P2P網貸風險準備金的差異化提研究

宋建波 王德宏

[摘要]目前我國P2P網貸普遍采取“一刀切”的單一風險準備金計提比例。這種計提方法的缺點是未能區(qū)分網貸項目的風險高低，造成的后果是低風險項目的風險準備金計提費用不低和高風險項目費用不高的“大鍋飯”局面，降低了網貸平臺的風險控制水平。本文提出一種基于網貸項目風險調整因子模型實行差異化風險準備金計提的新方法?；贖網貸平臺數據的應用結果表明，新方法能夠增大（抑制）網貸平臺對于低（高）風險項目的吸引力，且不會降低網貸平臺風險準備金現行的整體計提水平。實行風險準備金差異化計提有利于我國網貸平臺在積極擴張低風險業(yè)務的同時，改善風險控制水平。

[關鍵詞]P2P網貸；還款違約；風險準備金

[中圖分類號]F83

近幾年，我國P2P互聯(lián)網借貸發(fā)展迅速，網貸平臺數量以及網貸成交額呈現井噴式增長。與網貸業(yè)務迅猛發(fā)展相對應，網貸風險同樣突出。截止2016年4月底，P2P網貸出現經營困難等情況問題平臺累計占全國P2P網貸平臺的34.4%（第一網貸，2016年4月份全國P2P網貸行業(yè)快報）。出現如此高比例的違約風險，嚴重損害了投資人的利益，損害了網貸行業(yè)的健康持久發(fā)展.也為我國的金融創(chuàng)新和金融監(jiān)管帶來了新的挑戰(zhàn)。2016年8月，銀監(jiān)會發(fā)布《網絡借貸信息中介機構業(yè)務活動管理暫行辦法》。2016年10月，國務院發(fā)布《互聯(lián)網金融風險專項整治工作實施方案》。銀監(jiān)會同時出臺《P2P網絡借貸風險專項整治工作實施方案》。如何應對P2P網貸帶來的巨大風險已經成為我國金融創(chuàng)新需要解決的熱點問題之一。

風險準備金是金融業(yè)務中應對風險的重要手段。與傳統(tǒng)銀行貸款業(yè)務相比，P2P網貸項目普遍具有無抵押、利率高、金額小、數量大、跨地域、涉及人群廣和違約追索難等特點，投資者與借款人之間存在著更加嚴重的信息不對稱問題，風險準備金在防范風險方面扮演著更為重要的角色。但目前我國網絡借貸平臺普遍采用的風險準備金制度卻有一些值得探討之處。其中之一是平臺普遍對網貸項目不論其風險高低采取統(tǒng)一的風險準備金計提比例2%。造成的后果是，對于低風險借貸項目計提的風險準備金富余，而對于高風險項目計提的風險準備金又不足。這是一種“一刀切”的做法，其實質是用低風險項目風險準備金計提的富余去彌補高風險項目風險準備金計提的不足。客觀上打壓了低風險項目和縱容了高風險項目。妨礙了P2P網貸平臺在低風險項目方面的擴張，影響了網貸行業(yè)的健康持久發(fā)展。因此，按照網貸項目風險高低采取差異化的風險準備金計提具有積極意義。

一、P2P網貸風險特點與風險準備金計提依據

信貸業(yè)務的風險準備金是指金融機構建立一個資金賬戶，對每筆借款項目計提一定比例資金放入此賬戶，當借款人出現還款違約時，金融機構使用該賬戶資金有限償付投資。

P2P網貸的風險特點與傳統(tǒng)銀行貸款顯著不同，風險準備金對于P2P網貸在風險管理方面具有更加重要的意義。這些不同主要體現在以下方面：

第一，傳統(tǒng)銀行貸款具備完善的抵押和擔保體系，P2P網貸項目普遍缺乏抵押和擔保，難以依靠抵押和擔保對違約事件進行追索，風險準備金就成為應對違約風險的重要工具。

第二，P2P網貸項目普遍金額較小，借款期限較短但又借貸筆數巨大。例如，網貸平臺紅嶺創(chuàng)投2015年平均每筆借貸金額僅為4. 33萬元，平均借款期限3.69個月，但完成網貸項目高達209. 88萬筆（紅嶺創(chuàng)投，2015年運營年報）。

