互聯網金融風險防范研究

韋艷肖

【摘 要】 文章由風險因素量化角度入手，對借款利率、借款人信用、信息透明程度、標的期限等風險因素進行處理，基于Logit模型，以網貸平臺為例，定量研究互聯網金融風險。研究表明：借款利率、標的期限與借款標的風險呈正向關系，借款利率越高、標的期限越長，則借貸標的風險越大；借款人信用評價、信息透明度與借款標的風險呈反向關系，借款人信用評價越好、信息透明度越高，則借貸標的風險越低。最后，立足于研究結論為我國互聯網金融風險防范提供可操作的建議。

【關鍵詞】 互聯網金融風險； 網貸平臺； Logit模型

【中圖分類號】 F274 【文獻標識碼】 A 【文章編號】 1004-5937（2018）16-0104-05

一、引言

2005年，全球第一個網貸平臺Zopa起源于英國，之后網貸平臺在全球范圍內被廣泛復制和創新，2007年拍拍貸的出現，標志著網貸平臺正式進入中國。隨后，我國相繼出現了大量的網貸平臺，網貸天眼研究院調查數據顯示，截至2017年10月，我國共有P2P網貸平臺5 306家。網貸平臺規模和數量不斷擴大，拓寬了中小企業的融資渠道，為我國中小企業提供了有效的項目資金，這對我國GDP的有效增長起到了積極的支撐作用。此外，網貸平臺也提供了大量就業崗位，對于緩解我國就業壓力也起到了積極作用。但是我國網貸平臺發展起步晚，相關網貸體系還有待完善，中小企業和消費者缺乏良好的風險意識，導致我國網絡借貸平臺風險頻發，5 306家網貸平臺中，問題網貸平臺達3 527家，行業淘汰率高達66.47%。我國政府高度重視網貸平臺風險的防范，早在2011年就頒布了《P2P網絡借貸平臺標準規定》，其中把我國網貸平臺分為微型網貸平臺、小型網貸平臺、中型網貸平臺三種，并對網貸平臺的從業人員、資產等方面制定了硬性要求[1]，目的是為了規范我國網貸平臺的運行。2015年銀監部門發布了《網絡借貸信息中介機構業務活動管理暫行辦法》，嚴格規定網貸平臺應當履行的多種義務。在此背景下，以網貸平臺為例探究我國互聯網金融風險防范就顯得至關重要。本文研究的理論意義在于彌補我國互聯網金融風險評估機制研究方面的缺失，為我國金融風險防范研究提供新思路；實踐意義在于通過定量研究為網貸平臺互聯網資金的合理利用提供幫助，以期能夠推動我國網貸平臺的發展，完善我國互聯網金融風險防范體系。

二、文獻綜述

國內外有關互聯金融風險防范以及網貸平臺風險的研究可以分為4類。第一，技術風險方面。王云紅（2005）研究發現網貸平臺主要面臨技術風險和業務風險，提出加強對網貸平臺的監管，建立國家、行業、企業三方參與的互聯網金融技術風險防范體系。第二，風險現狀、模式和類型方面。張玉梅（2010）將我國網絡借貸平臺發展模式分為中介式、復合中介式以及線上與線下結合式三類。Berger等（2009）將網貸平臺風險分為內生風險與外生風險，其中內生風險是指技術、運營、合同等，外生風險是指法律、國家政府、交易對手等方面存在的風險。第三，將互聯網金融與網貸平臺相結合進行研究。劉迎秋（2012）認為我國網絡借貸平臺迅速發展得益于其通過地緣關系和人緣關系進行發展，也就是說交易雙方基本是相互熟悉的群體，這樣增強了彼此的信任，因此網絡借貸平臺數量和規模不斷擴大。Weiss（2010）對網貸平臺發展研究發現，由于網絡借貸的交易是在互聯網上進行的，這使得網絡借貸的交易風險大大高于傳統的商業銀行。Chaffe（2012）在Weiss研究的基礎上，提出了政府機構應該像監管傳統商業銀行那樣，加強對網絡借貸平臺的監管，以規避網絡借貸平臺交易風險。第四，有關網貸交易平臺的進一步研究方向。梁笑雨等（2013）認為網貸平臺是一種新的互聯網金融產品，政府有關部門應該引導其發展，提升網貸平臺的風險意識。他指出如何引導網貸平臺健康發展以及如何構建規避網絡借貸平臺風險的機制。Weir（2012）對網貸平臺近年的發展進行分析，發現網貸功能穩定性極高，金融機構會隨著時代發展發生較大變化，但是這些立足于網貸平臺的金融機構基本功能不會發生太大的變化。

