P2P網絡借貸平臺風險識別研究

梁 閃，宋良榮 LIANG Shan,SONG Liangrong

（上海理工大學 管理學院，上海 200093）

0 引言

自2013年以來，P2P網絡借貸在中國呈高速發展的態勢。據網貸之家統計，截至2017年8月31日，行業累計平臺數量為5 923家，成交量為2 495.554億元，同比增長了30.64%，投資、借款人數分別為447.12萬人、450.83萬人，同比增長27.09%、233.18%。但是，行業在高速發展的同時也存在隱憂，由于目前我國征信系統不完善、行業自律缺失、政府監管不足等原因，P2P網絡借貸的風險開始顯現——平臺跑路、提現困難、停業等問題，投資者利益頻頻受到損害。截至2017年8月31日，問題平臺的數量累計為3 858家，行業問題平臺超過半數，占比65.14%。問題平臺中，有重大影響的一個例子就是“e租寶”事件，該平臺在一年內非法融資超500億，給投資者造成重大的損失，破壞了行業的健康發展。因此，文章以正常運營平臺和問題平臺為研究對象，對平臺的運營指標數據進行定性和定量分析，識別平臺的風險，進而為投資者選擇平臺提供有用的信息，同時豐富我國P2P網貸行業的理論研究，具有一定的理論意義。

1 文獻綜述

由于國外金融市場發展較成熟，監管體系完善，國外對P2P網貸的研究主要集中于哪些因素對借款成功率、利率水平和違約率產生影響。Puro等（2010）[1]發現借款人的信用評級、負債償還比例和當前逾期記錄能夠預測新的借款成功率。Lin等（2013）[2]發現社交網絡可以減輕網絡借貸市場中投資者與借款者之間的信息不對稱性，增加借款的成功概率，并且會降低貸款的利率和事后違約率。Dorfleiter（2016）[3]利用歐洲兩大P2P平臺數據實證發現，借款人的文字描述信息能顯著影響到借款成功率，但是不能反映出潛在的違約概率。Emekter等（2015）[4]在對LendingClub平臺上借款人進行了信用風險評估后發現，對信用風險高的投資者設定更高的利率并不足以彌補高概率的貸款違約損失。

中國對P2P網貸的研究前期主要集中在對平臺運營模式特征、平臺風險特征以及監管機制等方面。隨著行業發展，研究者開始對單個平臺的投資者的交易信息進行實證研究。郭衛東、李穎（2014）[5]的研究則更加深入，學者們將 P2P網絡借貸的運營模式分成了5種，分別是以線下為主、單純中介、提供債權轉讓、線上線下相結合以及公益類模式，并將每一種模式對應國內一個成功的交易平臺，分別是宜人貸、拍拍貸、安心貸、紅嶺創投和宜農貸，對具體的平臺進行具體的分析，具有較強的針對性。謝平、陳超、陳曉文（2015）[8]等將P2P網貸平臺的運營模式分為4種，分別為信息中介模式、擔保模式、信用中介模式、演變模式，并詳細介紹了每種運營模式下運營流程，首次提出演變模式中的金融資產交易信息服務模式。盧馨、李慧敏（2015）[6]基于對國內P2P網絡借貸運行模式和發展態勢的分析，歸納了P2P網絡借貸所面臨的風險，并從政府、平臺和借貸者3個角度提出防范建議，包括明確監管主體、完善法律法規等。陳清、林風潤（2017）[7]通過編程抓取拍拍貸網站平臺的數據建立樣本庫，建立Logistic模型研究借款人的描述性信息對逾期率的影響。研究結果表明，描述性信息中將自己塑造成誠信、追求生活質量、刷信用的借款人，其違約概率較大；描述性信息中將自己塑造成一個生活穩定、有進取心，借款的目的是體驗網貸流程的違約概率較小。

2 理論分析與研究假設

本文研究的主要問題是平臺的哪些因素能反映出平臺的運營狀況。對于平臺的運營狀況，當平臺出現倒閉、提現困難、失聯、停業等情況時，定義該平臺為問題平臺，即平臺的風險大，否則定義為正常平臺。本文將從4個維度選取反映平臺經營狀況的指標，分別為平臺的實力、平臺標的特征、平臺的風控能力以及平臺的治理能力。在對各個指標體系解釋說明的基礎上，提出本文的研究假設。