第三，P2P網貸的風險審核質量遠遠弱于傳統(tǒng)銀行貸款，致使投資人與借款人之間的信息不對稱更為嚴重，這種信息不對稱局面造成了借款人很大的逆向選擇和道德風險。傳統(tǒng)銀行貸款通常能夠審核借款人的各種證明文件實物，有能力進行現場調查，并與借款人進行面對面交易。考慮到成本效益原則，P2P網貸面臨數量巨大的借款人，在審核證明文件上往往采取拍照和掃描上傳的辦法，并不驗證實物文件。同時，考慮到平臺的貸款數量、借款期限和不見面的經營特點，平臺往往無力對大量的小額短期借貸項目信息的真實性進行有效核查。

第四，P2P網貸的貸款利率遠遠高于傳統(tǒng)銀行貸款，但這種高利率并不能完全轉化為投資人的收益，其高出的部分主要作為高風險的補償。例如，2015年末，網貸行業(yè)平均利率雖有所下降，但仍然達到11.5%（網貸天眼，2015年度網貸行業(yè)報告）。高利率一方面帶來了我國P2P網貸行業(yè)的高速發(fā)展，另一方面又進一步放大了該行業(yè)的風險。

第五，由于風險審核方式上的差別，P2P網貸項目的信息屬性也與傳統(tǒng)銀行貸款不同。借款人和借款項目的信息按照其屬性可以分為硬信息和軟信息兩類，硬信息是指被核實了的或者客觀性較強的不易受到人為因素干擾以及出自第三方的信息，具有高可信度，如借款期限、利率和金額以及網貸平臺為借款人做的信用評級等；軟信息是指借款人自行陳述的、未被核實的主觀信息或者容易受到人為因素影響的內容，其可信度尚不確定，如上傳的借款人學歷掃描件、身份證件影像和借款人描述的借款用途等。傳統(tǒng)銀行貸款通常見面交易和實物核對證件方式，獲得的借貸信息中硬信息的含量較高；P2P網貸的不見面交易特點決定了其借貸信息中硬信息含量遠遠低于傳統(tǒng)銀行貸款。與硬信息不同的是，這些軟信息的披露雖然有助于幫助借款人成功獲得貸款，但卻不一定能夠降低信息不對稱的情況，相反有可能會加劇信息不對稱的程度。因此，在判斷網貸違約的影響因素時，研究認為應以硬信息為主進行。

目前我國P2P網貸行業(yè)風險準備金計提的主要政策依據是財政部財金（2012） 20號文件《金融企業(yè)準備金計提管理辦法》?！掇k法》中將風險準備金定義為金融企業(yè)對承擔風險和損失的金融資產計提的準備金，包括資產減值準備和一般準備。其中的一般準備，要求金融企業(yè)運用動態(tài)撥備原理，采用標準法或內部模型法計算風險資產的潛在風險估計值后，扣減已計提的資產減值準備，從凈利潤中計提，用于部分彌補尚未識別的可能性損失的準備金。《辦法》中的標準法，是指金融企業(yè)根據金融監(jiān)管部門確定的標準對風險資產進行風險分類后，參照財政部制定的標準風險系數計算確定潛在風險估計值的方法。《辦法》中的內部模型法，是指具備條件的金融企業(yè)使用內部開發(fā)的模型對風險資產計算確定潛在風險估計值的方法。

許多網貸平臺對于投資人因借款人還款違約帶來的損失承諾有限賠償責任，屬于尚未識別的可能性損失。目前我國P2P網貸平臺的風險準備金的制度依據來源于《辦法》，主要根據《辦法》中的標準法實行固定風險準備金計提比例。P2P平臺網貸項目的風險準備金屬于一般準備，主要用于應對借貸項目中借款人的還款違約風險。P2P網貸與傳統(tǒng)銀行貸款在風險方面顯著不同的特征，凸顯出不同項目進行差異化計提風險準備的必要性；而《辦法》中的內部模型法為P2P平臺制定對借款項目實行差異化風險準備金計提方法的政策依據。

