我國P2P網(wǎng)絡(luò)借貸平臺影響因素研究

楊勇

摘要：我國P2P網(wǎng)絡(luò)借貸平臺在經(jīng)歷一段“跑路潮”和“倒閉潮”之后，經(jīng)營者開始更加冷靜的思考P2P網(wǎng)絡(luò)借貸問題了，政府的引導和監(jiān)管得到不斷加強，學術(shù)界的研究和探討更加深入。本文旨在通過截取網(wǎng)貸之家平臺某一時間范圍內(nèi)數(shù)據(jù)，運用R語言工具，在對數(shù)據(jù)和指標進行適當性處理的基礎(chǔ)上，構(gòu)建多元線性回歸模型，深入分析影響P2P網(wǎng)貸平臺發(fā)展的因素，并利用殘差正態(tài)性分析和正態(tài)Q-Q圖對其進行檢驗，最終得出結(jié)論表明，平均預期收益率與平臺發(fā)展指數(shù)存在顯著的正相關(guān)關(guān)系，而平均借款期限、借款人數(shù)以及運營時間與發(fā)展指數(shù)存在顯著的負相關(guān)關(guān)系。并以此向P2P網(wǎng)貸平臺公司的發(fā)展提供一些建議。

Abstract： After a period of "running tide" and "bankruptcy tide" of P2P network lending platforms in China， operators began to think more calmly about the problem of P2P network lending， the guidance and supervision of the government were constantly strengthened， the research and discussion of academic circles were more in-depth. The purpose of this paper is to construct a multiple linear regression model by intercepting the data in a certain time range of the online lending home platform， using R language tools， on the basis of proper processing of the data and indicators， to analyze the factors affecting the development of the P2P online lending platform， and to test it by residual normality analysis and normal Q-Q chart. Finally， the conclusion shows that there is a significant positive correlation between the average expected return rate and the platform development index， while there is a significant negative correlation between the average borrowing period， the number of borrowers and the operation time and the development index.Some suggestions for the development of P2P online lending platform companies are also provided.

關(guān)鍵詞：發(fā)展指數(shù);平均預期收益率;平均借款期限;借款人數(shù);R語言

Key words： development index;average expected rate of return;average borrowing period;number of borrowers;R language

中圖分類號：F830.9 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）20-0004-05

1 ?問題提出

P2P，也即點對點的貸款方式，它是出借人與借款之間通過網(wǎng)絡(luò)借貸平臺完成資金借貸的無抵押貸款模式。由于這種模式無需抵押，門檻低，投資收益相對高，所以這種融資模式從在我國出現(xiàn)開始，便受到投融資雙方的青睞，尤其是大量的個體的資金需求方與供給方。另一方面改革開放以來，我國經(jīng)濟發(fā)展的速度舉世矚目，這其中中小企的不斷發(fā)展壯大為我國經(jīng)濟的發(fā)展做出了不可磨滅的貢獻，但同時，中小企業(yè)在發(fā)展過程中越來越受到資金不足的制約，解決中小企業(yè)資金瓶頸成為這些年來我國政府一直在研究的問題。雖然隨著一些政策措施的實施，如通過鼓勵銀行發(fā)放小額貸款，發(fā)展小額信貸公司，中小企業(yè)資金面略有好轉(zhuǎn)，但仍然沒有得到根本性解決。加上我國政府鼓勵“大眾創(chuàng)新，萬眾創(chuàng)業(yè)”，更加龐大的小額資金需求使得尋求一種更加合理快捷的融資渠道顯得尤為重要。顯然，P2P能在一定程度上解決這些問題，因此，隨著國家相關(guān)政策的出臺，P2P網(wǎng)貸平臺如雨后春筍般發(fā)展起來，但由于國內(nèi)市場機制不完善，相關(guān)政策缺失，導致P2P網(wǎng)貸平臺在發(fā)展過程中凸顯的問題越來越多，如“跑路”現(xiàn)象，以P2P名義非法集資等，問題平臺數(shù)量高居不下又使得P2P行業(yè)的發(fā)展舉步維艱。除此之外，有很多平臺公司即使是合規(guī)經(jīng)營也會在很短時間內(nèi)宣布破產(chǎn)，“一日游”成為這個行業(yè)部分平臺公司的真實寫照。歸結(jié)起來，出現(xiàn)這些問題的根本原因還在于這些平臺公司缺乏運營經(jīng)驗導致收益率不足而最終破產(chǎn)。

