基于BP神經(jīng)網(wǎng)絡(luò)算法的P2P機(jī)構(gòu)系統(tǒng)重要性研究

[西南財(cái)經(jīng)大學(xué) 成都 611130]

引言

互聯(lián)網(wǎng)金融是互聯(lián)網(wǎng)與金融相結(jié)合的產(chǎn)物，是借助互聯(lián)網(wǎng)和移動(dòng)通信技術(shù)實(shí)現(xiàn)資金融通、支付和信息中介功能的新興金融模式[1]。作為互聯(lián)網(wǎng)金融中最為重要的業(yè)態(tài)之一，P2P網(wǎng)貸近年來(lái)發(fā)展勢(shì)頭非常迅猛，引起了廣泛的關(guān)注。所謂P2P網(wǎng)貸，規(guī)范的稱謂是“個(gè)體網(wǎng)絡(luò)借貸”，是指?jìng)€(gè)體和個(gè)體之間通過(guò)互聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)的直接借貸[2]。

2005年，世界上第一家P2P公司Zopa在英國(guó)成立，拉開了這種新型投融資模式發(fā)展的序幕。國(guó)內(nèi)第一家P2P公司——拍拍貸于2007年成立。隨著我國(guó)經(jīng)濟(jì)發(fā)展水平的不斷提高，國(guó)民收入的不斷增長(zhǎng)，在傳統(tǒng)投資渠道有限的情況下，P2P網(wǎng)貸作為一種新型的投資渠道，獲得了越來(lái)越多的人的青睞。P2P的主要參與者是數(shù)量眾多的中低收入工薪族、小微企業(yè)主和個(gè)體工商戶，投資人是民間擁有閑散資金的小額投資人[3]。業(yè)內(nèi)普遍認(rèn)為，我國(guó)P2P網(wǎng)貸發(fā)展分為四個(gè)階段：（1）以信用借款為主的初始發(fā)展期（2007年～2012年）；（2）以地域借款為主的快速擴(kuò)張期（2012年～2013年）；（3）以自融高息為主的風(fēng)險(xiǎn)爆發(fā)期（2013年～2014年）；（4）以規(guī)范監(jiān)管為主的政策調(diào)整期（2014年至今）。目前，我國(guó)P2P平臺(tái)眾多，成交規(guī)模逐年遞增。截至2017年9月，我國(guó)僅正常運(yùn)營(yíng)的P2P網(wǎng)貸平臺(tái)總數(shù)量就達(dá)2526家，2017年上半年P(guān)2P網(wǎng)貸行業(yè)總成交量超過(guò)19000億元。

在P2P網(wǎng)貸快速發(fā)展的同時(shí)，其潛在風(fēng)險(xiǎn)也開始不斷暴露，P2P平臺(tái)跑路、倒閉、涉嫌非法集資等現(xiàn)象屢見不鮮。如e租寶事件，在短短的一年半內(nèi)非法吸收資金500多億，涉及投資人約90萬(wàn)名，造成了非常惡劣的后果。這些都說(shuō)明P2P網(wǎng)貸作為一種新興的金融業(yè)態(tài)，還很不成熟、規(guī)范，相關(guān)部門需要加大對(duì)P2P平臺(tái)的監(jiān)管力度。2015年7月18日，中國(guó)人民銀行等十部委聯(lián)合發(fā)布《關(guān)于促進(jìn)互聯(lián)網(wǎng)金融健康發(fā)展的指導(dǎo)意見》就是一個(gè)良好的開端。在對(duì)P2P網(wǎng)貸的監(jiān)管業(yè)務(wù)中，有一項(xiàng)非常重要的內(nèi)容就是評(píng)估P2P平臺(tái)的系統(tǒng)重要性，確定這個(gè)行業(yè)中的系統(tǒng)重要性機(jī)構(gòu)。

在互聯(lián)網(wǎng)金融在國(guó)民經(jīng)濟(jì)中發(fā)揮的作用越來(lái)越重要的今天，它的穩(wěn)健運(yùn)行對(duì)于一國(guó)貨幣穩(wěn)定、物價(jià)穩(wěn)定乃至經(jīng)濟(jì)發(fā)展問(wèn)題的意義是異常重大的。對(duì)P2P平臺(tái)的系統(tǒng)重要性問(wèn)題開展研究，為其監(jiān)管工作提供參考，其價(jià)值就不言而喻了。應(yīng)該說(shuō)，這是一國(guó)構(gòu)建宏觀審慎管理框架工作中的重要組成部分。另外，也能夠一定程度上對(duì)發(fā)展和完善互聯(lián)網(wǎng)金融、P2P網(wǎng)貸的風(fēng)險(xiǎn)管理理論起到推動(dòng)作用。

一、文獻(xiàn)綜述

P2P是近來(lái)比較活躍的一種互聯(lián)網(wǎng)金融業(yè)態(tài)，成為業(yè)界、學(xué)界共同關(guān)注的熱點(diǎn)問(wèn)題之一，出現(xiàn)了大量的研究成果。從最初的發(fā)展現(xiàn)狀研究，如李平等通過(guò)網(wǎng)絡(luò)及實(shí)地走訪研究成都市P2P網(wǎng)貸發(fā)展現(xiàn)狀，認(rèn)為成都市的P2P還處于發(fā)展初期[4]。研究向著更加細(xì)化的方向發(fā)展，這些研究成果主要集中在運(yùn)營(yíng)模式、用戶體驗(yàn)、信用風(fēng)險(xiǎn)評(píng)價(jià)模型、平臺(tái)風(fēng)險(xiǎn)分析等幾個(gè)方面。