二、網貸風險的影響因素與風險準備金差異化計提模型

根據文獻研究網貸違約風險的影響因素，歸納起來可分為四類：第一類是借款人的身份信息，如戶口所在地、性別和年齡等。當前網貸平臺主要靠拍照上傳，這種方法難以核對證件實物和當事人，且容易受到圖片修圖的影響，因此這類信息較易產生網貸平臺、投資人與借款人之間的信息不對稱。第二類是借款人的其他個人信息，如居住地區(qū)、外地戶籍、教育程度、生活和住房狀況、婚姻狀況、家人是否知曉借款以及收入水平等，這些信息主要借款人自行申報，由于網貸項目數量巨大而又金額偏小的特點，網貸平臺通常難以對每條信息的真實性進行有效核查，因此也容易產生信息不對稱。第三類是借款人的相關信用信息，這類信息按照可信度又可細分為三個方面：一是借款人的一般信用歷史、有無銀行貸款違約和債務水平等，考慮到我國目前個人征信系統(tǒng)覆蓋面過小，只有3.5億人擁有信貸記錄，個人征信記錄覆蓋率僅為35%，大量借款人的信用數據難以有效獲得（波士頓咨詢，中國個人征信行業(yè)報告2015）；二是借款人在特定網貸平臺上的信用信息，如投標筆數、借款進度、成功借款次數、按時還款次數、逾期還款次數、提前還款次數、借款人已償清比率和借款人成功借款比率等，這些信息同樣可能受到借款人的人為刷屏操縱；三是P2P網貸平臺為披露借款人的信用狀況普遍推出了會員信用等級指數，這些指數通常由網貸平臺根據其內部算法和歷史狀況綜合各種因素評估而成，由于是由網貸平臺這個第三方中介進行的評估，這些信用指數往往具有較高的可信度。第四類是網貸項目的屬性信息，如借款利率、借款期限和借款金額，這些信息具有較高的客觀性。通過對以上四類信息的評估，研究認為信用等級、借款利率、借款期限和借款金額這四個因素具有較高的客觀性，受信息不對稱可能性的影響較小。

風險準備金計提比例的差異化基于借貸項目本身風險的差別，具體分為四個步驟進行：

（一）確定網貸項目違約還款風險的影響因素

通過構造借貸違約還款影響因素的二元Logit模型，可以分析這些因素對于違約事件的識別能力，以硬信息為主。

其中，RDP （Repayment Default Possibility）是違約還款事件發(fā)生的概率。對于模型的因變量部分，發(fā)生違約還款事件時賦值為1.否則為0。a為截距項。BA （Borrowing Amount）是借款人通過P2P平臺成功獲得的金額。BR （Borrowing Rate）是借款人為獲得借款愿意支付的利率。BP （Borrowing Periods）是借款期限，為統(tǒng)一起見以借款月數表示，不足一個月的按照一個月計算。BCL （Borrowing Credit Level）是借款人信用等級，研究采用案例平臺的會員（信用）等級替代。β1、β2、β3、β4代表相應的系數，其顯著性表示相應變量對違約還款產生的影響程度，其正負號表示相應變量對違約還款事件的影響方向。這些影響因素對于網貸項目違約風險的識別能力可以借助判別分析方法，通過第一類錯誤和第二類錯誤的比率進行評估。

（二）推導影響因素對于違約還款風險的邊際效應

以借款金額為例，如果式（1）中借款金額因素顯著，在其他影響因素不變的情況下，BA加1時違約還款事件發(fā)生的概率由RDP變?yōu)镽DP1，得到式（la）：

由于RDP和RDP11的數值均很小且在其他條件不變時其數值相近，近似估計為（1-RDP）/（1-RDP1）≈l，式（lc）簡化為式（1d）：

從式（ld）得到其他因素不變時借款金額加1時對于違約還款概率的邊際影響ME （Marginal Effect）如式（2a）。其他影響因素對于RDP的邊際效應公式與此類似，如式（2b）、（2c）和（2d）所示。

（三）基于邊際效應構造風險準備金計提比例的調整因子

同樣以借款金額為例，假設基準風險準備金情形中的借款金額為bBA（base BA），其違約還款概率為RDPbBA；在其他條件不變的情況下時，實際借款金額為actBA（actual BA），actBA相對于bBA每增加1時對RDP的邊際影響為MEBA，其違約還款概率由RDPbBA變?yōu)镽DPactBA。借助式（2a）可得到式（3），相應的調整因子AdjFactor為式（3a）。

