網貸市場利率與成交量關系研究
——基于不同監管時期數據的實證分析

唐 勇，朱鵬飛

(1．福州大學經濟與管理學院，福建 福州 350116；2．金融數學福建省高校重點實驗室(莆田學院)，福建 莆田 351100；3．福建省金融科技創新重點實驗室，福建 福州 350116)

1 引言

在全球信息技術爆發式發展的大背景下，伴隨著我國社會財富的不斷增長，憑借著互聯網產業發展的人口紅利，互聯網金融在中國得到了蓬勃發展。作為最能體現互聯網金融精神的P2P網絡借貸市場，發展尤為迅速。但網貸市場風險事件頻發，泛亞有色金屬交易所、“e租寶”等“黑天鵝”事件造成了惡劣的社會影響，以“現金貸”為主的部分互聯網金融業務更是社會各界口誅筆伐的對象。

數據基礎和外部監管是P2P網絡借貸持續發展的前提條件[1]，面對混亂的互聯網金融市場，我國監管當局在2016年掀起了整治風暴，其中2016年10月13日國務院印發《互聯網金融風險專項整治工作實施方案》的舉動影響最為深遠，是對互聯網金融風險專項整治工作的全面部署安排，互聯網金融也迎來了全面監管時代。

量價關系一直都是理解金融市場復雜性的關鍵，價格變化是市場對新信息的反應，成交量變化則反映了投資者對新信息的認知差異，對兩者關系的研究將會揭示收益、風險和信息行為之間的相互關系[2]。本文通過對不同監管時期網貸價格(利率)和成交量關系的研究，將會為利益相關者提供深入洞察網貸市場的全新視角，拓寬網貸市場復雜性討論的范疇。

無論在國內還是國外，網貸市場一直都是學術界關注的焦點，一部分學者關注網貸投資決策和利率的影響因素，例如：Xu Yun等[3]探討社會資本因素對中美兩國網貸平臺利率的影響，結果表明社會資本因素僅在美國起顯著作用。Yan Yuwei等[4]基于中國P2P平臺，探究投資者的決策影響因素，結果表明平臺的財務和信用狀況是關鍵因素。Yoon等[5]基于中國P2P網貸平臺，探究了影響平臺違約風險的影響因素，結果表明平臺競爭激烈程度、風險管理措施等都會影響平臺違約風險。周正龍等[6]設計了關于隨機借貸需求且考慮了貸款人額外借款需求的兩階段拍賣機制，結果表明該模式契合了借款人和投資者實際需求。

另外一部分學者關注網貸投資行為特征，例如：Herzenstein等[7]證明了美國網貸平臺“繁榮”(Prosper)存在戰略性羊群行為，且該行為有利于借款人。廖理等[8]發現市場中的投資者具有一定理性，能夠借助公開信息識別相同利率背后所包含的不同違約風險。Zhang Ke和Chen Xiaoxue[9]實證證明貸款人存在從眾行為，且市場中存在理性和非理性羊群行為。Tao Qizhi等[10]利用拍拍貸平臺數據，發現那些收入較高或擁有汽車的借款人更有可能獲得貸款，支付更低的利率，并不易違約。

也有學者關注平臺的風險管理領域，例如：Mild[11]提出了決策支持工具，以便投資者對違約風險進行估計，后驗分析表明該工具可對違約風險進行充分定價，顯著提高投資者收益率。Lin Xuchen等[12]提出了一個量化每個P2P貸款違約風險的信用風險評估模型，實證結果顯示，性別、年齡、婚姻狀況等對貸款違約有顯著影響。蔣翠清等[13]提出了融入軟信息的網絡借貸違約預測方法，結果表明該方法可提高預測精確度。楊立等[14]建立信息不對稱理論模型，探究相關機制和作用條件，為未來利用社交網絡進行風險控制提供了理論依據。Ma Lin等[15]基于AdaBoost算法，對P2P借貸的違約風險進行預測，實證結果證明該方法具有良好的應用潛力。

