基于因子分析的我國P2P網(wǎng)貸平臺風險評價研究

張杰 張遠圣

【摘 要】 2007—2017年十年間，我國的P2P網(wǎng)貸行業(yè)從無到有，從無序生長到有序發(fā)展，從魚龍混雜到監(jiān)管趨嚴，P2P漸漸步入了合規(guī)健康的發(fā)展道路。隨著監(jiān)管部門不斷下發(fā)行業(yè)政策相關(guān)的整改文件，2018年成為強監(jiān)管年與合規(guī)備案年。平臺的擠兌風險加大，跑路詐騙問題頻出，讓不少投資者望而卻步，平臺風險已經(jīng)受到社會各界的廣泛關(guān)注，網(wǎng)貸平臺的風險評價成為投資者篩選平臺的重要因素。文章運用因子分析法，建立適宜P2P網(wǎng)貸平臺風險評價的因子體系，對我國當下80家主流P2P網(wǎng)貸平臺進行了綜合全面的風險評價排名，最終得到的風險評價結(jié)果可以作為投資者選擇安全可靠平臺的重要參考依據(jù);同時有助于進一步規(guī)范P2P發(fā)展，提升居民投資理財?shù)臒崆椤?/p>

【關(guān)鍵詞】 因子分析; P2P; 網(wǎng)貸平臺; 風險評價; 投資理財

【中圖分類號】 F830.2? 【文獻標識碼】 A? 【文章編號】 1004-5937（2019）07-0023-05

一、引言

盡管P2P屬于舶來品，但它的成長速度相當驚人，已然遠遠超過歐美發(fā)達地區(qū)。2007年我國首個P2P平臺——拍拍貸于上海宣布正式上線。2013年被稱為“互聯(lián)網(wǎng)金融元年”，而P2P網(wǎng)貸平臺也進入了爆發(fā)式生長的時代，P2P的崛起填補了曾經(jīng)不被傳統(tǒng)銀行重視的人群和中小微企業(yè)。2016年8月24日，銀監(jiān)會等四部委聯(lián)合發(fā)布了《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》，標志著近幾年無序野蠻成長的我國P2P行業(yè)被正式納入監(jiān)管范圍，監(jiān)管手段接連升級，P2P平臺的總體淘汰率持續(xù)上漲，截至2018年6月P2P淘汰率高達69.52%，正常運營平臺已不足2 000家。2017年12月1日，為了令我國P2P現(xiàn)金貸成為負責任的“普惠金融”，規(guī)范現(xiàn)金貸業(yè)務(wù)，我國多個監(jiān)管部門聯(lián)合頒布《現(xiàn)金貸通知》。2017年12月下旬，多部門下發(fā)《關(guān)于做好P2P網(wǎng)絡(luò)借貸風險專項整治整改驗收工作的通知》（57號文），規(guī)定各省市州務(wù)必在2018年6月的最后期限之前落實P2P備案事務(wù)，制定了P2P備案大致進程，在一定程度規(guī)范了我國P2P行業(yè)監(jiān)管期限的不明確性。目前盡管備案被推遲，但也表明了官方對P2P行業(yè)的監(jiān)管承諾，并將更加嚴格地執(zhí)行驗收標準，對投資者、平臺以及監(jiān)管部門都是有益的。

從2017年底至今，“合規(guī)備案”成為P2P行業(yè)界最熱門的詞。到2018年6月初，P2P累計營業(yè)數(shù)據(jù)順利突破7萬億元人民幣，我國P2P平臺總量已達到6 142家，但同時也不斷出現(xiàn)平臺詐騙跑路等問題，不合規(guī)平臺有4 270家，P2P淘汰率高達69.52%。2018年6月中旬，著名高返平臺——唐小僧的跑路和聯(lián)璧金融擠兌的發(fā)生無疑讓廣大投資者的恐慌情緒蔓延，同時也讓不少潛在的投資者望而卻步。這段跌宕起伏的整改歷程中，眾多平臺命運堪憂，然而瑕不掩瑜，依然有不少平臺始終堅持初心，合規(guī)經(jīng)營，踴躍備案。在嚴監(jiān)管的背景下，對P2P平臺進行綜合因子風險評價分析，為投資者尋找出既能夠帶來可觀的投資收益，同時又相對安全穩(wěn)健的P2P網(wǎng)貸平臺具有較強的現(xiàn)實意義。

