金融科技、監管政策與P2P平臺風險
——基于信用風險和流動性風險視角

■張茂軍，王 儉，張 尹，張鄴丹

一、引言與文獻綜述

截至2020年底，隨著最后一家P2P平臺的出清，中國的P2P——互聯網金融點對點借貸平臺，徹底退出了歷史舞臺。作為一種民間小額借貸，P2P自2007年以來，逐漸成為了一種重要的惠普金融模式。這種模式為資金需求的長尾客戶提供了融資機會，為資金供給方提供了更多的理財方式。然而P2P行業暴露出的巨大風險，使其在政府的嚴格整治下走上了強制出清和轉型的道路。P2P平臺在中國的發展歷程反映了一個重要的問題：政府應如何把握金融創新、金融風險與金融監管之間的關系。針對P2P行業現象形成了一系列的研究，但風險管控問題始終未得到根本性解決。

近幾年，金融科技（Fintech）獲得社會各界的廣泛關注。在金融科技這一命題被提出之前，從前更多被社會提及的是互聯網金融。P2P平臺正是互聯網金融發展的產物。在管控P2P平臺風險方面，處于更高階段的金融科技被寄予厚望。從學術角度出發，以下問題仍有待深入研究。金融科技對于P2P平臺風險管控的作用是什么？如果能夠管控風險，那么金融科技對于P2P平臺的風險影響機制又是怎樣的？金融科技的發展對于不同類型的風險是否影響程度不同？已有相關研究主要從三個方面展開：

一是P2P平臺的風險來源。我國學者從多個方面對P2P平臺所承擔的風險進行了分析。馮興元等（2020）指出，雖然P2P平臺的本質屬性理應是信息中介，但由于政府在P2P平臺發展的前期采取“先發展，后規范”的寬松政策，因此中國大量的P2P平臺都出現了信用中介的屬性，甚至形成了“剛性兌付”的不成文規定。劉征馳等（2018）提出，P2P平臺作為傳統借貸模式的補充，借款人多為資金需求的長尾客戶，由于身份難以核實、信息真實度難以考究，網貸平臺承擔的信用風險加劇，從而導致金融風險的發生。P2P網貸平臺缺乏銀行專業的資產負債管理，資金來源與資產端不能較好地匹配，缺乏保證金，因此P2P網貸平臺存在較大的流動性風險（馬淑琴等，2019）。嚴武等（2019）用機器學習方法研究了P2P網貸平臺風險預警。而P2P暴雷引起的投資者恐慌進一步增加了擠兌風險，當流動性風險增大到平臺不能承擔的程度，跑路、倒閉等現象就會出現（桂子怡和潘家坪，2020）。綜上所述，引發P2P平臺信用風險和流動性風險的原因眾多，主要來源于平臺與用戶間的信息不對稱、網貸業務相關法律法規和監管的缺失以及P2P平臺自身的管理能力不足等。

二是金融科技發展對P2P平臺風險的影響。在金融科技對P2P平臺風險的影響層面，也出現了一些研究成果。邱志剛等（2020）研究發現，大數據信貸模式收集、利用了傳統銀行信貸模式中所沒有的信息，改善了P2P平臺的風控能力。在實證上，蘇亞和成春林（2017）以人人貸的真實交易數據為基礎研究借款人的軟信息（如借款人的學歷、性別等）對其信用風險的作用，結果表明借款人的軟信息對借款人違約風險有顯著的正向作用。李愛君（2017）提出金融科技發展的不完善加大了傳統的信用風險。劉曉春（2019）則認為當前金融科技落地存在瓶頸，金融科技僅達到了普惠金融的效果，并未完全實現其金融功能。

三是監管政策實施對P2P平臺風險的影響。王傘傘（2021）認為當前我國金融科技監管較為重視宏觀規制政策制定，而忽視微觀政策執行，表現出對金融科技風險傳導機制應對乏力，面對金融科技創新時暴露出監管無效和失靈問題。彭可等（2020）提出隨著監管政策的加強，領導型的P2P平臺具有維持市場優勢地位的能力，而追隨型企業很難擴大市場份額，甚至部分平臺較難達到監管標準并逐漸退出市場，市場集中度提高。于博和李欣怡（2021）通過實證研究發現，P2P監管政策的出臺對P2P平臺成交量構成顯著激勵效應。監管部門的嚴加重視和監督限制了P2P平臺的“信用中介異質化”，同時也使得用戶能更放心地在P2P平臺進行借貸，由此擴大了用戶規模和資金借貸流動水平。監管機構通過社會媒體和日常監督與管理洞察網絡借貸平臺的行為方式，試圖采取嚴格監管，而網絡借貸平臺根據監管機構的行動策略采用合規經營。

