網(wǎng)貸市場(chǎng)利率與成交量關(guān)系研究
——基于不同監(jiān)管時(shí)期數(shù)據(jù)的實(shí)證分析

唐 勇，朱鵬飛

(1．福州大學(xué)經(jīng)濟(jì)與管理學(xué)院，福建 福州 350116；2．金融數(shù)學(xué)福建省高校重點(diǎn)實(shí)驗(yàn)室(莆田學(xué)院)，福建 莆田 351100；3．福建省金融科技創(chuàng)新重點(diǎn)實(shí)驗(yàn)室，福建 福州 350116)

1 引言

在全球信息技術(shù)爆發(fā)式發(fā)展的大背景下，伴隨著我國(guó)社會(huì)財(cái)富的不斷增長(zhǎng)，憑借著互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展的人口紅利，互聯(lián)網(wǎng)金融在中國(guó)得到了蓬勃發(fā)展。作為最能體現(xiàn)互聯(lián)網(wǎng)金融精神的P2P網(wǎng)絡(luò)借貸市場(chǎng)，發(fā)展尤為迅速。但網(wǎng)貸市場(chǎng)風(fēng)險(xiǎn)事件頻發(fā)，泛亞有色金屬交易所、“e租寶”等“黑天鵝”事件造成了惡劣的社會(huì)影響，以“現(xiàn)金貸”為主的部分互聯(lián)網(wǎng)金融業(yè)務(wù)更是社會(huì)各界口誅筆伐的對(duì)象。

數(shù)據(jù)基礎(chǔ)和外部監(jiān)管是P2P網(wǎng)絡(luò)借貸持續(xù)發(fā)展的前提條件[1]，面對(duì)混亂的互聯(lián)網(wǎng)金融市場(chǎng)，我國(guó)監(jiān)管當(dāng)局在2016年掀起了整治風(fēng)暴，其中2016年10月13日國(guó)務(wù)院印發(fā)《互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)專項(xiàng)整治工作實(shí)施方案》的舉動(dòng)影響最為深遠(yuǎn)，是對(duì)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)專項(xiàng)整治工作的全面部署安排，互聯(lián)網(wǎng)金融也迎來了全面監(jiān)管時(shí)代。

量?jī)r(jià)關(guān)系一直都是理解金融市場(chǎng)復(fù)雜性的關(guān)鍵，價(jià)格變化是市場(chǎng)對(duì)新信息的反應(yīng)，成交量變化則反映了投資者對(duì)新信息的認(rèn)知差異，對(duì)兩者關(guān)系的研究將會(huì)揭示收益、風(fēng)險(xiǎn)和信息行為之間的相互關(guān)系[2]。本文通過對(duì)不同監(jiān)管時(shí)期網(wǎng)貸價(jià)格(利率)和成交量關(guān)系的研究，將會(huì)為利益相關(guān)者提供深入洞察網(wǎng)貸市場(chǎng)的全新視角，拓寬網(wǎng)貸市場(chǎng)復(fù)雜性討論的范疇。

無論在國(guó)內(nèi)還是國(guó)外，網(wǎng)貸市場(chǎng)一直都是學(xué)術(shù)界關(guān)注的焦點(diǎn)，一部分學(xué)者關(guān)注網(wǎng)貸投資決策和利率的影響因素，例如：Xu Yun等[3]探討社會(huì)資本因素對(duì)中美兩國(guó)網(wǎng)貸平臺(tái)利率的影響，結(jié)果表明社會(huì)資本因素僅在美國(guó)起顯著作用。Yan Yuwei等[4]基于中國(guó)P2P平臺(tái)，探究投資者的決策影響因素，結(jié)果表明平臺(tái)的財(cái)務(wù)和信用狀況是關(guān)鍵因素。Yoon等[5]基于中國(guó)P2P網(wǎng)貸平臺(tái)，探究了影響平臺(tái)違約風(fēng)險(xiǎn)的影響因素，結(jié)果表明平臺(tái)競(jìng)爭(zhēng)激烈程度、風(fēng)險(xiǎn)管理措施等都會(huì)影響平臺(tái)違約風(fēng)險(xiǎn)。周正龍等[6]設(shè)計(jì)了關(guān)于隨機(jī)借貸需求且考慮了貸款人額外借款需求的兩階段拍賣機(jī)制，結(jié)果表明該模式契合了借款人和投資者實(shí)際需求。

另外一部分學(xué)者關(guān)注網(wǎng)貸投資行為特征，例如：Herzenstein等[7]證明了美國(guó)網(wǎng)貸平臺(tái)“繁榮”(Prosper)存在戰(zhàn)略性羊群行為，且該行為有利于借款人。廖理等[8]發(fā)現(xiàn)市場(chǎng)中的投資者具有一定理性，能夠借助公開信息識(shí)別相同利率背后所包含的不同違約風(fēng)險(xiǎn)。Zhang Ke和Chen Xiaoxue[9]實(shí)證證明貸款人存在從眾行為，且市場(chǎng)中存在理性和非理性羊群行為。Tao Qizhi等[10]利用拍拍貸平臺(tái)數(shù)據(jù)，發(fā)現(xiàn)那些收入較高或擁有汽車的借款人更有可能獲得貸款，支付更低的利率，并不易違約。

