我國(guó)網(wǎng)貸平臺(tái)成交量影響因素的聚類分析

馬 瑞

(順德職業(yè)技術(shù)學(xué)院商學(xué)院，廣東 順德 528300)

網(wǎng)絡(luò)借貸相對(duì)傳統(tǒng)融資方式而言，其交易門檻低、審核簡(jiǎn)單快捷、資金到賬迅速，對(duì)于那些資質(zhì)一般，又急需資金的交易者而言，不啻為一種便捷的融資方式。據(jù)網(wǎng)貸之家統(tǒng)計(jì)，截止2018年底，網(wǎng)絡(luò)借貸行業(yè)累計(jì)成交量達(dá)到8.03萬(wàn)億，行業(yè)全年成交量達(dá)到16897.85億元。相較去年，減少了39.75%。網(wǎng)貸行業(yè)因準(zhǔn)入門檻過(guò)低，在發(fā)展初期行業(yè)監(jiān)管出現(xiàn)真空，導(dǎo)致其運(yùn)營(yíng)風(fēng)險(xiǎn)不斷累積，2018年網(wǎng)貸行業(yè)“雷聲滾滾”，加之年初國(guó)家互金整治辦提出兩個(gè)“三降”要求，大量網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)集中釋放，停業(yè)或跑路平臺(tái)不斷涌現(xiàn)。據(jù)統(tǒng)計(jì)，2018年底，P2P網(wǎng)絡(luò)借貸行業(yè)中正常運(yùn)營(yíng)平臺(tái)數(shù)量減少至1021家，相比上一年減少了910家，累計(jì)停業(yè)轉(zhuǎn)型與問(wèn)題平臺(tái)數(shù)量達(dá)到平臺(tái)數(shù)量的83%。網(wǎng)絡(luò)問(wèn)題平臺(tái)的不斷涌現(xiàn)，不僅使投資者損失慘重，而且直接影響了參與者的行業(yè)信心度，在“劣幣驅(qū)良幣”效應(yīng)影響下，也加大了優(yōu)質(zhì)網(wǎng)絡(luò)借貸平臺(tái)的生存壓力。在網(wǎng)貸雷潮風(fēng)波過(guò)后，投資者參與網(wǎng)貸行業(yè)的主要影響因素是什么、影響方向如何，這些不僅關(guān)系到網(wǎng)貸平臺(tái)的生存與發(fā)展，也是整個(gè)網(wǎng)貸行業(yè)治理整頓時(shí)需要重點(diǎn)考量的問(wèn)題。

一 相關(guān)文獻(xiàn)綜述

隨著互聯(lián)網(wǎng)金融業(yè)的蓬勃發(fā)展，P2P網(wǎng)絡(luò)借貸問(wèn)題的研究一直備受業(yè)內(nèi)學(xué)者的關(guān)注。投資者在進(jìn)行網(wǎng)貸平臺(tái)選擇時(shí)，考慮其是否合法、可靠擺在首位，因此投資者與借款人的信息不對(duì)稱問(wèn)題就轉(zhuǎn)化為投資者與網(wǎng)貸平臺(tái)的信息不對(duì)稱問(wèn)題。國(guó)內(nèi)外學(xué)者對(duì)此的研究也主要側(cè)重于網(wǎng)貸平臺(tái)特征及運(yùn)營(yíng)風(fēng)險(xiǎn)，以及借款人或投資者與平臺(tái)之間的關(guān)系。Berger等(2009)研究發(fā)現(xiàn)，網(wǎng)貸平臺(tái)服務(wù)降低了信息不對(duì)稱行為的發(fā)生，并使借款人的借貸條件大大得以改善[1]。借款人信用等級(jí)與借款違約率之間的關(guān)系得到了Lin等(2013)的進(jìn)一步驗(yàn)證，即信用等級(jí)越低，違約率將越高[2]。Puro等(2010)論證了網(wǎng)絡(luò)借貸成功的主要影響因素是借款人信用、負(fù)債比以及往期逾期等[3]。Herzenstein等(2011)認(rèn)為，美國(guó)Prosper平臺(tái)的借款成功率與借款人信用之間存在一定的正向關(guān)系[4]。葉青等(2016)指出，通過(guò)觀察網(wǎng)貸平臺(tái)利率水平、平臺(tái)實(shí)力、標(biāo)的類型、風(fēng)控能力等，可以識(shí)別問(wèn)題平臺(tái)，并基于此構(gòu)建了問(wèn)題平臺(tái)識(shí)別模型[5]。郭海鳳等(2015)通過(guò)實(shí)證分析得出影響P2P網(wǎng)貸平臺(tái)綜合實(shí)力的重要因素，一是盈利性，二是安全性，并建立了對(duì)網(wǎng)貸平臺(tái)的綜合評(píng)價(jià)體系[6]。陳霄等(2013)通過(guò)實(shí)證分析，得出借款人信用、借款標(biāo)的、個(gè)人特征等顯著影響網(wǎng)貸平臺(tái)借款風(fēng)險(xiǎn)，應(yīng)考慮建立網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)監(jiān)控機(jī)制及管理體系[7]。尹鈞惠等(2016)構(gòu)建了我國(guó)P2P網(wǎng)貸平臺(tái)內(nèi)部風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，通過(guò)測(cè)評(píng)排名，作為投資者選擇平臺(tái)的參考[8]。王剛貞(2016)基于網(wǎng)貸投資人視角，構(gòu)建了網(wǎng)貸平臺(tái)成交規(guī)模影響因素的動(dòng)態(tài)面板模型，并實(shí)證分析了影響P2P網(wǎng)貸平臺(tái)成交規(guī)模的主要因素，包括平臺(tái)以往的成交量、收入、人才值、透明度和資金分散度等[9]。

