基于聚類與有序受限Probit模型的P2P風(fēng)險實證分析

羅毅

[摘 要] 針對網(wǎng)絡(luò)貸款平臺行業(yè)整體風(fēng)險情況，建立分層指標(biāo)評價體系后聚類分析，對平臺存在的三種風(fēng)險和總體風(fēng)險情況，結(jié)合平臺背景特征進行分析。得出結(jié)論：在網(wǎng)貸行業(yè)平臺普遍存在操作制度不專業(yè)問題，在缺乏標(biāo)準(zhǔn)監(jiān)管的環(huán)境下，大量不專業(yè)的公司隨意運營，可能對市場造成不必要的擾動；雖然目前有較多平臺存在一定的風(fēng)險，但是在各風(fēng)險階層中平臺的主要分布在較為優(yōu)質(zhì)的一側(cè)，近一段時間的監(jiān)管工作初見成效。在此基礎(chǔ)上，利用有序受限Probit模型進一步分析了操作風(fēng)險影響因素的重要程度，得出成交量是影響網(wǎng)貸公司操作風(fēng)險的最主要因素。最后，針對分析提出了若干政策建議。

[關(guān)鍵詞] 網(wǎng)貸；聚類；有序受限Probit回歸

[中圖分類號] F832.4 [文獻標(biāo)識碼] A [文章編號] 1009-6043（2018）10-0164-03

一、引言

P2P平臺作為新興的一種借貸方式，借助其自身依附互聯(lián)網(wǎng)的特性，極大的便利了小微企業(yè)與個人借貸，因此在該借貸方式初引入我國時，國家對其發(fā)展較為保護，其借此得以飛速發(fā)展。然而，自由發(fā)展的代價卻是監(jiān)管缺失導(dǎo)致的P2P平臺各種違法騙局盛行、制度混亂，嚴(yán)重擾亂了金融市場的穩(wěn)定。本文便是在此背景下，通過聚類分析網(wǎng)貸平臺市場的風(fēng)險情況，評估政府政策的有效性，挖出監(jiān)管可能存在的漏洞，并在此基礎(chǔ)上，針對網(wǎng)貸平臺的操作風(fēng)險的影響因素作有序受限Probit模型分析，對之后監(jiān)管的方向提出建議。

二、模型研究

本文構(gòu)建的風(fēng)險評級模型主要用于評估各P2P平臺在各種風(fēng)險影響下的綜合風(fēng)險情況及影響因素。本文采用巴塞爾協(xié)議對金融風(fēng)險的分類，將P2P平臺可能受到的風(fēng)險分為三類，即：市場風(fēng)險，操作風(fēng)險和信用風(fēng)險。對于每類風(fēng)險選取了若干平臺的財務(wù)指標(biāo)進行聚類分析得到各平臺三種風(fēng)險的排序，排序匯總后，再以三種排序大小為指標(biāo)進行第二層聚類分析，得到平臺綜合風(fēng)險排序結(jié)果。最后進一步以三種風(fēng)險排序結(jié)果為因變量，使用有序Probit模型對各個風(fēng)險影響指標(biāo)對相應(yīng)風(fēng)險的影響程度進行分析。

該風(fēng)險評級模型建立需要解決三個問題。確定風(fēng)險分類，分類的排序，分類結(jié)果與被解釋變量函數(shù)關(guān)系確立。具體設(shè)計過程包括：變量歸一化處理及轉(zhuǎn)換，變量指標(biāo)相關(guān)性分析，K-均值聚類確定風(fēng)險分類，差異顯著性分析，對分類依據(jù)均值進行排序，二次聚類，有序Probit模型進行參數(shù)分析等。

（一）K-均值聚類

從N個總體隨機選取K個對象作為質(zhì)心，對剩余的每個對象測量其到每個質(zhì)心的距離，并把與質(zhì)心距離最近的分為一類，重新計算已經(jīng)得到的各個類的質(zhì)心，重復(fù)以上步驟直至新的質(zhì)心與原質(zhì)心相等或距離小于指定閾值。

計算過程中，距離一般選取歐氏距離測度，而因為最后結(jié)果很大程度取決于開始選取的K個質(zhì)心，故實際操作中，常多次選取不同的質(zhì)心作為起始進行聚類，直至結(jié)果穩(wěn)健。