（1）平臺實力。假設1：平臺背景越強、注冊資本越多，平臺運營越好。

平臺的實力主要表現在兩個方面，一是平臺背景，平臺的背景主要有上市公司背景、國資背景、風投背景、銀行背景、民營背景，其中民營背景的平臺以其投資門檻低、收益率高、流動性好等特點吸引較多投資者，占據我國P2P網貸行業的半壁江山。風險方面，由于沒有強硬的背景，民營系平臺出現跑路和倒閉的幾率相比上面背景平臺要高一些。二是平臺資本實力，即平臺的注冊資本，平臺注冊資本越多，平臺運營中有更多的資本支撐，平臺的運營才能得到基礎的保障。

（2）平臺標的特征。假設2：平臺綜合收益越高、標的類型越多、標的有擔保，平臺運營越好。

平臺的標的為平臺借貸投資者提供的產品，反映標的特征的就是標的的綜合收益率、標的類型數量、保障模式。

標的的綜合收益率主要來自兩部分，一是無風險利率，二是風險溢價，風險溢價主要來自于對借款人違約的預期，即借款人違約的風險越大，風險溢價越大，相應的標的的綜合收益率就會越高；根據“網貸天眼”的分類統計，目前，我國P2P網貸平臺的借款標的種類主要分為車貸、房貸、個人信用貸、中小企業貸、債權流轉、票據抵押、優選理財等。本文認為，平臺標的類型數量越多，平臺經營者所花費的經歷越多，對平臺的管理能力是一種考驗。

在我國征信制度相對不完善，行業競爭激烈的情況下，平臺為了吸引投資者推出本息保障的模式。保障模式主要有3種：一是平臺用自有資金墊付，二是第三方擔保，三是平臺風險準備金。一般認為，平臺采取自有資金墊付和提取風險準備金的模式是把借款人的風險轉嫁到平臺自身，平臺自身的抗風險能力有限。第三方擔保，第三方擔保公司主要為銀行、保險公司、小貸公司，這種方式可實現風險分擔，相對前面兩種擔保模式，這種模式更受投資者的青睞，認為保障能力較高，資金相對安全。

（3）風控能力。假設3：平臺經營的時間越長，平臺的口碑越好，平臺的經營越好。

風控能力是一個平臺的核心競爭力，對風控能力起決定作用的是管理團隊能力的大小。P2P網絡借貸主要采取是網上交易的模式，網上交易由于信息不對稱導致各種風險。不論貸前對借款人資質的審查、評估借款人職業的穩定性、居住的穩定性、項目的穩定性、家庭社交網絡的穩定性和借款人門檻的設置，還是貸中持續的跟蹤、貸后管理乃至違約的催還，都是專業性很強的工作，需要一支專業化的風控團隊作為支撐。本文通過兩個指標量來衡量平臺的管理能力。一是用經營時間，作為一個新興的行業，平臺是處在邊摸索邊發展的階段，從而一個平臺經營的時間越長，其風險管理經驗就越豐富，風險管理能力就越強；二是平臺的口碑，口碑就是投資者在網絡上對平臺的評價，反映平臺管理者的風險管理能力，作為平臺的交易者，他們能很好地發現平臺的經營問題。

（4）平臺治理水平。假設4：平臺信息披露的越多，資金有第三方托管，平臺經營越好。

平臺的治理機制是保障投資者利益以及平臺自我規范的主要措施。本文主要探討平臺的兩種治理機制，一是信息披露，二是資金托管。

信息披露有助于投資者以及監管者及時了解平臺的運營狀況，對平臺進行篩選和監督，這點反過來可以促使平臺加強管理、做好風控、實現良性發展，從而吸引更多的投資者；資金托管就是將投資的資金由第三方——銀行進行托管，放在專門的賬戶中，與平臺及平臺的自有資金進行分離，這種方式能夠降低平臺挪用資金或詐騙卷款跑路的風險。