那么，影響P2P網(wǎng)貸平臺經(jīng)營的因素有哪些？在這些影響因素中，每個因素對平臺經(jīng)營影響程度如何呢？本文將借助于網(wǎng)貸之家的平臺數(shù)據(jù)，運用R語言分析工具，展開深入的分析，以期對網(wǎng)貸平臺公司的發(fā)展提出合理的借鑒。

2 ?文獻綜述

P2P網(wǎng)貸平臺雖然在國內(nèi)也經(jīng)過了幾年風雨的洗禮，但也還算是新鮮事物，綜觀國內(nèi)學者對P2P網(wǎng)貸平臺的研究，目前還沒有專門針對因素對平臺經(jīng)營影響分析方面的成果，就當前可查的研究成果來看，主要集中在以下幾個方面：

2.1 關(guān)于P2P網(wǎng)貸平臺信用風險的研究

信用風險是金融行業(yè)高度關(guān)注的風險，因它直接關(guān)系到行業(yè)是否能夠正常發(fā)展，P2P屬于金融行業(yè)范疇，信用風險當然也是它應(yīng)重點關(guān)注的風險。肖曼君，歐緣媛，李 穎[1]基于排序選擇模型上分別從人口特征、信用變量、歷史表現(xiàn)和借款信息四個方面對信用風險的影響進行了研究，并指出應(yīng)通過政府建立健全的監(jiān)管體系，平臺之間開展互助合作，平臺內(nèi)部建立全面的風險管理體系來規(guī)避P2P網(wǎng)貸平臺的信用風險。趙禮強，劉 霜，易平濤[2]運用因子分析法和多元線性回歸模型，通過引入評價指標貢獻率，得出月借款人、月投資人、借款標數(shù)等指標對P2P網(wǎng)貸平臺的評級具有重大影響的結(jié)論，并指出P2P網(wǎng)貸平臺應(yīng)通過重視運營情況和吸引客戶參與來降低平臺信用風險，提升平臺競爭力。姚鳳閣，隋昕[3]以“拍拍貸”的數(shù)據(jù)為基礎(chǔ)，通過實證分析得出借款人信用等級、借款人投標成功次數(shù)、借款人投標失敗次數(shù)、借款人借款的利率、借款人的借款總額與借款人信用等級之間存在顯著的相關(guān)關(guān)系的結(jié)論。

2.2 關(guān)于P2P網(wǎng)貸平臺經(jīng)營方面的研究

雖然目前還沒有學者專門研究不同的因素對P2P平臺經(jīng)營造成影響的程度，但有不少學者從其他側(cè)面對P2P平臺的經(jīng)營進行了深入的研究和分析。溫小霓，武小娟[4]通過二元 logistic 回歸方法，從基本借款因素、硬信息、軟信息三個方面對拍拍貸的交易數(shù)據(jù)進行分析，并得出借款利率、借款人歷史失敗次數(shù)、借款金額、借款人歷史成功次數(shù)、信用積分、審核項目數(shù)對借款結(jié)果產(chǎn)生顯著性影響的結(jié)論。李金陽，朱鈞王[5]以拍拍貸為例，通過實證研究表明借入者的信用等級、借款金額、歷史流標次數(shù)對借款利率有顯著性影響。王重潤，孔兵[6]從P2P網(wǎng)絡(luò)借貸平臺融資效率及其影響因素入手，通過實證分析并指出P2P網(wǎng)絡(luò)借貸企業(yè)應(yīng)從征信體系建設(shè)和平臺認知度來提高平臺的融資效率。王雅琴[7]國家政策環(huán)境、行業(yè)競爭以及行業(yè)內(nèi)部風險控制能力三方面分析了當前我國P2P網(wǎng)貸平臺公司經(jīng)營困難的原因。

