P2P網(wǎng)絡(luò)借貸、流動(dòng)性風(fēng)險(xiǎn)與宏觀審慎政策

李建強(qiáng) 張淑翠 趙大偉

摘要：目前，P2P網(wǎng)絡(luò)借貸平臺(tái)合法合規(guī)發(fā)展已成為重要問(wèn)題。本文依據(jù)中國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)特征事實(shí)，構(gòu)建動(dòng)態(tài)隨機(jī)一般均衡模型，模擬分析P2P網(wǎng)絡(luò)借貸經(jīng)濟(jì)影響、風(fēng)險(xiǎn)機(jī)理及宏觀審慎政策有效性。研究結(jié)果表明：（1）P2P網(wǎng)絡(luò)借貸在提高金融滲透率、促進(jìn)金融普惠的同時(shí)，也放大了信貸波動(dòng)，增加了銀行體系外的金融脆弱性;（2）P2P網(wǎng)絡(luò)借貸行業(yè)存在適度最優(yōu)規(guī)模邊界，無(wú)序發(fā)展不利于社會(huì)福祉提高;（3）與P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模過(guò)度相比，平臺(tái)債權(quán)轉(zhuǎn)讓模式流動(dòng)性風(fēng)險(xiǎn)更嚴(yán)重;（4）在監(jiān)管非對(duì)稱(chēng)下，P2P網(wǎng)絡(luò)借貸削弱了宏觀審慎政策有效性。因此，擴(kuò)大宏觀審慎政策框架覆蓋范圍，將P2P網(wǎng)絡(luò)借貸納入宏觀審慎政策框架，與P2P網(wǎng)絡(luò)借貸行業(yè)可持續(xù)發(fā)展并非對(duì)立關(guān)系，一定程度上可平抑信貸波動(dòng)，提高宏觀審慎政策有效性。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸;流動(dòng)性風(fēng)險(xiǎn);宏觀審慎;金融穩(wěn)定;金融監(jiān)管;數(shù)值模擬

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1002-2848-2019（05）-0038-14

隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展和居民投資理財(cái)需求的旺盛，以金融脫媒為特征的P2P網(wǎng)絡(luò)借貸在全國(guó)范圍內(nèi)迅速發(fā)展起來(lái)。P2P網(wǎng)絡(luò)借貸依托互聯(lián)網(wǎng)，為投資人和融資人提供資金借貸信息，撮合和促成投資人與融資人在互聯(lián)網(wǎng)平臺(tái)上進(jìn)行資金借貸。2007年6月，我國(guó)首家P2P網(wǎng)絡(luò)借貸平臺(tái)——拍拍貸在上海成立，隨后各類(lèi)P2P網(wǎng)絡(luò)借貸平臺(tái)如雨后春筍般涌現(xiàn)。據(jù)網(wǎng)貸天眼統(tǒng)計(jì)，截至2017年，全國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)數(shù)量已有6461家，行業(yè)成交量達(dá)16681.65億元。P2P網(wǎng)絡(luò)借貸已成為云計(jì)算、大數(shù)據(jù)、人工智能和區(qū)塊鏈等新興科技與金融創(chuàng)新深度融合的重要實(shí)踐。

與此同時(shí)，P2P網(wǎng)絡(luò)借貸支付主體、渠道、場(chǎng)景、數(shù)據(jù)等多維度的碎片化，也埋下一些流動(dòng)性風(fēng)險(xiǎn)隱患。由于線上借貸模式有其獨(dú)特性，金融監(jiān)管制度滯后，各個(gè)P2P網(wǎng)絡(luò)借貸平臺(tái)資質(zhì)不一、良莠不齊，一度出現(xiàn)“提現(xiàn)困難”“清盤(pán)退出”及“停業(yè)跑路”等信用問(wèn)題，被形象地稱(chēng)為“爆雷潮”，引發(fā)社會(huì)對(duì)P2P網(wǎng)絡(luò)借貸行業(yè)觸發(fā)系統(tǒng)性風(fēng)險(xiǎn)的擔(dān)憂。這些P2P網(wǎng)絡(luò)借貸的問(wèn)題平臺(tái)已在居民、銀行、非銀行金融機(jī)構(gòu)以及中小企業(yè)之間建立起錯(cuò)綜復(fù)雜的債權(quán)債務(wù)關(guān)系。實(shí)體部門(mén)需要付出更高成本，融資需求沒(méi)有得到充分滿足，甚至一些借貸主體通過(guò)不合規(guī)平臺(tái)服務(wù)產(chǎn)生了加杠桿、期限錯(cuò)配問(wèn)題，這些都成為誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)的新隱患。這些層出不窮的金融亂象，不僅影響貨幣政策傳導(dǎo)和金融資源配置效率，而且也危及金融穩(wěn)定，最終損害社會(huì)福利。鑒于此，我國(guó)《“十三五”現(xiàn)代金融體系規(guī)劃》明確指出，要“逐步擴(kuò)大宏觀審慎政策框架的覆蓋范圍，探索將影子銀行、資管產(chǎn)品、互聯(lián)網(wǎng)金融等更多金融活動(dòng)納入宏觀審慎政策框架，實(shí)現(xiàn)宏觀審慎管理和金融監(jiān)管對(duì)所有金融機(jī)構(gòu)、業(yè)務(wù)、活動(dòng)及其風(fēng)險(xiǎn)全覆蓋”。2016年，國(guó)務(wù)院?jiǎn)?dòng)了互聯(lián)網(wǎng)金融專(zhuān)項(xiàng)整治，并將P2P網(wǎng)絡(luò)借貸列為重點(diǎn)整治領(lǐng)域。正確把握P2P網(wǎng)絡(luò)借貸本質(zhì)，深入分析P2P網(wǎng)絡(luò)借貸的經(jīng)濟(jì)影響及其背后的流動(dòng)性風(fēng)險(xiǎn)機(jī)理，量化評(píng)估宏觀審慎政策有效性，對(duì)深化金融供給側(cè)結(jié)構(gòu)性改革，推動(dòng)P2P網(wǎng)絡(luò)借貸行業(yè)可持續(xù)發(fā)展至關(guān)重要。