本文基于我國(guó)不同股東背景的網(wǎng)貸平臺(tái)角度，實(shí)證分析網(wǎng)貸平臺(tái)成交量的主要影響因素，在選取具體影響因素指標(biāo)時(shí)，參考當(dāng)前國(guó)內(nèi)學(xué)者研究的主流思路，一是成交訂單類指標(biāo)，二是平臺(tái)類信息指標(biāo)，并通過(guò)引入股東背景的個(gè)體因素，分析網(wǎng)貸平臺(tái)問(wèn)題，豐富同類研究成果。

二 研究方法與模型

(一)研究方法

為了清晰全面地反映我國(guó)P2P網(wǎng)貸平臺(tái)的成交量情況，本文選取了2014年1月—2017年12月所有的網(wǎng)貸平臺(tái)的基礎(chǔ)性數(shù)據(jù)進(jìn)行分析，刪除了沒(méi)有基本數(shù)據(jù)的平臺(tái)。數(shù)據(jù)來(lái)源于網(wǎng)貸之家網(wǎng)站及CEIC經(jīng)濟(jì)數(shù)據(jù)庫(kù)。研究方法一是基于網(wǎng)貸平臺(tái)的聚類分析。對(duì)市場(chǎng)上眾多的網(wǎng)貸平臺(tái)進(jìn)行聚類整理，按照股東背景的不同進(jìn)行聚類，分為民營(yíng)系、銀行系、上市公司系、國(guó)資系和風(fēng)投系網(wǎng)貸平臺(tái)。二是影響各聚類網(wǎng)貸平臺(tái)成交量的回歸分析。分析在不同股東背景的個(gè)體差異中，網(wǎng)貸平臺(tái)成交量的可能影響因素。統(tǒng)計(jì)檢驗(yàn)均由Stata14.0軟件完成。表1表示網(wǎng)貸平臺(tái)成交量的影響因素以及基本說(shuō)明。

表1 變量定義

(二)模型構(gòu)建

分析聚類之間的差異性，個(gè)體效應(yīng)模型(即固定效應(yīng)模型，F(xiàn)EM)是最好的估計(jì)方法之一。為此，假設(shè)存在“個(gè)體效應(yīng)”，即引入模型①：

①

logvolumei,t=β0+β1logarrearagei,t+β2termi,t+β3yieldi,t+β4logNinvestori,t+β5quantityi,t+β6Tclosedi,t+Diδ+εit

其中：Di是虛擬變量，代表不同股東背景的個(gè)體平臺(tái)，βi為回歸系數(shù)，i代表第i個(gè)網(wǎng)貸平臺(tái)，t指每個(gè)年度對(duì)應(yīng)的月份，εi,t代表殘差項(xiàng)。由于成交量、待償余額、凈投資者取值較高，故對(duì)其進(jìn)行對(duì)數(shù)處理。

三 實(shí)證結(jié)果與分析

(一)描述性統(tǒng)計(jì)

表2顯示了全部變量的描述性統(tǒng)計(jì)結(jié)果。可以看出，由于網(wǎng)貸平臺(tái)股東背景的個(gè)體差異，其成交量、待償余額等變量差異性較大，標(biāo)準(zhǔn)差都較大。從平臺(tái)總量與累計(jì)關(guān)閉的平臺(tái)數(shù)目來(lái)看，銀行系平臺(tái)較為穩(wěn)定，最少有3家，最多時(shí)也只有16家，而變化較大的主要是民營(yíng)系網(wǎng)貸平臺(tái)，最多時(shí)達(dá)到3204家，累計(jì)關(guān)閉的平臺(tái)數(shù)量也有3983家。平臺(tái)的平均借款期限為10.37個(gè)月，最少為2個(gè)多月，最高為30多個(gè)月。從平臺(tái)平均收益率水平來(lái)看，達(dá)到10.34%，相對(duì)比較穩(wěn)定，標(biāo)準(zhǔn)差為3.31。銀行系平臺(tái)提供的收益率普遍偏低，最低為5.33%；民營(yíng)系平臺(tái)收益率均偏高，最高達(dá)到23.03%。

