P2P網貸風險消極影響綜合評價與預警分析

吳舒逸++李思凡++吳小明

[摘要]P2P網絡的監管不斷下達，P2P平臺走向規范化的同時也有部分問題平臺加速暴露出來。鑒于網絡借貸風險的主要影響方為出借人群體，文章針對出借人視角進行多階段抽樣，運用模糊綜合評價法對出借人問卷中的量表進行綜合評價，再通過預警分析得出各類風險的輕重緩急，找出亟須解決的消極影響因素，以期為有效控制P2P網絡借貸風險提供系統完備的支持。

[關鍵詞]P2P網絡借貸；模糊綜合評價；消極影響

[DOI]1013939/jcnkizgsc201720092

1引言

2017年2月，銀監會下發的《網絡借貸資金存管業務指引》，明確網貸平臺存管人的定位與監管的基本框架。但由于監管時間短，仍有不少平臺濫竽充數，問題頻發。而網貸平臺的挑選需要投資者花費大量時間和精力，并需具備一定的專業背景知識才能做出較準確的判斷，大部分出借人是盲目的，對于P2P網絡借貸體系目前主要風險與監管政策的實施情況不得而知。基于此，本文基于出借人視角探索網絡借貸風險的級別，以期為我國P2P網絡借貸體系的完善提供實質性的政策建議。

2P2P網絡問卷介紹及數據基本情況

本文調查采用多階段抽樣，出借人調查問卷分基本信息，投資行為、投資偏好和風險感知與政策評價四塊。出借人問卷共發放408份，回收有效問卷252份。

3P2P網絡借貸風險消極影響綜合評價：基于模糊綜合評價法

31風險消極影響評判因素集和評判集的建立

對于風險消極影響指標分析，我們將風險消極影響評判因素集確定為兩層。

第一層評判因素集：

U={U1，U2，U3}={法律風險，信用風險，系統風險}

第二層評判因素集：

U1={U11，U12，U13，U14}={產品利率，平臺監管，壞賬權益保護，資金流通過程}

U2={U21，U22，U23，U24}={信用評級標準，借貸審核流程，成交數據可信度，標的利率}

U3={U31，U32，U33}={資金交易存儲，個人隱私資料，黑客壁壘}

綜合比較各種文獻，按照一般風險消極影響的等級劃分標準，我們將風險消極影響的評判集設定為：

V={V1，V2，V3，V4，V5}={影響低，影響較低，影響一般，影響較高，影響高}

32基于AHP的風險消極影響評判因素的權重設定

在每次交易中，出借人受到各因素的消極影響程度不同，評判因素權重需按出借人自己的需要確定。由于個人偏好和傾向的不同，出借人可將重點考察的因素賦予較大的權重，這樣對風險消極影響的評估將更具針對性和個性化。

本次調查分析通過專家打分法和層次分析法對權重進行綜合計算。在問卷調查過程中，隨機對部分調查者也進行各因素之間的比較，最后對結果經過匯總處理，計算平均值，得出如表1、表2、表3和表4的比較判斷矩陣表。

根據上下層之間的隸屬度關系建立遞階層次樹狀結構模型。根據決策目標，將相關影響因素按照所屬關系及因素之間的關系自上而下地分為若干層次。對每一層次的各個因素，用成對比較法和1-9比例標度，根據對上一層因素的重要程度進行比較，直到最底層。列中元素比行中元素重要，則判斷值為整數；如果列中元素不如行中元素重要，這時判斷值為分數；當二者同等重要時，判斷值為1。在指標權重計算中，根據判斷矩陣，并作一致性檢驗，通過AHP計算軟件，得到第一層次權因子權重為A=（011，063，026）；第二層次權因子權重：A1=（011，052，007，029），A2=（023，042，012，023），A3=（033，014，053）。

通過問卷調查來獲得各因素與其對應的各級消極影響程度的隸屬度關系。最終經過矩陣運算得到，二級模糊評判集（0200102020019580197902032）中可知，最大的數據為02032，對應的是第五個等級，即影響大。根據最大隸屬度原則，我們可以得出目前網絡借貸風險對出借人的整體消極影響大，并有向影響程度變大的趨勢過渡。