以上研究主要是基于微觀個體平臺視角，但網貸市場平臺多達數千家，基于個別平臺開展的研究缺乏代表性，其結論可靠性存在著一定爭議[16]。此外，監管政策對金融市場具有舉足輕重的影響甚至會改變市場發展的方向，但是以上研究卻并沒有將政府的宏觀政策因素納入考量。

部分學者從宏觀視角出發，把網貸市場看做整體，基于網貸市場的綜合利率開展研究，例如：陳霄和葉德珠[16]利用GARCH族模型研究網貸市場波動特征，結果表明網貸的波動具有聚集和反轉效應以及寬尾的特征，并且杠桿效應并不顯著。何啟志和彭明生[17]基于多元GARCH模型對網貸利率的溢出效應進行了研究，結果表明Shibor對網貸市場存在著單向的波動溢出，而網貸市場和國債市場彼此并不存在波動溢出。韋起和魏云捷[18]基于Markov-vine-copula模型，對網貸市場與金融機構的風險溢出進行研究，結果表明網貸市場對商業銀行的風險傳染效應最為顯著。

考慮到價格和成交量的交互關系是理解信息傳播模式和市場波動特性的關鍵[19-22]，以上研究卻忽略了對量價關系的研究。再則，大部分研究都是基于“線性、正態”的有效市場理論與方法，但是大量的已有文獻已經表明金融市場不僅存在著非線性特征，而且存在著多時間標度和多重分形特征[19]，然以往網貸市場研究并沒有涉及這些復雜特征。此外， 2016年被稱為互聯網金融的“監管元年”，野蠻生長了十余年的網貸市場終于引來了全面監管時代，那么網貸市場的復雜特性在全面監管時期是否和以往時期存在著差異呢？當前鮮有學者關注到該問題。

針對以往研究的不足，本文的創新點和貢獻主要在于：(1)有別于以往研究，本文基于宏觀視角，對借貸平均綜合利率和成交量的關系進行探究，既避免基于微觀個體平臺視角的局限性，又豐富了網貸市場復雜性相關問題的探討范疇。(2)擺脫了線性、正態研究框架的束縛，將網貸市場利率與成交量的關聯研究置于非線性、多時間標度的分形框架中，通過對量價間復雜關系特征的準確刻畫和描述，揭示了網貸市場的復雜運行機制和規律。(3)本文通過對不同監管時期網貸市場量價關系的研究，不僅系統地回答了“監管元年”前后網貸市場量價關系變化問題，而且借助量價關系的演變對我國網貸市場監管政策效果進行探討，為市場監管者提供全新的視角。以上的研究尚未有學者涉及到。

2 研究方法

2.1 DCCA系數法

Zebende[23]提出了DCCA系數法(Detrended Cross-Correlation Analysis Cross-correlation Coefficient)，相較以往方法而言，其具有量化兩個非平穩時間序列在不同時間標度上非線性關系的優勢。設兩個時間序列分別為{xk}和{yk}，k=1,2,…N，N為序列的長度。步驟如下：

第一步，計算兩個原始序列的累積離差序列：

(1)

第二步，將序列{xx(t)}和{yy(t)}分割成標度為s的Ns=int(N/s)(表示取整數)個互不重疊的子區間。為了充分運用整個序列的全部數據信息，從尾到頭再重復該過程，得到2Ns個分割區間。

(2)

第四步，計算總體的協方差函數：

(3)

第五步，計算ρDCCA(s)，如下：

(4)

其中若當{xk}={yk}時，公式(3)可得Fx;DFA(s)和Fy;DFA(s)。DCCA系數法的取值范圍為-1≤ρDCCA(s)≤1。

2.2 基于時間延遲的DCCA方法

傳統的線性Granger和非線性Granger因果關系只能夠判斷兩個序列是否為Granger因果關系，無法將一個變量對另外一個變量的具體影響程度量化。而Lin Aijing等[24]提出的基于時間延遲的DCCA方法(Detrended Cross-Correlation Analysis based on Time-Delay)不僅可以度量兩個非平穩時間序列間的非線性因果關系，還可以將影響程度的多少具體量化，克服了以往因果關系研究方法的缺陷[25]，具體步驟如下：