1.運(yùn)營(yíng)模式。傳統(tǒng)P2P模式是不直接進(jìn)行納儲(chǔ)放貸，以手續(xù)費(fèi)為主要收入的模式。我國(guó)P2P模式不斷演化，眾多專家學(xué)者基于不同視角研究了我國(guó)P2P平臺(tái)的運(yùn)營(yíng)模式。任安軍、胡敏等將我國(guó)P2P平臺(tái)運(yùn)營(yíng)模式分為純線上模式、線下審核擔(dān)保模式和線上線下結(jié)合模式[5～6]。趙志才將我國(guó)P2P平臺(tái)運(yùn)營(yíng)模式分為擔(dān)保模式、信貸資產(chǎn)證券化模式和平臺(tái)模式[7]。畢沛然則認(rèn)為存在無(wú)擔(dān)保線上交易模式、有擔(dān)保線上交易模式、線下交易模式和線上線下相結(jié)合模式等幾類[8]。我們認(rèn)為，眾多學(xué)者主要從業(yè)務(wù)運(yùn)作和擔(dān)保參與方式兩個(gè)角度對(duì)P2P網(wǎng)貸運(yùn)營(yíng)模式進(jìn)行分類。如果按這個(gè)思路重新梳理，根據(jù)業(yè)務(wù)運(yùn)作方式，可將P2P模式分為線上模式、線下模式和線上線下相結(jié)合模式；而根據(jù)擔(dān)保方式，可將P2P模式分為有擔(dān)保和無(wú)擔(dān)保模式，其中有擔(dān)保模式又分為平臺(tái)自有資金擔(dān)保、風(fēng)險(xiǎn)準(zhǔn)備金擔(dān)保、第三方擔(dān)保[9]。另外，楊新求、王碩、肖程午等也對(duì)P2P網(wǎng)貸平臺(tái)運(yùn)營(yíng)模式進(jìn)行了研究，得到了類似的結(jié)果[10～12]。李玫等從法律監(jiān)管角度研究了P2P網(wǎng)貸，將P2P平臺(tái)的運(yùn)營(yíng)模式分為中介模式、債權(quán)轉(zhuǎn)讓模式、擔(dān)保模式、資產(chǎn)證券化模式，并分析了各模式的法律關(guān)系，此外還分析了網(wǎng)絡(luò)借貸中的主要分析及法律監(jiān)管問(wèn)題[13]。針對(duì)法律監(jiān)管，劉淑波等指出了法律監(jiān)管的不足，并針對(duì)不足提出了完善建議[14]。

2.用戶體驗(yàn)?；ヂ?lián)網(wǎng)金融倡導(dǎo)以用戶為中心，用戶體驗(yàn)是用戶在使用產(chǎn)品過(guò)程中的主觀感受。單純從用戶體驗(yàn)視角出發(fā)對(duì)P2P平臺(tái)進(jìn)行的研究很少，僅有的少量研究也都只是定性研究或采用調(diào)查法進(jìn)行的定量研究。劉呈輝等對(duì)用戶體驗(yàn)視角的P2P網(wǎng)貸研究進(jìn)行了綜述[15]。張高作對(duì)國(guó)內(nèi)P2P網(wǎng)貸平臺(tái)用戶體驗(yàn)進(jìn)行度量，得出國(guó)內(nèi)現(xiàn)有平臺(tái)用戶體驗(yàn)度不高的結(jié)論，毛衡軍則分析了P2P網(wǎng)貸用戶體驗(yàn)的相關(guān)影響因素，得出風(fēng)險(xiǎn)偏好、認(rèn)知程度、節(jié)約程度與借貸收益對(duì)用戶體驗(yàn)有影響[16～17]?？偠灾?，基于用戶體驗(yàn)視角的P2P網(wǎng)貸研究還處于起步階段，借鑒其他領(lǐng)域趨于成熟的用戶體驗(yàn)研究，發(fā)展基于用戶體驗(yàn)視角的P2P網(wǎng)貸研究十分有必要。

3.信用風(fēng)險(xiǎn)評(píng)價(jià)模型。信用風(fēng)險(xiǎn)分析方法通常分為傳統(tǒng)信用風(fēng)險(xiǎn)分析法和現(xiàn)代信用風(fēng)險(xiǎn)分析法。傳統(tǒng)方法以專家評(píng)分法為代表，現(xiàn)代方法包括Logit和Probit回歸模型、神經(jīng)網(wǎng)絡(luò)模型等。眾多學(xué)者使用現(xiàn)代方法從微觀角度對(duì)P2P借款人個(gè)人的信用風(fēng)險(xiǎn)評(píng)價(jià)進(jìn)行了研究。劉峙廷采用層次分析法構(gòu)建個(gè)人信用評(píng)價(jià)模型，通過(guò)數(shù)據(jù)代入比較，得出構(gòu)建的模型與建設(shè)銀行信用評(píng)分標(biāo)準(zhǔn)相比信用狀況差異不大、適用性更好的結(jié)論[18]。姜巖、黃震、李淑錦等基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建P2P網(wǎng)貸信用風(fēng)險(xiǎn)評(píng)價(jià)模型[19～21]。姜巖和黃震均通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型仿真評(píng)估借款人的信用風(fēng)險(xiǎn)，仿真結(jié)果證明模型具備對(duì)P2P網(wǎng)貸借款人信用的預(yù)測(cè)評(píng)估能力。李淑錦等通過(guò)BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行仿真及優(yōu)化，同時(shí)用Logistic二元回歸模型檢驗(yàn)，得出BP神經(jīng)網(wǎng)絡(luò)比Logistic模型更適合進(jìn)行網(wǎng)貸平臺(tái)借款人信用風(fēng)險(xiǎn)評(píng)估的結(jié)論。孫同陽(yáng)等采用決策樹構(gòu)建模型輸出信用評(píng)級(jí)，將信用評(píng)級(jí)和違約率相比較，發(fā)現(xiàn)目前P2P網(wǎng)貸平臺(tái)的信用評(píng)級(jí)存在忽視信用逾期行為和缺乏動(dòng)態(tài)信用評(píng)級(jí)所需要的要素等問(wèn)題[22]。于曉虹等采用隨機(jī)森林分類和回歸算法進(jìn)行建模，對(duì)信用風(fēng)險(xiǎn)進(jìn)行了研究，結(jié)果顯示兩種模型對(duì)選取的 87 位建模樣本借貸人的信用風(fēng)險(xiǎn)等級(jí)的識(shí)別正確率均為100%[23]。針對(duì)借款人個(gè)人的信用風(fēng)險(xiǎn)評(píng)價(jià)的模型眾多，各有優(yōu)缺點(diǎn)，本文就不一一贅述了。

