我國P2P平臺網(wǎng)貸成功率影響因素的實(shí)證分析

秦茜　熊曉煉　熊健益

摘要：以已有研究文獻(xiàn)為基礎(chǔ)，本文進(jìn)一步定性分析了可能影響我國P2P網(wǎng)絡(luò)借貸成功率的因素，并以人人貸平臺交易數(shù)據(jù)為例，從項(xiàng)目因素、個(gè)人因素及其他因素三方面選取了16個(gè)變量，運(yùn)用二元logistic模型進(jìn)行統(tǒng)計(jì)分析。結(jié)果表明：標(biāo)的總額、還款期限、年齡、工作階層、借款人信用等級和借款人成功借款數(shù)量均與網(wǎng)絡(luò)借貸成功率呈正相關(guān)，其中借款人成功借款數(shù)量對成功率的影響效果最顯著。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸 成功率 影響因素

一、研究概述

（一）研究背景及意義

P2P網(wǎng)貸平臺自成立以來，就因其門檻低、效益高、投資靈活性及手續(xù)簡單等特點(diǎn)，受到廣大投資者及籌資者的喜愛。但P2P網(wǎng)貸平臺的借款成功率普遍太低，逾期現(xiàn)象也較嚴(yán)重，讓其天然優(yōu)勢沒得到很好的發(fā)揮。因此本文對P2P網(wǎng)絡(luò)借貸成功率的影響因素研究是很有必要的，這對解決P2P行業(yè)存在的問題及提高網(wǎng)貸借款成功率有重大的意義，也是對現(xiàn)有的P2P網(wǎng)絡(luò)借貸研究的一個(gè)有效補(bǔ)充。

（二）國內(nèi)外研究現(xiàn)狀

1.國外研究現(xiàn)狀。Klafft（2008）發(fā)現(xiàn)借款人的信用等級越高，獲得貸款的可能性越大，并且獲得的貸款利率相對更低，違約率也更低。Ceyhan等（2008）認(rèn)為利率的高低是投資者做出投資決策的重要因素。Puro等（2010）發(fā)現(xiàn)在P2P網(wǎng)貸交易中，投資者的投資意愿與借款額度是呈負(fù)相關(guān)關(guān)系的。Ning和Arpita等（2014）發(fā)現(xiàn)在簡單的固定利率機(jī)制下比在浮動利率競價(jià)機(jī)制下的交易量更大。

2.國內(nèi)研究現(xiàn)狀。尤瑞章、張曉霞（2010）發(fā)現(xiàn)法律制度、信用體系及計(jì)算機(jī)技術(shù)等因素對P2P的發(fā)展影響巨大。王梓淇（2010）發(fā)現(xiàn)擁有良好信用的借款人，能從籌資者那獲得數(shù)額較大的借款，并且籌資速度也比其他借款者更快，資金更有保障。邱甲賢（2011）認(rèn)為借款金額與借款結(jié)果間是反向影響的關(guān)系。陳建中和寧欣（2013）認(rèn)為借款者的基本信息對借貸結(jié)果有著顯著影響。廖理等（2014）認(rèn)為我國互聯(lián)網(wǎng)金融有著地區(qū)偏好的歧視現(xiàn)象，也就是地區(qū)差異對交易的成功率有影響。

（三）研究方法

由于我國P2P網(wǎng)貸平臺的數(shù)據(jù)標(biāo)準(zhǔn)并不一樣，因此，本文只選擇了一家在國內(nèi)比較有代表性的網(wǎng)站——人人貸來進(jìn)行研究。結(jié)合人人貸平臺的考核標(biāo)準(zhǔn)，在項(xiàng)目因素、個(gè)人因素及其他因素等方面選取了16個(gè)變量進(jìn)行分析。以人人貸2016年的2025條有效交易數(shù)據(jù)為樣本，基于二元logistic模型進(jìn)行按條件向前回歸分析，得出了影響我國P2P網(wǎng)貸平臺成功率的主要因素，并據(jù)此提出了相應(yīng)的建議與措施。

