我國P2P平臺網貸成功率影響因素的實證分析

秦茜　熊曉煉　熊健益

摘要：以已有研究文獻為基礎，本文進一步定性分析了可能影響我國P2P網絡借貸成功率的因素，并以人人貸平臺交易數據為例，從項目因素、個人因素及其他因素三方面選取了16個變量，運用二元logistic模型進行統計分析。結果表明：標的總額、還款期限、年齡、工作階層、借款人信用等級和借款人成功借款數量均與網絡借貸成功率呈正相關，其中借款人成功借款數量對成功率的影響效果最顯著。

關鍵詞：P2P網絡借貸 成功率 影響因素

一、研究概述

（一）研究背景及意義

P2P網貸平臺自成立以來，就因其門檻低、效益高、投資靈活性及手續簡單等特點，受到廣大投資者及籌資者的喜愛。但P2P網貸平臺的借款成功率普遍太低，逾期現象也較嚴重，讓其天然優勢沒得到很好的發揮。因此本文對P2P網絡借貸成功率的影響因素研究是很有必要的，這對解決P2P行業存在的問題及提高網貸借款成功率有重大的意義，也是對現有的P2P網絡借貸研究的一個有效補充。

（二）國內外研究現狀

1.國外研究現狀。Klafft（2008）發現借款人的信用等級越高，獲得貸款的可能性越大，并且獲得的貸款利率相對更低，違約率也更低。Ceyhan等（2008）認為利率的高低是投資者做出投資決策的重要因素。Puro等（2010）發現在P2P網貸交易中，投資者的投資意愿與借款額度是呈負相關關系的。Ning和Arpita等（2014）發現在簡單的固定利率機制下比在浮動利率競價機制下的交易量更大。

2.國內研究現狀。尤瑞章、張曉霞（2010）發現法律制度、信用體系及計算機技術等因素對P2P的發展影響巨大。王梓淇（2010）發現擁有良好信用的借款人，能從籌資者那獲得數額較大的借款，并且籌資速度也比其他借款者更快，資金更有保障。邱甲賢（2011）認為借款金額與借款結果間是反向影響的關系。陳建中和寧欣（2013）認為借款者的基本信息對借貸結果有著顯著影響。廖理等（2014）認為我國互聯網金融有著地區偏好的歧視現象，也就是地區差異對交易的成功率有影響。

（三）研究方法

由于我國P2P網貸平臺的數據標準并不一樣，因此，本文只選擇了一家在國內比較有代表性的網站——人人貸來進行研究。結合人人貸平臺的考核標準，在項目因素、個人因素及其他因素等方面選取了16個變量進行分析。以人人貸2016年的2025條有效交易數據為樣本，基于二元logistic模型進行按條件向前回歸分析，得出了影響我國P2P網貸平臺成功率的主要因素，并據此提出了相應的建議與措施。

二、P2P網絡借貸的發展現狀

（一）我國P2P網絡借貸的發展現狀

我國的P2P網貸興起于2007年，第一家P2P平臺——拍拍貸成立。據2016年中國網絡借貸行業年報可知，在2010～2012年，我國P2P網貸行業的發展速度較緩;而2013～2015年期間，我國P2P網貸行業得到了快速發展，逐漸在全球范圍內占據了主要地位。截至2016年底，P2P行業中正常運營的平臺數量達到2448家，與2015年底相比減少了985家，呈現出與之前數量大幅度增加截然相反的情況。但成交量卻大幅上升，網貸行業漸漸從“野蠻發展”階段邁向“規范發展”的新階段。①

（二）人人貸平臺的發展現狀

人人貸，全稱為人人貸商務顧問（北京）有限公司，成立于2010年，合規性指數位居行業第一，是我國互聯網金融的領軍企業。經過多年來的發展，人人貸業務已經覆蓋我國30余個省的2000多個地區，服務了約200萬精準用戶。從表1中可看出，人人貸平臺的交易量從2011年的0.39億元增加到2016年的111.89億元，一直保持著穩定的上升趨勢，截至2016年底，人人貸的累計成交額已達到243億元。并且人人貸累計撮合交易達到2724萬次，其中20萬以下的借款占比高達98%，真正實現了小額分散。②

三、我國P2P平臺網貸成功率影響因素分析

（一）網絡借貸影響因素定性分析

目前大部分學者認為影響網貸成功率的因素主要有：借款總額、年利率、還款期限、信用等級、利率機制、借款者的基本信息、社會資本、區域、配套設施建設、工作時間、工作階層、收入狀況、借款用途、成功借款數量等等。

第一，借款總額，即借款者在網貸平臺上所發布的此次希望借到的金額。金額越大，需要的投資者越多，借款成功的概率越低。

第二，年利率，是借款者獲得借款需要付出的成本，也是投資者此次投資獲得的收益。利率越高，投資者的投資意愿越高，但過高的利率往往會加大借款者的違約風險。

第三，還款期限，是借款者用以還清所有借款的時間。期限越長，在相同借款總額下，借款者定期還款的數額越少，壓力越小;但對出借者來說，風險卻越大。

第四，信用等級。等級越高，就意味著借款者違約的可能性越小，而投資者投資的可能性越大，借款成功率就越高。目前人人貸平臺的信用等級從低到高分別為：HR、E、D、C、B、A、AA。