第一步，假設存在兩個時間序列分別為{x(t)}和{y(t)}，令{y(t)}滯后ΔT變為{y(t+ΔT)}，從而構建全新的時間序列：

(5)

(6)

第二步到第四步同DCCA系數法，在此不再贅述，從第五步開始介紹：

第五步，如果{x(t)}和{y(t+ΔT)}之間存在冪律相關性，則滿足如下的關系：

Fxy(s)～sHurstxy

(7)

Hurstxy指數可以檢驗時間序列之間的冪律關系，當利率(成交量)滯后時，Hurstxy指數測度的是成交量(利率)對其不同滯后期的影響。當Hurstxy=0.5，兩個序列不相關，服從隨機游走過程，市場處于有效狀態；當Hurstxy>0.5時，兩個序列具有持久性，表現為長記憶性過程；當0

(8)

2.3 MF-DCCA方法

Zhou Weixing[26]提出的多重分形消除趨勢交叉相關分析方法(Multifractal Detrended Cross-Correlation Analysis，簡稱為MF-DCCA方法)主要用于研究兩個非平穩時間序列的交叉相關性及多重分形特征。設兩個時間序列分別為{xk}和{yk}，k=1,2,…N，N為序列的長度。由于第一步到第三步同DCCA系數法相同，在此不再贅述，從第四步開始介紹：

第四步，計算q階波動函數：

(9)

第五步，如果冪律相關性存在，則標度關系滿足如下條件：

Fxy(q,s)～shxy(q)

(10)

q=2時，MF-DCCA方法轉變為DCCA方法。當hxy(q)獨立于q階為常數時，則序列為單分形，當hxy(q)依賴q階時，則序列為多重分形，具有多重分形特征。當兩個時間序列相同時即{xk}={yk}，MF-DCCA方法轉變為多重分形消除趨勢波動分析方法(Multifractal Detrended Fluctuation Analysis，簡稱為MF-DFA方法)，故不對MF-DFA方法單獨進行介紹。

為了量化交叉相關性的多重分形程度，根據文獻[27]，定義Δh如下：

Δh=hmax(q)-hmin(q)

(11)

Δh可以定量表征市場間的波動強度和行為，不僅能夠衡量兩個序列相關性的多重分形程度，也可以度量兩個時間序列之間的交叉市場風險[27]。若Δh越大，則意味著多重分形強度越大，交叉市場風險也就越強，并且風險在市場間的傳染強度也在不斷加劇中[25]。量價關系作為理解市場動力學機制的關鍵[2]，其交叉市場風險較單一序列而言，更為準確地反映市場的真實波動特征和風險情況。

Rizvi和Arshad[28]認為多重分形研究方法是檢驗市場有效性水平最好的方法。因此設q階步長為t，基于MF-DCCA方法的有效性度量模型如下：

DME

(12)

該模型綜合考慮了不同幅度波動的情況，全面反映了市場的效率水平。DME越接近于0，則有效性即市場效率水平越高；DME越大，則有效性即市場效率越低[28]。

3 實證分析

3.1 數據選取與描述

本文使用中國P2P網貸指數的借貸平均綜合利率和總成交量作為研究對象，該指數基本囊括了全國所有的P2P網貸平臺，能夠全面反映P2P網貸綜合變化情況，具有代表性和權威性。選取的樣本范圍從2015年5月13日到2018年1月3日，各包含967個日度數據。數據來源于第一網貸網站。

2016年被稱為是互聯網金融“監管元年”，以2016年10月13日國務院印發《互聯網金融風險專項整治工作實施方案》出臺為界，將樣本區間劃分為兩個時期：左側樣本區間稱為寬監管期，從2015年5月13日到2016年10月12日，包含了519個數據。右側樣本區間稱為嚴監管期，從2016年10月13日到2018年1月3日，包含了448個數據。利率和成交量走勢見圖1～2，其中圖中豎線左側為寬監管期，右側為嚴監管期。