一、文獻(xiàn)綜述

金融危機(jī)后，非銀行金融機(jī)構(gòu)快速發(fā)展對(duì)貨幣政策傳導(dǎo)及金融穩(wěn)定的影響引起人們廣泛反思。其中，P2P網(wǎng)絡(luò)借貸的流動(dòng)性風(fēng)險(xiǎn)問(wèn)題也越來(lái)越受到關(guān)注。Narain[1]研究認(rèn)為，金融技術(shù)公司經(jīng)常處于監(jiān)管灰色地帶，可能會(huì)開(kāi)展一些銀行業(yè)務(wù)，但不受許可和監(jiān)管限制，未來(lái)有必要要求金融技術(shù)公司接受審慎監(jiān)管。Freedman等[2]研究發(fā)現(xiàn)，相對(duì)傳統(tǒng)借貸，P2P網(wǎng)絡(luò)借貸平臺(tái)信息透明度低，在非接觸性借貸交易中，社會(huì)關(guān)系不透明會(huì)導(dǎo)致借貸存在嚴(yán)重逆向選擇問(wèn)題。國(guó)際清算銀行（Bank for International Settlements，BIS）[3]強(qiáng)調(diào)，全球金融危機(jī)后，源于資本市場(chǎng)融資活動(dòng)的風(fēng)險(xiǎn)更為普遍，金融創(chuàng)新和金融科技的應(yīng)用可能會(huì)改變風(fēng)險(xiǎn)的屬性，這需要一系列新政策和更多宏觀審慎政策工具加以應(yīng)對(duì)。國(guó)際貨幣基金組織（International Monetary Fund，IMF）[4]認(rèn)為，為了維護(hù)金融穩(wěn)定，監(jiān)管機(jī)構(gòu)必須關(guān)注新的風(fēng)險(xiǎn)，包括網(wǎng)絡(luò)安全、金融科技以及審慎監(jiān)管范圍之外的其他機(jī)構(gòu)和業(yè)務(wù)活動(dòng)可能給金融穩(wěn)定造成的威脅，這需要采用新的宏觀審慎工具來(lái)解決銀行部門(mén)之外的脆弱性問(wèn)題。

在國(guó)內(nèi)，P2P網(wǎng)絡(luò)借貸作為一種新興金融業(yè)態(tài)，其研究主要聚焦于三方面：一是P2P網(wǎng)絡(luò)借貸交易特征與影響因素[5-6]，二是P2P網(wǎng)絡(luò)借貸收益率波動(dòng)及影響因素[7]，三是P2P網(wǎng)絡(luò)借貸國(guó)際經(jīng)驗(yàn)與案例分析[8]。然而，對(duì)于P2P網(wǎng)絡(luò)借貸平臺(tái)爆發(fā)風(fēng)險(xiǎn)問(wèn)題，僅有少量文獻(xiàn)有所涉獵。黃益平等[9]梳理分析3439家P2P問(wèn)題平臺(tái)特征，發(fā)現(xiàn)信息嚴(yán)重缺失、從業(yè)時(shí)間較短、利率區(qū)間狹窄、利率水平高以及業(yè)務(wù)品種不全等都是問(wèn)題平臺(tái)風(fēng)險(xiǎn)隱患。王修華等[10]基于222家P2P網(wǎng)絡(luò)借貸平臺(tái)經(jīng)營(yíng)數(shù)據(jù)樣本，研究發(fā)現(xiàn)管理層信息披露、年化收益率和第三方資金存管等因素對(duì)問(wèn)題平臺(tái)風(fēng)險(xiǎn)具有顯著影響。范超等[11]基于444家P2P網(wǎng)絡(luò)借貸平臺(tái)數(shù)據(jù)研究，認(rèn)為網(wǎng)民評(píng)論和關(guān)注度、平臺(tái)利率、資金凈流入與待還款金額等波動(dòng)都是識(shí)別平臺(tái)風(fēng)險(xiǎn)程度重要指標(biāo)。劉紅忠等[12]基于實(shí)物期權(quán)理論，構(gòu)建P2P網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)事件的結(jié)構(gòu)模型，揭示P2P網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)爆發(fā)的內(nèi)在機(jī)理。魏明俠等[13]通過(guò)建立P2P網(wǎng)絡(luò)借貸市場(chǎng)上各主要參與主體間的博弈模型，對(duì)借款方、貸款方、平臺(tái)方和監(jiān)管方兩兩間進(jìn)行了博弈分析，并結(jié)合實(shí)際案例對(duì)P2P網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)行為進(jìn)行了分析。

總體上，我國(guó)P2P網(wǎng)絡(luò)借貸研究多關(guān)注微觀層面因素，與之相關(guān)的實(shí)證分析也依賴(lài)行業(yè)調(diào)查和平臺(tái)財(cái)務(wù)自行披露，這些樣本數(shù)據(jù)是否足夠大，是否具有代表性值得商榷，碎片化研究可能缺乏宏觀系統(tǒng)性思考。P2P網(wǎng)絡(luò)借貸固然具有小額分散特征，但也只能分散平臺(tái)內(nèi)不同借款人個(gè)體風(fēng)險(xiǎn)，而金融自身風(fēng)險(xiǎn)則無(wú)法在平臺(tái)內(nèi)小額分散消除。隨著金融科技的推廣與應(yīng)用，針對(duì)金融穩(wěn)定的新的威脅不斷涌現(xiàn)，迫使金融監(jiān)管改革。十九大明確提出“健全貨幣政策和宏觀審慎政策雙支柱調(diào)控框架”后，新的標(biāo)準(zhǔn)、工具和實(shí)踐得以補(bǔ)充和實(shí)施。顯然，剖析P2P網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)機(jī)理與評(píng)估宏觀審慎工具有效性不再是兩個(gè)獨(dú)立議題，需要納入一個(gè)統(tǒng)一框架進(jìn)行綜合研究。與現(xiàn)有研究不同，本文可能的創(chuàng)新在于：第一，基于當(dāng)前我國(guó)P2P網(wǎng)絡(luò)借貸整頓的經(jīng)濟(jì)背景，在模型中引入“資金池”特征，捕捉并模擬刻畫(huà)許多問(wèn)題平臺(tái)潛在的流動(dòng)性風(fēng)險(xiǎn)隱患;第二，從社會(huì)福利角度，討論P(yáng)2P網(wǎng)絡(luò)借貸發(fā)展的內(nèi)生閾值，以及在P2P網(wǎng)絡(luò)借貸平臺(tái)下，量化評(píng)估不同審慎工具的有效性。此外，在研究方法上，前期文獻(xiàn)多采用微觀計(jì)量實(shí)證或信息博弈方法，從微觀主體最優(yōu)化決策對(duì)宏觀經(jīng)濟(jì)影響視角切入的研究較少。鑒于此，本文通過(guò)建立動(dòng)態(tài)隨機(jī)一般均衡模型DSGE，系統(tǒng)分析了P2P網(wǎng)絡(luò)借貸平臺(tái)期限錯(cuò)配與債權(quán)轉(zhuǎn)讓模式背后的流動(dòng)性風(fēng)險(xiǎn)機(jī)理，反事實(shí)模擬了P2P網(wǎng)絡(luò)借貸下的宏觀審慎政策有效性，提出推動(dòng)P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)范發(fā)展的政策建議，以期能夠?yàn)楹暧^審慎政策框架的完善提供理論支持。