二、文獻綜述

國內(nèi)外關(guān)于P2P網(wǎng)貸平臺風險的研究主要將其分為以下三類：

（一）P2P網(wǎng)絡(luò)借貸風險研究

韋艷肖[ 1 ]從風險因素量化視角出發(fā)，對借款利率、借款人信用、信息透明程度、標的期限等風險因素進行了分析，基于Logit模型，以P2P平臺為例，對互聯(lián)網(wǎng)金融風險進行定量研究，在研究結(jié)論的基礎(chǔ)上，提出了預防我國網(wǎng)絡(luò)金融風險的可行建議。王晶晶等[ 2 ]從利益相關(guān)者理論角度，檢驗P2P平臺風險源，分析各個利益相關(guān)者對P2P平臺風險的影響，隨后建立起P2P網(wǎng)貸平臺風險因素框架。通過這一框架，能夠識別迥異類型問題平臺的重要影響因子，并為監(jiān)管部門提供思路。尹鈞惠和熊冉冉[ 3 ]運用因子分析方法，建立適宜我國P2P網(wǎng)貸平臺的風險因子評估體系，并借鑒50家P2P平臺的數(shù)據(jù)對其風險進行綜合評價，最終的評價結(jié)果將有助于投資者篩選待投資平臺。顧慧瑩和姚錚[ 4 ]采用穩(wěn)貸網(wǎng)平臺的相關(guān)數(shù)據(jù)對借款人的信息網(wǎng)絡(luò)平臺及其違約行為進行調(diào)查，找出了借款人違約的關(guān)鍵因素并確認其信譽，為借款人建立違約風險量化因子給予支持。

（二）P2P監(jiān)管體系研究

Michelle W和Fong L[ 5 ]預計P2P平臺不會取代傳統(tǒng)的銀行渠道，但它們是金融中介機構(gòu)，在解決中小企業(yè)長期面臨的融資真空方面具有廣闊的前景。陳婷婷[ 6 ]借鑒我國P2P平臺探索了其潛在的風險，依托風險度量的類型選擇，最后運用Logistic回歸模型建立風險評價體系。李端生和夏偉[ 7 ]在分析P2P平臺臨時措施的影響基礎(chǔ)上，研究了P2P平臺的發(fā)展路徑，并就如何進一步改進P2P平臺提出了一些可行性建議。孫艷軍[ 8 ]認為中國P2P金融市場中所面臨的各類風險日趨增大，其主要原因是由于缺乏一定的監(jiān)管，提出參照西方發(fā)達國家與地區(qū)的監(jiān)管制度，來完善中國P2P行業(yè)的監(jiān)管制度。

（三）P2P網(wǎng)絡(luò)借貸行為及影響因素分析

王重潤和孔兵[ 9 ]認為高效的融資效率是網(wǎng)貸平臺提升競爭力以及維持平穩(wěn)運營的前提，為構(gòu)建平臺融資效率因素體系，考慮風險、平臺、標的三個因素，以托賓兩步分析方法為基礎(chǔ)，以7千多條貸款標的為研究樣本，采用數(shù)據(jù)包絡(luò)分析法對P2P平臺融資效率值進行度量，通過對影響因素和融資效率的實證分析創(chuàng)建托賓模型。左茹霞等[ 10 ]認為P2P是一種融合了民間借貸以及互金技術(shù)的新型金融創(chuàng)新形式，選取120家P2P平臺數(shù)據(jù)，運用Granger Causality驗證的面板數(shù)據(jù)，分析P2P信用額度差異與影響因素，結(jié)果表明，有4個主要因素對P2P借貸量影響較大，最后提出了幾點對P2P發(fā)展的參考建議。吳中旭[ 11 ]認為P2P借款過程中，投資者的投資行為分為投資意愿和單筆投資金額兩個方面，通過理論分析構(gòu)建投資者單一投資意愿和單一投資額假設(shè)模型;再選取拍拍貸作為樣本平臺，研究了拍拍貸標的的特點，驗證了其特點;最后通過數(shù)理統(tǒng)計方法，使用拍拍貸數(shù)據(jù)，驗證投資人單筆投資意愿和單筆投資金額假設(shè)模型。