表3顯示所有變量之間的相關(guān)系數(shù)、顯著性水平以及共線性統(tǒng)計(jì)量。網(wǎng)貸平臺(tái)成交量與其待償余額的相關(guān)系數(shù)為0.9671，顯著性水平為1%，兩個(gè)變量之間高度相關(guān)。從共線性統(tǒng)計(jì)量容差及方差膨脹因子的結(jié)果可以看出，六個(gè)解釋變量對(duì)被解釋變量的容差值均大于0.1，并且方差膨脹因子(VIF值)均小于10，表明各變量之間不存在嚴(yán)重共線性問(wèn)題。

注：1.表中系數(shù)為變量間pearson相關(guān)系數(shù)；2.***、**、*分別表示1%、5%、10%的顯著性水平。

(二)平穩(wěn)性檢驗(yàn)

1.單位根檢驗(yàn)

表4 變量的單位根檢驗(yàn)

注：是一階差分，括號(hào)當(dāng)中的數(shù)字是對(duì)應(yīng)統(tǒng)計(jì)量在5%置信水平下的p值，小于5%，拒絕原假設(shè)，說(shuō)明變量平穩(wěn)，大于5%說(shuō)明變量非平穩(wěn)。

運(yùn)用LLC檢驗(yàn)與Fisher-ADF檢驗(yàn)對(duì)數(shù)據(jù)平穩(wěn)性進(jìn)行檢驗(yàn)，結(jié)果如表4所示，quantity、arrearage、yield數(shù)據(jù)序列拒絕了原假設(shè)，通過(guò)了兩種檢驗(yàn)，說(shuō)明這三個(gè)變量均為平穩(wěn)變量。volume、ninvestor、tclosed、term變量均未通過(guò)，故對(duì)數(shù)據(jù)序列進(jìn)行一階差分，得到一階差分序列，并顯著通過(guò)了兩種檢驗(yàn)方法，說(shuō)明它們的一階差分序列都是平穩(wěn)的，是一階單整序列。

2.協(xié)整檢驗(yàn)

由表5可知，Kao與Pedroni統(tǒng)計(jì)值均通過(guò)檢驗(yàn)，檢驗(yàn)統(tǒng)計(jì)量結(jié)果一致，說(shuō)明變量之間具有協(xié)整關(guān)系。從協(xié)整檢驗(yàn)結(jié)果可以看出，變量之間存在一個(gè)長(zhǎng)期關(guān)系。也就是說(shuō)在長(zhǎng)期，網(wǎng)貸平臺(tái)的成交量與諸變量之間存在穩(wěn)定的均衡關(guān)系，這些因素可影響網(wǎng)貸平臺(tái)成交量的規(guī)模。

表5 變量的協(xié)整檢驗(yàn)