二、P2P網(wǎng)絡(luò)借貸的發(fā)展現(xiàn)狀

（一）我國P2P網(wǎng)絡(luò)借貸的發(fā)展現(xiàn)狀

我國的P2P網(wǎng)貸興起于2007年，第一家P2P平臺——拍拍貸成立。據(jù)2016年中國網(wǎng)絡(luò)借貸行業(yè)年報(bào)可知，在2010～2012年，我國P2P網(wǎng)貸行業(yè)的發(fā)展速度較緩;而2013～2015年期間，我國P2P網(wǎng)貸行業(yè)得到了快速發(fā)展，逐漸在全球范圍內(nèi)占據(jù)了主要地位。截至2016年底，P2P行業(yè)中正常運(yùn)營的平臺數(shù)量達(dá)到2448家，與2015年底相比減少了985家，呈現(xiàn)出與之前數(shù)量大幅度增加截然相反的情況。但成交量卻大幅上升，網(wǎng)貸行業(yè)漸漸從“野蠻發(fā)展”階段邁向“規(guī)范發(fā)展”的新階段。①

（二）人人貸平臺的發(fā)展現(xiàn)狀

人人貸，全稱為人人貸商務(wù)顧問（北京）有限公司，成立于2010年，合規(guī)性指數(shù)位居行業(yè)第一，是我國互聯(lián)網(wǎng)金融的領(lǐng)軍企業(yè)。經(jīng)過多年來的發(fā)展，人人貸業(yè)務(wù)已經(jīng)覆蓋我國30余個(gè)省的2000多個(gè)地區(qū)，服務(wù)了約200萬精準(zhǔn)用戶。從表1中可看出，人人貸平臺的交易量從2011年的0.39億元增加到2016年的111.89億元，一直保持著穩(wěn)定的上升趨勢，截至2016年底，人人貸的累計(jì)成交額已達(dá)到243億元。并且人人貸累計(jì)撮合交易達(dá)到2724萬次，其中20萬以下的借款占比高達(dá)98%，真正實(shí)現(xiàn)了小額分散。②

三、我國P2P平臺網(wǎng)貸成功率影響因素分析

（一）網(wǎng)絡(luò)借貸影響因素定性分析

目前大部分學(xué)者認(rèn)為影響網(wǎng)貸成功率的因素主要有：借款總額、年利率、還款期限、信用等級、利率機(jī)制、借款者的基本信息、社會資本、區(qū)域、配套設(shè)施建設(shè)、工作時(shí)間、工作階層、收入狀況、借款用途、成功借款數(shù)量等等。

第一，借款總額，即借款者在網(wǎng)貸平臺上所發(fā)布的此次希望借到的金額。金額越大，需要的投資者越多，借款成功的概率越低。

第二，年利率，是借款者獲得借款需要付出的成本，也是投資者此次投資獲得的收益。利率越高，投資者的投資意愿越高，但過高的利率往往會加大借款者的違約風(fēng)險(xiǎn)。

第三，還款期限，是借款者用以還清所有借款的時(shí)間。期限越長，在相同借款總額下，借款者定期還款的數(shù)額越少，壓力越小;但對出借者來說，風(fēng)險(xiǎn)卻越大。

第四，信用等級。等級越高，就意味著借款者違約的可能性越小，而投資者投資的可能性越大，借款成功率就越高。目前人人貸平臺的信用等級從低到高分別為：HR、E、D、C、B、A、AA。

第五，借款者的基本信息，能讓投資者更了解借款者，影響對借款者的信任度，從而影響借款的成功率。

第六，利率機(jī)制。大部分投資者都是風(fēng)險(xiǎn)厭惡者，固定利率機(jī)制能讓他們獲得穩(wěn)定的收益，所以其比在浮動利率機(jī)制下借貸的成功率更高。

第七，借款者的社會資本、工作時(shí)間、工作階層及收入狀況，能讓投資者對借款者的資產(chǎn)狀況有所了解，從而決定是否投資。

第八，區(qū)域。在經(jīng)濟(jì)繁榮的地區(qū)，投資者和融資者更多，交易更活躍，進(jìn)而會影響到借款成功率。

第九，配套設(shè)施建設(shè)。包括法律制度及計(jì)算機(jī)技術(shù)等，在配套設(shè)施充分的情況下，借款者的違約成本會增加，違約率會降低，投資者會更愿意投資。