通過對行業(yè)文獻的整理，發(fā)現(xiàn)國外學者對P2P的實證研究大多基于已評級的平臺，而我國P2P行業(yè)起步較晚，其發(fā)展有著自身的特點，國內(nèi)學者的研究大多集中于借款人信用風險控制的問題上。近年來，雖也有一些學者開始運用統(tǒng)計計量的方法（如AHP層次分析法、突變級數(shù)評價法等）對P2P平臺進行綜合評級或問卷調(diào)查法、案例研究法進行針對性分析，然而P2P平臺風險評價仍然缺乏專門的研究，難以實現(xiàn)投資者對P2P平臺風險評估的要求。基于此，本文運用因子分析法建立適宜P2P網(wǎng)貸平臺風險評價的因子體系，對我國當下80家主流P2P網(wǎng)貸平臺進行了綜合全面的風險評價排名，最終得到的風險評價結(jié)果可以作為投資者選擇安全可靠平臺的重要參考依據(jù)，同時有助于規(guī)范P2P進一步發(fā)展，提升居民投資理財?shù)臒崆椤?/p>

三、因子選取與同向化

（一）因子的選取

本文數(shù)據(jù)來源于P2P網(wǎng)貸行業(yè)綜合門戶網(wǎng)站——“網(wǎng)貸天眼”2018年5月評級數(shù)據(jù)中的前80家平臺，篩選出11個具體的因子對我國P2P網(wǎng)貸平臺進行風險評價研究。這些指標包括：等級、綜合評分、信披評分、合規(guī)評分、期限、利率、償兌性、運營、地域性、投資以及借款。

（二）因子的同向化

進行因子分析之前，亟待考慮所選全部因子的方向是否保持完全一致。由于某些因子的值與平臺風險評價效果成正比，這些因子稱為正向因子;但有些因子值越大，評價效果越不好，這些因子稱為負向因子。為了便于統(tǒng)一分析，筆者對因子同向化的方法是將負向因子直接加負號轉(zhuǎn)化為正向因子，即因子的正向化。具體變量度量如表1。

[變量 指標 性質(zhì) 變量關(guān)系 新變量 X1 等級 正因子 Y1=X1 Y1 X2 綜合評分 正因子 Y2=X2 Y2 X3 信披評分 正因子 Y3=X3 Y3 X4 合規(guī)評分 正因子 Y4=X4 Y4 X5 期限 正因子 Y5=X5 Y5 X6 利率 正因子 Y6=X6 Y6 X7 償兌性 正因子 Y7=X7 Y7 X8 運營 正因子 Y8=X8 Y8 X9 地域性 正因子 Y9=X9 Y9 X10 投資 負因子 Y10=-X10 Y10 X11 借款 負因子 Y11=-X11 Y11 ][表1 因子同向化]

四、P2P網(wǎng)貸平臺進行因子分析

因子分析是將多個變量指標化簡的一種方法，即用少數(shù)幾個影響較大的因子代表原始數(shù)據(jù)的大部分信息。相對于AHP層次分析法等其他方法，因子分析法是通過將獨立的變量轉(zhuǎn)化變量的線性組合，從而實現(xiàn)降維的目的。它能夠建立適宜P2P網(wǎng)貸平臺風險評價的因子體系，對P2P平臺進行綜合因子風險評價得分排名，最終得到的風險評價結(jié)果可以作為投資者選擇安全可靠平臺的重要參考依據(jù)。因此，本文基于因子分析法，使用社科統(tǒng)計專用程序SPSS 22.0，從已選取的11個因子中提取解釋程度高的公因子，然后通過方差貢獻率給公因子加以賦權(quán)，最后計算綜合因子得分，進而對所選取的80家我國P2P主流網(wǎng)貸平臺的風險管控能力進行綜合排名與評價。

