P2P網絡借貸投資者的平臺偏好風險研究

■劉 華，嚴廣樂

一、引言

近年來，互聯(lián)網金融實現(xiàn)普惠金融，有效且全方位地讓老百姓享受到了更多金融服務，但同時因發(fā)展不成熟，給投資人造成了巨大的損失。2007年國內第一家P2P網貸平臺拍拍貸成立，P2P網貸至今在國內發(fā)展已有10年。借助于互聯(lián)網的技術，各類P2P網貸平臺相繼涌現(xiàn)，不斷發(fā)展壯大，有效緩解了廣大小微企業(yè)及個人的融資難問題。P2P網貸作為金融創(chuàng)新，極大地促進了實體經濟的發(fā)展。

作為普惠金融的最佳載體之一，P2P使一些非金融機構能夠進入受到嚴格管制的金融領域。由于行業(yè)進入門檻低，平臺新增迅猛，2014～2017年間P2P網貸行業(yè)經歷了爆發(fā)式增長，累計成立了4810家平臺，增長了四倍之多。盡管P2P網貸作為互聯(lián)網金融最重要的組成部分之一，但問題也較為突出。平臺良莠不齊的現(xiàn)象比較突出，由于缺乏有效的監(jiān)管，問題平臺數量急劇上升，停業(yè)、經偵介入、提現(xiàn)困難甚至跑路現(xiàn)象頻繁發(fā)生。問題平臺的惡性退出給P2P投資者造成了巨大的損失和心理陰影，阻礙了網貸行業(yè)健康發(fā)展。維護P2P行業(yè)良好環(huán)境，營造安全可靠的P2P行業(yè)氛圍，發(fā)揮P2P普惠金融的最大效益，已成為當務之急。目前平臺數量依然眾多，投資者在投資前主要選擇風險更低、收益更高的平臺，從而規(guī)避平臺風險。本文主要討論投資者能否通過平臺公開的信息，分析平臺的潛在風險。在平臺的公開信息中，哪些因素更能取得投資者的偏好，對于投資者偏好因素的風險，投資者是否能夠有效識別與規(guī)避。

本文的創(chuàng)新點在于：首先，通過爬蟲技術收集了最大量信息完整的問題平臺，彌補了當前研究中問題平臺樣本量不足的缺點，提高了模型的穩(wěn)健性。其次，從銀行存管、自動投標、經營時長等六個方面，首次從投資者的角度出發(fā)，研究投資者對平臺風險因素識別能力。本文對問題平臺風險的風險識別與投資者偏好風險的研究，為政府制定有效的監(jiān)管政策提供了參考，有助于了解投資者的投資誤區(qū)，使投資者更清楚自身的投資風險，對其做出合理的投資決策提供理性指導，減少風險損失。

二、文獻綜述

國外P2P行業(yè)發(fā)展較早，信息更加公開透明，學者對于P2P行業(yè)問題的研究領先于國內。由于國外P2P市場被少數巨頭占據，行業(yè)平臺發(fā)展較為成熟，所以國外對P2P網貸的研究主要是基于單個平臺的研究。從借款人角度看，Puro et al.（2010）利用Prosper的數據分析發(fā)現(xiàn)，初始利率和借貸金額與交易成敗的相關性比借款方式和借款期限更高，提高初始利率能增加借款成功率，高借款金額的借款成功率更低。Lin et al.（2013）發(fā)現(xiàn)在P2P平臺上有關系網的借款人，借款成功率更高，同時具有更低的借款利率和違約率。Maier（2014）研究發(fā)現(xiàn)，提供了信息驗證服務的借款人更容易獲得貸款，違約率也較低。從貸款人角度看，Berkovich（2011）利用線性回歸方法發(fā)現(xiàn)了羊群效應。Gelman（2013）對Lending Club的借貸數據進行實證檢驗，發(fā)現(xiàn)投資者更傾向于向未驗證收入信息的借款人投標。Burtch et al.（2014）發(fā)現(xiàn)貸款人更愿意向文化相似和位置相近的借款人提供貸款。為幫助提升平臺借款人風險識別能力，Malekipirbazari&Aksakalli（2015）和Guo et al.（2015）分別提出了預測效果優(yōu)于傳統(tǒng)的評級模型。