二、我國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)特征事實(shí)描述

2018年6月以來(lái)，全國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)出現(xiàn)集中退出態(tài)勢(shì)，帶來(lái)了市場(chǎng)恐慌情緒的蔓延，也影響了部分尚正常運(yùn)營(yíng)的平臺(tái)，網(wǎng)絡(luò)借貸平臺(tái)加速退出的負(fù)面影響不斷擴(kuò)大。相應(yīng)地，我國(guó)金融監(jiān)管部門(mén)采取了一系列舉措來(lái)化解網(wǎng)絡(luò)借貸行業(yè)風(fēng)險(xiǎn)，穩(wěn)步推進(jìn)合規(guī)檢查，行業(yè)風(fēng)險(xiǎn)得到有效遏制，同時(shí)也發(fā)現(xiàn)違約網(wǎng)絡(luò)借貸平臺(tái)具有一些典型的風(fēng)險(xiǎn)特征。

第一，P2P網(wǎng)絡(luò)借貸平臺(tái)信用中介特征明顯。2016年，我國(guó)《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》規(guī)定，P2P網(wǎng)絡(luò)借貸是指?jìng)€(gè)體和個(gè)體之間通過(guò)互聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)的直接借貸，而P2P平臺(tái)是指依法設(shè)立、專(zhuān)門(mén)從事網(wǎng)絡(luò)借貸信息中介業(yè)務(wù)活動(dòng)的金融信息中介公司。其中，金融信息中介公司以互聯(lián)網(wǎng)為主要渠道，為借款人與出借人（投資人）實(shí)現(xiàn)直接借貸提供信息搜集、公布、資信評(píng)估、信息交互和借貸撮合等服務(wù)。由于金融信息中介公司僅開(kāi)展借貸撮合業(yè)務(wù)，出借人與借款人是一對(duì)一關(guān)系，完全滿足期限匹配、收益和風(fēng)險(xiǎn)匹配原則。但在實(shí)際經(jīng)營(yíng)中，違約P2P網(wǎng)絡(luò)借貸平臺(tái)在未獲得金融牌照情況下，采用先歸集資金、再尋找借款對(duì)象等方式，使出借者資金進(jìn)入平臺(tái)賬戶形成資金池，這已具有信用中介特征。投標(biāo)決策權(quán)被讓渡至平臺(tái)，業(yè)務(wù)本質(zhì)由“撮合交易”變?yōu)椤板e(cuò)配買(mǎi)賣(mài)”，債權(quán)轉(zhuǎn)讓也異化為滾動(dòng)募資。具體有以下表現(xiàn)：首先，拆標(biāo)的金額。為解決大標(biāo)規(guī)模與低投資門(mén)檻矛盾，把一個(gè)大標(biāo)拆成多個(gè)小標(biāo)，允許投資者使用少量本金獲取高門(mén)檻才可享受的收益率，從而增強(qiáng)標(biāo)的吸引力（見(jiàn)圖1）。部分平臺(tái)甚至發(fā)行活期理財(cái)產(chǎn)品，期限錯(cuò)配割裂了風(fēng)險(xiǎn)和收益的匹配性。其次，拆標(biāo)的期限。為解決長(zhǎng)期借貸項(xiàng)目與短期投資偏好矛盾，把長(zhǎng)標(biāo)拆成多個(gè)短標(biāo)滾動(dòng)發(fā)行，允許投資者短期投資獲取長(zhǎng)期投資才可享受的收益率，從而提高標(biāo)的吸引力（見(jiàn)圖2）。部門(mén)平臺(tái)通過(guò)短標(biāo)多次滾動(dòng)來(lái)滿足長(zhǎng)標(biāo)需求，本質(zhì)上是借新還舊，如果后續(xù)資金不能及時(shí)補(bǔ)充到位，或借款人未如期兌付，平臺(tái)資金鏈就會(huì)斷裂，影響短標(biāo)出借人資金回籠，具有流動(dòng)性風(fēng)險(xiǎn)。

第二，P2P網(wǎng)絡(luò)借貸平臺(tái)以債權(quán)轉(zhuǎn)讓模式為主。P2P網(wǎng)絡(luò)借貸兩端均以自然人為主，當(dāng)出借人的債權(quán)期限未到期需要退出時(shí)，向P2P網(wǎng)絡(luò)借貸平臺(tái)發(fā)出轉(zhuǎn)讓申請(qǐng)，平臺(tái)審核后向新出借人提供擔(dān)保，新出借人認(rèn)購(gòu)原出借人債權(quán)，完成債權(quán)轉(zhuǎn)讓?zhuān)鼋枞朔娇赏顺?。短期?nèi)，如果P2P網(wǎng)絡(luò)借貸平臺(tái)沒(méi)有找到合適新出借人愿意認(rèn)購(gòu)，債權(quán)轉(zhuǎn)讓無(wú)法完成，原出借人必須繼續(xù)持有等待。顯然，債權(quán)轉(zhuǎn)讓模式容易受到市場(chǎng)恐慌情緒影響，一旦出借人集體選擇提現(xiàn)退出，債權(quán)轉(zhuǎn)讓模式將難以為繼。

第三，P2P網(wǎng)絡(luò)借貸底層資產(chǎn)多以抵質(zhì)押類(lèi)為主。一方面，與其他國(guó)家P2P網(wǎng)絡(luò)借貸發(fā)展不同，我國(guó)個(gè)人征信制度滯后，違約成本相對(duì)較低，大額純信用貸業(yè)務(wù)在P2P網(wǎng)絡(luò)借貸行業(yè)很難發(fā)展。P2P網(wǎng)絡(luò)借貸平臺(tái)不能隨意調(diào)用央行征信系統(tǒng)數(shù)據(jù)，而且擁有大數(shù)據(jù)及相應(yīng)數(shù)據(jù)分析能力的僅為少數(shù)頭部平臺(tái)，債務(wù)暴力催收受到法律制裁。另一方面，借款人逾期或者惡意賴(lài)賬信息未能及時(shí)納入征信，平臺(tái)無(wú)法直接監(jiān)視借款者真實(shí)資金使用過(guò)程，判別借款人資質(zhì)成本較高。因此，出借人愿意進(jìn)行有抵押標(biāo)的的投資，而平臺(tái)也要求借款人以一定抵押物來(lái)融資。據(jù)網(wǎng)貸之家統(tǒng)計(jì)，以2017年11月成交量過(guò)億P2P網(wǎng)絡(luò)借貸平臺(tái)為樣本，樣本平臺(tái)底層資產(chǎn)以汽車(chē)抵/質(zhì)押和房產(chǎn)抵押為主。