國內外有關互聯金融風險防范以及網貸平臺風險的研究文獻多集中于定性分析，缺乏定量分析。基于此，本文以網貸平臺為例，立足于構建Logit模型對我國互聯網金融中存在的風險進行定量分析，進而為我國互聯網金融風險防范提出具體的政策建議，以期能夠促進我國網貸平臺在更加規范、科學的環境中成長，推動我國互聯網金融持續穩定發展。

三、現狀分析

（一）網貸平臺發展現狀

截至2018年6月底，P2P網貸行業正常運營平臺數量為1 836家[2]。網貸平臺的出現大大緩解了中國社會融資困難問題，不僅為急需資金的消費者提供方便快捷的資金獲取渠道，也解決了我國眾多的中小企業融資難問題。為社會經濟發展帶來極大便利性，有利于我國互聯網金融事業的發展，為我國經濟進入“新常態”提供了一個新的增長點。特別是2014年李克強總理在達沃斯論壇上提出“大眾創業，萬眾創新”之后，我國每天新增企業1萬多家，而網貸平臺的出現為這些中小企業發展提供項目資金，所以我國網貸平臺近年來呈現快速發展趨勢。就我國網貸平臺而言，其主要有3個特點：首先，我國網貸平臺交易主體并不固定，雙方交易零散化，難以形成較大規模，參與人群可以是社會中任何一人。其次，我國網貸平臺交易方式簡單、快捷，滿足了人們對于產品靈活性的要求。最后，網貸平臺的發展依賴于互聯網技術的進步，所以我國網貸平臺的蓬勃發展促進了我國科學技術，尤其是互聯網技術的進步。但是，我國的網貸平臺發展并不健全，在我國現代互聯網金融背景下，網貸平臺的發展常常出現許多風險。

（二）網貸風險類型

1.內部風險

第一，信貸操作技術風險。由于逆向選擇和道德風險的存在，借貸平臺不能準確得知借貸者的信用度，同時，市場上借貸平臺眾多，借貸者也無法準確地判斷借貸平臺的信用度，很容易導致信貸操作技術風險的發生，造成資金損失[3]。第二，管理風險。由于缺乏有效的監管，國內很多借貸平臺管理混亂，借貸資金的管理只能依靠管理者的自覺性，投資者無法知曉資金去向，加大了資金管理風險。第三，信息披露風險。市場中出現大量的信貸平臺，彼此之間的競爭也是異常激烈的，很多借貸平臺為了謀求發展，進行虛假的宣傳，信息披露不完整，甚至提供虛假信息致使借貸者無法獲取真實信息而上當受騙。第四，網絡風險。網絡風險是指在交易中投資者和借貸者的個人信息可能出現泄露的情況。

2.外部風險

第一，非法集資風險。由于我國互聯網金融缺乏必要監管，網貸平臺非法集資的情況時有發生，2014年出現的問題借貸平臺e租寶就是一個非法集資的例子，造成了大量資金損失[4]。第二，政策限制風險。雖然我國政府相當重視網貸平臺的發展，但是政府出臺的政策還是過少，對網貸平臺的發展扶持不夠，難以解決網貸平臺發展面臨的資金困難、監管困難等難題。第三，地方性約束風險。地方政府的優惠政策致使有些人借機牟利、獲得地產產權或者其他產權，而這些優惠政策對于借貸平臺的發展是弊大于利的。

四、Logit模型分析

（一）模型設定

此部分主要是定量分析網貸平臺的風險存在與否，因此不能利用傳統的經典線性回歸模型[5]，故此本文選擇Logit模型結合安心貸的相關數據對網貸平臺的風險進行定量回歸分析。Logit模型的構建原理分為Logit模型構建法、EVA法、價值投資模式三種。

1.Logit模型構建法。Logit模型也稱為評定模型，是以離散選擇法和散點分析法為基礎的回歸分析方法，其原理如公式1。

其中B是最大似然估計、X是自變量、Y是因變量、P是交易價格。由于網貸交易過程也必定遵守市場交易價格理論，因此Logit模型構建法可以適用評估網貸風險。

2.EVA法。EVA即經濟增加值，學術界常用來衡量資本收益，扣除公司成本之后計算獲得。從數值的角度看，EVA是借貸平臺稅后凈利潤減去全部資本成本的差額。如公式2所示：