（二）類別結(jié)構(gòu)的確定

目前，合理的類的結(jié)構(gòu)并沒有統(tǒng)一的標(biāo)準(zhǔn)，所以本文從實用角度出發(fā)，采用Demiremen提出的分類結(jié)構(gòu)標(biāo)準(zhǔn)：1.任何類都必須在鄰近各類中是突出的，即各類中心之間距離必須大；2.各類所包含的元素都不應(yīng)過多；3.分類的數(shù)目應(yīng)該符合使用的目的；4.若采用幾種不同的聚類方法處理，則在各自的聚類圖上應(yīng)發(fā)現(xiàn)相同的類，可能的幾種分類狀態(tài)進行判別和篩選。在此基礎(chǔ)上，利用相關(guān)性分析保證指標(biāo)的獨立性，且使用方差分析對分類結(jié)果進行顯著性檢驗。

（三）多元有序選擇的受限因變量Probit回歸模型

排序選擇模型適用于被解釋變量為按照某種規(guī)則進行排序的離散類型變量的建模。具體形式為：假設(shè)存在一個潛在變量yi*和一個可觀測變量yi，若潛在變量yi*不可觀測，而yi有0，1，2，…，M等M+1個取值，基于聚類分析明確Y分類（分幾類），并就類別之間在解釋變量之間是否具有顯著差異進行相關(guān)檢驗后，根據(jù)類別之間的均值水平，排出可觀測量Y值的次序，考慮到潛在變量yi*與解釋變量xi存在如下線性關(guān)系：

三、實證結(jié)果與分析

（一）變量選擇與數(shù)據(jù)處理

本文根據(jù)相關(guān)文獻及專家問詢，并結(jié)合實際可得數(shù)據(jù)，選用借款金額，借款標(biāo)數(shù)作為衡量市場風(fēng)險指標(biāo)，成立時間與成交量衡量操作風(fēng)險，流動性與滿標(biāo)時間作為信用風(fēng)險指標(biāo)。借款標(biāo)數(shù)越多，投資分散性越強，風(fēng)險越低，而借款金額體現(xiàn)了當(dāng)市場出現(xiàn)不利情況，平臺承受的壓力。成立時間，和成交量體現(xiàn)了平臺成熟度。流動性高意味著更低的杠桿率，有能力應(yīng)對突發(fā)狀況；滿標(biāo)時間短意味著更短時間有大量資金注入，不易發(fā)生資金鏈斷裂。本文采用極值化法對原始數(shù)據(jù)進行無量綱化處理取出單位影響使變量具備可比性和綜合性。

2.聚類分析

經(jīng)過試驗，為保證聚類結(jié)果較為理想（即結(jié)果較為分散在各類中，若結(jié)果過于集中會導(dǎo)致風(fēng)險排序能力偏弱），把平臺分為四類。以下分類結(jié)果，已經(jīng)根據(jù)分類的質(zhì)心對分類進行排序，且按1，2，3，4風(fēng)險依次增加。

聚類分類后，對分類結(jié)果進行顯著性分析，分類的數(shù)據(jù)的滿標(biāo)時間一指標(biāo)方差分析結(jié)果顯示：p=0.61，因此接受原假設(shè)，該分類的該指標(biāo)沒有顯著性差異，故而去除滿標(biāo)時間一指標(biāo)。其他各指標(biāo)皆在5%顯著度下，有顯著差異性。重新聚類，結(jié)果如下。

市場風(fēng)險分類。第一類：點融網(wǎng)等3家；第二類：宜貸網(wǎng)等14家；第三類：泰然金融等55家；第四類：拍拍貸等4家。對各風(fēng)險等級平臺的背景研究后發(fā)現(xiàn)：風(fēng)險最低的平臺以上市公司系與國資系為主，極少風(fēng)投系，而高風(fēng)險一類中卻有大量風(fēng)投系平臺。因為風(fēng)投資本普遍追求收益，故而可能會把資本集中放在少數(shù)高回報項目上，且風(fēng)投系偏向于抵押貸款，抵押貸款項目成本較高，又喪失了網(wǎng)貸低門檻的優(yōu)勢，很少貸款者選擇，故而分散性較弱，面對市場風(fēng)險能力較差。國資系因為脫胎于國有金融平臺，規(guī)章規(guī)范，重視風(fēng)險控制，故而會重視分散性問題，市場風(fēng)險較低。