注：*表示在5%的顯著性水平下拒絕原假設(shè)而接受備擇假設(shè)。

表6 影響因素回歸結(jié)果

注：***、**、*分別表示1%、5%、10%的顯著性水平；括號(hào)內(nèi)為回歸系數(shù)t值。

(三)影響因素的實(shí)證分析

將股東背景設(shè)定為五個(gè)虛擬變量，運(yùn)用LSDV法與FE兩類模型進(jìn)行考察，表6列示了LSDV與FE兩類模型實(shí)證結(jié)果?？梢钥闯?，網(wǎng)貸平臺(tái)的個(gè)體效應(yīng)較為顯著，不同股東背景的P2P網(wǎng)貸平臺(tái)都會(huì)影響成交情況，民營(yíng)系網(wǎng)貸平臺(tái)的影響最大，達(dá)到α1=4.289，其他四類背景平臺(tái)的影響有所減弱，分別達(dá)到銀行系α2=3.904、上市公司系α3=3.998、風(fēng)投系α4=3.824、國(guó)資系α5=4.054。說(shuō)明不同股東背景下的P2P網(wǎng)貸平臺(tái)成交量存在一定的個(gè)體效應(yīng)。通過(guò)FE模型可以看出，所有聚類網(wǎng)貸平臺(tái)成交量的正向影響因素包括平臺(tái)待償余額、凈投資者人數(shù)，以及累計(jì)停業(yè)平臺(tái)數(shù)，影響系數(shù)為0.631、0.352、0.005，均通過(guò)1%顯著性水平檢驗(yàn)，說(shuō)明某聚類的網(wǎng)貸平臺(tái)待償余額越多、凈投資者越多，則該聚類平臺(tái)的成交規(guī)模越大。聚類平臺(tái)的累計(jì)停業(yè)平臺(tái)數(shù)每增加一個(gè)，平臺(tái)成交量將上升0.5%。說(shuō)明投資者在選擇平臺(tái)時(shí)，一方面注意平臺(tái)的規(guī)模及人氣，另一方面也關(guān)注不同類別平臺(tái)的總體治理整頓情況。網(wǎng)貸平臺(tái)成交量的負(fù)向影響因素包括平臺(tái)借款期限、綜合收益率水平以及平臺(tái)數(shù)量，均通過(guò)10%水平顯著性檢驗(yàn)。其中前兩者的相關(guān)系數(shù)分別達(dá)到-0.329、-1.574，說(shuō)明網(wǎng)貸平臺(tái)平均借款期限是投資者選擇時(shí)考慮的重點(diǎn)之一，投資時(shí)間越長(zhǎng)，投資的人群越少，這也符合風(fēng)險(xiǎn)不確定性因素影響。此外，網(wǎng)貸平臺(tái)收益率越高時(shí)不一定能吸引更多的投資者，投資者在選擇平臺(tái)時(shí)，還有其他因素考慮，如平臺(tái)數(shù)量、人氣、標(biāo)的時(shí)間等。

在混合回歸與固定效應(yīng)模型選擇中，進(jìn)行F統(tǒng)計(jì)量檢驗(yàn)，F(xiàn)檢驗(yàn)的p值為0.0671，即認(rèn)為FE明顯優(yōu)于混合回歸，rho=0.28，即股東背景的個(gè)體效應(yīng)波動(dòng)占總波動(dòng)的比重達(dá)到28%。

四 結(jié)論與建議

本文基于網(wǎng)貸平臺(tái)股東背景的角度，以投資者的視角為嵌入點(diǎn)，選取了2014—2017年我國(guó)網(wǎng)貸平臺(tái)數(shù)據(jù)進(jìn)行了固定效應(yīng)模型分析，以探究網(wǎng)貸平臺(tái)成交量的影響機(jī)理。主要研究結(jié)論與政策含義如下：

(1)網(wǎng)貸平臺(tái)的成交量存在著一定的個(gè)體效應(yīng)，即不同股東背景的聚類。影響所有聚類網(wǎng)貸平臺(tái)成交規(guī)模的因素是平臺(tái)待償還余額，呈顯著正相關(guān)；其次，凈投資者數(shù)量及累計(jì)停業(yè)平臺(tái)數(shù)量也正向影響絕大多數(shù)平臺(tái)的成交量。平臺(tái)借款期限、綜合收益率水平以及平臺(tái)數(shù)量顯著負(fù)向影響網(wǎng)貸平臺(tái)的成交量。由此可看出，投資者在考慮投資選擇時(shí)，除了考慮收益問(wèn)題，風(fēng)險(xiǎn)及期限問(wèn)題也是其關(guān)注的重點(diǎn)。(2)對(duì)于網(wǎng)貸平臺(tái)管理者而言，要提高P2P產(chǎn)品銷售，應(yīng)該提高風(fēng)險(xiǎn)防控水平，打破互聯(lián)網(wǎng)虛擬空間的限制，提高平臺(tái)信息透明度?？梢酝ㄟ^(guò)與第三方評(píng)級(jí)機(jī)構(gòu)的正面合作，將平臺(tái)的風(fēng)控及項(xiàng)目收益風(fēng)險(xiǎn)等情況真實(shí)地反映給投資者，樹(shù)立平臺(tái)良好的口碑及品牌意識(shí)，吸引更多的投資者參與平臺(tái)交易；另一方面，強(qiáng)化平臺(tái)的風(fēng)險(xiǎn)防控機(jī)制，建立可信的第三方存管機(jī)制，嚴(yán)格分離資金的存管權(quán)與使用權(quán)，杜絕平臺(tái)卷款跑路情況的發(fā)生。最后，優(yōu)化平臺(tái)投資項(xiàng)目，嚴(yán)格審核資金借款人的信息，保障出借人的合法權(quán)益；提高平臺(tái)資金的分散度，創(chuàng)新更多的市場(chǎng)理財(cái)產(chǎn)品，吸引投資者，增加平臺(tái)的成交額。