三、DSGE模型分析框架

本文參照Iacoviello[14]的研究思路， 既保證模型簡(jiǎn)潔性，又追求模型實(shí)用性。不顯性引入P2P網(wǎng)絡(luò)借貸平臺(tái)，僅依據(jù)網(wǎng)絡(luò)借貸特征事實(shí)刻畫(huà)平臺(tái)角色。DSGE模型結(jié)構(gòu)如圖3所示。一是利用Kiyotaki等[15]提出的抵押約束機(jī)制，刻畫(huà)我國(guó)P2P網(wǎng)絡(luò)借貸底層資產(chǎn)多以抵質(zhì)押類(lèi)為主的客觀事實(shí);二是引入異質(zhì)居民人口權(quán)重，捕捉我國(guó)P2P網(wǎng)絡(luò)借貸債權(quán)轉(zhuǎn)讓模式;三是不考慮企業(yè)融資，設(shè)定借貸居民兩種融資渠道，揭示我國(guó)P2P網(wǎng)絡(luò)借貸信用中介特征和平臺(tái)兩端均以自然人為主特點(diǎn);四是銀行受貸款價(jià)值比約束和資本充足率偏離懲罰機(jī)制，體現(xiàn)我國(guó)金融監(jiān)管非對(duì)稱(chēng)性和宏觀審慎評(píng)估體系（Macro Prudential Assessment，MPA）打分實(shí)際情況。

（一）家庭部門(mén)

家庭存在兩類(lèi)居民：儲(chǔ)蓄居民和借貸居民。居民效用函數(shù)為[WTBX]

其中，Cst表示儲(chǔ)蓄居民消費(fèi)，qht表示房屋相對(duì)價(jià)格，Hst表示儲(chǔ)蓄居民住房服務(wù)。wst表示儲(chǔ)蓄居民工資率，Lst表示儲(chǔ)蓄居民勞動(dòng)力供給。儲(chǔ)蓄居民存在兩種資產(chǎn)配置方式：一是向銀行儲(chǔ)蓄，獲得儲(chǔ)蓄回報(bào)。Dt表示儲(chǔ)蓄，Rdt表示儲(chǔ)蓄利率。二是在P2P網(wǎng)絡(luò)借貸平臺(tái)投資。BLst表示儲(chǔ)蓄居民在P2P平臺(tái)投資規(guī)模，RLt表示P2P貸款利率。設(shè)資產(chǎn)配置存在調(diào)整成本，υ是資產(chǎn)配置調(diào)整成本參數(shù)，ω表示資產(chǎn)配置系數(shù)。這保證了儲(chǔ)蓄居民動(dòng)態(tài)邊際回報(bào)是不同的，避免模型陷入多重均衡陷阱。根據(jù)無(wú)套利條件，在穩(wěn)態(tài)下儲(chǔ)蓄居民兩種資產(chǎn)配置行為回報(bào)率固然相同，但從借貸居民在P2P平臺(tái)借款約束看，穩(wěn)態(tài)下儲(chǔ)蓄居民的銀行儲(chǔ)蓄與P2P平臺(tái)投資規(guī)模不同，這說(shuō)明實(shí)質(zhì)上兩者綜合回報(bào)仍存在差異。另外，模型不考慮違約問(wèn)題，這意味著P2P平臺(tái)投資客觀存在剛性?xún)陡?。從這個(gè)角度看，穩(wěn)態(tài)下二者回報(bào)相等也是可以接受的，可理解為不受外部沖擊影響下，儲(chǔ)蓄居民進(jìn)行P2P平臺(tái)投資的底線是至少保證獲得銀行儲(chǔ)蓄回報(bào)。儲(chǔ)蓄居民最優(yōu)一階條件分別是

式（2）（3）是關(guān)于兩類(lèi)資產(chǎn)的歐拉方程，消費(fèi)跨期條件表明儲(chǔ)蓄居民追求平滑一生消費(fèi)。式（4）衡量?jī)?chǔ)蓄居民住房服務(wù)跨期條件，住房消費(fèi)的邊際效用等于放棄消費(fèi)成本。式（5）是儲(chǔ)蓄居民勞動(dòng)供給方程。

借貸居民有兩種融資方式：銀行貸款和P2P平臺(tái)貸款。通過(guò)外生設(shè)定兩類(lèi)不同貸款價(jià)值比（Loan to Value，LTV），區(qū)別兩類(lèi)不同機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)管理。mF是銀行平臺(tái)LTV，mL是P2P平臺(tái)LTV。LTV越高，對(duì)應(yīng)風(fēng)險(xiǎn)敞口越大。商業(yè)銀行擁有相對(duì)完備風(fēng)險(xiǎn)撥備覆蓋、準(zhǔn)備金等風(fēng)險(xiǎn)緩釋機(jī)制，并且還可以通過(guò)銀行間市場(chǎng)獲得短期流動(dòng)性，自然比P2P平臺(tái)擁有更強(qiáng)應(yīng)對(duì)流動(dòng)性風(fēng)險(xiǎn)的能力，故mF

模型屬于典型代表行為人框架，借貸居民可視為實(shí)際社會(huì)中受流動(dòng)性約束居民的平均水平，故α大小直接反映P2P網(wǎng)絡(luò)借貸占比。。借貸居民預(yù)算約束條件為

（二）銀行部門(mén)

參照Gambacorta等[16]的研究，銀行吸收儲(chǔ)蓄居民存款，向借貸居民貸款，并通過(guò)未分配利潤(rùn)積累銀行凈資本。中央銀行規(guī)定商業(yè)銀行的目標(biāo)資本充足率為CRR，如果商業(yè)銀行增加信貸投放，超過(guò)資本要求目標(biāo)，要接受一定懲罰并付出成本。因此，銀行需要權(quán)衡過(guò)度信貸投放的利弊。這種偏離資本目標(biāo)的懲罰機(jī)制的引入，反映了中央銀行對(duì)銀行資本的審慎要求，將導(dǎo)致銀行貸款供給曲線移動(dòng)。銀行利潤(rùn)最大化為

在向借貸居民貸款時(shí)，銀行具有一定壟斷定價(jià)權(quán)。由于競(jìng)爭(zhēng)不充分，并不是所有借貸居民都能向銀行貸款。設(shè)銀行向借貸居民貸款利率加成是[AKμ-D]。

銀行利潤(rùn)分為兩部分，一部分是股利分配，被股東消費(fèi);另一部分是未分配利潤(rùn)，用作銀行資本凈值積累。δb表示銀行凈資本折舊，表示銀行利潤(rùn)中未分配利潤(rùn)占比。銀行利潤(rùn)和資本凈值積累分別為

（三）廠商部門(mén)