3 變量選取及實證模型

本文選取注冊地為上海的平臺作為研究對象，原因主要是：首先，上海是中國的金融中心，有利于企業的創新發展；其次。中國P2P網貸平臺的地域分部中位列前三的城市分別是廣東、北京、上海，平臺累計為1 064家、762家、668家，問題率分別為60.43%、48.16%、60.82%，問題率是三者中最高的，對與本文的研究更具有代表性。數據來源于“網貸天眼”、“網貸之家”網站，通過手動收集了成立時間在2015年12月31日之前的平臺，共計517家，剔除變量缺失的平臺后，最終進行研究分析的樣本平臺共計288家，其中正常運營的平臺數量為179家，問題平臺109家。

3.1 變量的選取。本文共選取12項指標，其中1個被解釋變量，11個解釋變量。將平臺的運營狀態（condition）作為被解釋變量，其中condition=0,1分別對應正常運營平臺和問題平臺。解釋變量分為4個維度，11個指標。解釋變量詳細內容如表1。

表1 解釋變量描述

3.2 變量的描述性統計。表2為連續型變量的統計描述，從表2中可以看出，正常運營的平臺的經營時間、口碑與問題平臺有較大差異，正常運營的平臺的平均注冊資本為7 198.35萬元，是問題平臺的1.25倍，平臺的綜合收益、標的類型數目以及信息披露數目兩類平臺差異較小。

表2 連續型變量分析統計

表3是離散型變量的分析統計，從表3中可以看出正常平臺中平臺背景、資金托管與問題平臺中的有明顯的差異，即平臺背景雄厚、資金有第三方托管的，平臺的經營狀況好，平臺標的的擔保中以自有資金擔保和準備金擔保的，兩類平臺差異不大，而采取第三方擔保方式的，問題平臺的占比竟然多于正常平臺。

表3 離散型變量分析統計

3.3 模型的選擇。處理二分類變量常用的方法有Probit模型、Logistic模型。由于本文中平臺運營狀態是二分類變量，本文采用二分類Probit模型、Logistic模型對P2P平臺運營風險因素進行識別研究。

Probit模型是非線性的，其將擾動項設定為正太分布，就得到了Probit模型，為：

Logistic模型也是非線性的，其將擾動項設定為邏輯分布，就得到了Logistic模型，為：

其中，Pi為平臺出問題的概率，Yi為平臺的經營狀況，為0、1，βi為模型中各自變量的回歸系數，Xi為風險識別的因素，ui為誤差項。

4 實證結果分析

4.1 實證結果分析。本文采用Probit模型對變量進行回歸分析，根據平臺的實力、標的特征、風控能力、治理水平4大維度進行二項分類回歸分析。模型（1）至模型（4）為Probit逐步回歸結果。結果如表4所示。通過依次添加4個維度的指標變量，平臺的背景變量在加入風控能力指標量時變的不再顯著，說明風控能力包含了平臺的背景。

表4 二項分類變量回歸的實證檢驗結果

主要的結果如下所示：

（1）平臺的背景和注冊資本對平臺運營狀況無顯著影響。平臺背景在加入風控變量時不再顯著，與實證結果不符，可能的原因是隨著平臺經營時間的增長，平臺應對風險有經驗，在風控因素的影響下，平臺背景成為非核心指標，使得結果不顯著；注冊資本實證結果與假設不符，可能的原因是，2014年3月1日起施行的《中華人民共和國公司法》規定，將之前的注冊資本的實繳登記制改為認繳登記制，企業可以自主的約定認繳的出資額、出資期限等，所以P2P行業中，一些不良企業通過認繳較高額度的注冊資本來誤導投資者。

（2）平臺的年化收益、標的類型的數目對平臺的運營有顯著的影響，平臺標的的3種擔保方式對平臺的運營無顯著影響。平臺的收益越高，相應的平臺的運營越不穩定，經營狀況越差。這是由于收益率的大小與風險呈正比，收益率越大，平臺的風險就會越高。標的類型的數目指標量與本文的假設是相符的，標的的類型數目越多，越分散管理者的精力，對平臺的管理要求就越高，從而平臺可能出問題的概率就會越大。

平臺標的的3種擔保模式指標量與假設不符，可能的原因是平臺墊付和提取風險準備金的模式，總體還是看平臺自身的實力狀況，風險還是由平臺自身承擔，并沒有轉移出去。第三方擔保的模式，雖然實現了風險的共擔，但是第三方擔保公司的資質稂莠不齊，而且行業內普遍存在超過法定杠桿率的過度擔保的問題，擔保公司的實際擔保能力堪憂。

