我國網(wǎng)貸平臺成交量影響因素的聚類分析

馬 瑞

(順德職業(yè)技術學院商學院，廣東 順德 528300)

網(wǎng)絡借貸相對傳統(tǒng)融資方式而言，其交易門檻低、審核簡單快捷、資金到賬迅速，對于那些資質一般，又急需資金的交易者而言，不啻為一種便捷的融資方式。據(jù)網(wǎng)貸之家統(tǒng)計，截止2018年底，網(wǎng)絡借貸行業(yè)累計成交量達到8.03萬億，行業(yè)全年成交量達到16897.85億元。相較去年，減少了39.75%。網(wǎng)貸行業(yè)因準入門檻過低，在發(fā)展初期行業(yè)監(jiān)管出現(xiàn)真空，導致其運營風險不斷累積，2018年網(wǎng)貸行業(yè)“雷聲滾滾”，加之年初國家互金整治辦提出兩個“三降”要求，大量網(wǎng)貸平臺風險集中釋放，停業(yè)或跑路平臺不斷涌現(xiàn)。據(jù)統(tǒng)計，2018年底，P2P網(wǎng)絡借貸行業(yè)中正常運營平臺數(shù)量減少至1021家，相比上一年減少了910家，累計停業(yè)轉型與問題平臺數(shù)量達到平臺數(shù)量的83%。網(wǎng)絡問題平臺的不斷涌現(xiàn)，不僅使投資者損失慘重，而且直接影響了參與者的行業(yè)信心度，在“劣幣驅良幣”效應影響下，也加大了優(yōu)質網(wǎng)絡借貸平臺的生存壓力。在網(wǎng)貸雷潮風波過后，投資者參與網(wǎng)貸行業(yè)的主要影響因素是什么、影響方向如何，這些不僅關系到網(wǎng)貸平臺的生存與發(fā)展，也是整個網(wǎng)貸行業(yè)治理整頓時需要重點考量的問題。

一 相關文獻綜述

隨著互聯(lián)網(wǎng)金融業(yè)的蓬勃發(fā)展，P2P網(wǎng)絡借貸問題的研究一直備受業(yè)內學者的關注。投資者在進行網(wǎng)貸平臺選擇時，考慮其是否合法、可靠擺在首位，因此投資者與借款人的信息不對稱問題就轉化為投資者與網(wǎng)貸平臺的信息不對稱問題。國內外學者對此的研究也主要側重于網(wǎng)貸平臺特征及運營風險，以及借款人或投資者與平臺之間的關系。Berger等(2009)研究發(fā)現(xiàn)，網(wǎng)貸平臺服務降低了信息不對稱行為的發(fā)生，并使借款人的借貸條件大大得以改善[1]。借款人信用等級與借款違約率之間的關系得到了Lin等(2013)的進一步驗證，即信用等級越低，違約率將越高[2]。Puro等(2010)論證了網(wǎng)絡借貸成功的主要影響因素是借款人信用、負債比以及往期逾期等[3]。Herzenstein等(2011)認為，美國Prosper平臺的借款成功率與借款人信用之間存在一定的正向關系[4]。葉青等(2016)指出，通過觀察網(wǎng)貸平臺利率水平、平臺實力、標的類型、風控能力等，可以識別問題平臺，并基于此構建了問題平臺識別模型[5]。郭海鳳等(2015)通過實證分析得出影響P2P網(wǎng)貸平臺綜合實力的重要因素，一是盈利性，二是安全性，并建立了對網(wǎng)貸平臺的綜合評價體系[6]。陳霄等(2013)通過實證分析，得出借款人信用、借款標的、個人特征等顯著影響網(wǎng)貸平臺借款風險，應考慮建立網(wǎng)貸平臺風險監(jiān)控機制及管理體系[7]。尹鈞惠等(2016)構建了我國P2P網(wǎng)貸平臺內部風險評價指標體系，通過測評排名，作為投資者選擇平臺的參考[8]。王剛貞(2016)基于網(wǎng)貸投資人視角，構建了網(wǎng)貸平臺成交規(guī)模影響因素的動態(tài)面板模型，并實證分析了影響P2P網(wǎng)貸平臺成交規(guī)模的主要因素，包括平臺以往的成交量、收入、人才值、透明度和資金分散度等[9]。

本文基于我國不同股東背景的網(wǎng)貸平臺角度，實證分析網(wǎng)貸平臺成交量的主要影響因素，在選取具體影響因素指標時，參考當前國內學者研究的主流思路，一是成交訂單類指標，二是平臺類信息指標，并通過引入股東背景的個體因素，分析網(wǎng)貸平臺問題，豐富同類研究成果。