其中WACC是指加權平均后的資本成本，由公式2可以計算出借貸平臺的經濟增加值，進而判斷借貸平臺的效益，并以借貸平臺經濟增加值和效益判斷其風險。

3.價值投資模式。主要是依靠自由現金流模型對借貸平臺的年度現金流量進行分析[6]，如公式3。

通過公式3可以計算出借貸平臺每年的自由現金流，由每年自由現金流具體數額分析其借貸風險。本文采用多年借貸平臺的平均自由現金流進行定量比較分析，得到的均值作為穩定狀態下的自由現金流，然后利用自由現金流量乘數模型，如公式4計算出借貸平臺價值，由此對借貸平臺的風險進行分析。

其中，r是指無風險利率。

（二）數據選取與變量定義

本文的數據來自安心貸平臺數據庫，選取其2013—2016年借貸數據，隨機選取了7 000條安心貸平臺標的借貸數據，然后按照這些借貸發生的時間順序，從安心貸平臺網站上下載這些標的列表，但是有些數據在安心貸平臺網站上無法獲取，所以最終獲取的樣本數據總量是6 355條。選取2013—2016年數據是因為2013—2016年我國借貸平臺發展迅速，借貸標的數量較多。所以，這個時間段的數據可以很好地說明行業的發展狀態。

被解釋變量為借款標的風險，表現為存在風險或者不存在風險，本文利用Logit模型分析借款標的風險發生的概率（P）。0≤P≤1，P=1時表示存在風險，P=0時表示不存在風險，P值越趨近于0，表示借貸發生的風險越低，反之越趨近于1，表示借貸發生風險的概率越高。

解釋變量為借款利率、借款人信用評價、標的期限、信息透明度、總資產增長率[7]。其中，借款利率、標的期限與借款標的風險呈正向關系。借款利率越高、標的期限越長，則借款標的風險越大。借款人信用評價、信息透明度與借款標的風險呈反向關系。借款人信用評價越好、信息透明度越高、總資產增長率越高，則借款標的風險越低。

（三）Logit模型的構建與回歸結果分析

1.Logit模型的構建

本文構建的Logit模型的函數形式如公式5、公式6。

其中P表示借款標的風險發生概率，0≤P≤1；Xi是解釋變量，X1表示借款利率，X2表示借款人信用評價，X3表示標的期限，X4信息透明度，X5總資產增長率；C0表示常數項。

2.擬合優度檢驗

本文利用SPSS對所獲得的6 325條樣本數據進行Hosmer-Lemeshow擬合優度檢驗，檢驗結果如表1所示。

由表1可知，Hosmer-Lemeshow檢驗將結果分為10類，各類無風險的觀測值在5—10之間、期望值在5.51—10之間；有風險的觀測值在0—5之間、期望值在0到4.49之間，所以本文所構建的Logit模型可以很好地擬合樣本數據。

3.樣本數據風險預測

利用SPSS對由安心貸數據庫獲得的6 355條借貸標的樣本數據進行風險預測，SPSS預測輸出結果如表2所示。

由表2可知，在5 194條無風險的借貸標的樣本數據中，SPSS預測4 706條是無風險的，預測正確率為90.06%，而在1 161條存在風險的借貸標的樣本數據中，SPSS預測765條是不存在風險的，預測正確率為65.9%。SPSS預測正確的借貸標的樣本數量為5 471，約占總數的86.1%，所以從整體上來看，本文所構建的Logit模型預測正確率為86.1%，此模型的預測達到了理想效果。

4.Logit回歸結果分析

利用SPSS對解釋變量和被解釋變量進行Logit回歸分析，得到公式5和公式6中的變量系數，如表3所示。

由公式7可知，借款利率增長1個單位，借貸標的風險概率上升0.37的百分點；而借款人信用上升1個百分點，借貸標的風險概率下降0.04個百分點；標的期限上升1個單位，借貸標的風險概率上升0.07個百分點；信息透明程度上升1個單位，借貸標的風險概率下降0.02個百分點。

此外，Wald統計量的Sig值在0—0.003之間，說明參數估計都不為0。由此可知，在Logit模型中，借款利率等4個變量對借貸風險的影響是顯著的，通過對這四個變量的優化可以在一定程度上達到預測風險、防范風險的效果。

5.Logit模型的應用

為了驗證本文所構建的Logit模型的適用性，本文利用互聯網爬蟲技術抓取了5 433條拍拍貸平臺標的借貸數據，6 873條人人貸平臺標的借貸數據，把抓取的數據按照上文的方法進行處理后分別帶入Logit模型，利用SPSS進行回歸分析。

（1）拍拍貸Logit模型結果分析

由公式9可知，借款利率增長1個單位，借貸標的風險概率上升0.77的百分點；而借款人信用上升1個百分點，借貸標的風險概率下降0.32個百分點；標的期限上升1個單位，借貸標的風險概率上升0.44個百分點；信息透明程度上升1個單位，借貸標的風險概率下降0.13個百分點。

