互聯(lián)網(wǎng)金融民營系P2P網(wǎng)貸平臺的風(fēng)險預(yù)警

朱清香王 莉

(1．河北工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，天津 300401；2.燕山大學(xué) 經(jīng)濟(jì)管理學(xué)院，河北 秦皇島 066004)

?

互聯(lián)網(wǎng)金融民營系P2P網(wǎng)貸平臺的風(fēng)險預(yù)警

朱清香1，2王 莉2

(1．河北工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，天津 300401；2.燕山大學(xué) 經(jīng)濟(jì)管理學(xué)院，河北 秦皇島 066004)

互聯(lián)網(wǎng)金融P2P網(wǎng)貸平臺發(fā)展至今，頻頻出現(xiàn)平臺倒閉，P2P網(wǎng)貸平臺面臨著巨大挑戰(zhàn)。以LAPP法的4個維度為基礎(chǔ)，以民營系P2P網(wǎng)貸平臺風(fēng)險的特點(diǎn)為立足點(diǎn)，選取20個指標(biāo)進(jìn)行實(shí)證分析。首先，采用主成分分析法進(jìn)行降維處理；其次，通過二元Logistic回歸分析方法對40家民營系平臺構(gòu)建了T-4、T-3、T-2和T-1期的預(yù)警模型；最后，根據(jù)模型實(shí)證結(jié)果對民營系P2P網(wǎng)貸平臺提出了相關(guān)建議。

民營系；P2P網(wǎng)貸平臺；風(fēng)險預(yù)警；主成分分析法；二元Logistic回歸

互聯(lián)網(wǎng)金融自提出后，在我國迅猛發(fā)展，國務(wù)院總理李克強(qiáng)在十二屆全國人大二次會議上作政府工作報告時提及互聯(lián)網(wǎng)金融，這是國家政府部門首次公開提及互聯(lián)網(wǎng)金融，為其發(fā)展提供了強(qiáng)有利的信號，也無疑標(biāo)志著互聯(lián)網(wǎng)金融將為我國金融業(yè)發(fā)展打開一扇新的大門。據(jù)網(wǎng)貸之家數(shù)據(jù)顯示，P2P網(wǎng)貸平臺從2014年1月的984家，發(fā)展到2016年2月的3 944家。但是，發(fā)生重大壞賬、提現(xiàn)困難、高管失聯(lián)和司法破產(chǎn)等問題平臺的累計數(shù)也從2014年1月的104家發(fā)展到2016年2月的1 425家，存在這些問題的平臺大多屬于民營系。糾其原因，與宏觀經(jīng)濟(jì)增速減緩和民營系平臺經(jīng)營不規(guī)范以及風(fēng)控能力弱息息相關(guān)。因此，對互聯(lián)網(wǎng)金融民營系P2P網(wǎng)貸平臺風(fēng)險預(yù)警研究是非常必要的。

一、文獻(xiàn)綜述

(一)關(guān)于P2P網(wǎng)貸平臺風(fēng)險特點(diǎn)的研究

P2P網(wǎng)貸平臺最早起源于國外。Lee認(rèn)為互聯(lián)網(wǎng)金融風(fēng)險主要是基于客戶辦理互聯(lián)網(wǎng)金融業(yè)務(wù)時的感知風(fēng)險[1]。Yum，Lee，Chae認(rèn)為P2P網(wǎng)貸平臺面臨的首要問題是信息不對稱，借貸雙方會通過博弈來降低風(fēng)險而保障自身的利益[2]。Lin，Prabhala研究發(fā)現(xiàn)借款者的社會資本對借款成功概率及違約風(fēng)險有顯著影響[3]。

馬亮認(rèn)為P2P網(wǎng)絡(luò)借貸平臺主要有借款人違約風(fēng)險、平臺運(yùn)營風(fēng)險、信息泄露風(fēng)險、網(wǎng)絡(luò)詐騙和洗錢風(fēng)險等風(fēng)險[4]。李淵琦，陳芳認(rèn)為P2P網(wǎng)貸風(fēng)險主要是借款人、貸款人、平臺和第三方個人或機(jī)構(gòu)四個方面引發(fā)的風(fēng)險[5]。黃薇分析平臺的運(yùn)營風(fēng)險主要是信用中介和資金運(yùn)作兩種模式對應(yīng)的風(fēng)險[6]。

