我國P2P網貸平臺的信用風險度量分析—— 基于因子分析法

吉林大學 王思涵

P2P網絡借貸是利用互聯網技術進行信貸交易的過程，在加入了第三方交易平臺后，信貸交易的審核過程得以加強，平臺選取信用程度較高的借款者在網站上發布其信息，以供有投資需求的出借人進行選擇，最終實現資金的轉移。我國首家P2P借貸平臺——拍拍貸，于2007年6月成立。拍拍貸對借款人進行初步審核，然后將審核通過的信息進行發布，有投資需求的用戶在信息平臺上篩選合適的借款人，并將自己的錢出借。這是P2P最根本的業務邏輯，一直沿用至今。

然而，經歷了十二年的發展，目前我國P2P網貸平臺良莠不齊，大量問題平臺逐漸浮出水面。截至2019年5月19日，共有2742家問題平臺出現，僅5月就新增了24家，其中1家跑路、6家經偵介入、6家網站關閉、11家延期兌付，諸多平臺問題應引起極度重視，監管整治勢在必行。

1 文獻綜述

1.1 P2P平臺發展方面

Magge(2011)從貸款者角度闡述網貸平臺最大優勢是降低資金獲取成本，例如中小企業資本實力不足難以獲得大額貸款，但巨大的資金需求使P2P平臺得以發展，在傳統的金融貸款方式開拓了新的發展方向。錢金葉、楊飛(2012)認為P2P網貸平臺的融資效率要比傳統的銀行借款高，并且利用互聯網作為平臺簡化了復雜度手續，為中低收入群體提供了更為方便可靠的平臺，同時，平臺考查借款人的信用情況以提高違約成本，降低了網貸的風險。

1.2 P2P平臺融資方面

Ravina(2008)認為網絡借貸中相比年齡、性別、種族因素的影響更顯著，例如黑人為貸款需要支付更多成本。根據Pope(2011)的調查可看出，當擁有相同的信用評級時，非洲裔美國人比其他種族的借款成功率明顯要低；而35歲以下的年輕人和單身女性的融資成本較低。Briceno Ortega(2008)研究了Zopa平臺的數據，發現借款人的財務信息越詳細，其融資成功的可能性越高。陳霄等(2013)認為投資者的積極性和投資趨向會隨著不良貸款行為增加而降低，不良貸款行為不但威脅投資者的利益，也使P2P平臺因為安全性問題受到外界質疑，不利于網貸行業的健康發展。

2 變量選取與數據來源

本文綜合考慮網貸平臺自身特點及P2P平臺的信息可獲性，選取了平臺占比較大的100家平臺的7個指標，分別為：成交量、投資人數、平均借款期限、借款標數、注冊資本、借款人數、人均投資金額。

(1)成交量、投資人數：成交量越高、用戶越多時，對外界釋放的可投資信號越強，引發的跟隨投資現象也越多。

(2)平均借款期限：一次性還本付息的網貸平臺還款期限一般是一個半月以內，先付息后還本平臺的還款期一般是6個月以內，本息等額平臺的還款期限普遍長達數年。平均借款期限將影響借款人的行為，從而影響平臺資金流動性，影響平臺風險。

(3)借款標數：平臺的借款標有很多通常可分為抵押標、信用標、擔保標、秒標、凈值標、流轉標等。標的數量越多對貸款交易的約束越多，因此對風險的影響也顯而易見。

(4)注冊資本：資本充足率是銀行業信貸風險監管的核心指標，但由于我們無法獲得P2P平臺的資本充足率指標，本文采用注冊資本作為代理變量，單位萬元。注冊資本越多，股東對平臺規范管理的主動性和積極性越高。

(5)借款人數：借款人數反映一個平臺的資本實力和規模，在整治時期依舊能擁有大量借款人反映一個平臺的合規度，也間接反映該平臺風險大小。

(6)人均投資金額：本文主要針對投資人設定變量，人均投資金額反映了市場拓展的深度。一般來說，網貸平臺市場拓展能力越強，投資人數越多。人均投資金額以萬元為單位。

數據選自網貸之家4月（30天）的數據，涉及大中小各類平臺，截至2019年4月31日，正常營運的平臺有940家，本文選取了成交量前100名平臺，具有較好的代表性。

3 實證分析

3.1 適宜性檢驗

本文通過將指標值與指標平均值的差額除以標準差的方法對原始數據進行標準化處理，避免因數據量綱不同而造成因子分析誤差。通過檢驗得出KMO檢驗值為0.661大于0.5；Bartlett球形檢驗的顯著性水平為0.000小于0.001，說明本文選取的變量適合進行因子分析。而7個指標的公因子方差分別為：0.949，0.861，0.668，0.719，0.984，0.720，0.671，大部分指標共同度在70%以上，因子提取的總體效果理想。

3.2 總方差解釋

運用主成分分析法，可以提取7個指標的公共因子。如表1所示，本文提取了特征值大于1的3個因子作為公共因子，其特征根分別為3.287，1.260，1.025。

表1 特征根及貢獻率

“貢獻率”一欄顯示了各公因子的方差貢獻率，3個因子總貢獻率達到了79.603%，能夠合理反映各原始開標的情況。

3.3 旋轉成分矩陣

采用最大方差法對因子載荷矩陣進行轉，以使因子具有命名解釋性。結果如表2所示，公共因子1在成交量、投資人數、借款標數、借款人數四個指標載荷較大，可稱為經營狀況因子；公共因子2在人均投資金額、平均借款期限兩個指標上載荷較大，可稱為產品設計因子；公共因子3在注冊資本上載荷較大，可稱為資金保障因子。

表2 旋轉后的因子矩陣

3.4 因子得分

各公共因子的得分系數矩陣如表3所示，據此可得出各公共因子的表達式：

表3 成分得分矩陣

3.5 結果分析

以各因子的方差貢獻率為權重算出100家P2P平臺的風險管理能力得分，公式如下：

表4 網貸平臺因子得分及排名

本文計算了100家樣本平臺的風險管理能力綜合得分，并進行排序，表4顯示了排名前10的網貸平臺。小贏網金、你我貸、麻袋財富位列前三甲，是樣本中風險控制能力得分最高的平臺。F1為平臺經營狀況因子，在綜合得分中權重最大，小贏網金、你我貸、麻袋財富也是F1因子排名前三位，由此可見平臺經營狀況對風險控制的重要性。

總體而言，筆者選取的100家平臺綜合評分均值為0，其中得分大于均值的共29家平臺，小于均值的有71家平臺，表明中國網貸平臺的發展處于一種不穩定的狀態，劣質平臺占比較大。3個公共因子均值也為0，其中因子1大于均值的平臺有23家，因子2大于等于均值的有40家，因子3大于均值的有26家。由此可以看出，我國網貸平臺在因子1和因子3方面整體發展狀況較差，因子2方面略比前兩者好一些。因此要改善中國網貸平臺，首先要著重從經營狀況和資金保障方面入手改善。