綜上可知，本文以解釋變量為借款利率、借款人信用評價、標的期限、信息透明度、總資產增長率，被解釋變量為借款標的風險，表現為存在風險或者不存在風險，所構建的Logit模型可以較好地反映我國互聯網借貸平臺借款標的風險發生概率。

五、結論與政策建議

（一）結論

第一，基于上文借款利率等4個解釋變量與被解釋變量借貸標的風險之間的Logit回歸分析可知，借款利率增長1個單位，借貸標的風險概率上升0.37個百分點；而借款人信用上升1個百分點，借貸標的風險概率下降0.04個百分點；標的期限上升1個單位，借貸標的風險概率上升0.07個百分點；信息透明程度上升1個單位，借貸標的風險概率下降0.02個百分點。第二，我國網貸平臺的發展呈現擴張趨勢。伴隨著我國互聯網金融市場的低迷，許多投資者通過網貸平臺將資金投向利益較好的產業，為中小企業的發展提供了資金支持，才促使我國網貸平臺迅速發展。第三，網貸平臺的主體越來越多元化。資金的提供者主要是事業單位、大型企業、私人投資者；借貸者主要為中小企業或個人。

（二）建議

1.加強內部經營管理體系建設，有效調節借貸利率變動

相較于外部因素來說，網貸平臺內部因素顯得尤為重要，通過有效的內部管理可以顯著地改善網貸平臺的收益水平[8]。借款利率是影響借貸風險的重要因素，而借貸利率的變動受到多種因素的制約，因此需要政府、企業聯合行動來有效調節借貸利率的變動。首先，政府應該通過中央銀行針對我國經濟運行現實情況調節存款、貸款利率以及法定準備金率，不能盲目地變動利率。其次，各大網貸平臺應該規范內部管理，聘請專業人才通過調查研究制定借貸利率。最后，企業要通過有效的內部管理，根據國家政策的變動及時調整平臺的借貸利率。

2.完善信用評價體系

逆向選擇與道德風險是西方經濟學經久不衰的話題，完善的信用體系是規避借貸風險的必要手段。首先，政府要強化我國信用體系建設，加大對失信群體的打擊力度，并且通過國民素質教育提升整體國民的思想道德修養[9]。其次，我國網貸平臺應該積極構建自身的信用評價體系，并且嚴厲懲罰惡意違反信用規定的客戶。

3.加強監管，提高信息透明程度

近年來，我國網貸平臺發展迅速，我國政府也很重視網貸平臺的發展，出臺了各種政策鼓勵網貸平臺發展，但是我國政府缺乏對網貸平臺的監管，即使有監管也是效率低下，難以起到有效的作用[10]。我國政府應該制定網貸平臺運行規范，對從業人員學歷、借貸規模等各方面做出嚴格規定，提高網貸平臺的信息透明度，對于違反規定的網貸平臺依法嚴格處理，此外，建立一體化的監督服務體系，至上而下層層監督，嚴格規范網貸平臺行為，可以有效地避免系統風險。網貸平臺應該利用互聯網技術，提高自身的信息透明度以加強交易雙方之間的信任。

【參考文獻】

[1] 王保輝.互聯網金融行業內部控制問題研究——基于“e租寶”與“支付寶”的對比[J].財會通訊，2017（35）：116-119，129.

[2] 網貸之家.P2P網貸行業2018年6月月報[EB/OL].http：//www.wdzj.com/news/yc/2690686.html.

[3] 杜永紅，石買紅，史慧敏.大數據環境下P2P網貸平臺的風險評估與防范[J].會計之友，2016（22）：90-92.

[4] 李小龍.互聯網金融的風險及其防范研究[J].時代金融，2017（6）：30-31.

[5] 陳慧宇，孫，譚中明.我國互聯網金融風險分析與防范研究[J].金融經濟，2016（10）：13-15.

[6] 梁晨曦.基于風險控制的小微企業互聯網金融模式創新研究——以P2P網貸平臺為例[J].經濟師，2016（1）：84-85.

[7] 尹麗，羅威.互聯網金融征信發展的模式選擇——基于普惠金融視角[J].會計之友，2016（13）：99-102.

[8] 馮艷麗.基于P2P網絡借貸模式的互聯網金融風險探討[J].商業經濟研究，2015（11）：83-84.

[9] 翟輝，陳霞.互聯網金融企業小額貸款業務會計處理探討——以阿里小微金融為例[J].財會通訊，2016（19）：62-64.

[10] 童文俊.互聯網金融洗錢風險與防范對策研究[J].金融會計，2014（8）：71-76.