4.平臺(tái)風(fēng)險(xiǎn)分析。風(fēng)險(xiǎn)是P2P行業(yè)與生俱來(lái)的。尤其是處于發(fā)展初期，行業(yè)尚處于不穩(wěn)健階段，發(fā)生風(fēng)險(xiǎn)事件的可能性更大，這樣就會(huì)對(duì)金融體系乃至實(shí)體經(jīng)濟(jì)造成沖擊。通常，P2P風(fēng)險(xiǎn)包括信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、系統(tǒng)性風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)[24]。郭帥指出P2P網(wǎng)貸平臺(tái)的風(fēng)險(xiǎn)是從個(gè)體決策到系統(tǒng)性影響，借款人和投資人存在信息不對(duì)稱，加之投資本身的動(dòng)態(tài)性，交易可能引發(fā)風(fēng)險(xiǎn)，而風(fēng)險(xiǎn)擴(kuò)散還可能導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)[25]。劉繪等對(duì)P2P平臺(tái)面臨的風(fēng)險(xiǎn)的來(lái)源進(jìn)行了梳理，主要來(lái)自非法集資、產(chǎn)品異化、資金混同、保障不足及網(wǎng)絡(luò)技術(shù)風(fēng)險(xiǎn)[26]。顏凱利從另外的視角提出平臺(tái)面臨的風(fēng)險(xiǎn)主要來(lái)自三方面：監(jiān)管、借款人以及平臺(tái)自身，并從平臺(tái)合規(guī)經(jīng)營(yíng)、內(nèi)部控制、行業(yè)信息共享、對(duì)平臺(tái)進(jìn)行信用評(píng)級(jí)幾方面提出了建議[27]。劉東根等通過(guò)分析一定數(shù)量P2P違法案件總結(jié)P2P平臺(tái)風(fēng)險(xiǎn)和防范措施，并歸納列示平臺(tái)的機(jī)遇及挑戰(zhàn)[28]。

從以上的綜述可以看出，國(guó)內(nèi)現(xiàn)有文獻(xiàn)中對(duì)P2P平臺(tái)風(fēng)險(xiǎn)的研究成果較少，且基本都是采用定性的方法，結(jié)論的精確性有待提高。另外，研究的風(fēng)險(xiǎn)主要針對(duì)單個(gè)P2P平臺(tái)，對(duì)于P2P產(chǎn)業(yè)的整體風(fēng)險(xiǎn)幾乎沒有涉及。這是一種微觀審慎（Microprudential）的研究視角，以考察個(gè)體為主。事實(shí)上，對(duì)于金融風(fēng)險(xiǎn)的研究，還需要考察行業(yè)整體，得到的研究結(jié)論才能夠更為全面、準(zhǔn)確，通常我們稱之為宏觀審慎（Macro-prudential）。于是就需要研究系統(tǒng)性風(fēng)險(xiǎn)（Systemic Risk）和系統(tǒng)重要性（Systemic Importance）機(jī)構(gòu)。系統(tǒng)性風(fēng)險(xiǎn)源于規(guī)模占比較大、具有系統(tǒng)重要性的機(jī)構(gòu)，而系統(tǒng)重要性測(cè)度的是一個(gè)機(jī)構(gòu)的負(fù)外部性。對(duì)于系統(tǒng)重要性機(jī)構(gòu)，其負(fù)外部性會(huì)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，就像多米諾骨牌，對(duì)整個(gè)行業(yè)造成沖擊。對(duì)于P2P機(jī)構(gòu)系統(tǒng)重要性的研究，國(guó)內(nèi)還鮮有成果，僅王鵬、楊鵬基于一個(gè)評(píng)價(jià)指標(biāo)體系，采用客觀賦權(quán)法中的熵值法確定權(quán)重，從而測(cè)度出P2P網(wǎng)貸機(jī)構(gòu)的系統(tǒng)重要性[29]。

目前，對(duì)系統(tǒng)重要性的研究多集中于商業(yè)銀行領(lǐng)域，也有少量關(guān)于保險(xiǎn)機(jī)構(gòu)、證券機(jī)構(gòu)等系統(tǒng)重要性的研究。對(duì)系統(tǒng)重要性金融機(jī)構(gòu)（SIFIs）評(píng)估的方法一般分為兩類：指標(biāo)法和市場(chǎng)法。

指標(biāo)法是基于SIFIs的核心特征，提出界定金融機(jī)構(gòu)系統(tǒng)重要性的指標(biāo)。2011年，巴塞爾委員會(huì)提出一套指標(biāo)體系，從規(guī)模、可替代性、關(guān)聯(lián)性、復(fù)雜性、跨區(qū)域業(yè)務(wù)等方面進(jìn)行定量評(píng)估。在國(guó)內(nèi)，巴曙松、高江健采用了此套指標(biāo)體系，剔除跨區(qū)域業(yè)務(wù)指標(biāo)，同時(shí)增加國(guó)民信息指標(biāo)，每大類、每大類中的子指標(biāo)均賦予等權(quán)重，對(duì)我國(guó)系統(tǒng)重要性銀行進(jìn)行了評(píng)估[30]。鄔佩琳沿用此套指標(biāo)，使用客觀賦權(quán)法中的熵值法確定權(quán)重，評(píng)估了我國(guó)的系統(tǒng)重要性銀行[31～32]。張琳、何玉婷同樣也沿用此套指標(biāo)，采用主成分分析法對(duì)原始指標(biāo)體系降維和去相關(guān)性，對(duì)我國(guó)的系統(tǒng)重要性保險(xiǎn)公司進(jìn)行評(píng)估[33]。