也有學(xué)者關(guān)注平臺(tái)的風(fēng)險(xiǎn)管理領(lǐng)域，例如：Mild[11]提出了決策支持工具，以便投資者對(duì)違約風(fēng)險(xiǎn)進(jìn)行估計(jì)，后驗(yàn)分析表明該工具可對(duì)違約風(fēng)險(xiǎn)進(jìn)行充分定價(jià)，顯著提高投資者收益率。Lin Xuchen等[12]提出了一個(gè)量化每個(gè)P2P貸款違約風(fēng)險(xiǎn)的信用風(fēng)險(xiǎn)評(píng)估模型，實(shí)證結(jié)果顯示，性別、年齡、婚姻狀況等對(duì)貸款違約有顯著影響。蔣翠清等[13]提出了融入軟信息的網(wǎng)絡(luò)借貸違約預(yù)測(cè)方法，結(jié)果表明該方法可提高預(yù)測(cè)精確度。楊立等[14]建立信息不對(duì)稱理論模型，探究相關(guān)機(jī)制和作用條件，為未來利用社交網(wǎng)絡(luò)進(jìn)行風(fēng)險(xiǎn)控制提供了理論依據(jù)。Ma Lin等[15]基于AdaBoost算法，對(duì)P2P借貸的違約風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，實(shí)證結(jié)果證明該方法具有良好的應(yīng)用潛力。

以上研究主要是基于微觀個(gè)體平臺(tái)視角，但網(wǎng)貸市場(chǎng)平臺(tái)多達(dá)數(shù)千家，基于個(gè)別平臺(tái)開展的研究缺乏代表性，其結(jié)論可靠性存在著一定爭(zhēng)議[16]。此外，監(jiān)管政策對(duì)金融市場(chǎng)具有舉足輕重的影響甚至?xí)淖兪袌?chǎng)發(fā)展的方向，但是以上研究卻并沒有將政府的宏觀政策因素納入考量。

部分學(xué)者從宏觀視角出發(fā)，把網(wǎng)貸市場(chǎng)看做整體，基于網(wǎng)貸市場(chǎng)的綜合利率開展研究，例如：陳霄和葉德珠[16]利用GARCH族模型研究網(wǎng)貸市場(chǎng)波動(dòng)特征，結(jié)果表明網(wǎng)貸的波動(dòng)具有聚集和反轉(zhuǎn)效應(yīng)以及寬尾的特征，并且杠桿效應(yīng)并不顯著。何啟志和彭明生[17]基于多元GARCH模型對(duì)網(wǎng)貸利率的溢出效應(yīng)進(jìn)行了研究，結(jié)果表明Shibor對(duì)網(wǎng)貸市場(chǎng)存在著單向的波動(dòng)溢出，而網(wǎng)貸市場(chǎng)和國(guó)債市場(chǎng)彼此并不存在波動(dòng)溢出。韋起和魏云捷[18]基于Markov-vine-copula模型，對(duì)網(wǎng)貸市場(chǎng)與金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出進(jìn)行研究，結(jié)果表明網(wǎng)貸市場(chǎng)對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染效應(yīng)最為顯著。

考慮到價(jià)格和成交量的交互關(guān)系是理解信息傳播模式和市場(chǎng)波動(dòng)特性的關(guān)鍵[19-22]，以上研究卻忽略了對(duì)量?jī)r(jià)關(guān)系的研究。再則，大部分研究都是基于“線性、正態(tài)”的有效市場(chǎng)理論與方法，但是大量的已有文獻(xiàn)已經(jīng)表明金融市場(chǎng)不僅存在著非線性特征，而且存在著多時(shí)間標(biāo)度和多重分形特征[19]，然以往網(wǎng)貸市場(chǎng)研究并沒有涉及這些復(fù)雜特征。此外， 2016年被稱為互聯(lián)網(wǎng)金融的“監(jiān)管元年”，野蠻生長(zhǎng)了十余年的網(wǎng)貸市場(chǎng)終于引來了全面監(jiān)管時(shí)代，那么網(wǎng)貸市場(chǎng)的復(fù)雜特性在全面監(jiān)管時(shí)期是否和以往時(shí)期存在著差異呢？當(dāng)前鮮有學(xué)者關(guān)注到該問題。

針對(duì)以往研究的不足，本文的創(chuàng)新點(diǎn)和貢獻(xiàn)主要在于：(1)有別于以往研究，本文基于宏觀視角，對(duì)借貸平均綜合利率和成交量的關(guān)系進(jìn)行探究，既避免基于微觀個(gè)體平臺(tái)視角的局限性，又豐富了網(wǎng)貸市場(chǎng)復(fù)雜性相關(guān)問題的探討范疇。(2)擺脫了線性、正態(tài)研究框架的束縛，將網(wǎng)貸市場(chǎng)利率與成交量的關(guān)聯(lián)研究置于非線性、多時(shí)間標(biāo)度的分形框架中，通過對(duì)量?jī)r(jià)間復(fù)雜關(guān)系特征的準(zhǔn)確刻畫和描述，揭示了網(wǎng)貸市場(chǎng)的復(fù)雜運(yùn)行機(jī)制和規(guī)律。(3)本文通過對(duì)不同監(jiān)管時(shí)期網(wǎng)貸市場(chǎng)量?jī)r(jià)關(guān)系的研究，不僅系統(tǒng)地回答了“監(jiān)管元年”前后網(wǎng)貸市場(chǎng)量?jī)r(jià)關(guān)系變化問題，而且借助量?jī)r(jià)關(guān)系的演變對(duì)我國(guó)網(wǎng)貸市場(chǎng)監(jiān)管政策效果進(jìn)行探討，為市場(chǎng)監(jiān)管者提供全新的視角。以上的研究尚未有學(xué)者涉及到。