(二)關(guān)于P2P網(wǎng)貸平臺風(fēng)險評價的研究

Bendana，Rowe研究發(fā)現(xiàn)從風(fēng)險認(rèn)知和貨幣交易來看，小型金融在互聯(lián)網(wǎng)上運(yùn)用較好[7]。Gonzalez，Loureiro研究了P2P網(wǎng)絡(luò)貸款中借款者和貸款者的個人特征對其信用的影響，認(rèn)為中年人比青年人獲得更高的信任[8]。

趙精武指出，P2P網(wǎng)絡(luò)貸款相對于傳統(tǒng)銀行而言具有交易直接、簡單快捷、信息比較透明等多個特征[9]。莫易嫻從利益相關(guān)者、交易的金額、價格等方面對比了國內(nèi)外互聯(lián)網(wǎng)金融發(fā)展的現(xiàn)狀，認(rèn)為我國的P2P網(wǎng)絡(luò)借貸更具有發(fā)展?jié)摿10]。

(三)關(guān)于風(fēng)險預(yù)警的研究

Bottazzi，Grazzi，Secchi，等以中型有限責(zé)任公司為樣本，采用非參數(shù)檢驗(yàn)和概率回歸的方法，發(fā)現(xiàn)金融和宏觀經(jīng)濟(jì)與公司財務(wù)危機(jī)有關(guān)[11]。Chen發(fā)現(xiàn)結(jié)合決策樹分類法和Logistic回歸方法的財務(wù)預(yù)警模型可以提高精準(zhǔn)度[12]。Minoiu，Kang將全球金融的關(guān)聯(lián)性作為財務(wù)預(yù)警指標(biāo)進(jìn)行分析，發(fā)現(xiàn)其有財務(wù)預(yù)警的能力[13]。

張友棠，黃陽將行業(yè)環(huán)境風(fēng)險和企業(yè)財務(wù)風(fēng)險的互動關(guān)系在“風(fēng)險地圖”中直觀的演繹出來，通過仿真技術(shù)實(shí)現(xiàn)了財務(wù)預(yù)警和風(fēng)險控制的結(jié)合[14]。張煜，肖美英加入公司價值和經(jīng)濟(jì)附加值指標(biāo)構(gòu)建了財務(wù)預(yù)警模型，測試了企業(yè)的財務(wù)狀況[15]。殷杰，周春梅以2013年的37家旅游行業(yè)的上市公司為例，采用熵值法，利用可拓模型分析了上市公司的財務(wù)風(fēng)險現(xiàn)狀[16]。

綜上所述，國內(nèi)外學(xué)者對互聯(lián)網(wǎng)金融進(jìn)行了研究，但是仍然存在著以下方面的不足：(1)學(xué)者們對其研究多是風(fēng)險構(gòu)成及影響方面的研究，鮮有對風(fēng)險預(yù)警方面研究。(2)即使鮮有的預(yù)警方面的研究，主要局限在理論研究，實(shí)證研究較少。(3)對于指標(biāo)選取，沒有考慮互聯(lián)網(wǎng)金融的獨(dú)特性。已投資者對平臺的評價，會影響現(xiàn)有投資者的決策，也會影響平臺的發(fā)展。(4)多數(shù)學(xué)者只是選擇某一期間進(jìn)行研究。鑒于此，本文以民營系P2P網(wǎng)貸平臺為研究對象，加入用戶推薦度指標(biāo)，采用主成分分析法降維，運(yùn)用二元Logistic回歸方法構(gòu)建T-4、T-3、T-2和T-1四個時期的模型進(jìn)行實(shí)證分析。

二、民營系P2P網(wǎng)貸平臺風(fēng)險預(yù)警指標(biāo)體系構(gòu)建

本文以LAPP法的四個維度為基礎(chǔ)，以民營系P2P網(wǎng)貸平臺風(fēng)險的特點(diǎn)為立足點(diǎn)進(jìn)行指標(biāo)體系的構(gòu)建。

(一)LAPP法

LAPP法是金融機(jī)構(gòu)對客戶作信用風(fēng)險分析時要素分析法之一，四個要素分別是流動性、活動性、盈利性和潛力。本文借鑒LAPP法的方法思路，將其運(yùn)用到民營系P2P網(wǎng)貸平臺的風(fēng)險評價中。將風(fēng)險按照LAPP法的框架進(jìn)行歸類和總結(jié)，構(gòu)建評價指標(biāo)體系，如圖1所示。