1.最終品廠商

2.中間品廠商

儲(chǔ)蓄居民是中間品廠商股東。中間品廠商生產(chǎn)決策分兩個(gè)階段：

一是在生產(chǎn)函數(shù)約束下成本最小化，決定要素需求比例。

3.資本品廠商

（四）中央銀行

根據(jù)Fisher方程，名義利率和實(shí)際利率的關(guān)系為

四、參數(shù)校準(zhǔn)估計(jì)與模型適用性分析

對(duì)于現(xiàn)有DSGE文獻(xiàn)通用參數(shù)，直接參考已有研究設(shè)定。對(duì)模型動(dòng)態(tài)特征參數(shù)采用貝葉斯計(jì)量估計(jì)取值?？紤]到2007年以拍拍貸為代表的P2P網(wǎng)絡(luò)借貸平臺(tái)在我國(guó)首次出現(xiàn)，故選擇2010年第1季度至2017年第4季度為樣本期。為避免估計(jì)的非奇異矩陣問(wèn)題，選取觀測(cè)變量個(gè)數(shù)等于結(jié)構(gòu)性沖擊個(gè)數(shù)。模型引入包括技術(shù)生產(chǎn)率、住房偏好、投資調(diào)整成本以及貨幣政策在內(nèi)的4個(gè)外生隨機(jī)沖擊，故選擇4個(gè)觀測(cè)變量，分別為人均實(shí)際GDP、人均投資、7天隔夜拆借利率和通貨膨脹。對(duì)GDP和投資變量進(jìn)行季節(jié)調(diào)整和價(jià)格指數(shù)沖減后折算為實(shí)際變量和單邊濾波去趨勢(shì)處理。數(shù)據(jù)來(lái)源為Wind數(shù)據(jù)庫(kù)和CQER數(shù)據(jù)庫(kù)。

（一）參數(shù)校準(zhǔn)

參照侯成琪等[18]的設(shè)定，儲(chǔ)蓄居民與借貸居民主觀貼現(xiàn)率分別取0.99和0.98。勞動(dòng)供給彈性的逆，現(xiàn)有文獻(xiàn)研究認(rèn)為合理取值在2左右，本文取2。參照許志偉等[19-20]的設(shè)定，資本產(chǎn)出份額取0.45。設(shè)年度資本折舊率10%，季度折舊率則取2.5%。兩類(lèi)居民勞動(dòng)投入份額占比取0.64，勞動(dòng)供給在效用函數(shù)中權(quán)重取1。根據(jù)我國(guó)網(wǎng)貸之家調(diào)查，P2P網(wǎng)絡(luò)借貸房產(chǎn)抵押率上限是七成。截至2017年5月末，金融業(yè)本外幣貸款余額中60%為抵質(zhì)押貸款，房地產(chǎn)為主要押品，占押品比重約為50%。因此，本文P2P網(wǎng)絡(luò)借貸抵押率取0.7，商業(yè)貸款抵押率取0.5。參考Gambacorta等[16]的研究，銀行凈資本折舊取0.049。其次，對(duì)具有明確經(jīng)濟(jì)含義和穩(wěn)態(tài)有關(guān)結(jié)構(gòu)參數(shù)采用經(jīng)驗(yàn)數(shù)據(jù)匹配校準(zhǔn)方法。匹配穩(wěn)態(tài)下儲(chǔ)蓄居民兩種資產(chǎn)配置規(guī)模比，資產(chǎn)配置系數(shù)取2。銀行信貸與P2P信貸比值在基準(zhǔn)模型中取0.25，在后面內(nèi)生分析中則由深度結(jié)構(gòu)參數(shù)內(nèi)生確定。銀行未分配利潤(rùn)占比取0.8，匹配上市銀行年報(bào)平均值。借貸居民貸款利率加成取0.6%，匹配季度存貸利差平均值。投資與借款匹配關(guān)系取2.3，匹配P2P網(wǎng)絡(luò)借貸投資人與借款人占比平均值。根據(jù)Wind數(shù)據(jù)統(tǒng)計(jì)，樣本期內(nèi)我國(guó)商業(yè)銀行資本充足率季度值取12.67%。參照王文甫[21]的研究，我國(guó)零售品廠商平均每4個(gè)季度調(diào)整一次價(jià)格，并根據(jù)Calvo與Rotemberg定價(jià)匹配原則，消費(fèi)品替代彈性取6，價(jià)格調(diào)整成本系數(shù)取72.01。具體參數(shù)校準(zhǔn)結(jié)果見(jiàn)表1。

（二）參數(shù)估計(jì)

根據(jù)Pfeifer[22]的研究建議，為使觀測(cè)變量與模型變量保持經(jīng)濟(jì)意義匹配一致性，在模型中增加量測(cè)方程刻畫(huà)觀測(cè)變量與模型變量之間的關(guān)系。同時(shí)，根據(jù)已有文獻(xiàn)先驗(yàn)信息給出待估參數(shù)初始值，缺少先驗(yàn)信息則采用較為寬松設(shè)定，盡量使估計(jì)結(jié)果較少受先驗(yàn)分布誤設(shè)影響。本模型利用Dynare優(yōu)化算法進(jìn)行貝葉斯估計(jì)，但Dynare內(nèi)嵌多種數(shù)值優(yōu)化器，尋找后驗(yàn)?zāi)Ｊ酱嬖趦蓚€(gè)問(wèn)題：一是這些算法只能找到局部最大后驗(yàn)密度，不能確保全局最大值;二是后驗(yàn)密度海森矩陣非正定，算法可能無(wú)法收斂。對(duì)此，參照Z(yǔ)ha[23]的研究，調(diào)用外部函數(shù)從先驗(yàn)分布中執(zhí)行隨機(jī)模式搜索1000次，并利用后驗(yàn)分布MCMC通過(guò)Markov鏈抽樣2萬(wàn)次模擬估計(jì)，提高對(duì)數(shù)數(shù)據(jù)密度，保證估計(jì)穩(wěn)健性。具體參數(shù)估計(jì)結(jié)果見(jiàn)表2。

（三）模型適用性分析

匹配比較模型經(jīng)濟(jì)和現(xiàn)實(shí)經(jīng)濟(jì)中主要宏觀變量的一階矩和二階矩條件，交叉驗(yàn)證模型對(duì)現(xiàn)實(shí)經(jīng)濟(jì)的擬合效果，結(jié)果見(jiàn)表3?？梢?jiàn)，盡管由于模型為封閉經(jīng)濟(jì)體，未包含凈出口市場(chǎng)，模型經(jīng)濟(jì)與現(xiàn)實(shí)經(jīng)濟(jì)存在稍許偏差，但從經(jīng)濟(jì)結(jié)構(gòu)角度看，模型經(jīng)濟(jì)與實(shí)際樣本較接近，說(shuō)明決定模型穩(wěn)態(tài)的結(jié)構(gòu)參數(shù)校準(zhǔn)較合理。從經(jīng)濟(jì)波動(dòng)角度看，模型經(jīng)濟(jì)與實(shí)際樣本高度擬合，說(shuō)明觀測(cè)變量數(shù)據(jù)已充分識(shí)別、估計(jì)待估參數(shù)。整體上，本模型對(duì)現(xiàn)實(shí)經(jīng)濟(jì)的擬合效果較好。