2 研究方法

2.1 DCCA系數(shù)法

Zebende[23]提出了DCCA系數(shù)法(Detrended Cross-Correlation Analysis Cross-correlation Coefficient)，相較以往方法而言，其具有量化兩個(gè)非平穩(wěn)時(shí)間序列在不同時(shí)間標(biāo)度上非線性關(guān)系的優(yōu)勢(shì)。設(shè)兩個(gè)時(shí)間序列分別為{xk}和{yk}，k=1,2,…N，N為序列的長(zhǎng)度。步驟如下：

第一步，計(jì)算兩個(gè)原始序列的累積離差序列：

(1)

第二步，將序列{xx(t)}和{yy(t)}分割成標(biāo)度為s的Ns=int(N/s)(表示取整數(shù))個(gè)互不重疊的子區(qū)間。為了充分運(yùn)用整個(gè)序列的全部數(shù)據(jù)信息，從尾到頭再重復(fù)該過程，得到2Ns個(gè)分割區(qū)間。

(2)

第四步，計(jì)算總體的協(xié)方差函數(shù)：

(3)

第五步，計(jì)算ρDCCA(s)，如下：

(4)

其中若當(dāng){xk}={yk}時(shí)，公式(3)可得Fx;DFA(s)和Fy;DFA(s)。DCCA系數(shù)法的取值范圍為-1≤ρDCCA(s)≤1。

2.2 基于時(shí)間延遲的DCCA方法

傳統(tǒng)的線性Granger和非線性Granger因果關(guān)系只能夠判斷兩個(gè)序列是否為Granger因果關(guān)系，無法將一個(gè)變量對(duì)另外一個(gè)變量的具體影響程度量化。而Lin Aijing等[24]提出的基于時(shí)間延遲的DCCA方法(Detrended Cross-Correlation Analysis based on Time-Delay)不僅可以度量?jī)蓚€(gè)非平穩(wěn)時(shí)間序列間的非線性因果關(guān)系，還可以將影響程度的多少具體量化，克服了以往因果關(guān)系研究方法的缺陷[25]，具體步驟如下：

第一步，假設(shè)存在兩個(gè)時(shí)間序列分別為{x(t)}和{y(t)}，令{y(t)}滯后ΔT變?yōu)閧y(t+ΔT)}，從而構(gòu)建全新的時(shí)間序列：

(5)

(6)

第二步到第四步同DCCA系數(shù)法，在此不再贅述，從第五步開始介紹：

第五步，如果{x(t)}和{y(t+ΔT)}之間存在冪律相關(guān)性，則滿足如下的關(guān)系：

Fxy(s)～sHurstxy

(7)

Hurstxy指數(shù)可以檢驗(yàn)時(shí)間序列之間的冪律關(guān)系，當(dāng)利率(成交量)滯后時(shí)，Hurstxy指數(shù)測(cè)度的是成交量(利率)對(duì)其不同滯后期的影響。當(dāng)Hurstxy=0.5，兩個(gè)序列不相關(guān)，服從隨機(jī)游走過程，市場(chǎng)處于有效狀態(tài)；當(dāng)Hurstxy>0.5時(shí)，兩個(gè)序列具有持久性，表現(xiàn)為長(zhǎng)記憶性過程；當(dāng)0

(8)

2.3 MF-DCCA方法

Zhou Weixing[26]提出的多重分形消除趨勢(shì)交叉相關(guān)分析方法(Multifractal Detrended Cross-Correlation Analysis，簡(jiǎn)稱為MF-DCCA方法)主要用于研究?jī)蓚€(gè)非平穩(wěn)時(shí)間序列的交叉相關(guān)性及多重分形特征。設(shè)兩個(gè)時(shí)間序列分別為{xk}和{yk}，k=1,2,…N，N為序列的長(zhǎng)度。由于第一步到第三步同DCCA系數(shù)法相同，在此不再贅述，從第四步開始介紹：

第四步，計(jì)算q階波動(dòng)函數(shù)：

(9)

第五步，如果冪律相關(guān)性存在，則標(biāo)度關(guān)系滿足如下條件：

Fxy(q,s)～shxy(q)

(10)

q=2時(shí)，MF-DCCA方法轉(zhuǎn)變?yōu)镈CCA方法。當(dāng)hxy(q)獨(dú)立于q階為常數(shù)時(shí)，則序列為單分形，當(dāng)hxy(q)依賴q階時(shí)，則序列為多重分形，具有多重分形特征。當(dāng)兩個(gè)時(shí)間序列相同時(shí)即{xk}={yk}，MF-DCCA方法轉(zhuǎn)變?yōu)槎嘀胤中蜗厔?shì)波動(dòng)分析方法(Multifractal Detrended Fluctuation Analysis，簡(jiǎn)稱為MF-DFA方法)，故不對(duì)MF-DFA方法單獨(dú)進(jìn)行介紹。

為了量化交叉相關(guān)性的多重分形程度，根據(jù)文獻(xiàn)[27]，定義Δh如下：

Δh=hmax(q)-hmin(q)

(11)

Δh可以定量表征市場(chǎng)間的波動(dòng)強(qiáng)度和行為，不僅能夠衡量?jī)蓚€(gè)序列相關(guān)性的多重分形程度，也可以度量?jī)蓚€(gè)時(shí)間序列之間的交叉市場(chǎng)風(fēng)險(xiǎn)[27]。若Δh越大，則意味著多重分形強(qiáng)度越大，交叉市場(chǎng)風(fēng)險(xiǎn)也就越強(qiáng)，并且風(fēng)險(xiǎn)在市場(chǎng)間的傳染強(qiáng)度也在不斷加劇中[25]。量?jī)r(jià)關(guān)系作為理解市場(chǎng)動(dòng)力學(xué)機(jī)制的關(guān)鍵[2]，其交叉市場(chǎng)風(fēng)險(xiǎn)較單一序列而言，更為準(zhǔn)確地反映市場(chǎng)的真實(shí)波動(dòng)特征和風(fēng)險(xiǎn)情況。

