率越高，其所面臨的風險就越大，那么本金損失的可能性就越大，而且由于P2P平臺管理缺乏規范性以及接二連三的負面新聞，這也使投資者更加謹慎。當然這里也有可能存在雙向因果的問題，即平臺由于成交量太低，為了吸引更多的投資者就去提高自己的平均收益承諾，對于這種問題，這里不做進一步的分析。

（2）平均貸款期限對成交量的影響

可以看出平均貸款期限的系數為負且在1%的顯著性水平顯著，這說明P2P平臺的平均貸款期限對成交量的影響是負面的，當平臺平均貸款期限越長時，成交量會越低。這里可能存在兩個方面的原因：第一是平臺的原因，如果平臺傾向于較長期的放貸，那么回收的期限就會變長，那么貸款收回再貸出的次數就會減少，即所謂的貸款周轉率降低，這樣會減少平均每月的成交量；另外一方面是出于投資者的考慮，投資者在看到平臺的貸款期限過長時，出于資金回收期限和風險的考慮，投資者可能會更傾向于那種貸款平均期限短、回收速度快的P2P平臺，以盡快地實現收益、回收本金、降低風險，這樣平臺也就能多從投資者那里融到資金進而放貸出去，這樣也就增加了平均每個月的成交量。

（3）注冊資本對成交量的影響

可以看出注冊資本的系數為正但是顯著性水平低于10%，這說明P2P平臺的注冊資本對成交量的影響是正面面的，當平臺的注冊資本越大時時，月平均成交量會越多。背后的原因是注冊資本越大的P2P公司，在投資者看來實力越強，償債能力越強，投資風險就越小，所以投資者更愿意把錢投到這些公司，這樣的P2P平臺也就能吸納更多的資金進行放貸，進而成交量也就會增加。

（4）運營時間對成交量的影響

可以看出運營時間的系數為負且在1%的顯著性水平顯著，這說明P2P平臺的運營時間對成交量的影響是負面的，當平臺承諾的平均收益率越高時，反而成交量會越低。其實營運時間本身并不對成交量產生影響，而是營運時間背后所代表的的意義。營運時間越長，月平均的成交量越低，這說明P2P平臺現在普遍缺乏可持續發展性。因為平臺的成交量代表的是平臺業務的一種活力，理論上講，一個良性發展的平臺，隨著時間營運時間的增加，其業務的操作能力以及承受風險的能力應該都越強，越能博得投資者的信任，越能獲得投資者的青睞。這個結果也說明了現在的P2P行業普遍存在的短視行為和投機行為。

（5）人均貸款量對成交量的影響

可以看出人均貸款量的系數為正且在1%的顯著性水平顯著，這說明P2P平臺的人均貸款量對成交量的影響是正面的，當平臺的人均貸款量越大時，月平均成交量會越大。但是我們也可以看到，其系數的絕對值大小非常小，接近于零。所以，我們沒必要對人均貸款量對成交量的影響作出過多的解釋。

（6）人均投資金額對成交量的影響

可以看出人均投資金額的系數為正且在1%的顯著性水平顯著，這說明P2P平臺的人均投資金額對成交量的影響是正面的，當平臺的人均投資金額越大時，月平均成交量會越大。人均投資金額較大，說明平臺的信用和營運能力可能較好，投資者放心將大量金額的錢投入到平臺之中，這樣投資者之間實際是會產生示范效應的，即當平臺的人均投資金額較大時，投資者也可能會認為該平臺運作優良，愿意將更多的錢分配到該平臺的投資中。這樣平臺就有更多的資金去放貸，月平均成交量就會上升。

（7）其他控制變量對于成交量的影響

由于這里計量分析的結果重點在于解釋四大核心變量對于成交量的影響，所以對于剩余的控制變量不再做詳細的解釋。

六、結論與展望

通過以上回歸分析，檢驗了我們的理論假設。首先，一個P2P平臺如果要提升其成交量，就應該給投資者一個合理的收益率，而不是一味地為了吸引投資者而一味夸大自己的收益率。隨著P2P平臺的規范化運行，行業的平均收益率將越來越被投資者所熟知，所以欺騙投資者的行為將不是長久之計。然后，P2P公司要做好自己的貸款期限結構的匹配，不能為了從貸款者處獲得較高的利息收入而一味追求資金的長期貸放嗎，這樣會加大平臺的風險，摧毀投資者對于平臺的信任。其次，注冊資本代表著一個公司的實力，特別是是對于負債經營的金融機構而言，公司的權益資本基本上是償債的最后一道保障，注冊資本大相當于給投資者一個可靠的最終保護，投資者更愿意將資金投入到實習雄厚的平臺之中，所以P2P公司也要不斷地充足自己的資本金，不僅要達到監管的要求，還要達到投資者的期望。最后，P2P行業要進行重新的洗牌，要讓那些具有投機、欺騙、短期行為的P2P平臺早日暴露出問題，讓那些具有長遠發展眼光的平臺得到良好的發展環境。總結：P2P平臺加強對監管標準的宣傳，警惕具有過高收益率的公司；監督公司嚴格把關產品，加快P2P貸款期限結構的構建；提高工作人員的素質和責任感；監管公司制定預警標準，對達到預警標準的公司發出預警。

參考文獻：

[1]盧馨，李慧敏.P2P網絡借貸的運行模式與風險管控[J].改革，2015（02）.

[2]俞林，康燦華，王龍.互聯網金融監管博弈研究：以P2P網貸模式為例[J].南開經濟研究，2015（01）.

[3]王會娟，廖理.中國P2P網絡借貸平臺信用認證機制研究——來自“人人貸”的經驗證據[J].中國工業經濟，2014（07）.

（作者單位：西北工業大學附屬中學）