網貸平臺的利率與風險

王詩琴 楊林 陳露 邱麗潔 朱天雁

摘要：近年來，由于各項信息技術的推陳出新和推廣使用，科技應用水平在金融領域有了極大的提升，因此，新興的金融行業環境順應發展潮流出現。網貸平臺在融資方面具有重要意義，對于資金需求方而言，網貸平臺提供了新的融資方。對于資金供給方，平臺回報率較高，同時投資門檻相對較低，成為投資者規劃資金的一個新渠道。本文通過分析1000多家網貸平臺的真實交易數據，研究平臺利率與風險之間的聯系，從而預測平臺可能出現的違約風險，有助于網貸投資的參與者和監管機構充分了解其潛在風險。

關鍵詞：網貸;平臺利率;風險;變量

一、數據描述

王浩博（2020）通過二元logistic模型發現，借貸者的年齡和性別對違約因素沒有顯著影響。[2]

本文通過大數據挖掘，對一千多家交易信息比較全面的網貸平臺進行了數據搜集，調查這些平臺的基本信息，例如這些平臺所處的地理位置、時間等等。胡金焱等（2020）通過考察外部影響因素發現，股價波動會影響網貸風險增加，同時借貸者的認知能力會放大股價影響、進一步推高或降低平臺利率。[1]

本文中使用的變量有注冊資本、是否省會城市、是否公布借款人、利率、貸款余額和距離上線時間。我們同時也對我們提取到的信息樣本進行了統計。

我們可以從統計結果中提取到一些有用的數據，比如注冊資本這一變量，一千多家平臺的平均注冊資金是5460，大概有63.9%的平臺是在省會城市注冊的。以及被調查平臺的上線時間、投資人數、借款交易的信息披露等都有詳細的數據說明。以上數據也是本文分析平臺的利率與風險的關系的重要參考數據。

二、實證結論

本文中，被解釋變量是平臺在未來24周內是否會出現問題，解釋變量為利率，我們利用probit進行回歸，以便更好地控制其他變量，并建立如下回歸模型：

prob（problem_w24it=1）=Φ（α+βInterestRateit+γControlit+provincei+ut+εit）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

在這里，虛擬變量是problem_w24it，當平臺i在區間[t+1，t+24]周內出現問題時取1，否則取0。表示平臺 i 在第 t 周時的利率，Controlit表示控制變量，ut表示季度虛擬變量，provincei表示省份虛擬變量，εit表示誤差項。Φ（·）表示標準正態分布的累積分布函數。

首先研究全樣本數據并對這些數據進行回歸分析。回歸結果顯示在表1中。因此，我們得出結論：利率越高，風險越大。分析可知，當其他解釋變量固定不變時，平臺的利率每增加4.573個百分點，該平臺出現問題的概率隨之增加0.257個百分點。

第2列和第3列回歸中均加入了其他控制變量。我們得到了一樣的結果：利率越高，風險越大。平臺的利率每變化4.57個百分點，該平臺出現問題的概率隨之變化0.065—0.105個百分點。根據表1，我們可以得出結論：平臺的利率與風險正相關。當平臺具有其他控制變量時，該結論仍然成立。

三、結論

通過數據的統計分析，這一千多家網貸平臺提供的利率與平臺風險之間大致存在著正相關關系。而本文的一個重要結論是，在不同的利率區間，平臺的利率與該平臺的風險的關系出現了一定的異質性現象。具體而言，就是當少部分平臺提供了遠低于整個網貸市場的平均利率時，該平臺可能會出現網貸平臺利率與平臺風險的負相關關系，那么在投資者眼中，這類平臺的投資回報率可能較低;而當少部分網貸平臺提供了遠高于整個網貸市場的平均利率時，則會出現較明顯的正相關關系，這類平臺會更加吸引投資者投資或借貸者進行借款。

參考文獻：

[1]胡金焱，水兵兵.風險資產配置、股價波動與網貸風險——兼論對網貸利率的影響[J].山東社會科學，2020（11）：

124-131.

[2]王浩博.基于二元logistic模型的P2P違約分析[J].現代商業，2020（30）：106-109.

基金項目：嘉興學院重點SRT資助項目（CD8517203034）。

作者簡介：王詩琴，女，漢族，浙江嘉興學院，本科在讀。