國內P2P研究上，從單一平臺角度，李悅雷等（2013）使用“拍拍貸”的數據進行統(tǒng)計分析，發(fā)現(xiàn)國內P2P小額貸款市場中投資者表現(xiàn)出明顯的羊群行為特征，并且這種特征影響借款成功率，同時借款人基本信息、借款人的社會資本、借款訂單基本屬性對借款成功率具有顯著影響。通過“人人貸”的數據，王會娟和廖理（2014）發(fā)現(xiàn)該平臺的信用認證機制能夠揭示信用風險，緩解了借貸雙方的信息不對稱問題，但評級指標的單一性限制了其風險揭示作用。同樣地，廖理等（2014）基于“人人貸”的數據，發(fā)現(xiàn)我國信貸的投資者具有良好的風險判斷能力。從多平臺角度，郭海鳳和陳霄（2015）發(fā)現(xiàn)網貸平臺發(fā)展存在地區(qū)差異，盈利能力是衡量網貸平臺綜合實力的重要因素，由于融資成本以及網貸平臺的風控原因，網貸平臺并不能在很大程度上改善中小企業(yè)的融資狀況。

三、研究假設

P2P問題平臺私自挪用投資者資金甚至卷款跑路的事件時有發(fā)生，主要原因在于問題平臺將自身定位為信用中介，自身提供擔保，參與了風險與交易，把平臺自由資金和投資人資金混在一起，留下了很大的可操控空間，極大增加了投資人風險。信息中介是指平臺在交易過程中將投資人和借款人開立和使用的資金統(tǒng)一存放在具備第三方存管資格的機構進行管理和監(jiān)督，平臺在整個交易過程中不觸碰任何資金，僅僅提供信息服務。平臺信息中介的定位可以有效避免平臺設立資金池等行為，保證了用戶資產的安全性。平臺是純粹的信息中介還是真正的信用中介，是影響平臺風險的重要因素，風險厭惡的投資者更愿意選擇信息中介以降低資金風險。因此，本文提出如下研究假設。

假設1：信息中介的定位能有效降低平臺風險，為了規(guī)避資金風險，投資者更傾向于選擇信息中介平臺。

自動投標工具能夠以用戶認可的既定規(guī)則為加入計劃的用戶自動投標。其推出能夠方便用戶投標、提高用戶資金利用效率，同時提升平臺資金的流動性。但它足夠安全嗎？自動投標過程中，對于借款人的具體信息、借款規(guī)模及投資金額占借款人借款總額的比例等重要信息，用戶在自動投標前并不清楚。用戶僅僅加入了現(xiàn)有的規(guī)則，其他操作都由平臺來實施。在部分信息披露程度較低的平臺，投資者難以獲得整個自動投標產品所配置的全部債權信息，從而為錯配提供了空間。因此自動投標將產生透明度下降和變相期限錯配引發(fā)兌付風險等問題。鑒于此，本文提出如下假設。

假設2：自動投標工具將增加平臺出問題的可能性，投資人更愿意由自己來選擇合適的標。

P2P平臺數量激增的同時，許多平臺也頻頻暴雷。P2P平臺能否一直生存下去，主要在于風控能力、合規(guī)性、平臺實力等。據統(tǒng)計，出現(xiàn)問題的P2P平臺大部分存活時間不足半年。存活期較短的平臺，暴露的問題也較多，如風控能力弱、違規(guī)操作等。平臺越是能抵抗住市場風險，符合政策要求，走得便更遠。相對成立時間較短的平臺，投資者更愿意選擇“老牌”的P2P平臺，因為生存時間更長的平臺更為人們所熟知，客戶量更大，風險性也更低。由此，本文提出如下假設。

假設3：生存時間更長的平臺，出問題可能性更低，投資人也更加信賴。

當出現(xiàn)住所失聯(lián)、未按規(guī)定公示年報、公司信息弄虛作假、司法官司、行政處罰等情況時，P2P平臺將會被列入經營異常名錄。P2P平臺除了滿足投資人的期望收益外，更重要的是保證投資人的資金安全。合法經營是P2P平臺具有高風控能力的前提。對于投資者來說，平臺的異常經營直接引起他們的不信任，從而放棄投資，即使平臺其他方面很完善也不例外。對于任何企業(yè)來說，合規(guī)正常的經營才是顧客選擇的前提。因此，本文提出如下假設。