與以往的一些文獻相比，本文的貢獻與創新體現在以下幾點：第一，現有的研究很少有將P2P平臺的風險管控問題與金融科技的發展及政府監管聯系在一起，僅有的研究是基于理論層面的模型推導證明，缺少實證研究。第二，利用百度搜索指數構建的金融科技發展指數，是基于網絡貸款平臺角度的指數，相比于其他金融科技發展指數，與P2P平臺的聯系更加緊密。第三，將P2P平臺的風險分為信用風險和流動性風險進行分類討論，從而進一步探究金融科技對于P2P平臺不同類型風險管控的影響程度。

二、理論分析與研究假說

（一）金融科技對P2P平臺企業承擔的流動性風險和信用風險的影響

在信用風險方面，人工智能和大數據等金融科技方法已經逐漸應用到P2P的信用風險管理環節。在理論層面，通過上述技術的運用，可以獲取借款者信息，對其風險暴露程度進行識別與評估，從而降低P2P平臺所承擔的信用風險。然而，現實的情況是金融科技的已有相關技術在獲取海量借款者信息的同時，卻難以甄別網絡借貸中客戶的虛假信息。除此之外，小微企業和個體工商業者大量軟信息的存在，對平臺的信息處理能力提出了要求，此時相關技術的發展卻并未成熟?？偟膩碚f，P2P平臺金融科技的發展增強了其信息獲取能力卻在信息處理能力上存在一定的局限性，使之在決策時存在偏差，從而加劇了平臺的信用風險。國內的借貸市場存在著大量的長尾客戶，P2P模式的優勢與這些長尾客戶的需求相契合。具體來說，一是貸款多樣性對融資需求多樣性的滿足；二是網絡平臺的模式對融資高效性的滿足。且P2P平臺上的借貸交易常常具有小額，短期的特點，上述特征使P2P行業成交量大，流動迅速。金融科技的發展拓展了這種優勢，它體現在：第一，通過外部經濟、規模經濟和范圍經濟作用于小微企業及個體的融資市場，促進了金融資源的流動性和合理配置，產生了普惠金融的效果。第二，通過人工智能等技術的使用，降低運營成本，提升工作效率。因此，金融科技通過增大P2P平臺的成交量，加快資金流動速度來提升流動性，從而降低了平臺的流動性風險。據此，提出假設1與假設2：

H1：金融科技的發展加劇了P2P平臺企業的信用風險。

H2：金融科技的發展降低了P2P平臺企業的流動性風險。

（二）政府監管政策對P2P平臺流動性風險和信用風險的影響

P2P平臺積極配合政策監管要求，有利于增強該平臺的吸引力，為平臺贏得市場競爭優勢，并向市場傳遞出一種“質量信號”（于博和李欣怡，2021）。這種質量信號提升了投資者的信心、提高了資金流入水平，從而降低平臺期限錯配風險。P2P平臺通過債權轉讓將到期短標資產流動起來，拉平被錯配周期，在沒有相應風險緩釋措施和央行最后貸款人背書保障下，反而會放大流動性風險（李建強，2019）。監管政策一方面對上述行為進行約束，另一方面提振了投資者的信心，助力了P2P平臺流動性的提升。在監管政策實施之前，P2P平臺常常通過提高投資收益率來吸引資金流入，這在無形中往往增加了平臺的信用風險。監管政策實施后，P2P平臺的收益率區間相對更加合理（向虹宇，2019）。除此之外，注冊資本，風險準備金，銀行存款等的硬性規定，也都對信用風險產生了抑制作用。據此提出假設3與假設4：

H3：政府監管政策的實行降低了P2P平臺企業的信用風險。

H4：政府監管政策的實行降低了P2P平臺企業的流動性風險。

（三）監管政策的實施在金融科技對P2P平臺風險影響方面的作用

從P2P平臺金融科技發展的新聞數據看，在P2P平臺發展的前期，各大平臺專注于對貸款需求者的觸達以及對資產端產品的創新，形成了一定的規模經濟。在風險控制方面，大數據風控技術已深入P2P借貸的各個環節，但由于虛假信息，非結構化信息的存在，風控結果往往并不盡如人意。在政府形成P2P平臺的監管政策框架后，P2P平臺逐漸合規化發展，加之征信系統的納入，金融科技對P2P平臺風險的影響也發生了變化。一是影響方向發生了變化。監管政策實施后，P2P平臺的業務范圍受到了限制，金融科技相關技術的應用方向更加聚焦，由監管前的借款者觸達以及產品創新轉向了借貸利率的定價，借貸人之間的撮合等。二是影響效果發生了變化。國家征信系統和社會信用體系的完善，以及這些系統與P2P平臺的對接，有利于P2P平臺獲取真實信息和結構化信息，這對P2P平臺的良性發展具有很大意義。對借款人審核以及定價層面的聚焦，有利于促進金融科技對P2P平臺信用風險的管控；而借貸款業務的簡化以及合規化，則在管控信用風險的基礎上進一步促進了P2P平臺資金的流動性。依據上述理論分析，提出假設5和假設6：

