基于熵權模糊物元模型的P2P網絡平臺信貸風險評價研究

駱　丹

(連云港開放大學　人文經貿學院，江蘇　連云港　222000)

?

基于熵權模糊物元模型的P2P網絡平臺信貸風險評價研究

駱丹

(連云港開放大學人文經貿學院，江蘇連云港222000)

摘要：P2P網絡平臺信貸風險安全是保障投資收益的重要基礎。針對多數風險評價研究中存在的信息模糊性及主觀性問題，本文采用模糊物元分析構建總體評價框架及運用改進熵權法確定了指標權重，并依此建立了信貸風險評價模型，并對五家網絡平臺公司進行了實證研究，計算結果表明：大平臺公司風險等級較高，處于良好級別，而小平臺公司評級較低，理論上存在著一定的投資風險。研究結論為P2P網絡平臺信貸風險管理提供了理論依據，并可為投資者提供一定的決策支持和政策借鑒。

關鍵詞：P2P網絡平臺；信貸風險；物元模型；改進熵權；風險評價

全球金融行業的發展得益于互聯網金融的興起，全新的借貸方式“P2P網絡信貸”迅速在國內外流行起來。P2P網絡信貸是英文“peer to peer leading”的縮寫，它將前沿的互聯網技術、電子商務技術、金融服務模式和民間借貸資本市場有效地綜合起來。在這種借貸模式下，借貸主體不需要依賴于傳統的金融機構，而是依托互聯網信貸平臺實現對借貸雙方的信息、資金、合同等相關操作，以此達成借貸交易。P2P業務的開展對于進一步完善我國金融市場、彌補資金空缺起到了極大的促進作用，是金融脫媒背景下信貸市場發展的必然走向。但是，整個行業當前面臨的最大挑戰在于P2P網絡信貸平臺“跑路”事件和借款人違約事件的頻頻出現，信貸風險已成為整個互聯網金融行業發展過程中最主要的風險。因此開展P2P網絡平臺信貸風險評價研究并加強信貸風險管理對于促進行業健康持續發展具有重要的應用價值[1]。

海內外學者開展針對P2P網絡信貸平臺的不同研究，并取得了一定成果。Magee (2011)的研究表明P2P 網絡信貸的條件為良好的信用系統，認為 P2P網絡信貸中出借主體可以獲得較高的收益。相較于商業銀行存款，同時借款人不需要滿足嚴苛的擔保條件就可以獲得需要的資金[2]。Larrimore L(2011)等學者將借貸平臺中信息不對稱問題作為研究對象，倡導借款人在 P2P 網絡信貸平臺中可以通過運用“硬信息”和“軟信息”來辨明借款人的信用等級[3]。在風險控制方面，Hamphire R(2010) 通過對網絡借貸平臺的社區組群及其成員融資行為的實證分析證實將個人聲譽與其所在的組群的聲譽結合在一起，利于組群成員之間相互監督，能夠有力地控制逆向選擇現象和道德風險[4]。國內學者更側重于量化風險控制研究，苗曉宇(2012)研究表明P2P借貸網絡平臺在經營過程中主要面臨著5種風險，分別為：信用風險、市場風險、操作風險、流動性風險、政策風險，由于我國缺少明確的法律法規來開展P2P 網絡信貸監控管理，導致風險不能夠得以有效規避[5]。李有星(2014)從基于國內法律現狀角度出發，應確定監管主體地方化的方向，采取原則導向監管方式，構建以會員邀請、資金第三方托管、簡易信息披露及信息安全保護為核心的互聯網金融“安全港”制度[6]。宮曉林(2014)以有限理性假設為基礎，運用前景理論和演化動態博弈理論構建分析框架和模型，研究了政府、P2P網絡借貸平臺和貸款人的行為選擇。同時政府應明確P2P網絡借貸行業的監管部門職責并實施有效的監管，以降低借貸平臺違規經營的風險，促進行業的健康發展[7]。當前的大多數研究缺乏基于定量微觀角度去研究P2P網絡平臺信貸風險，本文開展基于熵權模糊物元理論的網絡平臺信貸風險研究，通過建立相關數學模型評估相關P2P網絡平臺信貸風險級別，并提出有利于強化信貸風險管理的積極性建議。