Rizvi和Arshad[28]認(rèn)為多重分形研究方法是檢驗(yàn)市場(chǎng)有效性水平最好的方法。因此設(shè)q階步長(zhǎng)為t，基于MF-DCCA方法的有效性度量模型如下：

DME

(12)

該模型綜合考慮了不同幅度波動(dòng)的情況，全面反映了市場(chǎng)的效率水平。DME越接近于0，則有效性即市場(chǎng)效率水平越高；DME越大，則有效性即市場(chǎng)效率越低[28]。

3 實(shí)證分析

3.1 數(shù)據(jù)選取與描述

本文使用中國(guó)P2P網(wǎng)貸指數(shù)的借貸平均綜合利率和總成交量作為研究對(duì)象，該指數(shù)基本囊括了全國(guó)所有的P2P網(wǎng)貸平臺(tái)，能夠全面反映P2P網(wǎng)貸綜合變化情況，具有代表性和權(quán)威性。選取的樣本范圍從2015年5月13日到2018年1月3日，各包含967個(gè)日度數(shù)據(jù)。數(shù)據(jù)來源于第一網(wǎng)貸網(wǎng)站。

2016年被稱為是互聯(lián)網(wǎng)金融“監(jiān)管元年”，以2016年10月13日國(guó)務(wù)院印發(fā)《互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)專項(xiàng)整治工作實(shí)施方案》出臺(tái)為界，將樣本區(qū)間劃分為兩個(gè)時(shí)期：左側(cè)樣本區(qū)間稱為寬監(jiān)管期，從2015年5月13日到2016年10月12日，包含了519個(gè)數(shù)據(jù)。右側(cè)樣本區(qū)間稱為嚴(yán)監(jiān)管期，從2016年10月13日到2018年1月3日，包含了448個(gè)數(shù)據(jù)。利率和成交量走勢(shì)見圖1～2，其中圖中豎線左側(cè)為寬監(jiān)管期，右側(cè)為嚴(yán)監(jiān)管期。

由圖1～2可知，在寬監(jiān)管期網(wǎng)貸市場(chǎng)的利率整體處于下降趨勢(shì)，成交量呈現(xiàn)出明顯的上漲趨勢(shì)。而在嚴(yán)監(jiān)管期網(wǎng)貸市場(chǎng)的利率和成交量整體變動(dòng)無明顯上漲或下跌趨勢(shì)。其中，在寬監(jiān)管期2015年12月到2016年4月份期間市場(chǎng)出現(xiàn)了異?，F(xiàn)象，網(wǎng)貸利率有所回升，成交量也明顯降低。這主要是由于該階段“e租寶”、“中晉資產(chǎn)管理”等事件爆發(fā)，造成了惡劣的社會(huì)影響，導(dǎo)致投資者市場(chǎng)參與度明顯降低，大部分平臺(tái)不得不提高利率吸引投資者加入。

對(duì)兩個(gè)時(shí)期的利率和成交量序列進(jìn)行ADF單位根檢驗(yàn)，檢驗(yàn)結(jié)果均為不平穩(wěn)。但是考慮到本文所使用的分形研究方法，能夠度量?jī)蓚€(gè)非平穩(wěn)時(shí)間序列間非線性、多時(shí)間標(biāo)度的關(guān)系，因此參照文獻(xiàn)[20-21]，對(duì)利率和成交量序列直接開展研究，而不采用對(duì)數(shù)差分處理。

圖1 利率走勢(shì)圖

圖2 成交量走勢(shì)圖

3.2 交叉相關(guān)性水平分析

網(wǎng)貸市場(chǎng)的利率與成交量是否存在著關(guān)聯(lián)？如果是，那么兩者之間的相關(guān)性水平如何，在不同的時(shí)期是否存在著差異？本節(jié)將利用DCCA系數(shù)法，對(duì)網(wǎng)貸市場(chǎng)利率和成交量的交叉相關(guān)性水平進(jìn)行檢驗(yàn)和分析，回答以上的問題。本文選擇標(biāo)度s的范圍為10～N/3(全文同)，根據(jù)公式(4)，得到圖3和圖4，如下：

圖3 寬監(jiān)管期的ρDCCA(s)～s圖

圖4 嚴(yán)監(jiān)管期的ρDCCA(s)～s圖

如圖3～4所示，無論是在寬監(jiān)管期還是嚴(yán)監(jiān)管期，網(wǎng)貸利率與成交量均存在著一定的關(guān)聯(lián)，且在不同時(shí)間標(biāo)度上這種關(guān)聯(lián)度表現(xiàn)具有明顯差異。此結(jié)果說明網(wǎng)貸利率與成交量之間的關(guān)系不僅存在著非線性還存在著多時(shí)間標(biāo)度特征。