借款利率BR和借款期限BP的調整因子與此類似，其調整因子如式（3b）和（3c）所示。

借款人信用等級的情形稍有不同，鑒于我國網貸平臺普遍設定最高信用等級，因此可設最高信用等級為基準信用等級bBCL，而實際信用等級則不大于最高信用等級，因此借款人信用等級的調整因子如式（3d）所示。

如果式（1）中所有因素顯著且相對基準情況發(fā)生變化時，所有相關的調整因子需要共同疊加到基準情形，如式（4）所示。

（四）基于調整因子建立風險準備金的差異化計提比例

如果一個網貸項目發(fā)生違約還款風險的概率增加，對其計提的風險準備金比例也應相應增加。設風險準備金的基準計提比例為bPR （base Provision Rate）.一個網貸項目的違約還款風險相對基準情形的調整因子為AdjFactor，風險準備金的實際計提比例actPR（actualProvision Rate）由式（5）得到。

三、風險準備金差異化計提應用

網貸咨詢平臺“網貸之家”提供了各P2P網貸平臺的成交量、網貸指數、透明度等數據，考慮到各網貸平臺官網運營情況等因素，研究選擇了數據透明度較高、成交量大的H平臺作為數據來源。借款人信用等級采用平臺的會員等級替代，該會員等級共分為五個級別vl -v5，數字越大等級越高；而借款金額、借款利率和借款期限可以直接對應平臺上的原始數據。對于借款項目是否發(fā)生違約還款事件需要進行判斷，判斷方法是對比樣本抓取日期、實際到期日期和還款狀態(tài)。如果樣本抓取日期晚于實際到期日期，且還款狀態(tài)是“待還款”，則發(fā)生了違約還款事件。

研究使用抽樣法隨機收集了H網貸平臺2015年12月份到期的200個成功借貸項目作為樣本，樣本描述見表1。

其中，借款金額的范圍是從619～100 000元，其均值為49571元。樣本的借款利率范圍為8.6%～24%，平均為9.6%。借款期限范圍為1N 12個月，平均為3.7個月。在借款人信用等級方面，網貸平臺會員可以從投資非天標、全額還款和評價等途徑獲得積分，平臺按積分總額將借款者分為vI～v5共五個不同會員等級，樣本數據包含以上全部5個等級，平均等級為3.2。

（一）網貸項目違約還款風險的影響因素

以“是否發(fā)生違約還款”為因變量對式（1）進行二元Logit回歸，分析結果如表2所示?；貧w模型綜合檢驗中卡方檢驗的觀測值為46. 842，自由度為4，Sig.值為0.000。在顯著性水平為0.05的情況下，由于Sig.值小于0.05，應拒絕原假設，即認為所有回歸系數不同時為O時，解釋變量全體與In（RDP/（1-RDP））之間的線性關系顯著，即該模型整體有效。

式（1）的回歸系數如表3所示，表中各個自變量對于發(fā)生還款違約事件的邊際效應ME欄根據式（2a）～（2d）得到。借款期限和借款人信用等級與違約還款顯著相關，而其他變量與違約還款之間不顯著相關。

（二）影響因素違約風險的識別能力分析

式（1）回歸結果的最大重新?lián)Q算R方（max-rescaledR square）為0.3216，為檢驗顯著性因素對于還款違約事件的判別能力，研究以0.5對0.5的先驗概率進行判別分析，結果如表4所示?？傆?00樣本中正常還款項目158個，識別110個，正確率69. 62%，但有48個被錯誤識別為還款違約，第一類錯誤率為30.38%；還款違約項目42個，識別30個，正確率71.43%，其中有12個被錯誤識別為正常還款，第二類錯誤率為28.57%。以0.5對0.5的先驗概率來看，這些影響因素對于還款違約事件具有判別力。

（三）影響因素對于違約風險的邊際效應

如表3的ME欄所示，借款期限的邊際效應為0.314，即借款期限每增加一個月，違約還款的可能性增加31.4%；借款人信用的邊際效應為-0.048，即借款人信用每上升一個等級，違約還款的可能性降低4.8%，或者借款人信用每下降一個等級，違約還款的可能性上升5.04%（=l/（1-4. 8%）-1）。