與指標(biāo)法不同，市場(chǎng)法是利用金融市場(chǎng)上金融機(jī)構(gòu)股價(jià)波動(dòng)數(shù)據(jù)，基于風(fēng)險(xiǎn)管理模型，衡量金融機(jī)構(gòu)對(duì)整個(gè)系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)程度。不難看出，這一類方法的適用范圍有一定的局限性，只能用于研究上市的金融機(jī)構(gòu)。主要的方法有：（1）邊際預(yù)期差額法（MES），它是指金融危機(jī)中每一個(gè)機(jī)構(gòu)的預(yù)期股權(quán)損失（縮水）。宋清華、姜玉東采用邊際預(yù)期差額法計(jì)算了我國(guó)上市金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)指數(shù)[34]。（2）Shapley值法，屬于合作博弈理論范疇，通過(guò)考慮各個(gè)參與者所做貢獻(xiàn)，公平估算每個(gè)參與者對(duì)系統(tǒng)的貢獻(xiàn)度，從而測(cè)度其對(duì)整個(gè)系統(tǒng)的重要性。Shapley值法最早由Tarashev、Borio和Tsatsaronis引入[35]。張娜娜、陳超運(yùn)用Shapley值法將系統(tǒng)性風(fēng)險(xiǎn)分配到單個(gè)銀行中來(lái)度量銀行的系統(tǒng)重要性[36]。（3）CoVaR法，測(cè)量單一金融機(jī)構(gòu)陷入困境時(shí)對(duì)其他金融機(jī)構(gòu)也陷入困境的概率影響。CoVaR的概念最早由Adrian和Brynnermeier提出，以此衡量單個(gè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)[37]。肖璞等采用CoVaR方法，結(jié)合分位數(shù)回歸技術(shù)，量化了單個(gè)銀行對(duì)整個(gè)銀行系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)率，從而達(dá)到識(shí)別系統(tǒng)重要性銀行的目的[38]。

現(xiàn)階段，我國(guó)的P2P機(jī)構(gòu)通常都是非上市企業(yè)，沒有類似于股票價(jià)格的數(shù)據(jù)，市場(chǎng)法顯然不適用，本文采用指標(biāo)法。

二、理論模型

（一）指標(biāo)體系

前已述及，本文采用指標(biāo)法研究我國(guó)現(xiàn)有主要P2P機(jī)構(gòu)的系統(tǒng)重要性排名問(wèn)題。這種方法的核心問(wèn)題是構(gòu)建合適的指標(biāo)體系。根據(jù)我國(guó)P2P行業(yè)發(fā)展現(xiàn)狀、P2P平臺(tái)的特點(diǎn)等選出注冊(cè)資金、成交量、借款人數(shù)、投資人數(shù)、累計(jì)待還金額、手續(xù)費(fèi)收入、平均利率、平均借款期限、滿標(biāo)用時(shí)、前五十投資人待收占比、前五十借款人待還占比等11個(gè)指標(biāo)。對(duì)該11個(gè)指標(biāo)進(jìn)行相關(guān)性分析后，成交量和累計(jì)待還余額的相關(guān)系數(shù)為0.932，高于0.8，故剔除累計(jì)待還金額指標(biāo)。最終選取以下表1中列出的指標(biāo)。

表1中各指標(biāo)的含義及選取原因解釋如下：

表1 評(píng)估P2P平臺(tái)系統(tǒng)重要性的指標(biāo)體系

1.注冊(cè)資金

注冊(cè)資金是企業(yè)全部財(cái)產(chǎn)的貨幣表現(xiàn)和數(shù)額體現(xiàn)。注冊(cè)資金象征著企業(yè)能夠承擔(dān)同等數(shù)額的風(fēng)險(xiǎn)，反映了平臺(tái)財(cái)務(wù)狀況。P2P平臺(tái)的注冊(cè)資金越多，表明平臺(tái)財(cái)務(wù)狀況越好，產(chǎn)生風(fēng)險(xiǎn)時(shí)對(duì)行業(yè)帶來(lái)的負(fù)面影響就越大，對(duì)P2P機(jī)構(gòu)的系統(tǒng)重要性貢獻(xiàn)越多。

2.成交量

成交量指單位時(shí)間內(nèi)對(duì)某項(xiàng)交易成交的數(shù)量。成交量反映了平臺(tái)經(jīng)營(yíng)狀況和資金流入量，P2P平臺(tái)的成交量越高，表明平臺(tái)經(jīng)營(yíng)狀況越好，所占的市場(chǎng)份額越大，出現(xiàn)危機(jī)時(shí)對(duì)行業(yè)造成的損失也越大，越具有系統(tǒng)重要性。

3.借款人數(shù)

借款人數(shù)反映的是P2P網(wǎng)貸平臺(tái)與借款人之間的關(guān)聯(lián)性，某種程度上還會(huì)影響投資人對(duì)平臺(tái)的信任度。假定借款人還款能力無(wú)差異且現(xiàn)有資金恒定，P2P平臺(tái)的借款人數(shù)越多，一方面說(shuō)明平臺(tái)活躍度越高，公眾對(duì)平臺(tái)越信任；另一方面說(shuō)明風(fēng)險(xiǎn)敞口增大，發(fā)生逾期壞賬的概率增大，產(chǎn)生風(fēng)險(xiǎn)對(duì)行業(yè)帶來(lái)的負(fù)面影響也越大，對(duì)系統(tǒng)重要性的貢獻(xiàn)越大。

4.投資人數(shù)

投資人數(shù)反映的是P2P網(wǎng)貸平臺(tái)與投資人之間的關(guān)聯(lián)性，體現(xiàn)出投資人對(duì)平臺(tái)的信任程度，也從側(cè)面反映了平臺(tái)資金流動(dòng)量與資金流動(dòng)率的大小，進(jìn)而反映未來(lái)吸引更多投資的概率大小。投資人數(shù)越多，平臺(tái)的資金聚集度越高，相應(yīng)的風(fēng)險(xiǎn)聚集度也越高，出現(xiàn)危機(jī)對(duì)行業(yè)造成的恐慌也越大，越具有系統(tǒng)重要性。

5.手續(xù)費(fèi)收入

手續(xù)費(fèi)收入反映的是P2P平臺(tái)的產(chǎn)品特性和對(duì)資金管理能力的大小，進(jìn)而反映其不可替代性。手續(xù)費(fèi)收入越高，產(chǎn)品特性越強(qiáng)，對(duì)資金管理能力越大，越具有系統(tǒng)重要性。各平臺(tái)的手續(xù)費(fèi)計(jì)算規(guī)則差異性較大，本文參考王鵬、楊鵬測(cè)度P2P網(wǎng)貸平臺(tái)系統(tǒng)重要性時(shí)采用的手續(xù)費(fèi)收入計(jì)算公式：手續(xù)費(fèi)收入=充值服務(wù)費(fèi)+投標(biāo)管理費(fèi)=（充值服務(wù)費(fèi)率×投資總量） +（投標(biāo)管理費(fèi)率×成交量×平均利率）。