假設4：被列入經營異常的平臺更可能出現(xiàn)問題，投資者的傾向更少。

P2P平臺提供的收益率遠超傳統(tǒng)金融機構。通過互聯(lián)網技術，P2P平臺實現(xiàn)了點對點的連接，降低了運營成本，提高了借款效率。由于無法監(jiān)控所貸資金的實際用途，有時存在惡意發(fā)布虛假高利率騙得籌資的情況。信息不對稱情況使提供高利率的借款人更容易產生道德風險。如果平臺的平均綜合利率過高，那么這個平臺中的借款人整體上將產生較高的道德風險，整個平臺的借款人違約率也將提升，對平臺的正常運營造成很大的影響，平臺出問題的幾率大大提升。因此，本文提出如下假設。

假設5：平臺平均利率越高，平臺出問題幾率越大，投資人能有效識別平臺利率風險。

P2P網貸平臺欺詐、跑路事件的頻繁發(fā)生導致投資人普遍缺乏安全感。由于短標借款期限短，投資人能更快收回本息，一定程度上降低了P2P網貸投資風險，所以在風險不可測的情況下，投資人更傾向于短標。為了迎合投資人這一傾向，許多平臺在很長一段時間內主打短期標。從平臺運營的角度來看，過于密集的短標將增大平臺的集中兌付壓力，尤其在平臺資金凈流入為負時，平臺出問題的概率將顯著增大。據此，本文提出以下假設。

假設6：平臺標的平均借款期限越短出問題幾率越大，但投資人畏懼P2P行業(yè)的風險不可測性，更傾向于短標。

2017年12月8日，P2P網絡借貸風險專項整治工作領導小組辦公室發(fā)布的《關于做好P2P網絡借貸風險專項整治整改驗收工作的通知》中指出網貸平臺應當積極取消風險準備，采取引入第三方擔保等其他方式對出借人進行保障。這一舉措使平臺的信息中介地位進一步得到明確。但同時，許多第三方擔保仍存在資質不夠、不具備擔保實力，或屬于平臺關聯(lián)擔保等問題。第三方擔保的存在并不能有效降低投資人風險，對于缺乏風險識別能力的投資人來說，第三方擔保反而成為了一種降低投資風險的舉措。因此，本文提出以下假設。

假設7：引入第三方擔保的平臺發(fā)生風險的幾率更大，但投資人無法識別其中的風險，更傾向于選擇有第三方擔保的平臺。

四、數據來源與變量定義

“網貸之家”和“網貸天眼”是國內較為權威的第三方網貸資訊平臺，通過建立網貸檔案、網貸論壇，發(fā)布平臺數據等為投資者安全投資提供一定的參考?！熬W貸之家”實時記錄了平臺的實力資質、平臺服務等信息，“網貸天眼”則記錄了平臺的工商信息和產品等信息。通過網絡爬蟲技術，本文在“網貸之家”爬取了注冊資本、銀行存管、自動投標、債券轉讓、保障模式、風險準備金存管、平臺背景、關注度等平臺信息，在“網貸天眼”上爬取了項目類型、注冊資本、保障模式、債權轉讓、平臺信息變更記錄、平臺經營異常、關注度等信息。對兩個資訊平臺爬取的信息有重合的部分，主要是因為兩個平臺可以互相補充信息記錄不全的P2P平臺，使樣本信息更加完整。國泰數據庫則詳細記錄了各類平臺的每日交易數據，本文從國泰安數據庫下載2015年9月～2017年9月間的平臺部分交易數據。對于無法在上述資訊平臺獲取的部分P2P平臺信息，本文則直接前往P2P平臺的官網或者相關論壇直接手動查詢獲取。

本文主要研究投資者偏好風險，即投資者對平臺風險因素的反應。

1.被解釋變量。為了研究投資者對平臺風險的識別能力，本文首先識別出問題平臺的風險因素，若平臺出現(xiàn)過停業(yè)、體現(xiàn)困難、經偵介入或跑路等問題，則為問題平臺，定義平臺類型（Type）為1，否則為正常平臺，定義為0。投資人數較多的平臺在第三方資訊平臺將擁有更多的關注度（Focus），本文以關注度（Focus）為因變量，開始探討投資者在選擇平臺時，對這些風險因素做出的反應。