H5：監管政策的實施有助于金融科技對P2P平臺信用風險的抑制。

H6：監管政策的實施有助于金融科技對P2P平臺流動性風險的抑制。

圖1 金融科技和監管政策對P2P平臺風險的影響機制

三、研究設計

（一）樣本來源及數據處理

借鑒王力召和蔣致遠（2020）對中國各大P2P平臺的財務風險評價結果，結合網貸之家中顯示的P2P平臺營業狀態，將中國內地的14家P2P網絡借貸平臺①14家P2P平臺，分別為翼龍貸、人人聚財、融貝網、向上金服、道口貸、博金貸、匯盈金服、互融寶、乾貸網、民貸天下、廣信貸、91旺財、錢盆網、鵬金所。設為研究對象，總樣本區間為2015年9月—2019年12月。各個P2P借貸平臺的基本信息數據和貨幣供給量（M2）來源于CSMAR數據庫，其他數據來源于Wind數據庫和百度搜索指數網站。少數P2P借貸平臺的若干數據存在缺失，這里使用移動平均法對其進行填補。

（二）核心變量

其一是P2P平臺所承擔的信用風險（記為r_spread），這里使用平臺當期承諾給借款人的平均利率與無風險利率的差額來表示。平臺提供的利率與無風險利率的差額越大，表示平臺作為還款方需要支付更高額的利息，意味著違約風險增加。其二是P2P平臺所承受的流動性風險（記為trading_vol），用P2P平臺的成交金額表示。成交金額越大，出現資金流停滯的可能性越小，流動性風險越小，因此選取其作為衡量流動性風險的指標。

本文采用兩種方式對全國范圍的金融科技發展水平進行衡量：一是借鑒盛天翔和范從來（2020）、唐也然（2021）采用的百度搜索指數方法，但是對其采用的關鍵詞進行更改，使其成為圍繞P2P借貸平臺層面的金融科技指數。二是采用中證指數網發布的國證香蜜湖金融科技指數，因為我國的金融科技公司發展水平在某種程度上也反映了整個國家的金融科技發展水平。使用Python爬蟲的方法，爬取了金融科技相關關鍵詞在百度搜索指數（百度搜索指數分為PC端和移動端指數，此處指的是PC端+移動端指數）上2015年9月—2019年12月的月度數據，并運用因子分析法合成為金融科技指數。具體的操作步驟是：參考盛天翔和范從來（2020）的研究思路，選取與金融科技、P2P借貸平臺相關的共4個維度（基本技術，資金支付，網絡渠道以及金融科技）的關鍵詞，如表1所示：

表1 金融科技指數關鍵詞庫

用Python在百度搜索指數上面爬取2015年9月—2019年12月每個關鍵詞被搜索頻次的月度數據。基于每個關鍵詞進行因子分析：對13個變量進行KMO和Bartlett球度檢驗，結果如表2所示。

表2 金融科技指數因子分析法

由表2可知，KMO值大于0.7，Bartlett球度檢驗的近似卡方值也十分顯著，因此適合做因子分析。特征值大于1的因子有4個，且這4個因子的方差貢獻率達到了92.79%，因此這4個因子可以較好地反映整體信息。進行因子旋轉，統計因子的得分（ft）。為保證得出的金融科技發展指數為正數，令最終的金融科技發展指數為（fmax-f）/（fmax-fmin）。

對于政策監管，參考我國針對P2P平臺出臺的行政法規《網絡借貸信息中介機構業務活動管理暫行辦法》（以下簡稱《辦法》），構建政策監管的0—1變量?！掇k法》于2015年12月28日發布，規定自《辦法》公布之日起的12個月內為P2P平臺的監管過渡期，P2P行業需在12個月內進行整改，以滿足《辦法》的條例要求。因此，以監管過渡期結束之日2016年12月為時間節點，令該時間節點前政策監管的值為0，該時間節點后為1，從而進行監管政策的量化。