由圖1～2可知，在寬監管期網貸市場的利率整體處于下降趨勢，成交量呈現出明顯的上漲趨勢。而在嚴監管期網貸市場的利率和成交量整體變動無明顯上漲或下跌趨勢。其中，在寬監管期2015年12月到2016年4月份期間市場出現了異常現象，網貸利率有所回升，成交量也明顯降低。這主要是由于該階段“e租寶”、“中晉資產管理”等事件爆發，造成了惡劣的社會影響，導致投資者市場參與度明顯降低，大部分平臺不得不提高利率吸引投資者加入。

對兩個時期的利率和成交量序列進行ADF單位根檢驗，檢驗結果均為不平穩。但是考慮到本文所使用的分形研究方法，能夠度量兩個非平穩時間序列間非線性、多時間標度的關系，因此參照文獻[20-21]，對利率和成交量序列直接開展研究，而不采用對數差分處理。

圖1 利率走勢圖

圖2 成交量走勢圖

3.2 交叉相關性水平分析

網貸市場的利率與成交量是否存在著關聯？如果是，那么兩者之間的相關性水平如何，在不同的時期是否存在著差異？本節將利用DCCA系數法，對網貸市場利率和成交量的交叉相關性水平進行檢驗和分析，回答以上的問題。本文選擇標度s的范圍為10～N/3(全文同)，根據公式(4)，得到圖3和圖4，如下：

圖3 寬監管期的ρDCCA(s)～s圖

圖4 嚴監管期的ρDCCA(s)～s圖

如圖3～4所示，無論是在寬監管期還是嚴監管期，網貸利率與成交量均存在著一定的關聯，且在不同時間標度上這種關聯度表現具有明顯差異。此結果說明網貸利率與成交量之間的關系不僅存在著非線性還存在著多時間標度特征。

無論在哪個時期，隨著時間標度的增加，利率與成交量的交叉相關性水平呈現出遞減趨勢，兩者在短期上表現出較強的關聯度，而在長期上表現較弱。在短期標度s=10～30范圍內兩者的交叉相關性水平高于0.5，具有較高的關聯性。但是隨著標度的逐步增加，交叉相關性水平逐步降低，尤其是在寬監管期，s=100以后，兩者的關系一直保持在0.1～0.2的低水平區域。此現象可能原因如下：P2P作為“長尾市場”，主要是為中小微企業和普通大眾投資者提供資金融通的場所[16]，這樣的組織結構中投資者往往具有“動物精神”，短期行為受到“價格-價格”反饋機制的影響[29]，容易出現類似非理性羊群行為等趨同現象，因此利率與成交量的關聯性較強；外生事件通過信息傳播機制引起利率變動，此時成交量的變動揭示了投資者處理信息的差異[2]。面對長期信息的沖擊，投資者有更多時間思考和判斷[25]，利率因素在長期投資決策過程中僅是眾多參考指標之一，尤其是在寬監管期，投資者對信息的理解和處理分歧加重，對網貸的未來質疑較多，因此利率與成交量的長期關聯性相對較弱。

同時，兩個時期的交叉相關性水平存在著明顯差異。相比較寬監管期而言，嚴監管期雖然在短期標度上交叉相關性水平走勢相近，但是在中長期標度上差異明顯，交叉相關性水平明顯高于寬監管期，在中期標度s=50～60和長期標度s=100～120上依然保持在0.5以上的高聯動水平。隨著我國網貸市場迎來了全面監管時代，一系列配套的辦法和指引隨之出臺，在我國網貸市場上逐步形成了“1+3”監管制度體系，讓投資者做到有法可依，有律可循。隨著網貸市場的逐步成熟和完善，參與者心理也從“賭徒”心理逐步趨于理性，對網貸市場的未來發展判斷逐步達成一致，表現為對中長期信息判斷和處理的分歧減少，投資者的行為也從短期向中長期轉變。