第十，借款用途。投資者會衡量借款用途是否合理，從而在一定程度上也會影響到投資者的決策。

第十一，成功借款數(shù)量，即借款者已完成并成功借滿款項(xiàng)的數(shù)量。數(shù)量更多的借款者會讓投資者更容易信任，更愿意投資。

（二）統(tǒng)計(jì)定量分析——以人人貸為例

1.變量設(shè)置及數(shù)據(jù)來源。第一，變量設(shè)置。由于一些因素?zé)o法進(jìn)行量化，并結(jié)合人人貸平臺上公布的考量因素的綜合考慮之下，本文選取了16個(gè)變量進(jìn)行實(shí)證分析，并將其分成三個(gè)部分。如表2所示，將離散變量進(jìn)行重新設(shè)置，連續(xù)變量則不變。

第二，數(shù)據(jù)來源。本文采用了人人貸平臺2016年的交易數(shù)據(jù)共2032條，刪除了個(gè)別有缺失的數(shù)據(jù)，實(shí)際分析對象為2025條有效交易數(shù)據(jù)。此次分析運(yùn)用SPSS軟件，以項(xiàng)目狀況為因變量。將其量化為流標(biāo)=0，未流標(biāo)=1。其中，流標(biāo)的占88%，未流標(biāo)的占12%。網(wǎng)貸成功率是指一個(gè)項(xiàng)目成功籌集滿資金的概率，也表現(xiàn)為，未流標(biāo)數(shù)與總體樣本數(shù)間的比率。

2.選擇二元logistic模型并建模。當(dāng)研究的問題只有兩種選擇時(shí)，如：選擇A或是非A，就可以考慮用二元logistic模型來進(jìn)行分析。由于本文研究的是網(wǎng)貸成功率，借款成功與否在因變量上體現(xiàn)為流標(biāo)或未流標(biāo)，是一個(gè)二元變量，因此采用二元logistic模型來進(jìn)行分析，研究其他諸多變量對成功率的影響方向及影響程度。由于本文的自變量較多，具體采用按條件向前回歸的方法，即逐步添加變量建立模型，直至得到最優(yōu)模型。

建立模型如下：

其中，P表示“Y=1”的概率，即項(xiàng)目成功的概率;1-P表示“Y=0”的概率，即項(xiàng)目失敗的概率。“P/（1-P）”被稱為“幾率比”或“相對風(fēng)險(xiǎn)”。β0表示常量，β1 到βm表示二元logistic模型的回歸系數(shù)，是模型的估計(jì)參數(shù)。X1到Xm表示自變量。

3.實(shí)證分析。第一，相關(guān)性檢驗(yàn)。

第二，回歸分析。本文采用按條件向前回歸的方法，第6個(gè)模型為最優(yōu)模型。具體建立模型如下：

表4中給出了卡方統(tǒng)計(jì)量、自由度和相應(yīng)的P值。其對應(yīng)的P值均小于0.05，說明該模型整體是顯著的。

表5給出了評價(jià)模型整體性擬合優(yōu)度的統(tǒng)計(jì)量。cox & Snell R2和Nagelkerke R2兩個(gè)指標(biāo)從不同角度反映了當(dāng)前模型中自變量解釋了因變量的變異占因變量總變異的比例，它們的值越接近1，說明擬合度越好。表中cox & Snell R2和Nagelkerke R2的結(jié)果分別為0.577和0.937，總體說來，該模型的擬合優(yōu)度很好。

表6是H-L檢驗(yàn)表，P值=0.622>0.05，說明該模型能很好地?cái)M合數(shù)據(jù)。

表7是最終模型的預(yù)測結(jié)果列聯(lián)表。在1336例數(shù)據(jù)中進(jìn)行預(yù)測，在流標(biāo)的1089例中，有1079例預(yù)測正確，正確率99.1%;在247例未流標(biāo)的數(shù)據(jù)中，有234例預(yù)測正確，正確率94.7%?？偟恼_率98.3%?？梢钥闯鲈撃Ｐ蛯τ诹鳂?biāo)和未流標(biāo)的預(yù)測效果都很好。