（3）平臺的經營時間和口碑對平臺運營狀況有顯著的影響。平臺的經營時間與平臺的運營狀況呈負相關關系。可能的原因是平臺經營的時間越長，平臺積累的實踐經驗越豐富，在行業中探索出一套有效的風險管理體系，以應對平臺運營中的風險問題。平臺的口碑，是投資者在網絡上對平臺的好評度，能時刻反映平臺在運營過程中出現的問題，平臺的口碑越好，平臺的經營管理能力就越強，從而平臺的運營狀況就越好。

（4）平臺的第三方資金托管、信息披露指標對平臺的運營狀況有顯著的影響。采取資金存管的平臺，其運營狀況較好，因為資金托管機構要履行保護客戶資金安全、監督資金使用情況、披露資金使用信息等職責，確保業務運營的獨立和存管資金的安全，這些措施可以有效防止平臺隨意挪用資金或設立資金池，從而降低問題平臺發生的可能性。平臺信息披露越多，平臺的經營狀況越穩定，這與假設相符。這是因為平臺對股東結構、高管信息、網站備案、平臺運營數據、會計報表等信息的披露，可以在一定程度上反映出平臺的管理運營能力和誠信經營態度，而沒有披露的平臺經營的目的可能是為了自融或詐騙，相對的經營風險就會越大。

4.2 模型穩健性檢驗。由于本文的解釋變量是二分類變量，實證分析上是通過一個聯系函數——分布函數轉換建立線性概率模型。為了避免因概率函數選擇的不同，導致結果誤差較大，本文采用Logistic模型（5）對指標量進行回歸分析。通過對比模型（4）與模型（5），兩者除了標的類型數目的顯著性不同，兩模型回歸的R2的觀測值，幾乎沒有差異，這說明Probit模型（4）是穩健的。

5 結論

本文以注冊地為上海的P2P網絡借貸平臺為樣本，對平臺的風險進行識別研究，通過“網貸之家”、“網貸天眼”兩個網站，對平臺數據收集和處理，最終樣本中有179家正常運營的平臺、109家問題平臺。從實證檢驗的結果可知，平臺的年化收益率、資金托管、信息披露、平臺經營時間、投資者對平臺的評價對平臺的運營狀況有顯著的影響，平臺的注冊資本、平臺的背景、標的擔保對平臺的經營狀況影響不顯著。具體而言，平臺的年化收益越高，資金有第三方托管、管理層管理經驗風險越豐富，平臺經營狀況越好，不容易出現問題。

[1]Puro L,J E Teich,H Wallenius,et al.Borrower Decision Aid for People－to－people Lending[J].Decision Support Systems,2010,49(1):52－60.

[2]Lin M,Prabhala R,Viswanathan S.Judging Borrowers by the Company They Keep:Friendship Networks and Information Asymmetry in Online Peer－to－Peer Lending[J].Management Science,2013,59(1):17－35.

[3]Dorfleitner G,Priberny C,Schhuster S.Description－test Related Soft Infoumation in Peer－to Peer Lending－Evidence from Two Leading European Platforms[J].Journal of Banking&Finance,2016,64:169－187.

[4]Emekter R.Tu Y,Jirasakuldech B,et al.Evaluating Credit Risk and Loan Performance in Online Peer－to－Peer Lending[J].Applied Economics,2015,47(1):54－70.

[5]郭衛東，李穎.網絡借貸平臺P2P模式探索[J].中國流通經濟，2014(6):114－121.

[6]盧馨，李慧敏.P2P網絡借貸的運營模式與風險管控[J].改革，2015(2):60－68.

[7]陳清，林峰潤.描述性信息對借款人逾期率的影響研究——基于P2P網絡借貸平臺的分析[J].宏觀經濟研究，2017(3):137－145.

[8]謝平，陳超，陳曉文.中國P2P網絡借貸：市場、機構與模式[M].南京：中國金融出版社，2015:102－104.

[9]王修華，孟路，歐陽輝.P2P網絡借貸問題平臺特征分析及投資者識別——來自222家平臺的證據[J].財貿經濟，2016(12):71－84.