3.3 傳導方向分析

我國網貸平臺允許借款人在一定利率限制范圍內自行確定借款利率[8]。成交量被認為是衡量金融市場質量和精確信息的代理指標[22]，雖然投資者并不能直接參與到利率決定過程中，但是卻并不處于完全被動地位，可以“用腳投票”，通過成交量反映利率定價是否合理。而投資者行為又反過來影響到借款人的定價，為了能夠順利籌集資金，防止流標，必然受到以往成交量影響，改善原來不合理的利率。那么在兩者交叉相關過程中，傳導路徑和主導者為何許呢，不同監管時期兩者又有何差異呢？

在此，將利用基于時間延遲的DCCA方法，對利率和成交量在不同時期的傳導路徑和何者為主導者問題進行分析，選擇ΔT范圍從1～60天(網貸市場周末依然有交易，故該滯后期代表依次延遲一天到2個月)，根據公式(7)～(8)，得到圖5～7，如下：

由圖5～6可知，無論是寬監管期還是嚴監管期，利率滯后和成交量滯后的Hurst指數均大于0.5，這說明無論是何者滯后，市場間的交互關系均表現為長記憶性，彼此間都受到對方過去信息的影響。因此，利率與成交量之間的傳導方向是雙向的，彼此相互溢出。

圖5 利率滯后的Hurstxy～ΔT圖

圖6 成交量滯后的Hurstxy～ΔT圖

圖7 不同時間標度滯后的圖

3.4 市場風險和市場有效性分析

網貸市場的利率與成交量之間的風險狀況如何，在不同時期表現是否具有何種差異？再者，對市場效率的研究一直是學術界關注的焦點，量價之間的效率更是反映一個市場整體效率水平的重要指標，那么網貸市場的效率水平如何，在不同時期是否存在著差異？

鑒于以上問題，本文在此基于MF-DCCA方法，對網貸市場不同時期的利率和成交量之間的市場風險和有效性水平進行檢驗和分析，選擇q階取值范圍為-10～10，步長為2，根據公式(10)，計算得到圖8～9，如下：

圖8 寬監管期h(q)～q圖

圖9 嚴監管期h(q)～q圖

由上圖可知，無論是寬監管期還是嚴監管期，利率、成交量及量價之間的h(q)與q階表現為非線性的相依關系，因此，各個序列以及序列之間均存在著多重分形特征。以往學者認為如果存在多重分形特征，傳統模型和單分形模型將難以準確刻畫市場復雜性[19]，這也證明了本文使用MF-DCCA方法研究網貸市場風險和有效性的合理性和可行性。接著對網貸市場的風險和有效性水平進行檢驗和分析，根據公式(11)～(12)，得到表1，如下：

表1 不同監管時期的Δh和DME

注：Δh越大，則風險越大，反之，則越小；DME越大，則有效性水平越弱，市場效率水平越低，反之則有效性水平越小。

根據表1，進行市場風險和有效性分析，如下：

市場風險分析如下：(1)嚴監管期網貸市場利率、量價(利率與成交量)之間的市場風險都比寬監管期有明顯的下降，說明我國網貸市場整體環境得到改善，網貸行業風險逐步釋放。實際上嚴監管期諸如“e租寶”、“泛亞”等大型平臺倒閉事件鮮有發生，行業風險主要集中在中小平臺。同時， 2017年12月央行聯合銀監會對廣為詬病的“現金貸”業務進行全面清理和整治。以上有效的監管政策無疑將會大幅降低網貸市場的風險。(2)成交量的市場風險卻并沒有得到改善反而稍有惡化，此現象與投資者行為特征有關。雖然我國監管當局正在大力整頓網貸市場并取得了良好效果，投資者人數和成交量不斷上升，但是由于以往大量關于網貸市場的負面新聞對于國民的注意力產生了累計效應，市場稍有異動，就會造成投資者反應過度，如2017年12月16日陸金所出現了一筆資管計劃逾期，雖然實際牽涉金額較小，但卻引起了整個網貸市場和輿論的恐慌，陸金所和網貸市場的交易量劇烈波動。故嚴監管期成交量波動劇烈的局面尚未改善。