6.平均利率

平均利率反映P2P平臺(tái)的產(chǎn)品特性，表示所有標(biāo)的各利率檔次的平均金額與相應(yīng)檔次利率的乘積和各檔次借款標(biāo)的平均金額之和的比率，是一定時(shí)期內(nèi)標(biāo)的年化利率按金額加權(quán)后的平均水平。平均利率越高，說(shuō)明高息借款在平臺(tái)的所占比率越高，其產(chǎn)品特性越強(qiáng)，越具有系統(tǒng)重要性。

7.平均借款期限

平均借款期限是指定時(shí)間段內(nèi)所有借款標(biāo)期限按金額加權(quán)后的平均值，反映P2P平臺(tái)的結(jié)構(gòu)、業(yè)務(wù)和產(chǎn)品的復(fù)雜程度，與行業(yè)監(jiān)管的嚴(yán)格程度及行業(yè)的利率有極大關(guān)聯(lián)性。P2P平臺(tái)平均借款期限越短，表明業(yè)務(wù)結(jié)構(gòu)越復(fù)雜，當(dāng)前行業(yè)的利率也越低，平臺(tái)的資金流動(dòng)量越大，產(chǎn)生風(fēng)險(xiǎn)時(shí)對(duì)系統(tǒng)的影響也越大，從而越具有系統(tǒng)重要性。

8.滿標(biāo)用時(shí)

滿標(biāo)用時(shí)是平均每個(gè)標(biāo)被投滿所需要的時(shí)間，本文取各不同期限標(biāo)的滿標(biāo)用時(shí)的平均值。滿標(biāo)用時(shí)反映P2P平臺(tái)的結(jié)構(gòu)、業(yè)務(wù)和產(chǎn)品的復(fù)雜程度和規(guī)范性，同時(shí)反映平臺(tái)人氣。P2P平臺(tái)的滿標(biāo)用時(shí)越短，越容易吸引投資人與借款人的加入，結(jié)構(gòu)也越復(fù)雜，產(chǎn)生風(fēng)險(xiǎn)時(shí)處置成本越大，對(duì)系統(tǒng)的影響也就越大，越具有系統(tǒng)重要性。

9.前五十投資人待收占比、前五十借款人待還占比

前五十投資人待收占比是某一特定時(shí)間點(diǎn)，待收金額前50位投資人的待收金額占所有投資人待收金額的比例。前五十借款人待還占比是某一特定時(shí)間點(diǎn)，待還金額前50位借款人的待還金額占所有借款人待還金額的比例。這兩個(gè)指標(biāo)反映了P2P平臺(tái)的風(fēng)險(xiǎn)分散程度和風(fēng)險(xiǎn)敞口大小。P2P平臺(tái)的前五十投資人待收占比和前五十借款人待還占比越小，平臺(tái)的風(fēng)險(xiǎn)越分散，相對(duì)來(lái)說(shuō)風(fēng)險(xiǎn)敞口越小，越具有系統(tǒng)重要性。

（二）神經(jīng)網(wǎng)絡(luò)

傳統(tǒng)的評(píng)估方法，通常是在確定了評(píng)估指標(biāo)體系以后，需要對(duì)每個(gè)指標(biāo)賦權(quán)，才能開展評(píng)估計(jì)算。賦權(quán)的方法有主觀賦權(quán)法、客觀賦權(quán)法兩大類。前者包括專家評(píng)分法等，后者包括熵權(quán)法等。近年來(lái)，又出現(xiàn)了諸如神經(jīng)網(wǎng)絡(luò)這一類基于人工智能的評(píng)價(jià)方法?？紤]到BP神經(jīng)網(wǎng)絡(luò)算法能夠揭示數(shù)據(jù)樣本中蘊(yùn)含的非線性關(guān)系，可靈活方便地對(duì)多個(gè)未知系數(shù)進(jìn)行建模，非常適合處理系統(tǒng)重要性排名這種高度非線性關(guān)系，比傳統(tǒng)的評(píng)估方法更能體現(xiàn)出指標(biāo)的動(dòng)態(tài)性，能夠避開一些出現(xiàn)人為因素的環(huán)節(jié)，得到更加準(zhǔn)確、科學(xué)、可靠的結(jié)果。因此，本文選取BP神經(jīng)網(wǎng)絡(luò)算法來(lái)評(píng)估P2P機(jī)構(gòu)的系統(tǒng)重要性。

1.BP神經(jīng)網(wǎng)絡(luò)算法原理

BP神經(jīng)網(wǎng)絡(luò)算法，即誤差反向傳播神經(jīng)網(wǎng)絡(luò)算法，是一種采用非線性連續(xù)變換函數(shù)模仿大腦順序刺激功能的算法，由一個(gè)輸入層、一個(gè)輸出層及若干隱含層組成，其特點(diǎn)是信號(hào)前向傳播而誤差反向傳播。隱含層位于輸入層和輸出層之間，其功能是把輸入層中不同于其他輸入模式的特征提取并傳給輸出層。這些組成中每一層都存在多個(gè)多輸入和單輸出的神經(jīng)元，這些神經(jīng)元層內(nèi)無(wú)互連結(jié)構(gòu)，但相鄰兩層間以權(quán)值進(jìn)行連接。每一個(gè)神經(jīng)元均無(wú)對(duì)自身的反饋，僅能接受來(lái)自前一層的輸入并傳輸給下一層。典型的BP網(wǎng)絡(luò)三層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

其訓(xùn)練步驟為：

（1）網(wǎng)絡(luò)初始化，首先賦予網(wǎng)絡(luò)相鄰層間節(jié)點(diǎn)的連接權(quán)值以及隱含層和輸出層節(jié)點(diǎn)閾值為（–1，1）之間的隨機(jī)數(shù)。

（2）計(jì)算隱含層各神經(jīng)元的輸入和輸出。

（3）利用期望輸出值和實(shí)際輸出值計(jì)算誤差函數(shù)對(duì)輸出層各神經(jīng)元的偏導(dǎo)數(shù)，以及隱含層各神經(jīng)元的輸出，從而向減少誤差方向調(diào)整權(quán)值。