表8是最終的分析結(jié)果，六個(gè)指標(biāo)及常量入選，P值均小于0.05，均是顯著的。最終的擬合方程式為：

4.結(jié)果分析。本文通過二元logistic回歸模型對我國P2P網(wǎng)貸成功率影響因素進(jìn)行分析，從得到的研究結(jié)果中可以知道：標(biāo)的總額、還款期限、年齡、工作階層、借款人信用等級及借款人成功借款數(shù)量等變量均與P2P網(wǎng)貸成功率呈正相關(guān)，并具體可以得到以下結(jié)論。

借款人成功借款數(shù)量對P2P網(wǎng)貸成功率影響最大。其與網(wǎng)貸成功率的正相關(guān)系數(shù)達(dá)到5.276，是影響網(wǎng)貸成功率的最主要的因素。這是羊群效應(yīng)的表現(xiàn)，投資者會很容易受到前期投資者的影響，認(rèn)為既然有投資者愿意借款給該借款者，且該借款者也按時(shí)還款付息，證明該借款者在這個(gè)市場里面擁有合格的信用，值得投資。

借款人信用等級和工作階層對P2P網(wǎng)貸成功率影響較大。其與網(wǎng)貸成功率的正相關(guān)系數(shù)分別為0.987、0.937。借款人信用等級越高，信息不對稱程度越低，借款者的違約率越小，而投資者所承擔(dān)的風(fēng)險(xiǎn)也越小，越愿意投資。并且工薪階層的工資水平普遍不高，還款能力得不到保障，相比之下，投資者會更愿意投資給私營企業(yè)主。

年齡和還款期限對P2P網(wǎng)貸成功率影響較小。其與網(wǎng)貸成功率的正相關(guān)系數(shù)分別為0.116、0.135。經(jīng)濟(jì)實(shí)力一般會隨著年齡的增大而有所變強(qiáng)，年齡大的人的還款能力一般更強(qiáng)，投資者會更愿意投資。并且還款期限越長，借款越容易成功。這主要由于項(xiàng)目的還款期限是3到36個(gè)月之間，期限均不是很長，再加上利率因素的綜合作用下，投資者更青睞于期限較長的項(xiàng)目。

標(biāo)的總額對P2P網(wǎng)貸成功率影響最小。其與網(wǎng)貸成功率的正相關(guān)系數(shù)僅為0.001。這主要因?yàn)?，投資者認(rèn)為借款需求大的借款者的還款能力一般都較強(qiáng)，會更愿意投資。但標(biāo)的總額越大，意味著需要的投資者也越多，越難聚集。綜合作用之下，標(biāo)的總額對網(wǎng)貸成功率的影響并不大。

四、政策建議

（一）完善信息披露制度，健全征信系統(tǒng)

為了保護(hù)投資者的合法權(quán)益，促進(jìn)市場的良性競爭，對P2P網(wǎng)貸的信息披露要求是不容忽視的。本文通過研究也表明：借款人成功借款數(shù)量、信用等級及工作階層等信息對借貸成功率有著至關(guān)重要的影響。監(jiān)管部門應(yīng)要求網(wǎng)貸平臺嚴(yán)格審查借款者的相關(guān)信息，并對其中的關(guān)鍵內(nèi)容，應(yīng)及時(shí)、完整、無誤地告知投資者。并且政府應(yīng)加大對征信體系的建設(shè)，完善信用評級，提高風(fēng)險(xiǎn)的可控性，降低逾期和壞賬的發(fā)生。

（二）提供適合的借貸項(xiàng)目

通過本文的研究可知，還款期限（3到36個(gè)月之間）越長的項(xiàng)目越容易成功，而標(biāo)的總額對成功率的影響很小。網(wǎng)貸平臺可適當(dāng)?shù)亩嗵峁┮恍┻€款期限較長的項(xiàng)目，借款總額則讓借款者根據(jù)自身情況而定。這樣一來，既能減輕借款者的還款壓力，又能為投資者提供長期穩(wěn)定的投資收益，能更好地促成項(xiàng)目的成功。