有效性分析如下：與寬監管期相比，嚴監管期成交量以及量價的DME稍有下降，市場效率有所提升，但是并不顯著，同時利率的DME值卻變大了，出現市場效率惡化現象。嚴監管期的系列措施防范了網貸行業風險，P2P長效機制逐步形成，但是實際上對市場的效率水平提升影響甚微，甚至惡化了利率的有效性水平。“金融抑制論”和“金融深化論” 認為金融自由化能夠使利率反映市場的供需關系，優化資源配置，提升市場的效率，當局過度的干預金融市場，將使得金融市場難以有效運行，可能不會改善市場效率甚至造成負面影響[30-31]。在此對我國嚴監管期網貸市場效率未有明顯改善現象的可能原因進行分析：(1)我國對于網貸利率上限有著嚴格的限制，并沒有實現完全的利率市場化，并不全部反映出投資者所承擔的相應風險，但是在網絡借貸過程中，實際上投資者承擔了全部的風險[7]，這本需要更高的超額收益率進行補償[32]，但當前的利率卻無法對風險進行完全補償。(2)在高壓監管下，網貸市場經歷了良幣驅逐劣幣的過程，大量的中小平臺倒閉，投資者出于避險目的涌入類似陸金所、拍拍貸等大型平臺。這些大平臺由于資金供大于求，利率不斷下降，并且這些大平臺占據了網貸市場的大部分成交量，最終導致網貸市場整體利率下滑。但是與之相對，作為基準利率的Shibor利率在同一時期卻不斷上升。以上兩方面的原因最終導致我國網貸市場的利率水平始終處于被壓制狀態，難以準確反映整個社會實際的資金供需關系，導致了利率的有效性水平反而減弱，進而造成嚴監管期利率與成交量之間的有效性水平未有明顯改善。如何在監管中提升網貸市場的有效性水平將會成為我國監管當局工作中的重點之一。

3.5 穩健性檢驗

為了證明前文結論并不依賴特定樣本區間，具有可信性和普適性，本文根據2016年其他相關的監管政策為界，進行樣本的重新劃分，進行穩健性檢驗。考慮到政策的影響程度，選取三個最重要的政策文件/措施，分別是國務院牽頭為期一年的互聯網金融領域專項整治行動(2016年4月14日)、《中國互聯網金融信息披露規范》(2016年6月14日)以及《網絡借貸信息中介機構業務活動管理暫行辦法》(2016年8月24日)，分別以上述時間點為界，將整個樣本區間劃分為寬監管期和嚴監管期兩個區間，結果表明以上三種劃分方法后得到的實證結論和前文基本一致，證明前文結論具有穩健性。

由于文章篇幅所限，本文僅在此展示以互聯網金融領域專項整治行動為界的穩健性檢驗結果，對于其他部分結果可向本文作者索取。則以下檢驗結果采用的寬監管期從2015年5月13日到2016年4月13日，包含了337個數據；嚴監管期從2016年4月14日到2018年1月3日，包含了630個數據。

首先，將利用DCCA系數法對網貸市場利率和成交量的交叉相關性進行檢驗和分析，本文選擇標度s的范圍同上，根據公式(4)，得到圖10和圖11，如下：

圖10 寬監管期的ρDCCA(s)～s圖

圖11 嚴監管期的ρDCCA(s)～s圖

由圖10～11可知，在短期時間標度上，利率與成交量在不同監管時期走勢相近，但是在中長期標度上差異明顯：在寬監管期，隨著時間標度增加，利率與成交量的交叉相關性水平減弱。在嚴監管期，隨著標度增加，利率與成交量的交叉相關性水平雖有所衰減，但是依然較高，明顯高于寬監管期。以上結論與前文基本一致。