（4）利用隱含層各神經(jīng)元的偏導(dǎo)數(shù)和輸入層各神經(jīng)元的輸入向減少誤差方向調(diào)整權(quán)值。

（5）計(jì)算全局誤差，判斷誤差是否滿足要求。重復(fù)上述過(guò)程直至整個(gè)樣本集的均方誤差達(dá)到預(yù)設(shè)精度或?qū)W習(xí)次數(shù)大于設(shè)定的最大次數(shù)。

2.BP神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點(diǎn)

（1）BP神經(jīng)網(wǎng)絡(luò)能夠揭示數(shù)據(jù)樣本中蘊(yùn)含的非線性關(guān)系，可靈活方便的對(duì)多個(gè)未知系數(shù)進(jìn)行建模，解決了線性不可分和隱含層權(quán)值修正的難題。傳統(tǒng)的客觀賦權(quán)法為了對(duì)評(píng)價(jià)對(duì)象進(jìn)行排序而取得權(quán)重，BP神經(jīng)網(wǎng)絡(luò)比其更能體現(xiàn)出指標(biāo)權(quán)重的動(dòng)態(tài)性。

（2）BP神經(jīng)網(wǎng)絡(luò)算法的目的性很強(qiáng)，它的每一次計(jì)算都是通過(guò)一種強(qiáng)有力的方式修正權(quán)值以期達(dá)到最小誤差。神經(jīng)網(wǎng)絡(luò)對(duì)權(quán)值不斷修正，得到的結(jié)果比傳統(tǒng)的客觀賦權(quán)法更準(zhǔn)確。

（3）BP神經(jīng)網(wǎng)絡(luò)善于從近似的、不確定的、甚至相互矛盾的知識(shí)環(huán)境中做出決策，還可以避開人為確定指標(biāo)權(quán)重和計(jì)算相關(guān)系數(shù)等環(huán)節(jié)。而傳統(tǒng)的客觀賦權(quán)法還需人為確定指標(biāo)權(quán)重和計(jì)算相關(guān)系數(shù)。

（4）BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)性、自適應(yīng)性和容錯(cuò)性等特性，可以以任意精度逼近任意連續(xù)函數(shù)，所以廣泛應(yīng)用于非線性建模、函數(shù)逼近的模式分類等方面，非常適合處理系統(tǒng)重要性排名這種高度非線性關(guān)系，使評(píng)價(jià)過(guò)程更客觀，結(jié)果更具科學(xué)性、可靠性。

三、實(shí)證研究

（一）數(shù)據(jù)來(lái)源

P2P平臺(tái)有數(shù)千家，但經(jīng)營(yíng)時(shí)間達(dá)12個(gè)月以上、活躍度較高的平臺(tái)較少，以平臺(tái)成交量為依據(jù)，根據(jù)網(wǎng)貸之家公布的數(shù)據(jù)顯示，2017年9月成交量排名前80位的平臺(tái)成交量之和占比就達(dá)70%。本文選擇具有一定代表性的80家P2P網(wǎng)貸平臺(tái)2016年10月～2017年9月共12個(gè)月的月度數(shù)據(jù)為樣本，分別為：宜貸網(wǎng)、陸金服、信用寶、宜人貸、友金所、有利網(wǎng)、有融網(wǎng)、易通貸、銀豆網(wǎng)、翼龍貸、小諾理財(cái)、小微金融、小贏理財(cái)、人人聚財(cái)、融金所、網(wǎng)利寶、溫商貸、團(tuán)貸網(wǎng)、微貸網(wǎng)、來(lái)存吧、懶財(cái)網(wǎng)、人人貸、泰然金融、錢爸爸、投哪網(wǎng)、信和大金融、生菜金融、首金網(wǎng)、禮德財(cái)富、理財(cái)農(nóng)場(chǎng)、民貸天下、你我貸、拍拍貸、普惠家、鵬金所、向上金服、小牛在線、小豬理財(cái)、新新貸、信融財(cái)富、91旺財(cái)、e路同心、PPmoney、愛錢幫、愛錢進(jìn)、愛投資、博金貸、理財(cái)范、點(diǎn)融網(wǎng)、東方匯、多贏、分利寶、福銀票號(hào)、付融寶、共信贏、冠e通、廣信貸、好貸寶、合時(shí)代、和信貸、恒易融、紅嶺創(chuàng)投、匯盈金服、積木盒子、金聯(lián)儲(chǔ)、金票通、金融工場(chǎng)、金融圈、金信網(wǎng)、金銀貓、鉅寶盆、聚寶匯、開鑫貸、口袋理財(cái)、米缸金融、錢盆網(wǎng)、君融貸、道口貸、一起好、地標(biāo)金融。數(shù)據(jù)來(lái)源包括“網(wǎng)貸之家”網(wǎng)站數(shù)據(jù)頻道及各平臺(tái)官方網(wǎng)站。

表2 指標(biāo)數(shù)據(jù)統(tǒng)計(jì)情況

（二）數(shù)據(jù)預(yù)處理

1.指標(biāo)正向化處理

在多指標(biāo)綜合評(píng)價(jià)法中，有三類指標(biāo)：（1）正向指標(biāo)：指標(biāo)值越大，評(píng)價(jià)越好的；（2）逆向指標(biāo)：指標(biāo)值越小，評(píng)價(jià)越好；（3）適度指標(biāo)：指標(biāo)值越接近某個(gè)值越好。在使用多指標(biāo)綜合評(píng)價(jià)法時(shí)，首先需要將指標(biāo)趨同，通常是把逆向指標(biāo)和適度指標(biāo)轉(zhuǎn)化為正向指標(biāo)，因此也稱指標(biāo)正向化。

本文所選取的10個(gè)指標(biāo)中，注冊(cè)資金、成交量、借款人數(shù)、投資人數(shù)、手續(xù)費(fèi)收入、平均利率6個(gè)指標(biāo)為正向指標(biāo)；平均借款期限、滿標(biāo)用時(shí)、前五十投資人待收占比、前五十借款人待還占比4個(gè)指標(biāo)為逆向指標(biāo)。本文采用倒扣逆變換法進(jìn)行指標(biāo)正向化處理。在本文所選取的指標(biāo)中，沒有適度指標(biāo)，因此不考慮適度指標(biāo)的正向化問(wèn)題。對(duì)逆向指標(biāo)正向化公式為:

其中xij為第j項(xiàng)指標(biāo)下第i個(gè)樣本P2P平臺(tái)的原指標(biāo)值，yij為正向變換后的第j項(xiàng)指標(biāo)下第i個(gè)樣本P2P平臺(tái)指標(biāo)值。

2.數(shù)據(jù)標(biāo)準(zhǔn)化處理

本文所采用的樣本數(shù)據(jù)均為非負(fù)數(shù)，故本文的數(shù)據(jù)可以省略非負(fù)數(shù)化處理。但由于各指標(biāo)量綱差距較大，為統(tǒng)一量綱，需對(duì)以上經(jīng)過(guò)正向化處理后的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。采用公式：（其中yij為上述正向變換后的第j項(xiàng)指標(biāo)下第i個(gè)樣本P2P平臺(tái)指標(biāo)值，zij為標(biāo)準(zhǔn)化處理后的第j項(xiàng)指標(biāo)下第i個(gè)樣本P2P平臺(tái)指標(biāo)值）對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，可得樣本矩陣：

其中Z為具有m個(gè)樣本P2P平臺(tái)和n個(gè)評(píng)價(jià)指標(biāo)的樣本矩陣，zij為標(biāo)準(zhǔn)化處理后的第j項(xiàng)指標(biāo)下第i個(gè)樣本P2P平臺(tái)指標(biāo)值。

（三）計(jì)算過(guò)程

前已述及，BP神經(jīng)網(wǎng)絡(luò)模型是一種有導(dǎo)師的學(xué)習(xí)算法，其建立是一個(gè)需要綜合考慮的問(wèn)題。在建模過(guò)程中，設(shè)計(jì)合理的網(wǎng)絡(luò)結(jié)構(gòu)是基石，確立隱含層及各層節(jié)點(diǎn)數(shù)是關(guān)鍵，針對(duì)系統(tǒng)重要性研究的特點(diǎn)，采用三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即隱含層數(shù)目為1，下面具體介紹模型的設(shè)計(jì)。

1.輸入層設(shè)計(jì)。將識(shí)別P2P平臺(tái)系統(tǒng)重要性的10項(xiàng)具體指標(biāo)作為輸入層的輸入，因此輸入層節(jié)點(diǎn)數(shù)確定為10。

2.輸出層設(shè)計(jì)。因?yàn)橄到y(tǒng)重要性識(shí)別的最終結(jié)果只有一個(gè)，所以輸出層節(jié)點(diǎn)數(shù)確定為1。

3.隱含層設(shè)計(jì)。隱含層的節(jié)點(diǎn)數(shù)的確定主要采用經(jīng)驗(yàn)公式，本文采用公式，其中m為隱含層神經(jīng)元數(shù)，p和n分別為輸入層和輸出層神經(jīng)元數(shù)，a為0–10的任意常數(shù)。通過(guò)試驗(yàn)，從而確定隱含層節(jié)點(diǎn)數(shù)為9。

4.參數(shù)選取。BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)的選取一般綜合建模的經(jīng)驗(yàn)和具體情況進(jìn)行選取。比較重要的參數(shù)有：傳遞函數(shù)、學(xué)習(xí)函數(shù)、訓(xùn)練函數(shù)和性能函數(shù)。本文選取以下模型參數(shù)： （1）傳遞函數(shù)：TANSIG；（2）訓(xùn)練函數(shù)： TRAINGDX；（3）學(xué)習(xí)函數(shù)：LEARNGDM；（4）性能函數(shù)：MSE。

本文將80家P2P網(wǎng)貸機(jī)構(gòu)2016年10月至2017年9月共12個(gè)月的數(shù)據(jù)分為兩組，其中2016年10月至2017年3月這6個(gè)月的數(shù)據(jù)作為訓(xùn)練集，2017年4月至2017年9月這6個(gè)月的數(shù)據(jù)作為測(cè)試集，利用matlab將訓(xùn)練集樣本依次輸入網(wǎng)絡(luò)。訓(xùn)練完畢后，將測(cè)試集帶入神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行驗(yàn)證。

（四）實(shí)證結(jié)果及結(jié)論

1.使用CRITIC法得期望輸出結(jié)果

由于BP神經(jīng)網(wǎng)絡(luò)模型是一種有導(dǎo)師的學(xué)習(xí)算法，學(xué)習(xí)過(guò)程需要監(jiān)督，因此訓(xùn)練集不僅包含輸入的數(shù)據(jù)，還包含期望的輸出結(jié)果。本文所獲得的數(shù)據(jù)來(lái)源主要包括“網(wǎng)貸之家”網(wǎng)站數(shù)據(jù)頻道及各平臺(tái)官方網(wǎng)站，收集的數(shù)據(jù)并不包括期望的輸出結(jié)果。由于CRITIC方法可以獲得較客觀合理的權(quán)重，所得的結(jié)果更為客觀。因此為了獲得期望的輸出結(jié)果，本文采用CRITIC方法，將獲得的80家P2P平臺(tái)2016年10月至2017年9月這12個(gè)月的月度數(shù)據(jù)取平均值作為CRITIC的數(shù)據(jù)樣本。通過(guò)CRITIC法得到的每個(gè)指標(biāo)所占權(quán)重（表3）和每個(gè)平臺(tái)的得分，得到系統(tǒng)重要性排名。根據(jù)系統(tǒng)重要性排名計(jì)算每個(gè)平臺(tái)的綜合得分，如表4所示。