（三）發(fā)展特定的目標(biāo)客戶群

P2P網(wǎng)貸由于具有門檻低、效率高的特征，獲得了廣大小微企業(yè)的青睞，并且他們的融資需求遠(yuǎn)遠(yuǎn)超過普通個(gè)人的借款需求。本文也證實(shí)了私營企業(yè)主比工薪階層的借款者更容易獲得投資。網(wǎng)貸平臺可以創(chuàng)造一些優(yōu)惠條件，如優(yōu)先滿足企業(yè)融資、減少中介服務(wù)費(fèi)用等，以吸引更多的私營企業(yè)主，重點(diǎn)發(fā)展這部分的目標(biāo)客戶群，但也要關(guān)注優(yōu)質(zhì)的工薪階層的借款客戶，提高項(xiàng)目運(yùn)作效率。

（四）重視信息認(rèn)證

我國各家P2P平臺衡量的標(biāo)準(zhǔn)不一致，借款者認(rèn)證的自身信息也就不一致。但對網(wǎng)貸成功率有重要影響的信息，如標(biāo)的總額、還款期限、年齡、工作階層、借款人信用等級、借款人成功借款數(shù)量等，各借款者應(yīng)該充分重視它們的認(rèn)證，積極主動地將這些信息公開，提高借貸的效率，促進(jìn)P2P網(wǎng)貸的發(fā)展。

（五）按時(shí)還款付息

通過本文的研究可知，借款人成功借款數(shù)量是影響網(wǎng)貸成功率的最主要因素。借款者在P2P平臺獲得一筆借款后，就應(yīng)該按時(shí)還款付息，增加自己的成功借款數(shù)量，同時(shí)也能提高自己的信用等級，為以后的再借款打下良好的基礎(chǔ)。否則造成逾期還款，將降低投資者的信任度，增加了再次借款的難度。

注釋：

①數(shù)據(jù)來源：2016年中國網(wǎng)絡(luò)借貸行業(yè)年報(bào)[R].網(wǎng)貸之家，2016 .

②數(shù)據(jù)來源：人人貸.2016年年度報(bào)告[R].北京：人人貸，2016.

參考文獻(xiàn)：

[1]Klafft M.Peer to peer lending：auctioning microcredits over the internet[C].Proceedings of the International Conference on Information Systems，Technology and Management，A.Agarwal，R.Khurana，eds，IMF，Dubai.2008.

[2]Simla Ceyhan，Shi Xiaolin，Jure Leskover.Dynamics of Bidding in P2P Lending Service：Effects of Herding and Predicting Loan Success[C].Proceeding of the 20th international conference on World Wide Web，2011.

[3]Puro L，Teich J E，Wallenius H，et al.Borrower Decision Aid for people-to-people? ? ?lending[J].Decision Support Systems，2010，49（1）.

[4]Ning Ceng，Arpita Ghosh，Nicolas S.Lambert.Auctions for social lending：A theoretical analysis[J].Games and Economic Behavior，2014（8）.

[5]尤瑞章，張曉霞.P2P在線借貸的中外比較分析——兼論對我國的啟示[J].金融發(fā)展評論，2010（3）.

[6]王梓淇，P2P網(wǎng)絡(luò)借貸平臺探析[J].時(shí)代金融，2012（3）.

[7]邱甲賢，張國生.P2P在線借貸平臺信用體系對借款績效的影響[R]，2011.

[8]陳建中，寧欣.P2P網(wǎng)絡(luò)借貸中個(gè)人信息借貸成功率影響的實(shí)證研究——以人人貸為例[J].財(cái)務(wù)與金融.2013（6）.

[9]尉麗婷.P2P網(wǎng)絡(luò)融資中借款能力的影響因素研究[J].時(shí)代經(jīng)貿(mào)，2013（14）.

[10]廖理，李夢然，王正位.中國互聯(lián)網(wǎng)金融的地域歧視研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014（5）.

[11]宋晨.P2P網(wǎng)絡(luò)借貸影響因素的實(shí)證研究[D].江蘇：揚(yáng)州大學(xué)，2014.

[12]李鈞.中國P2P借貸服務(wù)行業(yè)白皮書[M].北京：中國經(jīng)濟(jì)出版社，2015.