接著進行傳導方向檢驗，利用基于時間延遲的DCCA方法，選擇滯后時間標度范圍同上，根據公式(7)～(8)，得到圖12，如下：

圖12 不同時間標度滯后的

無論在哪個時期，利率與成交量之間的傳導方向都是雙向的，彼此相互溢出。隨著標度的遞增，在寬監管期，利率與成交量交替主導兩者的傳導過程。而與之不同，在嚴監管期，成交量一直處于主導地位。此結論與前文基本一致。

最后進行量價之間的風險和有效性檢驗。本文在此基于MF-DCCA方法，根據公式(11)～(12)，得到表2，如下：

表2 不同監管時期的Δh和DME

注：Δh越大，則風險越大，反之，則越小。DME越大，則有效性水平越弱，市場效率水平越低，反之則有效性水平越小。

與寬監管期相比，在嚴監管期網貸市場的利率成交量之間的市場風險明顯降低，說明相關的政策逐步釋放了網貸行業風險。但是嚴監管期利率與成交量之間的有效性水平并沒有得到明顯改善，利率和成交量的有效性水平反而降低。此結論與前文基本一致。

4 結語

以網貸市場為代表的互聯網金融，在經歷十余年野蠻生長后，終于迎來了全面監管時代。鑒于此，本文將網貸市場看做一個整體，基于不同監管時期的利率和成交量數據，在非線性、多時間標度的分形研究框架中討論網貸市場量價關系的演變和復雜性問題。通過分析和比較不同監管期網貸市場利率和成交量間的交叉相關性水平、傳導方向、市場風險及有效性水平，證明了網貸利率與成交量存在著關聯，同時系統回答了相關復雜性問題，彌補以往研究的空白，推動網貸市場復雜性研究從微觀平臺角度轉向宏觀市場角度，為網貸監管者提供全新的視角和理論依據，具體結論和建議如下：

(1)在短期時間標度上，利率與成交量的交叉相關性水平在不同監管時期走勢相近，均表現出較強的關聯度。但是在中長期標度上差異明顯：在寬監管期，隨著標度增加，利率與成交量的交叉相關性水平減弱，逐漸趨于無相關狀態。在嚴監管期，隨著標度增加，利率與成交量的交叉相關性水平雖有所衰減，但是依然較高，明顯高于寬監管期。此結果對于市場監管者而言，一方面需要將整個市場的利率與成交量看做一個整體來進行監管，推動市場監管角度從微觀平臺向宏觀市場轉變，另外一方面，需要繼續改善市場環境，樹立投資者信心，加強投資者的教育工作，培育長期價值投資理念。

(2)無論在哪個時期，利率與成交量之間的傳導方向都是雙向的，彼此相互溢出。隨著標度的遞增，在寬監管期，利率與成交量交替主導兩者的傳導過程，而與之不同，在嚴監管期，成交量一直處于主導地位，并且主導影響力逐步遞增。成交量成為量價關系的主導者，這意味投資者的行為已成為網貸市場穩定的重要因素，考慮到投資者不理智行為主要是由于信息層疊而產生的[29]，外界輿論與投資者行為特征變化密切相關。鑒于此，作為監管者，應該在市場上打擊違法違規行為，清理市場不穩定因素，在社會輿論上逐步樹立起網貸市場的正面形象，同時對于社會謠言和惡意攻擊現象采用法律手段和宣傳部門進行積極抵制。

(3)與寬監管期相比，在嚴監管期網貸市場的利率成交量之間的市場風險明顯降低，這表明了相關的政策逐步釋放了網貸行業風險。但是嚴監管期利率與成交量之間的有效性水平并沒有得到明顯改善，利率的有效性水平反而降低。鑒于此，未來市場當局一方面在出臺相應措施時，不僅需要考慮防范網貸系統性風險問題，還需要將提升市場效率放在重要位置，促進市場的健康持續發展。另外一方面，需要幫助網貸平臺優化利率形成機制，提升量價之間的有效性，進而推動整個網貸市場高效率地配置社會資金，發揮其應有的社會功能。