4風險消極影響預警分析與對策建議

41風險影響因素預警燈與措施的制定

根據各因素對消費者的消極影響程度，由低到高設置藍、綠、黃、橙、紅五種不同的預警信號燈。藍燈和綠燈表示風險處于低或較低區域，屬正常的風險狀態，應關注或監控風險狀態和危機征兆；橙燈和紅燈表示消極影響程度較高或高度風險狀態，應立即采取應對措施，以抑制風險發生和擴散；黃燈對應中等影響程度，應根據具體情況給予不同對待。當指標的權重較高時，說明消極影響較大，必須給予充分重視并對各指標詳細分析所暴露的因素，采取措施及時消除這部分的消極影響。當指標的權重較低時，即使顯示黃燈預警信號，也可暫不采取措施，以把有限的資源放到其他更重要的因素上去。

42出借人角度的風險消極影響預警建議分析

基于前文所建立的預警分析結構體系并根據最大隸屬度原則，列出各個因素造成的消極影響程度并將其所對應至各預警燈，得到表5。各類指標大多處在橙燈和紅燈上，即風險程度大多居高。對于法律風險來說，在第一層指標僅占11%，比重較小，即影響程度一般。然而風險程度卻亮起紅燈，說明了更深層次的隱患。盡管部分出借人認為網借平臺在資金流通過程中做得不夠完善，卻未得到出借人自身的足夠重視，尤其值得反思。另外，208%和224%的出借人分別認為產品利率和壞賬權益保護仍需采取相關措施。對于平臺監管來說，在第二層指標占比52%，其中有209%的出借人認為平臺監管影響一般，由此我們合理推測，在平臺監管方面，目前已頒布法律或規定在逐漸改進和完善中尚已得到大部分出借人的初步肯定，因此現階段平臺監管只需要進行必要的監督即可。

信用風險在第一層指標中占了63%，較高的比重表明信用風險對于網絡借貸的影響舉足輕重。208%的出借人認為借貸審核流程的影響低，但在信用風險中仍占有一定比重，因此也應繼續關注。而其中204%的人認為信用評級標準對他們的消極影響最高，所以應采取針對性的緊急措施，嚴格制定信用評級標準，積極消除因評級偏差對出借人產生的消極影響。205%的出借人認為成交數據可信度對他們產生的消極影響較大，當交易的產品遠低于網上描述，心中的落差會使得本次交易帶來的效益大大降低，進而使出借人對于網絡借貸產生不真實的消極影響。這類問題在本層次中只占12%，但同樣值得引起重視。同時，有211%的出借人認為標的利率虛高問題對收益影響高，應采取緊急措施穩定標的利率，所以對于信用風險方面我們應馬上采取措施，積極作為，盡可能為出借人的切實權益提供保障。

對于系統風險，在第一層指標中占了26%，二級指標都亮起了橙燈，而且黑客壁壘在二級指標中占53%，也一定程度地說明系統風險主要是由黑客壁壘轉換而來，因此對這方面應高度關注其發展趨勢，進而決定是否采取措施。對于資金交易儲蓄與個人隱私資料，也有相當一部分出借人認為對他們產生較大的消極影響，這兩方面對出借人造成的威脅更是不容小覷，因此也應對此采取措施。

綜上所述，信用風險對出借人產生的消極影響非常大，外加信用評級與成交數據標準的信任流失，使得出借人對于網貸的消極程度越發嚴重。資金流通、信用評級、成交數據可信度與標的利率虛高，是目前亟須解決的首要危機，而產品利率、壞賬權益保護等問題，也需要采取措施，防止其向更高級別過渡。

參考文獻：

[1]柳順基于數據包絡分析的模糊綜合評價方法及其應用[D].杭州：浙江大學，2010

[2]林亮春我國P2P網貸存在的問題及解決路徑分析[J].雞西大學學報，2016，16（1）