3 ?影響因素分析

3.1 樣本選取

為了保持樣本數(shù)據(jù)的完整性，本文從網(wǎng)貸之家官網(wǎng)平臺數(shù)據(jù)截取了2018年12月31日之前投資期限在6～12月范圍內(nèi)，按發(fā)展指數(shù)排名前30的平臺公司數(shù)據(jù)，包括成交量、平均參考收益率、平均借款期限、資金凈流入、待還余額、滿標用時、注冊資本、運營時間、借款標數(shù)、投資人數(shù)、人均投資金額、前十大土豪待收金額占比、借款人數(shù)、人均借款金額、前十大借款人待還金額占比以及發(fā)展指數(shù)共16個指標。

3.2 變量構(gòu)建

本文研究主要針對網(wǎng)貸之家平臺中按發(fā)展指數(shù)排名前30的平臺公司的相關(guān)指標信息。

①被解釋變量。為了準確描述各因素對P2P平臺公司經(jīng)營狀況的影響程度，直觀體現(xiàn)P2P平臺公司的經(jīng)營能力，將發(fā)展指數(shù)作為度量平臺公司經(jīng)營好壞的評價指標。并通過構(gòu)建多元線性回歸模型來刻畫發(fā)展指數(shù)與各解釋變量之間的關(guān)系。

②解釋變量。根據(jù)網(wǎng)貸之家平臺提供的數(shù)據(jù)，本文首先將平臺下除發(fā)展指數(shù)之外的15個指標全部納入研究范圍，包括成交量、平均預期收益率、平均借款期限、資金凈流入、待還余額、滿標用時、注冊資本、運營時間、借款標數(shù)、投資人數(shù)、人均投資金額、前十大土豪待收金額占比、借款人數(shù)、人均借款金額、前十大借款人待還金額占比。在下文的分析中，將會通過不同模型擬合結(jié)果對變量進行刪除，最終保留符合本文分析要求的最佳變量。

成交量：是指P2P網(wǎng)貸平臺在一定時間范圍內(nèi)成交的總金額。通常情況下，這個指標是平臺公司展示自己經(jīng)營規(guī)模的指標，但這個指標在很多時候并不可靠，所以作為投資者，在參考這一指標時應(yīng)十分謹慎。

平均預期收益率：這一指標反映了投資者介入后可能得到的回報，在很大程度上決定投資者介入的積極性和投資金額。對平臺公司的經(jīng)營產(chǎn)生重要影響。

平均借款期限：該指標的大小在一定程度反映了平臺公司資金的流動性狀況，也體現(xiàn)了投資者投資的安全程度。一般來說，平均借款期限月長，表明平臺公司資金流動性越強，投資者的投資相對月安全。

資金凈流入：指平臺公司當月待收金額凈值。通常，該指標越大，表明公司經(jīng)營效果越好。

待還余額：是指平臺累計應(yīng)還款的總量。該指標反映了平臺公司業(yè)務(wù)規(guī)模擴張情況，但若在短時間內(nèi)急劇擴張，也可能表明潛在的風險越大。

滿標用時：是指平臺上某個可投標的從第一個投資人到最后一個投資人所花費的時間。花費時間的長短在一定程度上反映了該平臺公司的信任度，但并不意味著時間越短越好。

注冊資本：指平臺公司成立的注冊資金。實繳注冊資本越大，表明公司的經(jīng)濟實力越強。

運營時間：指平臺公司從成立之日起運營至現(xiàn)在的時間，運營時間越長，表明公司經(jīng)營狀況越穩(wěn)定，平臺風險越小。

借款標數(shù)：是指平臺公司發(fā)生借款的成功次數(shù)。該指標越大，表明平臺的活躍度越高。

投資人數(shù)：指在平臺實際發(fā)生投資的人數(shù)。投資人數(shù)越多，表明該平臺獲得的關(guān)注程度越高。

人均投資金額：平臺公司的人均投資金額，該指標的大小體現(xiàn)了平臺公司投資的離散程度。

前十大土豪待收金額占比：指某個時點前十大待收金額占總待收金額的比例。