（四）基于邊際效應構造調整因子

根據式（1）的回歸結果，借款期限越短，或者借款人信用等級越高，發(fā)生還款違約的概率越低。在H網貸平臺，若借款期限以月數計算的話，最短期限為一個月（不足一個月按一個月計算），借款人信用等級（會員等級）最高為V5，這時發(fā)生還款違約事件的概率平均最低，因此可將此種組合設為風險準備金計提比例的基準情形。H平臺目前風險準備金計提比例統(tǒng)一為年化2%，折算成月利率為0.167%，以此作為差異化風險準備金計提的基準比例。

在借款期限方面，以一個月為基準情形，在其他條件不變時，借款期限每增加一個月，發(fā)生還款違約事件的概率增加MEBP （=31.4%）。根據式（3c）可得借款期限為actBP的具體調整因子為式（3c）。在借款人信用方面，以最高等級V5為基準情形，在其他條件不變時，借款人信用每降低一個等級，發(fā)生還款違約事件的概率增加MEBCL （=5.04%）。由式（3d）可得借款人信用等級為actBCL的具體調整因子為式（3d）。由于式（1）中只有借款期限BP和借款人信用等級BCL因素顯著，式（4）演變?yōu)槭剑?）。

在H網貸平臺，常見的借款期限為1—12個月，會員等級為vl～v5，組合起來共有60種情形，其具體的調整因子實例如表5所示。從中看到，借款期限越長，調整因子就越大，發(fā)生還款違約的風險就越高；借款人的信用等級越低，調整因子就越大，發(fā)生還款違約的風險就越高；若借款人的信用等級偏低，或借款期限較長，調整因子將迅速增大，網貸項目發(fā)生還款違約事件的不確定性隨之迅速增大。因此，作為網貸違約風險的重要應對手段，風險準備金的計提比例應隨著發(fā)生還款違約風險的變化而變化。

（五）基于調整因子建立風險準備金的差異化計提比例

根據表5和式（4）可得H網貸平臺差異化風險準備金計提比例的一組實例，如表6所示。其中，陰影部分表示使用差異化風險準備金計提比例低于現行方法的情形。在總共60種常見組合情形中，有35種情形（約58.3%；具體而言，V5：2～9個月內；V2_4：2～8個月內：V1：2～7個月內）的風險準備金計提比例小于現行方法，非常有利于網貸平臺擴展低風險的借貸業(yè)務；有24種（40%；具體而言，Vs：10個月及以上：V2_4：9個月及以上：V1：8個月及以上）情形的風險準備金計提比例將高于現行辦法，有利于網貸平臺進一步抑制高風險借貸項目（其中有1種基準情形）。

表6最底行的小計是按照會員等級累計現行方法和調整因子法計提的風險準備金比例的均值。從中看到，各個會員等級下差異化風險準備金的均值均高于現行方法；而整個60種常見情形下差異化風險準備金的均值為1.25%，比現行方法的1.08%高出15.7%。因此，從總體上看，實行差異化風險準備金計提比例不會導致網貸平臺風險準備金計提總量的減少。

四、結論

隨著我國P2P網貸行業(yè)的迅速發(fā)展，網貸違約事件高發(fā)，成為互聯(lián)網金融的焦點問題，嚴重損害了投資人的利益，也危害互聯(lián)網金融行業(yè)健康發(fā)展。網貸平臺對借貸項目計提風險準備金是應對還款違約風險的重要手段，但我國P2P網貸平臺普遍對借貸項目采取固定比例的風險準備金計提方法，未能區(qū)分借貸項目的風險大小。這種做法導致低風險借貸項目的風險費用上升，妨礙了網貸平臺在低風險借貸項目方面的進一步發(fā)展；而高風險借貸項目的風險費用并未因為風險高得到提高，容易誘導借款人進行高風險的借貸項目，導致P2P網貸平臺的運營風險增大。