操作風(fēng)險分類。第一類：鳳凰金融等4家。第二類：拍拍貸等4家；第三類：點融網(wǎng)等29家；第四類：宜貸網(wǎng)等21家。風(fēng)險低的平臺以民營為主，民營系平臺作為P2P平臺中起步最早的一批，存活至今都積累了大量經(jīng)驗，不易出現(xiàn)因為公司與工作人員失誤造成的風(fēng)險損失。平臺主要分布在高操作風(fēng)險等級下，說明對于網(wǎng)貸行業(yè)而言，平臺還普遍存在不專業(yè)問題，在缺乏制度的環(huán)境下，大量公司隨意組建網(wǎng)貸公司分散公司資產(chǎn)，可能對市場造成不必要的擾動。

信用風(fēng)險分類。第一類：宜貸網(wǎng)等7家；第二類：團貸網(wǎng)等20家；第三類：有利網(wǎng)等17家；第四類：拍拍貸等15家。結(jié)果顯示，信用風(fēng)險控制最低的網(wǎng)貸平臺以民營系為主，雖然民營系網(wǎng)貸平臺有大量不良現(xiàn)象，但作為平臺中基數(shù)最大的一系，也有少數(shù)信譽良好、操作規(guī)范，部分甚至有風(fēng)險保證金制度，加上其創(chuàng)始早，積累了大量的客戶，資金流轉(zhuǎn)快，不易發(fā)生信譽風(fēng)險。國資系平臺信用風(fēng)險普遍偏高，可能是P2P目前還屬于不成熟的產(chǎn)業(yè)，國有資本的定位在于維持市場穩(wěn)定，調(diào)控市場失靈，主要投入在基礎(chǔ)建設(shè)與環(huán)保，不允許投入過多在網(wǎng)貸行業(yè)，所以導(dǎo)致注冊資金過少，杠桿高，而且大多數(shù)國資系成立較晚，知名度不高，吸引不了大量社會資本流動，這些都了導(dǎo)致其信用風(fēng)險的增高。

風(fēng)險總體分類。第一類：博金貸等22家，第二類拍拍貸等7家，第三類PPmoney等24家，第四類鳳凰金融等6家。由總體分類結(jié)果可知，風(fēng)險控制較好的平臺與較差的平臺所占比例各半，在較優(yōu)質(zhì)的平臺中，又以優(yōu)質(zhì)平臺為主，較劣質(zhì)平臺也以相對優(yōu)質(zhì)的平臺為主。

該結(jié)果說明了，雖然目前網(wǎng)貸行業(yè)依然有大量平臺存在相當(dāng)?shù)娘L(fēng)險，但是各風(fēng)險階層平臺的分布主要偏向較為優(yōu)質(zhì)的一側(cè)，近一段時間的監(jiān)管工作初見成效，可能是因為實行時間較短，還有很多細(xì)節(jié)有待完善，有少數(shù)問題，導(dǎo)致總體風(fēng)險控制效果還不顯著，少部分平臺還存在高風(fēng)險問題，而對于大部分平臺而言，監(jiān)管已初見成效。針對平臺背景，實證發(fā)現(xiàn)沒有某種背景下的平臺在三種風(fēng)險防控中表現(xiàn)有優(yōu)勢。

以上是針對網(wǎng)貸平臺總體風(fēng)險分布情況的實證研究，對于有限的政府資源而言，首先應(yīng)使用于調(diào)節(jié)風(fēng)險的重要因素，而次要因素，則需等資源富余后再進行調(diào)節(jié)。所以，進一步研究影響風(fēng)險的幾個因素的影響程度排序。

以三個一級指標(biāo)的排序變量為受限被解釋變量，一級指標(biāo)下對應(yīng)的二級指標(biāo)為解釋變量，建立有序受限Probit模型后，取其回歸系數(shù)的大小，就是每個二級指標(biāo)對一級指標(biāo)的影響程度。

在本數(shù)據(jù)集下，顯著度為0.05時，t=1.6700。信用風(fēng)險的各變量t值絕對值小于1.6700，故認(rèn)為沒有顯著性，信用風(fēng)險與其影響變量之間不適合建立計量關(guān)系。而對于市場風(fēng)險，與操作風(fēng)險，各變量在5%程度顯著，可以進行計量分析。

由模型可知：對市場風(fēng)險而言，公司流動性越高，其市場風(fēng)險越低；對操作風(fēng)險而言，成交量與運營時間的增加，可以有效降低其操作風(fēng)險。