一、模糊物元模型

(一)定義物元及復合模糊物元具體內涵

假設事物N，其關于特征有C量值為V，將有序三元組R=(N，C，V)作為描繪事物的基本元，稱之為物元。如果量值V存在模糊性，則稱之為模糊物元[8]，記作：

(1)

其中：R表示模糊物元；u(x)表示與特征C相對應的具體模糊量值。本文開展的P2P網絡平臺信貸風險評價中，N就是評價樣本，C作為評價指標，u(x)為評價樣本N相對于指標C相應量值x的隸屬度。

假設P2P網絡平臺信貸風險安全評價樣本N存在n個評價指標C1,C2，…，Cn，且與這些評價指標相對應的模糊量值為u(x1)，u(x2),…，u(xn),則稱R為n維模糊物元。若以Rnm表示m個評價樣本n維復合模糊物元，則u(xij)為第i個樣本的第j項評價指標對應的模糊量值(i=1,2,…，m;j=1,2,…，n),記作：

(2)

(二)模糊特征量值

為了增加各特征目標之間的相互可比較性，需要明確待評價物元各方案對應特征目標值的模糊隸屬度[9]，也稱為從優隸屬度，需要開展歸一化處理針對特征矩陣各元素。

1.正向型指標

(3)

2.負向型指標

(4)

3.中間型指標

(1)xij介于inf(xij)與sup(xij)之間某一值x*最優

(5)

(2)xij介于inf(xij)與sup(xij)之間某一值x*最劣

(6)

(三)定義標準模糊物元與差平方復合模糊物元

若定義標準方案為特征量值全取極大值或者極小值，則極優標準方案為當特征值全取極大值，極劣標準方案為全取極小值時；距離物元含義代表的是模糊物元與標準物元量值之間的距離。

定義樣本n維標準模糊物元Rsn，如下所示：

(7)

其中各項代表的是復合模糊物元Rmn各項評價指標中從優隸屬度的最大值或者最小值。

之后，以Vij表示復合模糊物元Rmn與標準模糊物元Rsn各項的差的平方，則差平方復合模糊物元即為：

(8)

其中

Vij=[u(xsj)-u(xij)]2

(i=1,2,…，m;j=1,2,…，n)

(四)指標權重確定

由于差異的評價指標對于P2P網絡平臺信貸風險的評價貢獻程度不同，需要對評價指標賦予一定的權重以反映出這種差異性。本文選用改進熵值法來計算出指標權重，避免了人為因素的干擾，信息熵根據評價指標變異程度的大小來確定指標權重，指標差異化程度越明顯，信息熵越少，該指標的權重值就越大，反之則小[10]。具體的熵值法計算流程如下。

1.構造m個事物n個評價指標的判斷矩陣

R=(xij)mn;

2.評價指標歸一化處理，消除不同量綱和量綱單位所造成的不可衡量性，得到歸一化矩陣R0;

3.定義熵：在評價m個事物n個評價指標的過程中，明確第j個評價指標的熵值為：

(9)

其中

(i=1,2,…,m;j=1,2,…，n)

4.熵權計算：

(10)

(五)歐式貼近度與綜合評價

貼近度代表的是被評價模型與標準模型兩者之間的相互貼近程度，其值越大意味著兩者之間貼近度越大，反之則越遠。由于P2P網絡平臺信貸風險評價是綜合性、復雜性系統，所以運用(·,+)先乘后加法確定歐式貼近度：

(11)

之后，構造歐式貼近度的復合物元模糊矩陣RρE：

ρEi表示第i個評價樣本與標準樣本之間的相互貼近程度，可以有效地依據綜合貼近度的大小開展P2P網絡平臺信貸風險評價。

表1　P2P網絡平臺信貸風險評價指標體系的構建框架

二、構建P2P網絡平臺信貸風險評價指標體系

P2P網絡平臺信貸風險評價指標體系的構建在參考相關文獻的基礎上應同時遵循科學性、可比性、可獲取性等原則，確保從總體上可以反映P2P網絡平臺信貸公司的風險狀況。本文將P2P網絡平臺信貸風險評價系統合理地分為流動性、安全性和收益性3個子系統，而這3個因子風險的大小是由多個不同的相應指標以及其權重來決定的，因此需要綜合分析影響P2P網絡平臺信貸風險的各個子系統的主要指標。P2P網絡平臺信貸風險具體評價指標和評價標準如表1所示 。