無論在哪個(gè)時(shí)期，隨著時(shí)間標(biāo)度的增加，利率與成交量的交叉相關(guān)性水平呈現(xiàn)出遞減趨勢(shì)，兩者在短期上表現(xiàn)出較強(qiáng)的關(guān)聯(lián)度，而在長(zhǎng)期上表現(xiàn)較弱。在短期標(biāo)度s=10～30范圍內(nèi)兩者的交叉相關(guān)性水平高于0.5，具有較高的關(guān)聯(lián)性。但是隨著標(biāo)度的逐步增加，交叉相關(guān)性水平逐步降低，尤其是在寬監(jiān)管期，s=100以后，兩者的關(guān)系一直保持在0.1～0.2的低水平區(qū)域。此現(xiàn)象可能原因如下：P2P作為“長(zhǎng)尾市場(chǎng)”，主要是為中小微企業(yè)和普通大眾投資者提供資金融通的場(chǎng)所[16]，這樣的組織結(jié)構(gòu)中投資者往往具有“動(dòng)物精神”，短期行為受到“價(jià)格-價(jià)格”反饋機(jī)制的影響[29]，容易出現(xiàn)類似非理性羊群行為等趨同現(xiàn)象，因此利率與成交量的關(guān)聯(lián)性較強(qiáng)；外生事件通過信息傳播機(jī)制引起利率變動(dòng)，此時(shí)成交量的變動(dòng)揭示了投資者處理信息的差異[2]。面對(duì)長(zhǎng)期信息的沖擊，投資者有更多時(shí)間思考和判斷[25]，利率因素在長(zhǎng)期投資決策過程中僅是眾多參考指標(biāo)之一，尤其是在寬監(jiān)管期，投資者對(duì)信息的理解和處理分歧加重，對(duì)網(wǎng)貸的未來質(zhì)疑較多，因此利率與成交量的長(zhǎng)期關(guān)聯(lián)性相對(duì)較弱。

同時(shí)，兩個(gè)時(shí)期的交叉相關(guān)性水平存在著明顯差異。相比較寬監(jiān)管期而言，嚴(yán)監(jiān)管期雖然在短期標(biāo)度上交叉相關(guān)性水平走勢(shì)相近，但是在中長(zhǎng)期標(biāo)度上差異明顯，交叉相關(guān)性水平明顯高于寬監(jiān)管期，在中期標(biāo)度s=50～60和長(zhǎng)期標(biāo)度s=100～120上依然保持在0.5以上的高聯(lián)動(dòng)水平。隨著我國(guó)網(wǎng)貸市場(chǎng)迎來了全面監(jiān)管時(shí)代，一系列配套的辦法和指引隨之出臺(tái)，在我國(guó)網(wǎng)貸市場(chǎng)上逐步形成了“1+3”監(jiān)管制度體系，讓投資者做到有法可依，有律可循。隨著網(wǎng)貸市場(chǎng)的逐步成熟和完善，參與者心理也從“賭徒”心理逐步趨于理性，對(duì)網(wǎng)貸市場(chǎng)的未來發(fā)展判斷逐步達(dá)成一致，表現(xiàn)為對(duì)中長(zhǎng)期信息判斷和處理的分歧減少，投資者的行為也從短期向中長(zhǎng)期轉(zhuǎn)變。

3.3 傳導(dǎo)方向分析

我國(guó)網(wǎng)貸平臺(tái)允許借款人在一定利率限制范圍內(nèi)自行確定借款利率[8]。成交量被認(rèn)為是衡量金融市場(chǎng)質(zhì)量和精確信息的代理指標(biāo)[22]，雖然投資者并不能直接參與到利率決定過程中，但是卻并不處于完全被動(dòng)地位，可以“用腳投票”，通過成交量反映利率定價(jià)是否合理。而投資者行為又反過來影響到借款人的定價(jià)，為了能夠順利籌集資金，防止流標(biāo)，必然受到以往成交量影響，改善原來不合理的利率。那么在兩者交叉相關(guān)過程中，傳導(dǎo)路徑和主導(dǎo)者為何許呢，不同監(jiān)管時(shí)期兩者又有何差異呢？

在此，將利用基于時(shí)間延遲的DCCA方法，對(duì)利率和成交量在不同時(shí)期的傳導(dǎo)路徑和何者為主導(dǎo)者問題進(jìn)行分析，選擇ΔT范圍從1～60天(網(wǎng)貸市場(chǎng)周末依然有交易，故該滯后期代表依次延遲一天到2個(gè)月)，根據(jù)公式(7)～(8)，得到圖5～7，如下：

由圖5～6可知，無論是寬監(jiān)管期還是嚴(yán)監(jiān)管期，利率滯后和成交量滯后的Hurst指數(shù)均大于0.5，這說明無論是何者滯后，市場(chǎng)間的交互關(guān)系均表現(xiàn)為長(zhǎng)記憶性，彼此間都受到對(duì)方過去信息的影響。因此，利率與成交量之間的傳導(dǎo)方向是雙向的，彼此相互溢出。

圖5 利率滯后的Hurstxy～ΔT圖

圖6 成交量滯后的Hurstxy～ΔT圖

圖7 不同時(shí)間標(biāo)度滯后的圖

3.4 市場(chǎng)風(fēng)險(xiǎn)和市場(chǎng)有效性分析

網(wǎng)貸市場(chǎng)的利率與成交量之間的風(fēng)險(xiǎn)狀況如何，在不同時(shí)期表現(xiàn)是否具有何種差異？再者，對(duì)市場(chǎng)效率的研究一直是學(xué)術(shù)界關(guān)注的焦點(diǎn)，量?jī)r(jià)之間的效率更是反映一個(gè)市場(chǎng)整體效率水平的重要指標(biāo)，那么網(wǎng)貸市場(chǎng)的效率水平如何，在不同時(shí)期是否存在著差異？

