P2P網絡借貸信用風險與信用評估綜述

秦偉　梁月

一、引言

P2P網絡借貸指通過互聯(lián)網平臺個人直接借貸給個人的互聯(lián)網金融新模式。隨著互聯(lián)網的普及和民間借貸的興起而發(fā)展起來的P2P網絡借貸是未來金融服務發(fā)展的新趨勢。

截止2015年6月底，中國P2P網貸行業(yè)的成交量累計超過了6835億元。2015年上半年網貸行業(yè)成交量以月均10.08%的速度增加，上半年成交量累計已達3006.19億元。雖然我國P2P網絡借貸行業(yè)發(fā)展迅猛，P2P借貸平臺如雨后春筍，但是問題平臺和借款人違約事件也頻繁發(fā)生。2015年上半年，新增問題平臺419家，同期增長近8倍。截止2015年6月底，P2P網貸行業(yè)累計問題平臺達786家，其中6月份新增問題平臺125家。

借款人違約現(xiàn)象頻發(fā)，平臺跑路現(xiàn)象嚴重，貸款人紛紛回收款項，P2P網絡借貸平臺面臨著高兌付壓力，許多P2P平臺出現(xiàn)提現(xiàn)困難等問題。由此可見，我國P2P網絡借貸依然存在著巨大的風險。其中，信用風險是P2P網絡借貸最基本也最核心的風險問題之一。隨著P2P網絡借貸的發(fā)展，網絡借貸的風險也越來越受到關注。在網絡貸款平臺上，借款人的信用風險帶來的后果是十分嚴重的。尤其在征信系統(tǒng)無法覆蓋所有個人時，信用風險帶來的后果就尤為突出。作為降低信用風險的重要手段，信用評估一直是學界研究的熱點。

二、P2P網絡借貸的風險研究

P2P網絡借貸的本質是民間借貸，而民間借貸的信用風險與正規(guī)金融相比相對較高。隨著互聯(lián)網金融逐步結合發(fā)展，借貸雙方通過互聯(lián)網進行，實際面對面交流的機會越來越少，其風險顯然也要隨之增大。

P2P網絡借貸的信用風險是必然存在的。Steelmann（2006）指出“匿名交易”導致交易雙方的信息不對稱，再加上借款方無需提供抵押品或擔保，必然導致信用風險的存在。Greiner（2009）利用社會資本理論對網絡借貸中不同運營模式的信息不對稱問題做了詳細的介紹。網絡借貸中更容易出現(xiàn)借款方和投資方之間信息不對稱的情況。張玉梅（2010）指出由于目前我國還沒有建立起完善的個人信用體系，故在網絡上由個人發(fā)起的借款就更難通過個人的信用情況來判斷了，因此個人信用風險在一定程度上制約了P2P網絡貸款的發(fā)展，也正是因為這樣，P2P網絡貸款的信用風險的判斷也就更加存在難度。艾金娣（2012）針對網絡貸款風險從制度風險和信用風險兩個角度闡述，指出P2P網絡貸款雖然可以通過電話、網絡等渠道對借款人的基本信息進行核查，但是對于借款人的信用、實際的經營情況以及最終的貸款用途卻很難進行跟蹤，這是最大的風險所在。

研究顯示軟信息的使用能有效的彌補硬信息的不足，達到更好的減少信用風險的效果。Freedman （2008）對Prosper 公司的研究表明，社交網絡所揭示的借款人的“軟信息”有效的彌補了其“硬信息”的不足。Iyer（2009）、Larrimore（2011）通過對信息不對稱的研究，指出借款人的“軟信息”是值得利用的信息。Freedman and Jin （2008）指出，含有熟人或者僅僅是認識的人，對于貸款小組成員違約率的降低有著重要的影響作用。

信用評估可以有效地遇見信用風險，從而間接達到降低信用風險目的。Lin（2009）通過Prosper上公開的數(shù)據實驗發(fā)現(xiàn)，借款人的信用風險與其信用評級有密不可分的聯(lián)系，借款人信用評級越低，其發(fā)生道德風險的概率越高。

三、信用評估方法

根據信用評估方法所依據的要素可以將其分為傳統(tǒng)信用評估方法和現(xiàn)代信用評估方法。傳統(tǒng)信用風險分析方法更多依賴有經驗的專家對借款者的信用風險進行判斷；現(xiàn)代信用風險分析方法更多依賴以統(tǒng)計數(shù)據和計量方法為基礎的數(shù)據和模型。