五、數(shù)值模擬與量化評(píng)估

（一）P2P網(wǎng)絡(luò)借貸的經(jīng)濟(jì)效應(yīng)模擬

首先，通過(guò)技術(shù)沖擊刻畫(huà)經(jīng)濟(jì)繁榮時(shí)P2P網(wǎng)絡(luò)借貸發(fā)展對(duì)宏觀經(jīng)濟(jì)的影響。其中，式（8）中α分別取1、0.75和0.25，分別對(duì)應(yīng)模型經(jīng)濟(jì)中P2P網(wǎng)絡(luò)借貸占信貸比重0%、25%和75%三種情景。圖4模擬顯示，隨著P2P網(wǎng)絡(luò)借貸占比提高，社會(huì)信貸增長(zhǎng)幅度增加。通過(guò)P2P網(wǎng)絡(luò)借貸平臺(tái)，借貸居民信貸約束被放松，能夠消費(fèi)更多商品和住房，而儲(chǔ)蓄居民財(cái)富管理渠道被拓寬，財(cái)富效應(yīng)帶動(dòng)消費(fèi)增加。由于房屋供給一定，借貸居民購(gòu)房需求釋放，擠出儲(chǔ)蓄居民購(gòu)房需求。因此，P2P網(wǎng)絡(luò)借貸的存在與發(fā)展確實(shí)促進(jìn)了社會(huì)信貸規(guī)模增加，擴(kuò)大了金融服務(wù)的覆蓋面，提高了普惠金融服務(wù)滲透率，釋放了更多潛在需求，這與我國(guó)金融體系尚未覆蓋的長(zhǎng)尾人群較多，網(wǎng)絡(luò)借貸行業(yè)發(fā)揮了較大的普惠金融作用事實(shí)一致。

其次，信貸規(guī)?；蛐刨J占GDP比重波動(dòng)幅度越大，預(yù)示金融越不穩(wěn)定。若信貸規(guī)?；蛐刨J占GDP比重過(guò)度起伏，將引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。表4模擬統(tǒng)計(jì)結(jié)果顯示，隨著P2P網(wǎng)絡(luò)借貸占比增加，不論信貸規(guī)模還是信貸占GDP比重的標(biāo)準(zhǔn)差都隨之增加。如圖5所示，這種信貸波動(dòng)還會(huì)隨著P2P網(wǎng)絡(luò)借貸占比上升呈非線性積累。這是因?yàn)橘Y本要求約束僅影響銀行信貸，尚未約束P2P網(wǎng)絡(luò)借貸，故P2P網(wǎng)絡(luò)借貸占比越高，整個(gè)社會(huì)信貸約束越弱，市場(chǎng)波動(dòng)越劇烈。這也說(shuō)明P2P網(wǎng)絡(luò)借貸作為資金融通平臺(tái)，如同影子銀行，已事實(shí)上成為與銀行體系平行的準(zhǔn)銀行。銀行資產(chǎn)負(fù)債表不能完全反映貨幣信貸創(chuàng)造過(guò)程，很多信用創(chuàng)造過(guò)程發(fā)生在銀行體系之外。如果宏觀審慎管理范圍過(guò)窄，大量流動(dòng)性游離在貨幣監(jiān)測(cè)之外，都可能成為系統(tǒng)性風(fēng)險(xiǎn)的重要來(lái)源。

從社會(huì)福利角度看，P2P網(wǎng)絡(luò)借貸發(fā)展是否能夠顯著改善社會(huì)福祉呢？借鑒Schmitt-Grohe等[24]的研究，用補(bǔ)償方差（Compensation Variation，CV）比較不同體制之間的福利差異。將模型中有無(wú)P2P網(wǎng)絡(luò)借貸作為兩種不同體制，設(shè)不存在P2P網(wǎng)絡(luò)借貸時(shí)，儲(chǔ)蓄居民和借貸居民福利分別為Ws*和Wb*。結(jié)合居民效用函數(shù)，與存在P2P網(wǎng)絡(luò)借貸相比，福利差異可分別表示為CEs和CEb，即

將模型在二階條件下展開(kāi)，并根據(jù)式（42）（43）求解計(jì)算福利差異。如圖6所示，隨著P2P網(wǎng)絡(luò)借貸規(guī)模占比增加，借貸居民信貸約束被放松，消費(fèi)和住房支出相應(yīng)增加，福利持續(xù)改善;儲(chǔ)蓄居民不受信貸約束影響，住房市場(chǎng)被擠出，福利反而下降。當(dāng)借貸居民福利改善大于儲(chǔ)蓄居民福利惡化，社會(huì)整體福利改善。但是，P2P網(wǎng)絡(luò)借貸占比越大，信貸和消費(fèi)波動(dòng)也越大，這不利于家庭居民平滑消費(fèi)。此外，隨著P2P網(wǎng)絡(luò)借貸占比增大，福利改善邊際效應(yīng)下降，風(fēng)險(xiǎn)積累邊際影響遞增，最終在P2P網(wǎng)絡(luò)借貸占比達(dá)到一定規(guī)模后，反轉(zhuǎn)最初福利增加，取而代之是福利下降。這表明P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模存在最優(yōu)效率邊界，無(wú)序發(fā)展不利于社會(huì)福祉提高，也說(shuō)明既要有內(nèi)在激勵(lì)機(jī)制，鼓勵(lì)P2P網(wǎng)絡(luò)借貸運(yùn)用科技手段深耕金融服務(wù)，促進(jìn)金融普惠，又要有外在約束機(jī)制，加強(qiáng)宏觀審慎監(jiān)管，保障P2P網(wǎng)絡(luò)借貸行業(yè)合規(guī)發(fā)展，這二者并非“對(duì)立關(guān)系”。

（二）P2P網(wǎng)絡(luò)借貸的流動(dòng)性風(fēng)險(xiǎn)模擬

“短存長(zhǎng)貸”期限錯(cuò)配，即資金來(lái)源短期化，資金運(yùn)用長(zhǎng)期化，普遍存在于銀行業(yè)。由于銀行持有金融牌照，通過(guò)完備風(fēng)險(xiǎn)撥備制度、不良資產(chǎn)處置機(jī)制以及同業(yè)拆借、中央銀行再貸款等多種手段進(jìn)行風(fēng)險(xiǎn)緩釋?zhuān)l(fā)生存款人擠兌，引發(fā)流動(dòng)性風(fēng)險(xiǎn)概率很低。與此不同，P2P網(wǎng)絡(luò)借貸平臺(tái)本質(zhì)上是金融信息中介，包括拆標(biāo)的和拆期限的資金池業(yè)務(wù)模式已觸及期限錯(cuò)配問(wèn)題。通過(guò)債權(quán)轉(zhuǎn)讓將到期短標(biāo)資產(chǎn)流動(dòng)起來(lái)，拉平被錯(cuò)配周期，在沒(méi)有相應(yīng)風(fēng)險(xiǎn)緩釋措施和中央銀行最后貸款人背書(shū)保障下，反而會(huì)放大流動(dòng)性風(fēng)險(xiǎn)。為模擬刻畫(huà)這種情景，本文對(duì)衡量P2P網(wǎng)絡(luò)借貸市場(chǎng)出借人與借款人之間的匹配關(guān)系施加沖擊，結(jié)果如圖7所示。