圖1 LAPP法分析

(二)指標(biāo)的選取

以LAPP法四個維度為框架，分析和歸類民營系P2P網(wǎng)貸平臺風(fēng)險，選取指標(biāo)評價。

流動性：主要衡量資產(chǎn)以合理價格迅速轉(zhuǎn)讓給對方的能力。平臺流動性受流動性風(fēng)險的影響。為了衡量民營系P2P網(wǎng)貸平臺流動性風(fēng)險，選取資金凈流入增長率、投資人數(shù)、借款標(biāo)數(shù)、待收投資人數(shù)、待還借款人數(shù)和用戶推薦度指標(biāo)進(jìn)行衡量。

活動性：主要評價P2P網(wǎng)貸平臺投入資產(chǎn)使用的經(jīng)營能力。平臺的活動性受運(yùn)營風(fēng)險和操作風(fēng)險的影響，運(yùn)營風(fēng)險衡量指標(biāo)是成交額/注冊資本和人均投資金額，指標(biāo)越大，平臺的運(yùn)營能力越強(qiáng)。操作風(fēng)險的大小受平臺業(yè)務(wù)集中度和資金的存放方式影響，選取平均借款期限水平、前十大投資人待收占比和資金托管指標(biāo)進(jìn)行衡量。

盈利性：主要評價P2P平臺獲利能力。受數(shù)據(jù)可獲取影響，無法獲取P2P平臺相關(guān)利潤等數(shù)據(jù)。但對于民營系P2P網(wǎng)貸平臺而言，其盈利性會受到平臺的注冊資本、利率水平、運(yùn)營月份、成交額、歷史待還金額、成交額/歷史待還指標(biāo)影響。這些指標(biāo)又衡量了企業(yè)的償還能力和償還意愿，屬于平臺的信用風(fēng)險。

潛力：評價P2P網(wǎng)貸平臺的業(yè)務(wù)發(fā)展能力。本文選取成交額增長率、投資人數(shù)增長率和借款標(biāo)數(shù)增長率指標(biāo)進(jìn)行衡量。指標(biāo)越大，平臺潛力越強(qiáng)。

綜上，基于LAPP法，以民營系P2P網(wǎng)貸平臺風(fēng)險特點(diǎn)為立足點(diǎn)的風(fēng)險預(yù)警指標(biāo)體系見表1。

表1 指標(biāo)說明

三、實(shí)證分析

(一)樣本選擇和數(shù)據(jù)來源

本文數(shù)據(jù)來自網(wǎng)貸之家。為保證數(shù)據(jù)穩(wěn)定性，本文選取運(yùn)營時間一年以上的民營系平臺為樣本進(jìn)行研究。選取可獲取數(shù)據(jù)的問題平臺10家(分別是Hi投吧、飛速貸、15貸、開開貸、聚投融、盈天下、沃資本、渣豐投資、紫金貸和幸福貸)，并根據(jù)1∶3的樣本比例，按照注冊資本、平均收益率和保障模式等配對條件選取了30家運(yùn)營正常的平臺，共40家樣本進(jìn)行研究。由于民營系平臺易突發(fā)問題，因此，選取曝光問題的當(dāng)月為T月，對樣本的T-4、T-3、T-2和T-1四期進(jìn)行研究。

(二)模型的設(shè)定與檢驗(yàn)

根據(jù)以往學(xué)者的經(jīng)驗(yàn)，采用主成分分析法進(jìn)行降維，通過二元Logistic回歸分析方法進(jìn)行預(yù)警模型的構(gòu)建。

1．主成分分析法，主要有以下幾個方面。

(1)KMO和Bartlett球形檢驗(yàn)。將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行KMO和Bartlett球形檢驗(yàn)。檢驗(yàn)結(jié)果如下：T-4、T-3、T-2和T-1期的KMO分別是0.588、0.585、0.557和0.513，均大于0.5，sig值均為0.000，明顯小于0.05，因此適合做主成分分析。

(2)提取因子。提取因子特征值均大于1的主成分因子。T-4、T-3、T-2和T-1分別提取了6個、7個、6個、6個，且累計貢獻(xiàn)率分別達(dá)到77.71%、77.85%、78.01%、76.70%。

(3)因子載荷。T-4、T-3、T-2和T-1四期采用最大方差法，對因子載荷矩陣實(shí)行正交旋轉(zhuǎn)性使因子具有命名性，結(jié)果如表2。

表2 因子命名匯總

(4)因子得分。采用回歸估計方法得到因子得分函數(shù)，根據(jù)因子得分函數(shù)計算因子得分。

2．二元Logistic回歸模型構(gòu)建與檢驗(yàn)。根據(jù)四期的因子得分?jǐn)?shù)據(jù)，采用二元Logistic回歸程序，選擇輸入回歸方法進(jìn)行研究。