2.解釋變量。本文主要選取了假設中所探討的因素：平臺定位（Status）、第三方擔保（Guar）、自動投標（Bid）、經營時長（Time）、經營異常（Abn）、平均利率（Rate）、平均借款期限（Limit）。控制變量選取了：平臺注冊資金（Capital）、平臺背景（Back）、債權轉讓（Feature）、項目類型（Business）、變更記錄（Record）、未來60日待還波動（Rep）。

本文總共搜集了820家P2P平臺的信息。為了使模型更可靠，本文剔除了信息不完整的平臺，最后選擇763個信息完整的平臺樣本，進行回歸分析。各變量的名稱、定義和類型等見表1。

表1 變量定義

五、實證分析

（一）描述性統(tǒng)計

表2給出了全樣本變量的描述性統(tǒng)計，統(tǒng)計之前已經去除了缺失值。由表2可知，問題平臺的樣本數占18.9%，平臺的平均關注度為1362.875；僅有38.1%的平臺定位為信息中介，行業(yè)信息中介化水平過低；引入第三方擔保的平臺占比為65.1%，大部分平臺的擔保方式還是以第三方擔保為主。民營背景的占74.8%，由此可見整個P2P行業(yè)比較活躍發(fā)展?jié)摿薮?，但整體上風控能力不強；行業(yè)平均注冊資本在7000萬元以上，最小值為100萬元，最大值為315804萬元，實力過于懸殊；36%的平臺支持自動投標，絕大部分平臺讓投資人自己識別風險；47.4%的平臺支持債權轉讓，行業(yè)資金流動性較好；每個平臺平均涉及2.66個類型的項目；平臺平均經營時間長超過1000天，最小值僅為55天，最大值為3732天；平臺平均變更記錄數和經營異常數分別為20.13和0.33。平臺整體平均利率為12.12%，平臺整體平均借款期限為4.42個月，整體收益可觀，借款期限較為適中；平臺整體未來60日待還波動的標準差為62218.253，資金流動性差別較大。

表2 統(tǒng)計性描述

（二）平臺風險因素分析

本文已經對平臺的風險因素做出了假設，接下來將討論這些假設是否成立，即這些因素是否包含了平臺的風險？如果是，那么接下來將考慮這些因素反映了平臺的全部風險還是部分風險？為了對假設進行分析論證，從而分析出能識別問題平臺的影響因素，本文以平臺類型（Type）為被解釋變量，以平臺定位（Status）、第三方擔保（Guar）、自動投標（Bid）、經營時長（Time）、經營異常（Abn）、平均利率（Rate）、平均借款期限（Limit）為解釋變量，建立邏輯回歸模型，觀察這些因素對平臺出現(xiàn)風險是否具有預測能力。本文借鑒目前比較流行的機器學習方法，按9∶1構建訓練集和測試集，訓練集用于構建模型，測試集用于檢測模型性能。表3的模型（1）描述了多元回歸分析的結果。

從模型（1）的結果可以看出，平臺定位（Status）、經營時長（Time）、平均借款期限（Limit）均在1%水平下顯著為負，第三方擔保（Guar）、自動投標（Bid）、經營異常（Abn）、平均利率（Rate）都在1%水平下顯著為正，模型具有很好的預測能力，模型的AUC面積達到0.938，預測一致性Kappa值為0.684。該結果說明，平臺以信息中介身份參與P2P借貸交易，能夠做好風控，有能力保證投資人的長期穩(wěn)定的收益，平臺出問題的幾率將越低；而引入第三方擔保降低了投資人的風險意識，提升了平臺的兌付風險，支持自動投標的平臺過于追求借貸效率，同時對借款人風險識別能力較低，支持自動投標、平臺經營異常次數越多、利率水平越高，平臺出問題的概率將越高。

本文在控制模型（1）中的因素的情況下，引入平臺的其他信息，以進一步了解這些風險因素是否能夠反映出平臺的全部風險，其中包括平臺注冊資金（Capital）、平臺背景（Back）、債權轉讓（Feature）、項目類型（Business）、變更記錄（Record）、未來60日待還波動（Rep）。結果如表3的模型（2）所示。