鑒于以上問題，本文在此基于MF-DCCA方法，對(duì)網(wǎng)貸市場(chǎng)不同時(shí)期的利率和成交量之間的市場(chǎng)風(fēng)險(xiǎn)和有效性水平進(jìn)行檢驗(yàn)和分析，選擇q階取值范圍為-10～10，步長(zhǎng)為2，根據(jù)公式(10)，計(jì)算得到圖8～9，如下：

圖8 寬監(jiān)管期h(q)～q圖

圖9 嚴(yán)監(jiān)管期h(q)～q圖

由上圖可知，無論是寬監(jiān)管期還是嚴(yán)監(jiān)管期，利率、成交量及量?jī)r(jià)之間的h(q)與q階表現(xiàn)為非線性的相依關(guān)系，因此，各個(gè)序列以及序列之間均存在著多重分形特征。以往學(xué)者認(rèn)為如果存在多重分形特征，傳統(tǒng)模型和單分形模型將難以準(zhǔn)確刻畫市場(chǎng)復(fù)雜性[19]，這也證明了本文使用MF-DCCA方法研究網(wǎng)貸市場(chǎng)風(fēng)險(xiǎn)和有效性的合理性和可行性。接著對(duì)網(wǎng)貸市場(chǎng)的風(fēng)險(xiǎn)和有效性水平進(jìn)行檢驗(yàn)和分析，根據(jù)公式(11)～(12)，得到表1，如下：

表1 不同監(jiān)管時(shí)期的Δh和DME

注：Δh越大，則風(fēng)險(xiǎn)越大，反之，則越?。籇ME越大，則有效性水平越弱，市場(chǎng)效率水平越低，反之則有效性水平越小。

根據(jù)表1，進(jìn)行市場(chǎng)風(fēng)險(xiǎn)和有效性分析，如下：

市場(chǎng)風(fēng)險(xiǎn)分析如下：(1)嚴(yán)監(jiān)管期網(wǎng)貸市場(chǎng)利率、量?jī)r(jià)(利率與成交量)之間的市場(chǎng)風(fēng)險(xiǎn)都比寬監(jiān)管期有明顯的下降，說明我國(guó)網(wǎng)貸市場(chǎng)整體環(huán)境得到改善，網(wǎng)貸行業(yè)風(fēng)險(xiǎn)逐步釋放。實(shí)際上嚴(yán)監(jiān)管期諸如“e租寶”、“泛亞”等大型平臺(tái)倒閉事件鮮有發(fā)生，行業(yè)風(fēng)險(xiǎn)主要集中在中小平臺(tái)。同時(shí)， 2017年12月央行聯(lián)合銀監(jiān)會(huì)對(duì)廣為詬病的“現(xiàn)金貸”業(yè)務(wù)進(jìn)行全面清理和整治。以上有效的監(jiān)管政策無疑將會(huì)大幅降低網(wǎng)貸市場(chǎng)的風(fēng)險(xiǎn)。(2)成交量的市場(chǎng)風(fēng)險(xiǎn)卻并沒有得到改善反而稍有惡化，此現(xiàn)象與投資者行為特征有關(guān)。雖然我國(guó)監(jiān)管當(dāng)局正在大力整頓網(wǎng)貸市場(chǎng)并取得了良好效果，投資者人數(shù)和成交量不斷上升，但是由于以往大量關(guān)于網(wǎng)貸市場(chǎng)的負(fù)面新聞對(duì)于國(guó)民的注意力產(chǎn)生了累計(jì)效應(yīng)，市場(chǎng)稍有異動(dòng)，就會(huì)造成投資者反應(yīng)過度，如2017年12月16日陸金所出現(xiàn)了一筆資管計(jì)劃逾期，雖然實(shí)際牽涉金額較小，但卻引起了整個(gè)網(wǎng)貸市場(chǎng)和輿論的恐慌，陸金所和網(wǎng)貸市場(chǎng)的交易量劇烈波動(dòng)。故嚴(yán)監(jiān)管期成交量波動(dòng)劇烈的局面尚未改善。

有效性分析如下：與寬監(jiān)管期相比，嚴(yán)監(jiān)管期成交量以及量?jī)r(jià)的DME稍有下降，市場(chǎng)效率有所提升，但是并不顯著，同時(shí)利率的DME值卻變大了，出現(xiàn)市場(chǎng)效率惡化現(xiàn)象。嚴(yán)監(jiān)管期的系列措施防范了網(wǎng)貸行業(yè)風(fēng)險(xiǎn)，P2P長(zhǎng)效機(jī)制逐步形成，但是實(shí)際上對(duì)市場(chǎng)的效率水平提升影響甚微，甚至惡化了利率的有效性水平?！敖鹑谝种普摗焙汀敖鹑谏罨摗?認(rèn)為金融自由化能夠使利率反映市場(chǎng)的供需關(guān)系，優(yōu)化資源配置，提升市場(chǎng)的效率，當(dāng)局過度的干預(yù)金融市場(chǎng)，將使得金融市場(chǎng)難以有效運(yùn)行，可能不會(huì)改善市場(chǎng)效率甚至造成負(fù)面影響[30-31]。在此對(duì)我國(guó)嚴(yán)監(jiān)管期網(wǎng)貸市場(chǎng)效率未有明顯改善現(xiàn)象的可能原因進(jìn)行分析：(1)我國(guó)對(duì)于網(wǎng)貸利率上限有著嚴(yán)格的限制，并沒有實(shí)現(xiàn)完全的利率市場(chǎng)化，并不全部反映出投資者所承擔(dān)的相應(yīng)風(fēng)險(xiǎn)，但是在網(wǎng)絡(luò)借貸過程中，實(shí)際上投資者承擔(dān)了全部的風(fēng)險(xiǎn)[7]，這本需要更高的超額收益率進(jìn)行補(bǔ)償[32]，但當(dāng)前的利率卻無法對(duì)風(fēng)險(xiǎn)進(jìn)行完全補(bǔ)償。(2)在高壓監(jiān)管下，網(wǎng)貸市場(chǎng)經(jīng)歷了良幣驅(qū)逐劣幣的過程，大量的中小平臺(tái)倒閉，投資者出于避險(xiǎn)目的涌入類似陸金所、拍拍貸等大型平臺(tái)。這些大平臺(tái)由于資金供大于求，利率不斷下降，并且這些大平臺(tái)占據(jù)了網(wǎng)貸市場(chǎng)的大部分成交量，最終導(dǎo)致網(wǎng)貸市場(chǎng)整體利率下滑。但是與之相對(duì)，作為基準(zhǔn)利率的Shibor利率在同一時(shí)期卻不斷上升。以上兩方面的原因最終導(dǎo)致我國(guó)網(wǎng)貸市場(chǎng)的利率水平始終處于被壓制狀態(tài)，難以準(zhǔn)確反映整個(gè)社會(huì)實(shí)際的資金供需關(guān)系，導(dǎo)致了利率的有效性水平反而減弱，進(jìn)而造成嚴(yán)監(jiān)管期利率與成交量之間的有效性水平未有明顯改善。如何在監(jiān)管中提升網(wǎng)貸市場(chǎng)的有效性水平將會(huì)成為我國(guó)監(jiān)管當(dāng)局工作中的重點(diǎn)之一。