第五，借款者的基本信息，能讓投資者更了解借款者，影響對借款者的信任度，從而影響借款的成功率。

第六，利率機制。大部分投資者都是風險厭惡者，固定利率機制能讓他們獲得穩定的收益，所以其比在浮動利率機制下借貸的成功率更高。

第七，借款者的社會資本、工作時間、工作階層及收入狀況，能讓投資者對借款者的資產狀況有所了解，從而決定是否投資。

第八，區域。在經濟繁榮的地區，投資者和融資者更多，交易更活躍，進而會影響到借款成功率。

第九，配套設施建設。包括法律制度及計算機技術等，在配套設施充分的情況下，借款者的違約成本會增加，違約率會降低，投資者會更愿意投資。

第十，借款用途。投資者會衡量借款用途是否合理，從而在一定程度上也會影響到投資者的決策。

第十一，成功借款數量，即借款者已完成并成功借滿款項的數量。數量更多的借款者會讓投資者更容易信任，更愿意投資。

（二）統計定量分析——以人人貸為例

1.變量設置及數據來源。第一，變量設置。由于一些因素無法進行量化，并結合人人貸平臺上公布的考量因素的綜合考慮之下，本文選取了16個變量進行實證分析，并將其分成三個部分。如表2所示，將離散變量進行重新設置，連續變量則不變。

第二，數據來源。本文采用了人人貸平臺2016年的交易數據共2032條，刪除了個別有缺失的數據，實際分析對象為2025條有效交易數據。此次分析運用SPSS軟件，以項目狀況為因變量。將其量化為流標=0，未流標=1。其中，流標的占88%，未流標的占12%。網貸成功率是指一個項目成功籌集滿資金的概率，也表現為，未流標數與總體樣本數間的比率。

2.選擇二元logistic模型并建模。當研究的問題只有兩種選擇時，如：選擇A或是非A，就可以考慮用二元logistic模型來進行分析。由于本文研究的是網貸成功率，借款成功與否在因變量上體現為流標或未流標，是一個二元變量，因此采用二元logistic模型來進行分析，研究其他諸多變量對成功率的影響方向及影響程度。由于本文的自變量較多，具體采用按條件向前回歸的方法，即逐步添加變量建立模型，直至得到最優模型。

建立模型如下：

其中，P表示“Y=1”的概率，即項目成功的概率;1-P表示“Y=0”的概率，即項目失敗的概率。“P/（1-P）”被稱為“幾率比”或“相對風險”。β0表示常量，β1 到βm表示二元logistic模型的回歸系數，是模型的估計參數。X1到Xm表示自變量。

3.實證分析。第一，相關性檢驗。

第二，回歸分析。本文采用按條件向前回歸的方法，第6個模型為最優模型。具體建立模型如下：

表4中給出了卡方統計量、自由度和相應的P值。其對應的P值均小于0.05，說明該模型整體是顯著的。

表5給出了評價模型整體性擬合優度的統計量。cox & Snell R2和Nagelkerke R2兩個指標從不同角度反映了當前模型中自變量解釋了因變量的變異占因變量總變異的比例，它們的值越接近1，說明擬合度越好。表中cox & Snell R2和Nagelkerke R2的結果分別為0.577和0.937，總體說來，該模型的擬合優度很好。

表6是H-L檢驗表，P值=0.622>0.05，說明該模型能很好地擬合數據。

表7是最終模型的預測結果列聯表。在1336例數據中進行預測，在流標的1089例中，有1079例預測正確，正確率99.1%;在247例未流標的數據中，有234例預測正確，正確率94.7%。總的正確率98.3%。可以看出該模型對于流標和未流標的預測效果都很好。

表8是最終的分析結果，六個指標及常量入選，P值均小于0.05，均是顯著的。最終的擬合方程式為：

4.結果分析。本文通過二元logistic回歸模型對我國P2P網貸成功率影響因素進行分析，從得到的研究結果中可以知道：標的總額、還款期限、年齡、工作階層、借款人信用等級及借款人成功借款數量等變量均與P2P網貸成功率呈正相關，并具體可以得到以下結論。

借款人成功借款數量對P2P網貸成功率影響最大。其與網貸成功率的正相關系數達到5.276，是影響網貸成功率的最主要的因素。這是羊群效應的表現，投資者會很容易受到前期投資者的影響，認為既然有投資者愿意借款給該借款者，且該借款者也按時還款付息，證明該借款者在這個市場里面擁有合格的信用，值得投資。

借款人信用等級和工作階層對P2P網貸成功率影響較大。其與網貸成功率的正相關系數分別為0.987、0.937。借款人信用等級越高，信息不對稱程度越低，借款者的違約率越小，而投資者所承擔的風險也越小，越愿意投資。并且工薪階層的工資水平普遍不高，還款能力得不到保障，相比之下，投資者會更愿意投資給私營企業主。