（一）信用評估方法的演進

最初，信用風險評估方法主要是專家打分法，其依據是專家對借款人的財務狀況、經營狀態(tài)、信用情況以及經濟環(huán)境等進行主觀性的判斷。專家打分法是一種典型的定性分析方法。評估的主要工具包括以資信品格、資本、還款能力、抵押品、經濟環(huán)境為標準的5C方法和以借款人、借款用途、還款期限、擔保物（What）及如何還款這五項指標的5W方法。專家打分法基本識別出了借款人信用風險的主要影響因素，對信用評估模型的發(fā)展打下了堅實的基礎。

隨著數(shù)理統(tǒng)計方法的演進，在專家打分的基礎上以財務指標為解釋變量建立回歸模型來度量借款人的風險情況，成為信用評估的主流。主要采用的回歸方法包括判別分析方法、線性回歸模型、Logistic回歸模型等。

Bekhet和Eletter（2014）通過Logistic回歸模型和徑向基函數(shù)模型，分別構建信用評分模型，并將對比分析這兩種模型，結果表明在整體準確率上Logistic回歸的比徑向基函數(shù)模型更有優(yōu)勢，但徑向基函數(shù)模型比Logistic回歸模型能更加準確的識別出潛在違約者。

姜明輝等人也針對線性回歸、羅吉斯回歸、分類樹、神經網絡、遺傳算法等在個人信用評估領域的應用做了開創(chuàng)性的研究，得出了一些極具價值的研究成果。

近年來，隨著統(tǒng)計學理論及計算機算法的不斷發(fā)展，人工智能方法在信用評估方面也得到了廣泛的應用。在研究信用評估問題時，神經網絡算法受到越來越多的青睞。

Angelini等人（2008）開發(fā)了兩個神經網絡系統(tǒng)評估信用風險，并利用某小型企業(yè)的數(shù)據進行實證，表明神經網絡在評估借款人的信用風險方面十分成功。Jagric等人（2011）利用LVQ神經網絡構建了信用評估模型，與Logistic回歸模型進行了對比，并利用真實數(shù)據進行實證，結果表明LVQ神經網絡模型優(yōu)于Logistic回歸模型，能夠獲得更好的評估結果。

（二）信用評估方法的比較

傳統(tǒng)信用評估方法的優(yōu)點在于其對數(shù)據的要求低、相對容易取得且適用性強，但最大的缺陷在于其結果的主觀性，評判過程過多的依賴專家的個人判斷，不具有可比性。

現(xiàn)代信用評估方法的精確度高、預測能力強，較為廣泛的應用在各類機構信用風險分析管理過程中?，F(xiàn)代信用風險評估模型是目前最發(fā)達的信用風險分析工具，但是其對數(shù)據的要求較高，且運算復雜，計算成本較高，適用于擁有大量歷史數(shù)據且對分析結果準確性要求極高的。

四、對我國P2P網絡借貸的思考

P2P網絡借貸是互聯(lián)網金融的新模式。目前國內P2P網絡借貸的發(fā)展尚不規(guī)范，并且我國征信體系尚不完整，信用信息缺失嚴重。因此，我國P2P網絡借貸面臨的信用風險問題尤為嚴重。

P2P借貸尚處于新興階段，研究也在起步中，未來的研究應該從多方面展開。首先，隨著我國征信體系的不斷發(fā)展，信用數(shù)據的不斷完善，P2P網絡借貸信用評估的實證研究將不斷加強。其次，P2P網絡借貸帶來的借貸利率市場化，極大的沖擊了傳統(tǒng)商業(yè)銀行的業(yè)務。面對我國小微企業(yè)及個人的投融資需求，粗放的信用風險評價模式必然轉向精準管理。開發(fā)基于不同參數(shù)的風險資產定價模型將成為我國P2P網絡借貸平臺風險管理的必然選擇。（作者單位：中央財經大學）

參考文獻：

[1] Angelini E，Tollo G，Roli A.A neural network approach for credit risk evaluation[J].Q.Rev.Econ.Finance 48，2008.

[2] Angilella S，Mazzu S.The financing of innovative SMEs：A multicriteria credit rating model[J].European Journal of Operational Research 244，2015.

[3] Jensen M C， Black F， Scholes， Myron S. The Capital Asset Pricing Model： Some Empirical Tests[J]. Social Science Electronic Publishing， 1972， 94（8）：4229-4232.

[4] Greiner M E， Wang H. The Role of Social Capital in People-to-People Lending Market places[J].Icis Proceedings Paper， 2009.

[5] 艾金娣.P2P網絡借貸平臺風險防范[J].中國金融，2012（14）：79-81.

[6] 姜明輝.商業(yè)銀行個人信用評估組合預測方法研究[D].哈爾濱工業(yè)大學，2006.