3.5 穩(wěn)健性檢驗(yàn)

為了證明前文結(jié)論并不依賴特定樣本區(qū)間，具有可信性和普適性，本文根據(jù)2016年其他相關(guān)的監(jiān)管政策為界，進(jìn)行樣本的重新劃分，進(jìn)行穩(wěn)健性檢驗(yàn)。考慮到政策的影響程度，選取三個(gè)最重要的政策文件/措施，分別是國(guó)務(wù)院牽頭為期一年的互聯(lián)網(wǎng)金融領(lǐng)域?qū)ｍ?xiàng)整治行動(dòng)(2016年4月14日)、《中國(guó)互聯(lián)網(wǎng)金融信息披露規(guī)范》(2016年6月14日)以及《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動(dòng)管理暫行辦法》(2016年8月24日)，分別以上述時(shí)間點(diǎn)為界，將整個(gè)樣本區(qū)間劃分為寬監(jiān)管期和嚴(yán)監(jiān)管期兩個(gè)區(qū)間，結(jié)果表明以上三種劃分方法后得到的實(shí)證結(jié)論和前文基本一致，證明前文結(jié)論具有穩(wěn)健性。

由于文章篇幅所限，本文僅在此展示以互聯(lián)網(wǎng)金融領(lǐng)域?qū)ｍ?xiàng)整治行動(dòng)為界的穩(wěn)健性檢驗(yàn)結(jié)果，對(duì)于其他部分結(jié)果可向本文作者索取。則以下檢驗(yàn)結(jié)果采用的寬監(jiān)管期從2015年5月13日到2016年4月13日，包含了337個(gè)數(shù)據(jù)；嚴(yán)監(jiān)管期從2016年4月14日到2018年1月3日，包含了630個(gè)數(shù)據(jù)。

首先，將利用DCCA系數(shù)法對(duì)網(wǎng)貸市場(chǎng)利率和成交量的交叉相關(guān)性進(jìn)行檢驗(yàn)和分析，本文選擇標(biāo)度s的范圍同上，根據(jù)公式(4)，得到圖10和圖11，如下：

圖10 寬監(jiān)管期的ρDCCA(s)～s圖

圖11 嚴(yán)監(jiān)管期的ρDCCA(s)～s圖

由圖10～11可知，在短期時(shí)間標(biāo)度上，利率與成交量在不同監(jiān)管時(shí)期走勢(shì)相近，但是在中長(zhǎng)期標(biāo)度上差異明顯：在寬監(jiān)管期，隨著時(shí)間標(biāo)度增加，利率與成交量的交叉相關(guān)性水平減弱。在嚴(yán)監(jiān)管期，隨著標(biāo)度增加，利率與成交量的交叉相關(guān)性水平雖有所衰減，但是依然較高，明顯高于寬監(jiān)管期。以上結(jié)論與前文基本一致。

接著進(jìn)行傳導(dǎo)方向檢驗(yàn)，利用基于時(shí)間延遲的DCCA方法，選擇滯后時(shí)間標(biāo)度范圍同上，根據(jù)公式(7)～(8)，得到圖12，如下：

圖12 不同時(shí)間標(biāo)度滯后的

無論在哪個(gè)時(shí)期，利率與成交量之間的傳導(dǎo)方向都是雙向的，彼此相互溢出。隨著標(biāo)度的遞增，在寬監(jiān)管期，利率與成交量交替主導(dǎo)兩者的傳導(dǎo)過程。而與之不同，在嚴(yán)監(jiān)管期，成交量一直處于主導(dǎo)地位。此結(jié)論與前文基本一致。

最后進(jìn)行量?jī)r(jià)之間的風(fēng)險(xiǎn)和有效性檢驗(yàn)。本文在此基于MF-DCCA方法，根據(jù)公式(11)～(12)，得到表2，如下：