(1)模型分?jǐn)?shù)的綜合檢驗(yàn)。模型分?jǐn)?shù)的綜合檢驗(yàn)結(jié)果見表3。

表3 模型分?jǐn)?shù)的綜合檢驗(yàn)

四期的顯著性水平均小于0.05，因此應(yīng)拒絕原假設(shè)?；貧w系數(shù)不同時為0時，解釋變量全體與Logistic之間線性關(guān)系顯著，該模型合理。

(2)模型的擬合優(yōu)度。模型的擬合優(yōu)度結(jié)果見表4。

表4 模型的擬合優(yōu)度

-2 對數(shù)概似函數(shù)值較低，Nagelkerke R2都大于0.4，模型的擬合優(yōu)度較好。

(3)模型回歸系數(shù)。模型四期回歸系數(shù)結(jié)果見表5-8。

表5 T-4期模型回歸系數(shù)

表6 T-3期模型回歸系數(shù)

表7 T-2期模型回歸系數(shù)

表8 T-1期模型回歸系數(shù)

在顯著性水平α=0.1情況下，T-4期保障能力和安全能力對模型有顯著正向影響，表明保障能力和安全能力越強(qiáng)，越不容易發(fā)生危機(jī)；T-3期運(yùn)營能力和發(fā)展?jié)摿δＰ陀酗@著正向影響，表明運(yùn)營能力和發(fā)展?jié)摿υ綇?qiáng)，越不容易發(fā)生危機(jī)；T-2期運(yùn)營能力和保障能力對模型有顯著正向影響，表明運(yùn)營能力和保障能力越強(qiáng)，越不容易發(fā)生危機(jī)；T-1期成長能力和風(fēng)險集中度對模型有顯著正向影響，表明成長能力越強(qiáng)和風(fēng)險越分散，越不容易發(fā)生危機(jī)。

(4)模型結(jié)果分析。模型結(jié)果分析見表9。

由表9可以看出，四期模型準(zhǔn)確率均達(dá)到了80%以上，模型整體效果較好。

表9 模型結(jié)果分析

四、結(jié)論與建議

本文運(yùn)用主成分分析法進(jìn)行降維處理，采用二元Logistic回歸模型對40家互聯(lián)網(wǎng)金融民營系P2P平臺進(jìn)行預(yù)警模型構(gòu)建。研究得出以下結(jié)論：(1)基于LAPP分析，以民營系P2P網(wǎng)貸平臺風(fēng)險為立足點(diǎn)構(gòu)建的風(fēng)險預(yù)警模型可行。(2)通過回歸模型發(fā)現(xiàn)，在不同運(yùn)營時期，對平臺的關(guān)注點(diǎn)應(yīng)有不同的側(cè)重。T-4期保障能力和安全能力應(yīng)重點(diǎn)關(guān)注；T-3期運(yùn)營能力和發(fā)展?jié)摿?yīng)重點(diǎn)關(guān)注；T-2期運(yùn)營能力和保障能力應(yīng)重點(diǎn)關(guān)注；T-1期成長能力和風(fēng)險集中度應(yīng)重點(diǎn)關(guān)注。

根據(jù)預(yù)警模型對管理者提出了以下建議：(1)管理者應(yīng)根據(jù)所處時期對平臺關(guān)注點(diǎn)有所不同側(cè)重。(2)加強(qiáng)資金管控。多數(shù)民營系P2P平臺是小平臺，容易資金鏈斷鏈，只有加強(qiáng)對平臺資金的把控，才能使平臺健康發(fā)展。(3)注重成長能力。民營系P2P平臺屬于朝陽行業(yè)，成長能力強(qiáng)的平臺才能站穩(wěn)腳步。(4)提高風(fēng)險意識。經(jīng)常關(guān)注和分析網(wǎng)貸平臺風(fēng)險，盡早發(fā)現(xiàn)潛在危機(jī)并進(jìn)行處理?；ヂ?lián)網(wǎng)金融民營系P2P平臺只有科學(xué)防范風(fēng)險，才能實(shí)現(xiàn)可持續(xù)發(fā)展。

[1]MING CHI LEE. Factors Influencing the Adoption of Internet Banking :An Integration of TAM and TPB with Perceived Risk and Perceived Benefit[J].Electronic Commerce Research and Applications, 2009,8(3):130-141.

[2]HAEWON YUM, BYUNGTAE LEE, MYUNGSIN CHAE. From the Wisdom of Crowds to My Own Judgment in Microfinance Through Online Peer-to-peer Lending Platforms[J]. Electronic Commerce Research and Applications, 2012(5): 469-483.