從模型（2）可以看出，平臺定位（Status）、經營時長（Time）、平均借款期限（Limit）、未來60日待還波動（Rep）都在5%的水平下為負，第三方擔保（Guar）、自動投標（Bid）、經營異常（Abn）、平均利率（Rate）都在1%水平下顯著為正，模型的預測能力得到了很好的提升，模型預測能力的AUC面積達到0.953，預測一致性Kappa值為0.737。該結果說明，引入了平臺其他信息之后模型（1）中的因素仍然具有預測能力，同時新引入的變量包含了模型（1）中因素不具有的風險，本文發(fā)現(xiàn)未來60日待還波動（Rep）越大，平臺的風險將更低，這意味著平臺的資金流動性強，還款逾期更少，借款人道德風險更低。觀測模型預測能力可以發(fā)現(xiàn)，在引入平臺其他的信息后，模型的AUC面積從較高水平的0.938提高到了0.953，模型預測一致性Kappa值得到了很大的提升，從0.684提高到了0.737。對于預測平臺出現(xiàn)問題的概率而言，模型預測能力的較大提高再次說明了平臺其他信息包含了模型（1）中不具有的風險信息。

表3 回歸模型檢驗

（三）投資人偏好風險分析

通過上文，本文已經分析出了在獲取的變量中，平臺定位（Status）、第三方擔保（Guar）、經營時長（Time）、自動投標（Bid）、經營異常（Abn）、平均利率（Rate）、平均借款期限（Limit）對問題平臺的識別具有較好的效果。接下來本文將討論投資者選擇平臺時是否會考慮這些因素，如果考慮了，這些因素將如何影響投資者的選擇傾向。本文以平臺關注度（Focus）為因變量 ，以模型（1）和模型（2）中的解釋變量為自變量。觀察這些因素對投資者選擇投資平臺時的影響。表3中的模型（3）描述了多元回歸的結果。

由表3中的模型（3）可知，投資者做出投資決策的時候會參考平臺定位（Status）、第三方擔保（Guar）、自動投標（Bid）、經營時長（Time）、平均借款期（Limit）。這些因素均在5%的水平下顯著為正。這意味著以信息中介為定位的平臺將吸引更多的投資者，投資者能正確意識到信用中介的風險性，有效證明了假設1。同時支持自動投標的平臺也將獲得更多投資者的興趣，說明投資者一般較為相信投資的平臺，但平臺顯然不具備應有風險識別能力，投資者不能認識到自動投標這一風險，假設2錯誤。平臺經營時間越長，吸引的投資者將越多，說明投資者對于經營時長風險能很好判別，假設3得到了支持；經營異常（Abn）、平均利率（Rate）對投資者偏好沒有影響，說明投資者無法判斷這兩個因素的風險性，假設4和5無法得到證明。長標更能吸引投資者，相同風險水平下，長標的收益相對來說更高，且投資者并不認為長標風險更大，綜合來看投資者更傾向于長標，有效規(guī)避了短標風險，假設6錯誤。國內P2P投資者普遍無法有效意識到P2P投資風險，缺乏一定的風險識別能力，傾向于第三方擔保降低投資風險，假設7得到了證明。表3中的模型（4）加入了其他的控制變量，由模型（4）結果可知，添入了其他的控制變量后，平臺定位（Status）、第三方擔保（Guar）、自動投標（Bid）、經營時長（Time）、平均借款期（Limit）對投資者偏好的影響依然顯著。同時值得注意的是，平均利率（Rate）的顯著程度提升了很多，由此可見在增加信息量的情況下，投資者增強了自己對平臺風險識別的信心，開始考慮收益，但不能有效識別利率風險，假設5錯誤。模型的解釋能力從0.332提升到0.435，說明其他控制變量對投資者偏好也有一定影響，平臺定位（Status）、第三方擔保（Guar）、自動投標（Bid）、經營時長（Time）、平均借款期（Limit）影響程度更大。