2.BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練及測(cè)試

把使用CRITIC法所得的綜合得分作為BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練集期望的輸出結(jié)果，本文采用matlab進(jìn)行分析。首先將獲得的月度數(shù)據(jù)和表4中的綜合得分以矩陣形式載入matlab中分別作為輸入數(shù)據(jù)和目標(biāo)數(shù)據(jù)，樣本數(shù)據(jù)載入完畢后即可開始BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。實(shí)證過(guò)程中，訓(xùn)練次數(shù)上限設(shè)置為5000，經(jīng)過(guò)5000次訓(xùn)練，訓(xùn)練停止，結(jié)果顯示訓(xùn)練結(jié)果良好，具有較好的收斂效果，如圖2所示。對(duì)訓(xùn)練的實(shí)際輸出值和期望輸出值進(jìn)行線性回歸分析，圖3顯示二者的相似度R=0.98411，說(shuō)明實(shí)際輸出與期望值吻合度較高。再用測(cè)試集對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，驗(yàn)證發(fā)現(xiàn)實(shí)際輸出與期望輸出誤差較小。BP神經(jīng)網(wǎng)絡(luò)中，每個(gè)指標(biāo)的權(quán)重都被隱藏在網(wǎng)絡(luò)內(nèi)部。最終結(jié)果比較分析如表5所示。

表3 CRITIC法確定的各指標(biāo)的權(quán)重

表4 CRITIC法確定的系統(tǒng)重要性排名及得分

圖2 網(wǎng)絡(luò)訓(xùn)練的誤差下降曲線

圖3 網(wǎng)絡(luò)訓(xùn)練實(shí)際輸出值與期望值回歸分析

從表5可以看出，CRITIC法和BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算的結(jié)果總體比較接近，結(jié)果也與業(yè)內(nèi)普遍認(rèn)知相符。根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型得到的系統(tǒng)重要性排名，可以判斷出需重點(diǎn)監(jiān)管的P2P網(wǎng)貸機(jī)構(gòu)。如以系統(tǒng)重要性排名第二十名為分水嶺，則監(jiān)管部門可重點(diǎn)監(jiān)管拍拍貸、宜人貸、愛錢進(jìn)、PPmoney、陸金服、團(tuán)貸網(wǎng)、翼龍貸、積木盒子、小牛在線、微貸網(wǎng)、錢盆網(wǎng)、口袋理財(cái)、紅嶺創(chuàng)投、你我貸、宜貸網(wǎng)、和信貸、小豬理財(cái)、易通貸、有融網(wǎng)、泰然金融，其他為一般監(jiān)管對(duì)象。

四、政策建議

在對(duì)P2P網(wǎng)貸的監(jiān)管業(yè)務(wù)中，有一項(xiàng)非常重要的內(nèi)容就是評(píng)估P2P平臺(tái)的系統(tǒng)重要性，確定這個(gè)行業(yè)中的系統(tǒng)重要性機(jī)構(gòu)。從目前來(lái)看，并沒有公認(rèn)的能夠精準(zhǔn)評(píng)估P2P平臺(tái)系統(tǒng)重要性的方法，因此監(jiān)管部門應(yīng)結(jié)合多種方法來(lái)準(zhǔn)確識(shí)別系統(tǒng)重要性P2P平臺(tái)。本文采用的BP神經(jīng)網(wǎng)絡(luò)算法并結(jié)合CRITIC法，為識(shí)別系統(tǒng)重要性P2P平臺(tái)提供了新思路?；趯?shí)證分析結(jié)果，本文就完善我國(guó)P2P網(wǎng)貸機(jī)構(gòu)監(jiān)管提出了以下建議：

（一）有效識(shí)別系統(tǒng)重要性P2P網(wǎng)貸機(jī)構(gòu)

銀監(jiān)會(huì)作為P2P行業(yè)的監(jiān)管部門，需在數(shù)千家P2P網(wǎng)貸機(jī)構(gòu)中有效識(shí)別系統(tǒng)重要性P2P網(wǎng)貸機(jī)構(gòu)，對(duì)于系統(tǒng)重要性顯著的P2P網(wǎng)貸機(jī)構(gòu)予以重點(diǎn)監(jiān)管。此外，諸多新興網(wǎng)貸機(jī)構(gòu)發(fā)展速度非?？?，如愛錢進(jìn)僅運(yùn)營(yíng)三年多，便在本文所選取的80家典型系統(tǒng)重要性P2P網(wǎng)貸機(jī)構(gòu)中排名第三。因此，需要對(duì)新興的P2P網(wǎng)貸機(jī)構(gòu)進(jìn)行動(dòng)態(tài)監(jiān)管，識(shí)別出系統(tǒng)重要性排名較靠前的新興平臺(tái)。

（二）建立差異化監(jiān)管體系

隨著P2P網(wǎng)貸行業(yè)的快速發(fā)展，我國(guó)對(duì)該行業(yè)的監(jiān)管已愈加重視。但P2P網(wǎng)貸平臺(tái)數(shù)目眾多，網(wǎng)貸之家數(shù)據(jù)顯示，截至2017年9月，我國(guó)僅正常運(yùn)營(yíng)的P2P網(wǎng)貸平臺(tái)總數(shù)量就達(dá)2526家。監(jiān)管部門需要在有限的資源投入下將監(jiān)管成效最大化。因此，根據(jù)P2P網(wǎng)貸機(jī)構(gòu)系統(tǒng)重要性程度的差別，進(jìn)行差異化監(jiān)管，對(duì)于系統(tǒng)重要性顯著的P2P網(wǎng)貸平臺(tái)重點(diǎn)監(jiān)管，成為提高監(jiān)管效率的不二法則。

（三）不斷完善系統(tǒng)重要性P2P網(wǎng)貸機(jī)構(gòu)識(shí)別機(jī)制

從上述實(shí)證結(jié)果可知，使用CRITIC法和BP神經(jīng)網(wǎng)絡(luò)算法得到的P2P網(wǎng)貸機(jī)構(gòu)系統(tǒng)重要性排名有所差異，本文僅比較了CRITIC法和BP神經(jīng)網(wǎng)絡(luò)算法得到的結(jié)果，其他本文未涉及的方法得到的系統(tǒng)重要性結(jié)果可能存在更大的差異。因此，監(jiān)管部門即使已建立系統(tǒng)重要性P2P網(wǎng)貸機(jī)構(gòu)識(shí)別機(jī)制，也需對(duì)識(shí)別機(jī)制不斷完善并探索建立輔助識(shí)別機(jī)制，防止偏差過(guò)大導(dǎo)致的過(guò)度識(shí)別和識(shí)別不足。

表5 分析結(jié)果