二 研究方法與模型

(一)研究方法

為了清晰全面地反映我國P2P網(wǎng)貸平臺的成交量情況，本文選取了2014年1月—2017年12月所有的網(wǎng)貸平臺的基礎性數(shù)據(jù)進行分析，刪除了沒有基本數(shù)據(jù)的平臺。數(shù)據(jù)來源于網(wǎng)貸之家網(wǎng)站及CEIC經(jīng)濟數(shù)據(jù)庫。研究方法一是基于網(wǎng)貸平臺的聚類分析。對市場上眾多的網(wǎng)貸平臺進行聚類整理，按照股東背景的不同進行聚類，分為民營系、銀行系、上市公司系、國資系和風投系網(wǎng)貸平臺。二是影響各聚類網(wǎng)貸平臺成交量的回歸分析。分析在不同股東背景的個體差異中，網(wǎng)貸平臺成交量的可能影響因素。統(tǒng)計檢驗均由Stata14.0軟件完成。表1表示網(wǎng)貸平臺成交量的影響因素以及基本說明。

表1 變量定義

(二)模型構建

分析聚類之間的差異性，個體效應模型(即固定效應模型，F(xiàn)EM)是最好的估計方法之一。為此，假設存在“個體效應”，即引入模型①：

①

logvolumei,t=β0+β1logarrearagei,t+β2termi,t+β3yieldi,t+β4logNinvestori,t+β5quantityi,t+β6Tclosedi,t+Diδ+εit

其中：Di是虛擬變量，代表不同股東背景的個體平臺，βi為回歸系數(shù)，i代表第i個網(wǎng)貸平臺，t指每個年度對應的月份，εi,t代表殘差項。由于成交量、待償余額、凈投資者取值較高，故對其進行對數(shù)處理。

三 實證結果與分析

(一)描述性統(tǒng)計

表2顯示了全部變量的描述性統(tǒng)計結果。可以看出，由于網(wǎng)貸平臺股東背景的個體差異，其成交量、待償余額等變量差異性較大，標準差都較大。從平臺總量與累計關閉的平臺數(shù)目來看，銀行系平臺較為穩(wěn)定，最少有3家，最多時也只有16家，而變化較大的主要是民營系網(wǎng)貸平臺，最多時達到3204家，累計關閉的平臺數(shù)量也有3983家。平臺的平均借款期限為10.37個月，最少為2個多月，最高為30多個月。從平臺平均收益率水平來看，達到10.34%，相對比較穩(wěn)定，標準差為3.31。銀行系平臺提供的收益率普遍偏低，最低為5.33%；民營系平臺收益率均偏高，最高達到23.03%。

表3顯示所有變量之間的相關系數(shù)、顯著性水平以及共線性統(tǒng)計量。網(wǎng)貸平臺成交量與其待償余額的相關系數(shù)為0.9671，顯著性水平為1%，兩個變量之間高度相關。從共線性統(tǒng)計量容差及方差膨脹因子的結果可以看出，六個解釋變量對被解釋變量的容差值均大于0.1，并且方差膨脹因子(VIF值)均小于10，表明各變量之間不存在嚴重共線性問題。

注：1.表中系數(shù)為變量間pearson相關系數(shù)；2.***、**、*分別表示1%、5%、10%的顯著性水平。

(二)平穩(wěn)性檢驗

1.單位根檢驗

表4 變量的單位根檢驗

注：是一階差分，括號當中的數(shù)字是對應統(tǒng)計量在5%置信水平下的p值，小于5%，拒絕原假設，說明變量平穩(wěn)，大于5%說明變量非平穩(wěn)。

運用LLC檢驗與Fisher-ADF檢驗對數(shù)據(jù)平穩(wěn)性進行檢驗，結果如表4所示，quantity、arrearage、yield數(shù)據(jù)序列拒絕了原假設，通過了兩種檢驗，說明這三個變量均為平穩(wěn)變量。volume、ninvestor、tclosed、term變量均未通過，故對數(shù)據(jù)序列進行一階差分，得到一階差分序列，并顯著通過了兩種檢驗方法，說明它們的一階差分序列都是平穩(wěn)的，是一階單整序列。