年齡和還款期限對P2P網貸成功率影響較小。其與網貸成功率的正相關系數分別為0.116、0.135。經濟實力一般會隨著年齡的增大而有所變強，年齡大的人的還款能力一般更強，投資者會更愿意投資。并且還款期限越長，借款越容易成功。這主要由于項目的還款期限是3到36個月之間，期限均不是很長，再加上利率因素的綜合作用下，投資者更青睞于期限較長的項目。

標的總額對P2P網貸成功率影響最小。其與網貸成功率的正相關系數僅為0.001。這主要因為，投資者認為借款需求大的借款者的還款能力一般都較強，會更愿意投資。但標的總額越大，意味著需要的投資者也越多，越難聚集。綜合作用之下，標的總額對網貸成功率的影響并不大。

四、政策建議

（一）完善信息披露制度，健全征信系統

為了保護投資者的合法權益，促進市場的良性競爭，對P2P網貸的信息披露要求是不容忽視的。本文通過研究也表明：借款人成功借款數量、信用等級及工作階層等信息對借貸成功率有著至關重要的影響。監管部門應要求網貸平臺嚴格審查借款者的相關信息，并對其中的關鍵內容，應及時、完整、無誤地告知投資者。并且政府應加大對征信體系的建設，完善信用評級，提高風險的可控性，降低逾期和壞賬的發生。

（二）提供適合的借貸項目

通過本文的研究可知，還款期限（3到36個月之間）越長的項目越容易成功，而標的總額對成功率的影響很小。網貸平臺可適當的多提供一些還款期限較長的項目，借款總額則讓借款者根據自身情況而定。這樣一來，既能減輕借款者的還款壓力，又能為投資者提供長期穩定的投資收益，能更好地促成項目的成功。

（三）發展特定的目標客戶群

P2P網貸由于具有門檻低、效率高的特征，獲得了廣大小微企業的青睞，并且他們的融資需求遠遠超過普通個人的借款需求。本文也證實了私營企業主比工薪階層的借款者更容易獲得投資。網貸平臺可以創造一些優惠條件，如優先滿足企業融資、減少中介服務費用等，以吸引更多的私營企業主，重點發展這部分的目標客戶群，但也要關注優質的工薪階層的借款客戶，提高項目運作效率。

（四）重視信息認證

我國各家P2P平臺衡量的標準不一致，借款者認證的自身信息也就不一致。但對網貸成功率有重要影響的信息，如標的總額、還款期限、年齡、工作階層、借款人信用等級、借款人成功借款數量等，各借款者應該充分重視它們的認證，積極主動地將這些信息公開，提高借貸的效率，促進P2P網貸的發展。

（五）按時還款付息

通過本文的研究可知，借款人成功借款數量是影響網貸成功率的最主要因素。借款者在P2P平臺獲得一筆借款后，就應該按時還款付息，增加自己的成功借款數量，同時也能提高自己的信用等級，為以后的再借款打下良好的基礎。否則造成逾期還款，將降低投資者的信任度，增加了再次借款的難度。

注釋：

①數據來源：2016年中國網絡借貸行業年報[R].網貸之家，2016 .

②數據來源：人人貸.2016年年度報告[R].北京：人人貸，2016.

參考文獻：

[1]Klafft M.Peer to peer lending：auctioning microcredits over the internet[C].Proceedings of the International Conference on Information Systems，Technology and Management，A.Agarwal，R.Khurana，eds，IMF，Dubai.2008.

[2]Simla Ceyhan，Shi Xiaolin，Jure Leskover.Dynamics of Bidding in P2P Lending Service：Effects of Herding and Predicting Loan Success[C].Proceeding of the 20th international conference on World Wide Web，2011.

[3]Puro L，Teich J E，Wallenius H，et al.Borrower Decision Aid for people-to-people? ? ?lending[J].Decision Support Systems，2010，49（1）.

[4]Ning Ceng，Arpita Ghosh，Nicolas S.Lambert.Auctions for social lending：A theoretical analysis[J].Games and Economic Behavior，2014（8）.

[5]尤瑞章，張曉霞.P2P在線借貸的中外比較分析——兼論對我國的啟示[J].金融發展評論，2010（3）.

[6]王梓淇，P2P網絡借貸平臺探析[J].時代金融，2012（3）.

[7]邱甲賢，張國生.P2P在線借貸平臺信用體系對借款績效的影響[R]，2011.

[8]陳建中，寧欣.P2P網絡借貸中個人信息借貸成功率影響的實證研究——以人人貸為例[J].財務與金融.2013（6）.

[9]尉麗婷.P2P網絡融資中借款能力的影響因素研究[J].時代經貿，2013（14）.

[10]廖理，李夢然，王正位.中國互聯網金融的地域歧視研究[J].數量經濟技術經濟研究，2014（5）.

[11]宋晨.P2P網絡借貸影響因素的實證研究[D].江蘇：揚州大學，2014.

[12]李鈞.中國P2P借貸服務行業白皮書[M].北京：中國經濟出版社，2015.