三、實例研究

本文隨機選取國內2014年12月份期間5家P2P網絡平臺公司(陸金所、人人貸、錢多多、安心貸、互融寶，按照總資產規模排名)為研究對象進行風險評估。綜合考慮流動性、安全性和收益性三個方面，構建基于熵權模糊物元模型的P2P網絡平臺信貸風險評價模型，對5家P2P網絡平臺公司進行風險評估。

(一)構建模糊物元，對5家P2P網絡平臺公司及評價標準值構建9個樣本、10個指標的復合模糊物元，構建從優隸屬度復合模糊物元(Rmn)根據式(2)、(3)指標性質及從優隸屬度原則

(二)依據式(5)、(6)，構建差平方模糊復合物元(R△)

(三)將各指標的實際值進行歸一化處理并整理得到判斷矩陣，計算出各個指標的熵值，最終依據

式(10)計算得到各指標的權重

ωj=(0.094 6,0.121 2,0.011 2,0.052 6,0.160 9,0.094 2,0.089 8,0.110 4,0.151 7,0.113 4)

(四)計算樣本貼近度

四、結果分析及結論

依據上述研究方法分別計算得出五家P2P網絡平臺公司樣本貼近度數值，研究結果表明陸金所及人人貸公司風險等級較高，處于良好級別，而錢多多公司風險評級較低，理論上存在著一定的投資風險。

針對當前市場經濟低迷，P2P“跑路”事件的不斷發生，本文研究具有一定的理論意義及參考價值，對投資人而言，投資前必須了解企業基本狀況，明確平臺價值。投資者盡量挑選實力強、風控嚴的大平臺，杜絕高風險平臺，對一些雖龐大但信譽低的平臺盡量回避；二是要精挑標的，適當地選擇短期標配置，以此規避系統性風險；三是要多研究所投資平臺的發展路徑及輿論導向，以此做到有的放矢。同時，政府部門應該規范P2P網絡平臺企業備案制度，強化資金保證，建立第三方托管機制，最關鍵之處在于加強監管，做好事前、事中、事后風險管理，強化風險意識。

參考文獻：

[1]劉峙廷. 我國 P2P 網絡信貸風險評估研究 [D].南寧：廣西大學,2013.

[2]Magee J R. Peer-to-peer lending in the United States: surviving after Dodd-Frank [J]. NC Banking Inst, 2011，15(139).

[3]Larrimore L, Jiang L, Larrimore J, et al. Peer to peer lending: the relationship between language features, trustworthiness, and persuasion success [J]. Journal of Applied Communication Research, 2011,39(1): 19～37.

[4]Collier B C, Hampshire R. Sending mixed signals: Multilevel reputation effects in peer-to-peer lending markets[C].Proceedings of the 2010 ACM conference on Computer supported cooperative work, ACM，2010.197～206.

[5]苗曉宇. 網絡 P2P 信貸風險與防范 [J]. 甘肅金融, 2012 ,(2): 20～23.

[6]李有星, 陳飛, 金幼芳. 互聯網金融監管的探析 [J]. 浙江大學學報 (人文社會科學版), 2014，44(4).

[7]宮曉林. P2P 網絡借貸風險與監管——基于有限理性假設的分析 [J]. 投資研究, 2014，6(4).

[8]田靜宜, 王新軍. 基于熵權模糊物元模型的干旱區水資源承載力研究——以甘肅民勤縣為例 [J]. 復旦學報(自然科學版), 2013 ，(1): 86～93.

[9]程發順, 方國華, 黃顯峰，等. 基于模糊物元和熵權迭代理論的農村飲水安全評價 [J]. 中國農村水利水電, 2014， (4): 73～76.

[10]鄭華偉, 張銳, 劉友兆. 基于物元分析的土地利用系統健康診斷 [J]. 中國土地科學, 2012，26(11).

文章編號：2095-4654(2016)04-0041-05

收稿日期：2015-12-23

基金項目：連云港開放大學科研課題(LYGTVU(2015)007D)

中圖分類號：F832.4

文獻標識碼：A