表2 不同監(jiān)管時(shí)期的Δh和DME

注：Δh越大，則風(fēng)險(xiǎn)越大，反之，則越小。DME越大，則有效性水平越弱，市場(chǎng)效率水平越低，反之則有效性水平越小。

與寬監(jiān)管期相比，在嚴(yán)監(jiān)管期網(wǎng)貸市場(chǎng)的利率成交量之間的市場(chǎng)風(fēng)險(xiǎn)明顯降低，說明相關(guān)的政策逐步釋放了網(wǎng)貸行業(yè)風(fēng)險(xiǎn)。但是嚴(yán)監(jiān)管期利率與成交量之間的有效性水平并沒有得到明顯改善，利率和成交量的有效性水平反而降低。此結(jié)論與前文基本一致。

4 結(jié)語

以網(wǎng)貸市場(chǎng)為代表的互聯(lián)網(wǎng)金融，在經(jīng)歷十余年野蠻生長(zhǎng)后，終于迎來了全面監(jiān)管時(shí)代。鑒于此，本文將網(wǎng)貸市場(chǎng)看做一個(gè)整體，基于不同監(jiān)管時(shí)期的利率和成交量數(shù)據(jù)，在非線性、多時(shí)間標(biāo)度的分形研究框架中討論網(wǎng)貸市場(chǎng)量?jī)r(jià)關(guān)系的演變和復(fù)雜性問題。通過分析和比較不同監(jiān)管期網(wǎng)貸市場(chǎng)利率和成交量間的交叉相關(guān)性水平、傳導(dǎo)方向、市場(chǎng)風(fēng)險(xiǎn)及有效性水平，證明了網(wǎng)貸利率與成交量存在著關(guān)聯(lián)，同時(shí)系統(tǒng)回答了相關(guān)復(fù)雜性問題，彌補(bǔ)以往研究的空白，推動(dòng)網(wǎng)貸市場(chǎng)復(fù)雜性研究從微觀平臺(tái)角度轉(zhuǎn)向宏觀市場(chǎng)角度，為網(wǎng)貸監(jiān)管者提供全新的視角和理論依據(jù)，具體結(jié)論和建議如下：

(1)在短期時(shí)間標(biāo)度上，利率與成交量的交叉相關(guān)性水平在不同監(jiān)管時(shí)期走勢(shì)相近，均表現(xiàn)出較強(qiáng)的關(guān)聯(lián)度。但是在中長(zhǎng)期標(biāo)度上差異明顯：在寬監(jiān)管期，隨著標(biāo)度增加，利率與成交量的交叉相關(guān)性水平減弱，逐漸趨于無相關(guān)狀態(tài)。在嚴(yán)監(jiān)管期，隨著標(biāo)度增加，利率與成交量的交叉相關(guān)性水平雖有所衰減，但是依然較高，明顯高于寬監(jiān)管期。此結(jié)果對(duì)于市場(chǎng)監(jiān)管者而言，一方面需要將整個(gè)市場(chǎng)的利率與成交量看做一個(gè)整體來進(jìn)行監(jiān)管，推動(dòng)市場(chǎng)監(jiān)管角度從微觀平臺(tái)向宏觀市場(chǎng)轉(zhuǎn)變，另外一方面，需要繼續(xù)改善市場(chǎng)環(huán)境，樹立投資者信心，加強(qiáng)投資者的教育工作，培育長(zhǎng)期價(jià)值投資理念。

(2)無論在哪個(gè)時(shí)期，利率與成交量之間的傳導(dǎo)方向都是雙向的，彼此相互溢出。隨著標(biāo)度的遞增，在寬監(jiān)管期，利率與成交量交替主導(dǎo)兩者的傳導(dǎo)過程，而與之不同，在嚴(yán)監(jiān)管期，成交量一直處于主導(dǎo)地位，并且主導(dǎo)影響力逐步遞增。成交量成為量?jī)r(jià)關(guān)系的主導(dǎo)者，這意味投資者的行為已成為網(wǎng)貸市場(chǎng)穩(wěn)定的重要因素，考慮到投資者不理智行為主要是由于信息層疊而產(chǎn)生的[29]，外界輿論與投資者行為特征變化密切相關(guān)。鑒于此，作為監(jiān)管者，應(yīng)該在市場(chǎng)上打擊違法違規(guī)行為，清理市場(chǎng)不穩(wěn)定因素，在社會(huì)輿論上逐步樹立起網(wǎng)貸市場(chǎng)的正面形象，同時(shí)對(duì)于社會(huì)謠言和惡意攻擊現(xiàn)象采用法律手段和宣傳部門進(jìn)行積極抵制。

(3)與寬監(jiān)管期相比，在嚴(yán)監(jiān)管期網(wǎng)貸市場(chǎng)的利率成交量之間的市場(chǎng)風(fēng)險(xiǎn)明顯降低，這表明了相關(guān)的政策逐步釋放了網(wǎng)貸行業(yè)風(fēng)險(xiǎn)。但是嚴(yán)監(jiān)管期利率與成交量之間的有效性水平并沒有得到明顯改善，利率的有效性水平反而降低。鑒于此，未來市場(chǎng)當(dāng)局一方面在出臺(tái)相應(yīng)措施時(shí)，不僅需要考慮防范網(wǎng)貸系統(tǒng)性風(fēng)險(xiǎn)問題，還需要將提升市場(chǎng)效率放在重要位置，促進(jìn)市場(chǎng)的健康持續(xù)發(fā)展。另外一方面，需要幫助網(wǎng)貸平臺(tái)優(yōu)化利率形成機(jī)制，提升量?jī)r(jià)之間的有效性，進(jìn)而推動(dòng)整個(gè)網(wǎng)貸市場(chǎng)高效率地配置社會(huì)資金，發(fā)揮其應(yīng)有的社會(huì)功能。