以變量貢獻度的形式表示每個變量對風(fēng)險的影響程度，利用以下公式計算各解釋變量對被解釋變量的貢獻度：

計算得出：成交量對操作風(fēng)險的貢獻度為89.0%，運營時間的貢獻度為11.0%。

所以對操作風(fēng)險來說，成交量是影響其高低的重要因素，大額的成交量可以把公司制度及公司人員操作的小失誤放大，使其便于發(fā)現(xiàn)問題，及時解決問題，提高自身的抗操作風(fēng)險能力。市場風(fēng)險去除滿標(biāo)時間后僅剩一個變量，因此不予進行貢獻度分析。

五、結(jié)論與建議

根據(jù)本文分析，對于網(wǎng)貸行業(yè)而言，平臺還普遍存在不專業(yè)問題，在缺乏制度的環(huán)境下，大量公司隨意組建網(wǎng)貸公司分散公司資產(chǎn)，可能對市場造成不必要的擾動。國資系平臺信用風(fēng)險普遍偏高，民營系良莠不齊，風(fēng)投系分散性弱，有相當(dāng)?shù)氖袌鲲L(fēng)險，針對平臺背景，實證發(fā)現(xiàn)沒有某種背景下的平臺在三種風(fēng)險防控中都表現(xiàn)有顯著優(yōu)勢。就總體而言，雖然目前網(wǎng)貸行業(yè)依然有大量平臺存在相當(dāng)大的風(fēng)險，但是各風(fēng)險階層平臺的分布主要偏向較為優(yōu)質(zhì)的一側(cè)，近一段時間的監(jiān)管工作初見成效。對于操作風(fēng)險，最重要的影響因素是成交量。

故風(fēng)險監(jiān)管應(yīng)該針對不同背景的網(wǎng)貸平臺進行一定程度上的分類監(jiān)管。對于大量制度不規(guī)范，工作人員專業(yè)水平不高的公司系平臺，應(yīng)制定嚴(yán)格的行業(yè)操作制度規(guī)范。國資系平臺的注冊資金普遍偏少，流動資金不足，可以適當(dāng)限制其業(yè)務(wù)額度，減少杠桿，防止市場下行時的信用風(fēng)險。風(fēng)投系的項目要求比較高，項目數(shù)比較少，分散性弱，政府部分可以要求其提高對項目披露程度，讓投資者更好的自己控制風(fēng)險。就總體行業(yè)風(fēng)險狀況而言，劣、優(yōu)質(zhì)平臺占比各半，但其中風(fēng)險極高的卻占比很少，風(fēng)險控制很好占比較多。這說明我國近段時間的針對網(wǎng)貸平臺的監(jiān)管措施已初見成效，雖然還存在部分問題平臺，但總體向好的方向發(fā)展，可以針對之前提出的問題做更細(xì)致，加強的監(jiān)管。同時，依據(jù)模型已知成交量是影響操作風(fēng)險中重要因素，政府可以去擁有大額成交量的網(wǎng)貸平臺考察，研究其操作規(guī)程，制度以制定平臺風(fēng)控標(biāo)準(zhǔn)制度。同時政府可以依據(jù)成交量作為特征，識別高操作風(fēng)險網(wǎng)貸平臺，并對其加強監(jiān)管。

[參考文獻]

[1]胡旻昱，孟慶軍.P2P網(wǎng)貸平臺發(fā)展中的風(fēng)險及其系統(tǒng)分析[J].武漢金融，2014（6）：45-48.

[2]潘錫泉.我國P2P網(wǎng)貸發(fā)展中蘊含的風(fēng)險及監(jiān)管思路[J].當(dāng)代經(jīng)濟管理，2015（4）：49-53.

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

[4]Devin G.Pope，Justin R.Sydnor J.R. What's in a picture？evidence of discrimination from prosper[J].Journal of Human Resources，2011（46）：53-92.

[5]Michael Klafft.Peer to Peer Lending：Auctioning Microcredits over the Internet[C]//Proceedings of the International Conference on Information System， Technology and Management， IMT， Dubai，2008：1-8.

[6]陳建中，寧欣.P2P網(wǎng)絡(luò)借貸中個人信息對借貸成功率影響的實證研究——以人人貸為例[J].財務(wù)與金融，2013（6）：13-17.

[7]肖曼君，歐緣媛，李穎.我國P2P網(wǎng)絡(luò)借貸信用風(fēng)險影響因素研究——基于排序選擇模型的實證分析[J].財經(jīng)理論與實踐，2015（1）：2-6.

[責(zé)任編輯：史樸]