參考其他研究對控制變量的選擇，以及考慮到數據的可獲得性和可能出現的多重共線性問題，選擇了宏觀經濟發展層面和P2P平臺公司層面的相關控制變量。分別是：我國信貸環境（money_supply），主要控制宏觀經濟的發展對整體信貸環境風險的影響；平均貸款期限（ave_lim_time）；借款人數（investor_num）；貸款人數（loan_num）；累計待還金額（cumulate_repay）；是否存在債權轉讓（assignment），主要控制公司個體層面的經營狀況與業務組成對其所承受風險的影響。所有變量的定義和匯總如表3所示。

表3 變量定義與說明

續表3

在這里由于變量數值間的量級差距較大，為避免回歸結果系數過大，對交易量、投資者數量、借款人數、累計還款金融取對數處理。變量的描述性結果如表4所示。

表4 主要變量的描述性統計

四、實證分析

（一）回歸分析

本文的研究對象為整個P2P信貸行業，因此基于各個平臺的面板數據進行相應回歸和檢驗。為了實證分析金融科技的發展程度以及政府監管政策對P2P平臺流動性風險和信用風險承擔的影響，驗證上文提出的假設，建立以下計量模型：

其中，i代表P2P平臺，t代表月份，β，θ，λ和α為模型待估計的參數，εit為隨機誤差項。

為防止出現“偽回歸”現象，對面板數據中的時間序列進行季節性調整。對調整后的面板數據分別進行了組間異方差，組間自相關，以及組間同期自相關的檢驗，結果發現這三種問題都存在。為此，先對面板數據進行了OLS估計。運用OLS估計的殘差{ei}來估計εit的協方差矩陣，以此進行FGLS估計。此外，在回歸方程中分別加入個體虛擬變量以及時間趨勢，回歸結果如表5所示。

表5 回歸結果

表5中模型（1）和模型（3）未加入控制變量，模型（2）和模型（4）加入了控制變量，結果顯示核心解釋變量的回歸符號未發生變化，顯著性基本保持不變，回歸系數的變化范圍也不大，說明回歸結果具有較好的穩定性。模型（2）為金融科技的發展水平以及政策監管對P2P平臺信用風險的影響結果。從表中可以看出fintech的回歸系數顯著為正，證實了假設1成立，表明金融科技的發展增加了P2P平臺的信用風險。這說明當前P2P平臺金融科技相關技術運用水平不足，尚不能達到精準風險識別，降低平臺信用風險的程度。相反，由于大量風險不確定性客戶的存在，導致了平臺信用風險的加劇。policy在10%的水平下顯著為負，因此假設3得到驗證，即政策監管降低了P2P平臺的信用風險水平。P2P平臺監管政策中的相關規定，明確了借貸流程，對可能存在的高風險借貸行為進行了限制，P2P平臺的信用風險在嚴格的監管政策下得到了控制。然而，10%的顯著性意味著政策監管條例雖嚴格，但是在實際落實層面上，還具有一定的滯后性和不對稱性。fintech和policy的交叉項在1%的顯著性水平上為負，這說明在監管政策逐漸被落實的過程中，金融科技的發展對P2P平臺信用風險加劇程度降低。這表明監管政策的實施對于金融科技的相關技術在P2P行業的落實具有促進作用，由此驗證了假設5。

模型（4）為金融科技的發展水平以及政策監管對P2P平臺流動性風險的影響結果。從表中可以看出fintech的回歸系數在1%的水平下顯著為正，在10%的水平下顯著為正，這表明假設2和假設4被證實，說明金融科技的發展以及監管政策的實行都有益于P2P平臺的流動性。金融科技的發展使得P2P平臺的獲客成本降低，資金需求方和供給方得以快速配對，成交量增加，流動性風險降低；在政策監管方面，在上述平臺逐漸進行合規化發展后，流動性風險也同樣得到抑制。從fintech和policy的交互項中也可以觀察到，在流動性風險抑制方面，二者也是相互促進存在，因此假設6成立。

在控制變量中，信貸環境越好，P2P平臺的信用風險和流動性風險越低；平均貸款期限越長，平臺的流動性風險和信用風險越高；債權轉讓作為平臺吸引投資者的一種方式，事實上加深了平臺的信用風險和流動性風險的承擔。這也間接表現了監管政策中禁止債權轉讓對于平臺流動性風險和信用風險的抑制。