[3]MINGFENG LIN, NAGPURNANAND R PRABHALA.Judging Borrowers by the Company They Keep: Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending[J]. Management Science, 2013(1): 17-35.

[4]馬亮. P2P網(wǎng)貸的風(fēng)險分析及防控對策[J]. 金融經(jīng)濟(jì),2014(12):3-5.

[5]李淵琦,陳芳. 我國P2P網(wǎng)貸的風(fēng)險分析及監(jiān)管對策[J]. 上海金融,2015(7):78-81.

[6]黃薇. P2P網(wǎng)貸平臺營運(yùn)模式及其非法集資風(fēng)險探討[J]. 重慶科技學(xué)院學(xué)報(社會科學(xué)版),2015(8):30-32.

[7]MOHAMED BENDANA, FRANTZ ROWE. Du Minitel à l’Internet: perception du risque et transition chez les internautesutilisateurs des services bancaires[J]. Annales Des Télécommunications,2003,58(1):197-211.

[8]LAURA GONZALEZ, YULIYA KOMAROVA LOUREIRO. When Can a Photo Increase Credit The Impact of Lender and Borrower Profiles on Online Peer-to-Peer Loans[J]. Journal of Behavioral and Experimental Finance, 2014(2):44-58.

[9]趙精武. P2P網(wǎng)絡(luò)借貸的債權(quán)人保護(hù)問題[J]. 法制與社會,2013(23):64-66.

[10]莫易嫻. 國內(nèi)外P2P網(wǎng)絡(luò)借貸發(fā)展研究[J]. 財會月刊,2014(16):63-66.

[11]BOTTAZZI G, GRAZZI M, SECCHI A, et al. Financial and Economic Determinants of Firm Default[J]. Journal of Evolutionary Economics，2011(3): 373-406.

[12]CHEN M Y. Predicting Corporate Financial Distress Based on Integration of Decision Tree Classification and Logistic Regression[J]. Expert Systems with Applications,2011(9): 11261-11272.

[13]CAMELIA MINOIU, CHANHYUN KANG V S. Subrahmanian,Anamaria Berea. Does Financial Connectedness Predict Crises?[J]. Quantitative Finance,2015,15(4): 607-624.

[14]張友棠,黃陽. 基于行業(yè)環(huán)境風(fēng)險識別的企業(yè)財務(wù)預(yù)警控制系統(tǒng)研究[J]. 會計研究,2011(3):41-48+95.

[15]張煜,肖美英. 基于EVA的上市公司財務(wù)預(yù)警模型構(gòu)建[J]. 財會通訊,2015(7):25-27.

[16]殷杰,周春梅.基于可拓模型的旅游上市公司財務(wù)風(fēng)險研究[J]. 會計之友, 2015(6):110-113.

【責(zé)任編輯 郭 玲】

Risk Early Warning Research on Internet Finance Department of Private P2P Net Loan Platform

ZHU Qing-xiang1，2, WANG Li2

(1. School of Economics and Management, Hebei University of Technology, Tianjin 300401; 2. School of Economics and Management, Yanshan University, Qinhuangdao, Hebei 066004, China)

Internet P2P net loan platform develops so far, frequently appears the closure of the platform, and is facing enormous challenges. This paper is based on four dimensions of LAPP analysis method, takes the characteristics of the private internet-based P2P net loan risk as the standpoint, and selects 20 indicators to do empirical analysis. First, the principal component analysis method is used for dimension reduction; secondly, by using a binary logistic regression analysis of P2P net loan platform, 40 private lines are analyzed to construct the risk warning model of T-4, T-3, T-2 and T-1 period; and finally, according to the empirical results of the model of private-based P2P net loan platform the relevant proposals are put forward.

private department; P2P net loan platform; risk early warning; principal component analysis method; binary Logistic regression

2016-05-15

河北省社會科學(xué)基金項(xiàng)目“大數(shù)據(jù)背景下河北省互聯(lián)網(wǎng)金融風(fēng)險預(yù)警體系研究”(HB15GL117)；“大數(shù)據(jù)背景下河北省涉農(nóng)電子商務(wù)P2P網(wǎng)絡(luò)信貸平臺創(chuàng)新模式研究”(HB15GL112)

朱清香(1962—)，女，黑龍江寶清人，河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院教授，燕山大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生導(dǎo)師，主要研究方向：財務(wù)管理、互聯(lián)網(wǎng)金融。

F832

A

1005-6378(2016)04-0123-08

10.3969/j.issn.1005-6378.2016.04.017