2.協(xié)整檢驗

由表5可知，Kao與Pedroni統(tǒng)計值均通過檢驗，檢驗統(tǒng)計量結果一致，說明變量之間具有協(xié)整關系。從協(xié)整檢驗結果可以看出，變量之間存在一個長期關系。也就是說在長期，網(wǎng)貸平臺的成交量與諸變量之間存在穩(wěn)定的均衡關系，這些因素可影響網(wǎng)貸平臺成交量的規(guī)模。

表5 變量的協(xié)整檢驗

注：*表示在5%的顯著性水平下拒絕原假設而接受備擇假設。

表6 影響因素回歸結果

注：***、**、*分別表示1%、5%、10%的顯著性水平；括號內為回歸系數(shù)t值。

(三)影響因素的實證分析

將股東背景設定為五個虛擬變量，運用LSDV法與FE兩類模型進行考察，表6列示了LSDV與FE兩類模型實證結果。可以看出，網(wǎng)貸平臺的個體效應較為顯著，不同股東背景的P2P網(wǎng)貸平臺都會影響成交情況，民營系網(wǎng)貸平臺的影響最大，達到α1=4.289，其他四類背景平臺的影響有所減弱，分別達到銀行系α2=3.904、上市公司系α3=3.998、風投系α4=3.824、國資系α5=4.054。說明不同股東背景下的P2P網(wǎng)貸平臺成交量存在一定的個體效應。通過FE模型可以看出，所有聚類網(wǎng)貸平臺成交量的正向影響因素包括平臺待償余額、凈投資者人數(shù)，以及累計停業(yè)平臺數(shù)，影響系數(shù)為0.631、0.352、0.005，均通過1%顯著性水平檢驗，說明某聚類的網(wǎng)貸平臺待償余額越多、凈投資者越多，則該聚類平臺的成交規(guī)模越大。聚類平臺的累計停業(yè)平臺數(shù)每增加一個，平臺成交量將上升0.5%。說明投資者在選擇平臺時，一方面注意平臺的規(guī)模及人氣，另一方面也關注不同類別平臺的總體治理整頓情況。網(wǎng)貸平臺成交量的負向影響因素包括平臺借款期限、綜合收益率水平以及平臺數(shù)量，均通過10%水平顯著性檢驗。其中前兩者的相關系數(shù)分別達到-0.329、-1.574，說明網(wǎng)貸平臺平均借款期限是投資者選擇時考慮的重點之一，投資時間越長，投資的人群越少，這也符合風險不確定性因素影響。此外，網(wǎng)貸平臺收益率越高時不一定能吸引更多的投資者，投資者在選擇平臺時，還有其他因素考慮，如平臺數(shù)量、人氣、標的時間等。

在混合回歸與固定效應模型選擇中，進行F統(tǒng)計量檢驗，F(xiàn)檢驗的p值為0.0671，即認為FE明顯優(yōu)于混合回歸，rho=0.28，即股東背景的個體效應波動占總波動的比重達到28%。

四 結論與建議

本文基于網(wǎng)貸平臺股東背景的角度，以投資者的視角為嵌入點，選取了2014—2017年我國網(wǎng)貸平臺數(shù)據(jù)進行了固定效應模型分析，以探究網(wǎng)貸平臺成交量的影響機理。主要研究結論與政策含義如下：

(1)網(wǎng)貸平臺的成交量存在著一定的個體效應，即不同股東背景的聚類。影響所有聚類網(wǎng)貸平臺成交規(guī)模的因素是平臺待償還余額，呈顯著正相關；其次，凈投資者數(shù)量及累計停業(yè)平臺數(shù)量也正向影響絕大多數(shù)平臺的成交量。平臺借款期限、綜合收益率水平以及平臺數(shù)量顯著負向影響網(wǎng)貸平臺的成交量。由此可看出，投資者在考慮投資選擇時，除了考慮收益問題，風險及期限問題也是其關注的重點。(2)對于網(wǎng)貸平臺管理者而言，要提高P2P產品銷售，應該提高風險防控水平，打破互聯(lián)網(wǎng)虛擬空間的限制，提高平臺信息透明度。可以通過與第三方評級機構的正面合作，將平臺的風控及項目收益風險等情況真實地反映給投資者，樹立平臺良好的口碑及品牌意識，吸引更多的投資者參與平臺交易；另一方面，強化平臺的風險防控機制，建立可信的第三方存管機制，嚴格分離資金的存管權與使用權，杜絕平臺卷款跑路情況的發(fā)生。最后，優(yōu)化平臺投資項目，嚴格審核資金借款人的信息，保障出借人的合法權益；提高平臺資金的分散度，創(chuàng)新更多的市場理財產品，吸引投資者，增加平臺的成交額。