（二）穩健性檢驗①

①限于篇幅，結果留存備索。

為了使得本文核心假說的實證結果盡可能穩定，從以下四個方面進行穩健性檢驗：

第一，考慮被解釋變量的數據特征，使樣本盡可能符合本文所研究的問題。因此，在穩健性檢驗中，將個別離群值或一些由于個別原因不符合正常發展規律的個體剔除，然后再檢驗結論是否依然不變。為了保持數據的連續性和一致性，剔除了2019年底交易量呈大幅下降趨勢，經營狀態不太良好的三家P2P平臺，分別是：91旺財、向上金服和錢盆網?；貧w結果依舊不變。

第二，對異常時期的數據進行剔除。2018年以來，P2P網貸行業頻繁爆雷，P2P行業的交易量出現斷崖式下降。因此，為排除異常時期的影響，將樣本時間縮短到2015年9月—2018年1月，回歸結果穩健可靠。

第三，對核心解釋變量使用替代指標。本文原本用于刻畫金融科技發展水平的解釋變量為采用百度搜索指數方法得到的金融科技指數。在穩定性檢驗中，用在一定程度上描述金融科技發展水平的國證香蜜湖金融科技指數作為解釋變量進行回歸，結果保持不變。

第四，金融科技發展水平及監管政策對流動性風險影響層面，使用子樣本法和變量替換法來進行穩健性檢驗。這兩種方法對面板數據的處理同對信用風險的穩健性檢驗處理方式一致。穩健性回歸結果顯示金融科技發展指數，監管政策以及二者交互項回歸系數都顯著為正，結果穩健可靠。

五、研究結論與對策建議

從理論分析的角度出發，論證我國金融科技的發展，政策監管與P2P借貸平臺的風險是否存在關系，并據此提出假設。同時，基于2015年9月—2019年12月期間14家P2P借貸平臺的面板數據進行實證檢驗。實證研究結果顯示：針對于P2P網絡借貸平臺，金融科技的發展會加深其所承擔的信用風險，但是會降低其所承擔的流動性風險；監管政策的實施同時降低了P2P平臺的流動性風險和信用風險；監管政策的實施有助于金融科技對P2P平臺風險的抑制。根據上述結論，得到如下對策啟示。

第一，P2P平臺作為一種重要的普惠金融模式，它的消失在一定程度上使金融市場上許多有著資金需求的長尾用戶失去了一種融資方式。因此，面對依然存在的市場需求，P2P平臺很難說不會在日后以其他形式出現在大眾視野中。而金融科技能夠改變傳統意義上風險識別方式，是未來整個金融業風險管控的重要工具。P2P平臺想要以更加成熟的姿態再度出現，就需進一步提高金融科技的運用水平，使金融科技發展對P2P平臺的影響不僅停留在普惠金融的階段，而是觸及到深層次的風險評定，資產定價等微觀方面，進而增強P2P平臺經營的安全系數。

第二，政策監管更加高效化。在P2P平臺發展的前期，政府缺乏有效的監管，致使整個行業“野蠻生長”，風險達到了不可控的程度；后期政府對其進行了嚴整，P2P平臺又在兩年之內迅速清零。監管的極端化，對于國內的金融創新十分不利。近年來，從英國提出的沙盒監管體系，到監管科技的盛行，政府如何管控由金融創新帶來的金融風險成為了一個重要的議題。

基于上述現實情況，建議推動金融監管科技建設，提升監管的數字化水平。在行業發展前期P2P借款人的逾期或惡意逃廢債行為不能直接納入征信系統，這會使得互聯網“小額分散”的借款項目設計難以真正實現分散風險的作用，P2P機構風險控制和實際運營的難度大、成本高，且缺乏相應的風險緩釋機制，極易出現兌付風險。而大數據算法在P2P網絡借貸行業第三方風險監測與預警過程中體現出的較高的推廣價值，使其在風控預警過程中的應用成為一種必然趨勢。此外，征信體系建設作為借貸雙方信息不對稱問題最直接有效的解決方式，使得借款人借款信息的初始評級更加可靠，繼而能提高第三方風險監測與預警的準確率。

因此，相關部門還需大力推動金融監管科技建設，提升跨區域、跨市場、跨行業交叉金融風險的甄別、防范和化解能力，提升監管的數字化水平。充分運用大數據、人工智能等提高監管有效性、建立更加完善的征信體系以積極引導金融科技健康發展。網貸機構歸零是一面鏡子，既映照出了金融科技發展的復雜性，也對金融監管做了壓力測試。政府要在鼓勵創新和審慎監管中找準平衡點，堅持市場化、法治化、國際化的原則，提高監管透明度，構建良性的市場規則，穩定市場預期，推動各項金融創新更好地服務實體經濟，金融科技不僅應當應用于金融創新，更需要與監管結合在一起。