（四）穩(wěn)健性檢驗

考慮到模型的可靠性，本文對實證結果進行了穩(wěn)健性檢驗。由上文可知，在增加了信息量后，平均利率（Rate）對投資者影響的顯著性得到提高。這種現(xiàn)象是否具有偶然性呢？因此，本文再次增加信息量，在模型（7）至模型（10）中增加了成交量日均值（TV）、投資人數日均值（IN）、借款人數日均值（BN）、累計待還金額波動（CR）、近30日資金凈流入波動（FR）這些交易數據信息，再次進行回歸檢測，實證結果與前文一致，同時利率的顯著程度和模型擬合度得到了顯著提高，在5%水平下變得顯著，再次證明信息量的增加可以提升投資者風險識別信心。另外本文將利率水平劃為有序分類變量，按8%、10%、12%、16%劃為5個檔次，從小到大分別賦值0、1、2、3、4。將得到的新變量代替連續(xù)的利率水平變量進行回歸檢測，再次增加信息量，回歸結果仍與前文一致。綜合看，本文結果較為穩(wěn)健。

六、結論與建議

P2P網貸彌補了我國傳統(tǒng)金融的不足，促進了金融創(chuàng)新，加快了普惠金融的實現(xiàn)。高速發(fā)展的同時，也不斷暴露嚴重的問題。由于有效監(jiān)管的缺失，各類平臺難以規(guī)范，投資者面臨較大的平臺風險。相比國外，我國P2P網絡借貸發(fā)展時間較短，相關法律和監(jiān)管細則并不完善，在政府和監(jiān)管部門不斷努力改善P2P網絡借貸市場環(huán)境的同時，投資者也應加強平臺風險識別能力，配合政府過濾不合格平臺。根據本文分析，總體而言，投資者對P2P平臺信息收集了解不夠全面，僅能有效識別P2P平臺的部分風險。P2P網貸投資者更偏好以信息中介定位、經營時間更長久、能保證長期穩(wěn)定收益的P2P平臺，能意識到其中的風險。另外，投資者更傾向于將資金交由平臺代為投資，忽視了平臺的違規(guī)經營，平臺的利率風險，將自己處于危險境地。

本文研究一方面豐富了對P2P網絡借貸的研究，有助于監(jiān)管部門政策的制定、借款人和投資者對風險的認識；另一方面則為其他研究者提供一定參考，有助于加深對P2P網貸的研究，促進P2P網貸健康發(fā)展，充分發(fā)揮其普惠金融的效益。根據以上研究，本文提出相關建議。

一是監(jiān)管機構應加強監(jiān)管盡快落實相關監(jiān)管細則，制定行業(yè)標準及準入門檻，嚴格審查能力不足和具有不良記錄的公司。信息安全是P2P平臺正常運營的前提，政府應設立P2P平臺信息技術和IT基礎設施標準，保障投資者資金信息安全。為了提升P2P平臺的信息披露水平，對于借款的基本信息、借款用途等信息應公開發(fā)布，并保證其真實性，嚴格監(jiān)控賬戶的資金流向和取現(xiàn)情況，使操作流程透明化。構建完善的資金第三方托管機制，阻止平臺和投資者資金的接觸，降低資金風險，保證平臺信息中介的地位。建立信息共享平臺，統(tǒng)一行業(yè)內的信用評價標準，并對接征信系統(tǒng)，加強行業(yè)間的信用信息溝通，推動P2P行業(yè)信用體系建設。建立P2P平臺指標監(jiān)測體系，有效監(jiān)測預警行業(yè)風險，鼓勵P2P平臺創(chuàng)新風險控制機制。

二是P2P平臺自身則應與資金池劃清界限，明確信息中介的地位，并向投資者公開交易流程與資金去向；加強自身自律性，嚴格把關風控，對于借款要有嚴格的審核機制；對于提供自動投標工具的平臺，應加強平臺借款人風險識別能力，降低投資者資金風險。披露更加詳細的信息，為P2P風險深入研究提供更多可靠的數據，從而促進P2P行業(yè)健康發(fā)展。

三是投資者自身在選擇P2P平臺時，應更加注重平臺風險因素，選擇合理的收益及適宜的期限，多角度、多渠道地了解平臺，恰當使用自動投標工具，提升自身的風險識別能力。盡量選擇人氣高、實力強的網貸平臺，同時分散投資，規(guī)避單一平臺風險。