（一）適用性檢驗

在已經(jīng)標準化的數(shù)據(jù)基礎(chǔ)上算出相關(guān)系數(shù)矩陣和驗證結(jié)果，在因子分析之前亟待驗證各因子之間是否存在一定的相關(guān)性。其中，KMO的值趨近于1的程度與適宜做因子分析成正比。從表2可看出KMO=0.661>0.5，說明比較適合做因子分析。同理，各因子變量的共同度趨近1的水平與被變量公共因子解釋的水平以及因子分析的效果成正比，從表3變量共同度中可看出變量共同度基本都非常高。另外，Bartlett檢驗的意義為0<0.05，說明幾個變量之間存在顯著的相關(guān)性，所以拒絕原假設(shè)。這也充分證明了原指標變量可以用因子分析法進行評價。

（二）估計因子載荷矩陣

估計因子載荷矩陣是因子分析極其關(guān)鍵的組成部分，其測度算法有多種。其中，核心的算法是主成分分析（PCA），能夠通過求解變量的前幾個關(guān)鍵成分并利用簡單的數(shù)學變換來獲取因子加載矩陣。與主成分分析（PCA）相似，根據(jù)因素的累計貢獻率決定公共主因子的數(shù)量。

為了簡化數(shù)據(jù)并從眾多因子中選擇相對較少的共同因子，可以盡可能多地反映所有原始變量的信息。本文運用因子分析來降低維度，表3給出了因素貢獻率的結(jié)果，前5個因子的貢獻率為76.991%，因此提取前5個因子作為公共主因子。

（三）因子旋轉(zhuǎn)

（四）主因子得分

本文使用回歸方法計算出5個公共主要因子的得分，也叫湯普森因子分析。主因子得分是5個公共主因子在每個樣本點上的得分，而主因子得分可以代表線性計算公式中各個變量的權(quán)重，從而把公共主因子表示為變量的線性組合，其中β為各指標變量中的權(quán)重，Y為指標同向化后的新變量，即：

（五）綜合因子得分及排名

用公因子總方差貢獻率中相應(yīng)的初始特征值權(quán)數(shù)λ對主因子得分F進行加權(quán)，最后加總得到P2P網(wǎng)貸平臺綜合得分，其計算公式如下：

由以上計算公式可以計算出綜合因子得分，于是就能夠綜合評估我國P2P平臺的風險大小，亦即綜合主因子得分的排名。為了給投資者選擇平臺提供一定的參考，本文從80家主流平臺中最終篩選出綜合得分TOP15的頭部平臺以及綜合得分排名相對偏后的5家平臺，亦即綜合排名前15位的頭部平臺和倒數(shù)5位的P2P網(wǎng)絡(luò)借貸平臺，具體結(jié)果如表6所示。

五、結(jié)論與建議

由表6看出，綜合主因子得分大于0.76的前10家平臺，其風險控制能力與綜合評價較高，各方面表現(xiàn)皆較為出色，在行業(yè)發(fā)展中的優(yōu)勢巨大，這些P2P平臺有陸金服、人人貸、宜人貸、愛錢進、積木盒子，小贏網(wǎng)金等。這些平臺大多是國資系、上市系或是風投系，其平臺背景雄厚，資金充足，信息披露完善，在擁護監(jiān)管部門合規(guī)備案政策的同時，較低的借款集中度與資金杠桿使得它們具備較高的風險承擔能力，同時可以積極地分散非系統(tǒng)性風險，所以此類平臺抗風險能力強，綜合評價高。風險評價綜合排名位列最后5位的P2P網(wǎng)貸平臺分別是：圖騰貸、信用寶、看看錢包、海融易以及中瑞財富。導致這些P2P網(wǎng)貸平臺評價結(jié)果為高風險的主要原因是這5家P2P網(wǎng)貸平臺信息披露不完整，合規(guī)度不夠高，同時它們的借款指數(shù)又較高，即過去一個季度內(nèi)的平臺風險聚集度較高。數(shù)據(jù)顯示這5家平臺中借款人的借款需求集中度偏高，因此這些平臺發(fā)生擠兌跑路風險的概率隨之加大，平臺風險評價也就相應(yīng)較高，綜合得分因而相對較低。因此，建議投資人選擇綜合排名靠前的平臺進行投資，所承擔的風險將大大降低;與之相比，建議投資人遠離綜合排名靠后的平臺，否則平臺若發(fā)生擠兌而跑路的現(xiàn)象，可能會導致投資者血本無歸。