第一，P2P網(wǎng)絡(luò)借貸規(guī)模占比越大，網(wǎng)絡(luò)借貸利率和風(fēng)險(xiǎn)溢價(jià)上升越多，社會(huì)信貸規(guī)模下降越大，投資、消費(fèi)等實(shí)體經(jīng)濟(jì)下滑越嚴(yán)重。這說(shuō)明對(duì)P2P網(wǎng)絡(luò)借貸行業(yè)設(shè)置較高準(zhǔn)入門(mén)檻，通過(guò)合規(guī)檢查、備案，逐步向牌照管理轉(zhuǎn)變，保持合理適度的P2P網(wǎng)絡(luò)借貸規(guī)模，不僅有利于社會(huì)福利改善，也會(huì)避免平臺(tái)流動(dòng)性風(fēng)險(xiǎn)積聚蔓延，影響投資者信心，形成惡性循環(huán)。第二，P2P網(wǎng)絡(luò)借貸期限錯(cuò)配越嚴(yán)重，網(wǎng)絡(luò)借貸利率和風(fēng)險(xiǎn)溢價(jià)上升越快，流動(dòng)性風(fēng)險(xiǎn)越大。作為資金池業(yè)務(wù)，一旦出借人集體贖回資金，或新資金流入驟降，短期流動(dòng)性枯竭，就會(huì)加大擠兌風(fēng)險(xiǎn)。盡管債權(quán)轉(zhuǎn)讓在一定程度上提升資金撮合效率，但也會(huì)加快資金匹配兌付頻率，借新還舊本質(zhì)上十分接近龐氏騙局。這些脆弱性的積累隨時(shí)都可能因金融狀況突然收緊、市場(chǎng)恐慌情緒影響而暴露出流動(dòng)性風(fēng)險(xiǎn)，因此為維護(hù)金融穩(wěn)定，應(yīng)當(dāng)更積極地使用宏觀審慎工具，包括逆周期資本緩沖，來(lái)解決P2P網(wǎng)絡(luò)借貸行業(yè)的脆弱性問(wèn)題。第三，與P2P網(wǎng)絡(luò)借貸規(guī)模相比，網(wǎng)絡(luò)借貸平臺(tái)不合規(guī)經(jīng)營(yíng)行為造成的流動(dòng)性風(fēng)險(xiǎn)更為嚴(yán)重。這說(shuō)明風(fēng)險(xiǎn)控制是網(wǎng)絡(luò)借貸平臺(tái)的核心，只有加快審慎監(jiān)管立法，盡快制定平臺(tái)企業(yè)內(nèi)部控制標(biāo)準(zhǔn)規(guī)范，進(jìn)行風(fēng)險(xiǎn)控制指引，明確風(fēng)險(xiǎn)緩釋手段，保證平臺(tái)企業(yè)合法合規(guī)運(yùn)營(yíng)，才能從源頭防控網(wǎng)絡(luò)借貸行業(yè)的金融風(fēng)險(xiǎn)。

（三）P2P網(wǎng)絡(luò)借貸下的宏觀審慎政策有效性

逆周期資本緩沖和LTV比率限制是兩項(xiàng)重要的宏觀審慎工具。前者能夠增強(qiáng)金融彈性，降低信貸周期，后者能降低受信貸約束居民消費(fèi)對(duì)金融沖擊的反應(yīng)，緩解金融順周期性自我加速機(jī)制。盡管如此，這些審慎監(jiān)管只適用于銀行，P2P網(wǎng)絡(luò)借貸不在監(jiān)管范圍內(nèi)，宏觀審慎政策有效性評(píng)估至關(guān)重要。參照Iacoviello等[25]的研究，此處放棄P2P網(wǎng)絡(luò)借貸占比外生假設(shè)?？紤]貸款償還違約，銀行預(yù)期違約成本為

式（48）表明P2P網(wǎng)絡(luò)借貸占比主要取決于銀行與P2P網(wǎng)絡(luò)借貸平臺(tái)各自LTV水平與其約束松緊程度，這說(shuō)明在信貸市場(chǎng)上，P2P網(wǎng)絡(luò)借貸規(guī)模

與宏觀審慎政策有效性密切相關(guān)。審慎政策趨緊、金融監(jiān)管趨嚴(yán)抑制了銀行信貸供給，造成一些融資需求無(wú)法滿足，紛紛轉(zhuǎn)向P2P網(wǎng)絡(luò)借貸平臺(tái)融資，反而促進(jìn)了網(wǎng)貸平臺(tái)發(fā)展。需要強(qiáng)調(diào)的是，銀行資本要求決定銀行可貸款供給規(guī)模，相當(dāng)于銀行LTV松緊約束，同樣對(duì)P2P網(wǎng)絡(luò)借貸占比具有影響。如圖8所示，銀行LTV收緊和資本要求提高，或放松P2P網(wǎng)絡(luò)借貸LTV，都會(huì)促進(jìn)P2P網(wǎng)絡(luò)借貸行業(yè)發(fā)展。這與2013年和2014年我國(guó)銀行業(yè)全面收緊貸款審批，導(dǎo)致P2P網(wǎng)絡(luò)借貸行業(yè)爆發(fā)式增長(zhǎng)事實(shí)一致。

為評(píng)估P2P網(wǎng)絡(luò)借貸下的宏觀審慎政策，分別以生產(chǎn)技術(shù)增加和政策利率提高的沖擊刻畫(huà)經(jīng)濟(jì)繁榮和經(jīng)濟(jì)過(guò)熱來(lái)進(jìn)行反事實(shí)模擬分析。對(duì)經(jīng)濟(jì)模型二階展開(kāi)，并考慮四種情景：（1）無(wú)P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為資本要求（CRR）和貸款價(jià)值比約束（LTV）;（2）存在P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為CRR;（3）存在P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為L(zhǎng)TV;（4）存在P2P網(wǎng)絡(luò)借貸，宏觀審慎工具為CRR和LTV，增加P2P網(wǎng)絡(luò)借貸LTV約束。不同情景下政策模擬結(jié)果見(jiàn)表5。

