P2P風險因素評估測定

班悅

[摘 要]文章通過文獻關鍵詞搜索法初步篩選出12項P2P風險因素，發放調查問卷確定初篩風險因素的重要性程度;對問卷數據進行因子分析和信度效度檢驗，探究出12項風險因素所屬類別，基于此建立線性回歸模型，明確各類風險因素的權重，研究結果顯示P2P行業風險對于誘發P2P爆雷所占比重最大。最后提出P2P平臺應強化信息中介這一行業定位等建議。

[關鍵詞]P2P借貸;爆雷;風險因素;因子分析法

[DOI]10.13939/j.cnki.zgsc.2020.02.184

1 引言

P2P借貸是指個人和個人之間經過互聯網平臺完成的借貸。自2018年6月以來，一批理財平臺如唐小僧等，頻繁發生了“跑路”的狀況。目前涉及金額最高可達萬億等級，受害者眾多。直至2018年8月底，P2P網貸行業中能夠正常運營的平臺數量下降至1595家，停業及問題平臺累加數量可達4811家。

鑒于P2P行業多次爆雷、風險重重，大多數投資者的經濟利益和投資信心受到沉重打擊，為了有效緩和緊張形勢，使P2P行業能夠健康發展，國內各專家學者紛紛研究P2P風險種類以及管控措施。

2 文獻綜述

現有文章從不同的角度論述P2P風險并提出措施。葉湘榕（2014）講解了各種借貸模式的共性風險和個性風險。斯瑾慧（2016）提出抑止風險多發的管控形式。部分文章分析了風險影響因素，提出優化P2P的模型。劉博楠（2017）以包括三方的效用函數模型，解釋了違約風險產生機理。還有文章研究P2P非風險問題及現象，豐富了人們對于P2P的認識。JunTan和DeSilva，D.G.（2011）認為貸款利率不僅是借款人的借款成本，而且能夠反映借款人的福利情況。

但是現有文獻未能從涉及的風險因素中篩選出最有說服力的風險因素，也沒有對風險因素進行分類。因此，基于前人的研究，本文通過文獻篩選法總結出各項風險因素;利用因子分析法對風險因素歸類，建立線性回歸模型，明確各類風險因素的權重;提出建設性意見以促進P2P行業發展。

3 數據來源和數據分析

3.1 數據來源

為了擴大風險因素的覆蓋面，通過關鍵詞搜索進行文獻期刊的回顧，以專業學者對風險因素涉及次數進行初步篩選;為了確定初篩風險因素的重要性程度，發放“誘發P2P爆雷的各項風險因素重要性評估”的調查問卷，基于調查結果進行數據分析。

3.2 文獻關鍵詞搜索法

以“P2P爆雷”“P2P風險因素”“P2P風控措施”等關鍵詞進行文獻回顧，以專業學者對風險因素涉及次數進行初步篩選，得出表1的12項P2P風險因素。

3.3 因子分析

為了探究出12項風險因素所屬類別，利用SPSS對“誘發P2P爆雷的各項風險因素重要性評估”調查問卷的數據進行因子分析。

為了驗證收集數據適合做因子分析，對問卷數據進行KMO和Bartlett的球形度檢驗（見表2），檢驗結果分別為0.764和1224.748，p值接近0，可以認為相關系數矩陣與單位陣有顯著差異，通過數值比對可以看出，兩者的檢驗值都表示其適合做因子分析。

之后對誘發P2P爆雷的12個風險因素進行探索性因子分析，對3個主因子進行分類命名，分別為：平臺自身風險、P2P行業風險、國內環境風險。其風險因素指標如表3所示。

3.4 信度分析和效度分析

為了驗證調查問卷收集數據的可靠性進行信度分析。分析結果顯示，各因子風險因素分量表的α值均大于0.7，總體α值為0.811，表示其可以接受，信度情況符合研究所需。

效度分析分為結構效度和內容效度。在因子分析中各因子風險因素分量表的KMO值均大于0.6，并且總體的KMO檢驗值為0.831，位于0.8以上，且各因子載荷均大于0.5，方差累計貢獻率大于0.7，表示其測量結果與要考察的內容相吻合，量表的結構效度較高;內容效度分別采用專家判斷法及文獻回顧兩種方式進行判別。對于專家判別法，通過咨詢“互聯網金融”方面2名專家，“P2P網貸風險評估”方面2名專家，對各風險因素與誘發P2P爆雷的相關性，分別從測題的代表性、適應性進行打分判定，其S-CVI/Ave得分滿足0.90以上;對于文獻回顧方面，以“P2P爆雷”“P2P風險因素”以及“P2P風控措施”等相關的重要關鍵詞進行文獻搜索，以期刊等級、引用次數為依據進行覆蓋性較強的下載，以此降低風險因素篩選的缺失性。

綜上所述，兩種分析表明量表的信度效度較高。

4 模型構建

為了進一步了解各類風險因素對于引發P2P爆雷的貢獻程度，決定探究P2P爆雷的負外部性程度和3類誘發P2P爆雷的風險因素之間的關系。SPSS分析結果顯示各風險因素與因變量之間的變化趨勢分別是線性的，由此建立P2P爆雷的負外部性程度和3類誘發P2P爆雷的風險因素之間的多元線性回歸模型：

式中，P為平臺自身風險，I為P2P行業風險，S為國內環境風險，E為其他風險，N為P2P爆雷的負外部性程度，其中P，I，S為自變量，E為控制變量，N為因變量。

通過SPSS軟件做線性回歸，發現各因素的VIF<10說明不存在多重共線性，可以直接線性回歸。根據標準化系數，絕對值越大說明對應的風險因素所占權重越大，因此P2P行業風險所占權重最大。回歸模型統計數據見表4。

5 結論

第一，本文分析歸納出12個誘發P2P爆雷的風險因素，并通過因子分析將其歸為三大類，分別是平臺自身風險、P2P行業風險、國內環境風險。

第二，建立P2P爆雷的負外部性程度和三類風險因素的多元線性回歸模型，分析各類風險的權重，其中P2P行業風險對于誘發P2P爆雷影響最大。

第三，P2P平臺應強化P2P平臺信息中介的準確定位，積極配合國家政策。

第四，完善信息披露機制和征信系統的建立，促進產品創新。

參考文獻：

[1]劉博楠.我國P2P網絡借貸違約風險的影響因素研究[D].長沙：湖南大學，2017.

[2]葉湘榕.P2P借貸的模式風險與監管研究[J].金融監管研究，2014（3）.

[3]斯瑾慧.P2P全方位風險管控模式初探[J].價值工程，2016（29）.

[4]XU YUN，QIU JIAXIAN，LIN ZHANGXI.How does social capital influence online P2P lending？A Cross-Country analysis[C].Hubei：2011 International Conference on Management of e-Commerce and e-Government，2011：238-245.