作為綜合的統(tǒng)計分析和評價方法——因子分析法，可以利用系統(tǒng)的統(tǒng)計工具來確定評價因子的權(quán)重系數(shù)，從而極大地降低主觀因素的影響。本文構(gòu)建了我國P2P平臺風險評估因子體系，對平臺各類風險的類型進行綜合評分以及排名，可以幫助投資者掌握平臺的信息披露程度、合規(guī)度與風險控制水平，評價的最終結(jié)果能夠作為投資者選擇投資合適的平臺或項目的有力參考，有助于進一步規(guī)范P2P網(wǎng)貸行業(yè)的發(fā)展，提高客戶的投資理財信心。另外也有助于引導P2P的合規(guī)運作與良性發(fā)展，把同時期迥異平臺進行橫向比較，使得評級高的優(yōu)勢平臺給予更多融資，體驗更好的服務(wù)，也能夠拉動行業(yè)的發(fā)展。同時需要對中小平臺加強監(jiān)管，令合規(guī)的平臺持續(xù)平穩(wěn)運營，提高行業(yè)準入門檻，完善平臺退出機制，讓無法完成合規(guī)備案的平臺能夠良性清盤退出，保護投資者的合理權(quán)益，進一步促進P2P行業(yè)的良性發(fā)展。

筆者在試圖構(gòu)建P2P平臺風險評價的因子體系中，亟待在數(shù)據(jù)的真實性以及信息披露完善的因子體系上進一步增強，同時，評估指標體系的有效性需要大量數(shù)據(jù)的支持，在大數(shù)據(jù)時代下，對P2P風險評估因子體系的合理性與建設(shè)性將有極大地提高。隨著監(jiān)管的趨嚴與P2P行業(yè)的不斷發(fā)展，優(yōu)勢平臺更應(yīng)該注重提升其投資理財產(chǎn)品的服務(wù)與體驗，而中小平臺則需要把重心放在合規(guī)備案發(fā)展的道路上。

【參考文獻】

[1] 韋艷肖.互聯(lián)網(wǎng)金融風險防范研究：以網(wǎng)貸平臺為例[J].會計之友，2018（16）：104-108.

[2] 王晶晶，劉振艷，陸旸，等.我國P2P網(wǎng)絡(luò)借貸問題平臺風險影響因素框架構(gòu)建：基于利益相關(guān)者理論視角[J].財會月刊，2018（1）：171-176.

[3] 尹鈞惠，熊冉冉.基于因子分析的P2P網(wǎng)絡(luò)借貸平臺內(nèi)部風險評估[J].財會月刊，2016（33）：72-75.

[4] 顧慧瑩，姚錚.P2P網(wǎng)絡(luò)借貸平臺中借款人違約風險影響因素研究：以WDW為例[J].上海經(jīng)濟研究，2015（11）：37-46.

[5] MICHELLE W，F(xiàn)ONG L. China's online peer-to-peer （P2P） lending platforms[M].Springer International Publishing，2018.

[6] 陳婷婷.P2P網(wǎng)絡(luò)借貸風險度量體系與行業(yè)監(jiān)管研究[D].首都經(jīng)濟貿(mào)易大學碩士學位論文，2018.

[7] 李端生，夏偉.基于網(wǎng)絡(luò)借貸新規(guī)的P2P發(fā)展研究[J].會計之友，2017（5）：108-111.

[8] 孫艷軍.以英美監(jiān)管為鏡鑒構(gòu)建我國P2P普惠金融監(jiān)管體系[J].上海金融，2016（3）：60-66.

[9] 王重潤，孔兵.P2P網(wǎng)絡(luò)借貸平臺融資效率及其影響因素分析：基于DEA-Tobit方法[J].河北經(jīng)貿(mào)大學學報，2017，38（5）：54-60.

[10] 左茹霞，王言，李宇紅.P2P網(wǎng)絡(luò)借貸成交量影響因素分析[J].財會月刊，2017（3）：118-122.

[11] 吳中旭.P2P網(wǎng)絡(luò)借貸投資人投資行為影響因素研究[D].哈爾濱工業(yè)大學碩士學位論文，2016.