為改善網貸項目的違約風險，研究主張改變我國網貸平臺目前不區(qū)分風險大小采用單一風險準備金計提比例的做法，根據借貸項目的風險屬性實行差異化的風險準備金計提。即，對低風險的網貸項目計提降低比例的風險準備金，有助于網貸平臺進一步擴大低風險的借貸業(yè)務對高風險的網貸項目計提提高比例的風險準備金，有助于網貸平臺抑制高風險的借貸業(yè)務。實行差異化的風險準備金計提方法有利于改善網貸平臺的風險控制，促進網貸平臺的健康發(fā)展。

為實現差異化的風險準備金計提方法，本文以H網貸平臺為例進行研究，得到以下研究結論：

第一，由于我國網貸平臺的業(yè)務模式和個人征信系統(tǒng)現狀的限制，現有文獻提出的還款違約影響因素需要考慮信息不對稱可能性的影響。通過對案例企業(yè)研究發(fā)現，在受信息不對稱影響較小的硬信息因素中，網貸項目還款違約事件與借款期限和借款人信用等級顯著相關。

第二，通過網貸風險影響因素的邊際效應分析得到調整因子，可以實現網貸項目風險準備金計提的差異化。根據網貸項目發(fā)生還款違約的基準風險情形和調整因子，調整因子數值越大，相對基準風險情形發(fā)生還款違約事件的可能性就越大。網貸項目發(fā)生還款違約事件的可能性越大，計提的風險準備金比例就越高，反之則越低。

第三，根據H網貸平臺提出一組差異化風險準備金計提比例，在不降低網貸平臺風險準備金計提整體水平的前提下，將會有58.3%的借貸項目（低風險項目）因減少風險準備金計提費用而受益，有利于網貸平臺進一步擴大低風險業(yè)務，在同行業(yè)中因風險準備金計提費用低獲得競爭優(yōu)勢；將會有40%的網絡借貸項目（高風險項目）因提高風險準備金計提費用而得到抑制。其結果是，P2P網貸平臺將會在防控風險前提下進一步擴大業(yè)務。

主要參考文獻：

[1]姚博.信用評價是否抑制了網貸行為中的地區(qū)與學歷偏好[J].財貿經濟，2016，37 （7）：147 -160.

[2]網貸天眼.2015年度網貸行業(yè)報告.

[3]陳冬宇.基于社會認知理論的P2P網絡放貸交易信任研究[J].南開管理評論，2014，17 （3）：40-48.

[4]葉青，李增泉，徐偉航.P2P網絡借貸平臺的風險識別研究[J].會計研究，2016 （6）：38-45.

[5]第一網貸.2 016年4月份全國P2P網貸行業(yè)快報.

[6]劉繪，沈慶劫，我國P2P網絡借貸的風險與監(jiān)管研究[J].財經問題研究，2015 （1）： 52-59.

[7]李焰，高弋君，李珍妮，等.借款人描述性信息對投資人決策的影響一一基于P2P網絡借貸平臺的分析[J]，經濟研究，2014 （sl）：14 3-15 5.

[8]廖理，李夢然，王正位.聰明的投資者：非完全市場化利率與風險識別一一來自P2P網絡借貸的證據[J].經濟研究，2014 （7）：12 5-137.

[9]中華人民共和國財政部，財金[2012]20號文件《金融企業(yè)準備金計提管理辦法》.

[10]唐建平.衍生金融工具風險與適度會計控制[J].會計研究，1998 （3）：7-8

[11]波士頓咨詢公司（BCG）.中國個人征信行業(yè)報告2015.

[12]John K， D.W. Prosper.Com： Can Lenders Really Expect High Returns？ International Journal of Services and Standards， 2012， 8（2）： 133-156.

[13]Michels J. Do unverifiable disclosures matter？ Evidence from peer-to-peer lending[J]. The Accounting Review， 2012， 87 （4）：1385-1413.

[14] Serrano-Cinca C，Guti e rrez-Nieto B， Lo pez- Palacios L. De terminants

of Default

in P2P Lending [J]. Plos One， 2015， 10 （10）： 1-22.

[15]Trujillo-Ponce A， Samaniego-Medina R， Cardone- Riportella C. Examining what best explains corporate credit risk： accounting-based versus market- based models [J]. Journal of Business Economics and Management， 2014， 15 （2）： 253-276.