表5模擬結(jié)果顯示：第一，P2P網(wǎng)絡(luò)借貸既提高金融服務(wù)覆蓋面，也帶來(lái)較大信貸波動(dòng)。在經(jīng)濟(jì)繁榮情景下，P2P網(wǎng)絡(luò)借貸的存在，會(huì)顯著促進(jìn)產(chǎn)出、消費(fèi)和投資等實(shí)體經(jīng)濟(jì)增長(zhǎng)，在改善社會(huì)福利的同時(shí)，也造成信貸波動(dòng)增加。第二，在經(jīng)濟(jì)繁榮情景下，技術(shù)進(jìn)步帶來(lái)經(jīng)濟(jì)擴(kuò)張，放松了銀行資本要求和LTV約束，市場(chǎng)流動(dòng)性充裕，P2P網(wǎng)絡(luò)借貸信貸占比下降。在經(jīng)濟(jì)過(guò)熱情景下，貨幣政策收緊，“大河無(wú)水小河干”，資金供給趨緊導(dǎo)致銀行信貸和P2P網(wǎng)絡(luò)借貸規(guī)模下降，但P2P網(wǎng)絡(luò)借貸信貸占比卻上升。這說(shuō)明在非對(duì)稱(chēng)監(jiān)管下，貨幣政策收緊對(duì)銀行信貸和P2P網(wǎng)絡(luò)借貸具有非對(duì)稱(chēng)緊縮影響。第三，在經(jīng)濟(jì)繁榮情景下，信貸標(biāo)準(zhǔn)差分別為2.93、4.58、4.73和4.70;在經(jīng)濟(jì)過(guò)熱情景下，信貸標(biāo)準(zhǔn)差則分別為10.49、12.08、14.74和14.03?？梢?jiàn)，P2P網(wǎng)絡(luò)借貸削弱了宏觀審慎政策有效性，造成更大信貸波動(dòng)，增加了銀行體系之外的金融脆弱性。這說(shuō)明在非對(duì)稱(chēng)監(jiān)管下，僅對(duì)銀行信貸供給進(jìn)行限制，并不能達(dá)到對(duì)信貸整體約束的目的。借貸居民從銀行貸款轉(zhuǎn)向P2P網(wǎng)絡(luò)借貸平臺(tái)融資，P2P網(wǎng)絡(luò)借貸平臺(tái)成為規(guī)避監(jiān)管缺口，不能有效熨平信貸波動(dòng)，這背離了宏觀審慎政策初衷。相反，如果增加對(duì)P2P網(wǎng)絡(luò)借貸LTV約束，則會(huì)在一定程度上彌補(bǔ)監(jiān)管漏洞，提高宏觀審慎政策有效性。第四，從審慎工具使用效果看，LTV約束比資本要求更能有效抑制信貸波動(dòng)。LTV直接限制可貸款規(guī)模，不需要過(guò)多中間傳導(dǎo)環(huán)節(jié)，具有“立竿見(jiàn)影”效果。相反，資本要求是一種懲罰機(jī)制，僅影響銀行可貸資金寬裕程度，不直接作用于信貸供給，政策效果更多取決于銀行放貸意愿。從經(jīng)濟(jì)周期角度看，宏觀審慎工具效果是不對(duì)稱(chēng)的。相比經(jīng)濟(jì)過(guò)熱情景，在經(jīng)濟(jì)繁榮情景下，宏觀審慎政策會(huì)帶來(lái)社會(huì)福利明顯改善，這說(shuō)明收緊宏觀審慎政策要比放松宏觀審慎政策的效果更明顯。

六、主要結(jié)論與政策建議

在深化金融供給側(cè)結(jié)構(gòu)性改革大背景下，完善宏觀審慎政策框架，促進(jìn)P2P網(wǎng)絡(luò)借貸規(guī)范發(fā)展，平衡好穩(wěn)增長(zhǎng)和防風(fēng)險(xiǎn)的關(guān)系，增強(qiáng)金融服務(wù)實(shí)體經(jīng)濟(jì)能力具有重要意義。本文利用DSGE模型刻畫(huà)我國(guó)P2P網(wǎng)絡(luò)借貸特征事實(shí)，數(shù)值模擬分析P2P網(wǎng)絡(luò)借貸平臺(tái)的經(jīng)濟(jì)效應(yīng)、流動(dòng)性風(fēng)險(xiǎn)，量化評(píng)估P2P網(wǎng)絡(luò)借貸下宏觀審慎政策的有效性。研究發(fā)現(xiàn)：第一，P2P網(wǎng)絡(luò)借貸既擴(kuò)大金融服務(wù)覆蓋面，提高金融滲透率，促進(jìn)實(shí)體經(jīng)濟(jì)增長(zhǎng)，又放大信貸波動(dòng)，增加銀行體系外的金融脆弱性，影響金融穩(wěn)定;第二，P2P網(wǎng)絡(luò)借貸具有信用中介特征，其行業(yè)無(wú)序發(fā)展和債權(quán)轉(zhuǎn)讓模式不僅難以促進(jìn)反而惡化社會(huì)福利，造成期限錯(cuò)配的流動(dòng)性風(fēng)險(xiǎn);第三，在非對(duì)稱(chēng)監(jiān)管下，P2P網(wǎng)絡(luò)借貸削弱宏觀審慎政策有效性，造成更大信貸波動(dòng)，而貨幣政策收緊對(duì)銀行信貸和P2P網(wǎng)絡(luò)借貸具有非對(duì)稱(chēng)緊縮影響;第四，將P2P網(wǎng)絡(luò)借貸納入宏觀審慎政策框架，一定程度上可平抑信貸波動(dòng)，提高宏觀審慎政策有效性。

綜上所述，本文提出以下幾點(diǎn)建議：第一，加強(qiáng)網(wǎng)絡(luò)借貸平臺(tái)準(zhǔn)入審查，明確網(wǎng)絡(luò)借貸平臺(tái)的準(zhǔn)入資質(zhì)，設(shè)置較高準(zhǔn)入門(mén)檻。通過(guò)合規(guī)檢查、備案，逐步向牌照管理轉(zhuǎn)變，保持合理適度的P2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模。第二，建立網(wǎng)絡(luò)借貸信息披露機(jī)制，提高信息披露準(zhǔn)確性和透明度，既要強(qiáng)化違法違規(guī)行為懲治力度，又要鼓勵(lì)平臺(tái)完善風(fēng)險(xiǎn)控制機(jī)制，保證平臺(tái)業(yè)務(wù)模式合法合規(guī)。第三，建立投資者適當(dāng)性制度，出臺(tái)投資者適當(dāng)性標(biāo)準(zhǔn)，加強(qiáng)投資者教育，提高出借人對(duì)P2P網(wǎng)絡(luò)借貸項(xiàng)目風(fēng)險(xiǎn)的識(shí)別能力和承受能力。第四，構(gòu)建納入P2P網(wǎng)絡(luò)借貸的宏觀審慎政策框架，完善審慎監(jiān)管工具和方式，注重短期引導(dǎo)及長(zhǎng)期規(guī)范相配合，有效平衡金融創(chuàng)新與風(fēng)險(xiǎn)的關(guān)系，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線。

參考文獻(xiàn)：

[1]?Narain A. Two faces of change[J]. Finance & Development， 2016， 53（3）： 20-21.

[2]?Freedman S， Jin G Z. The information value of online social networks： Lessons from peer-to-peer lending[J]. International Journal of Industrial Organization， 2017， 51（2）： 185-222.

[3]?Bank for International Settlements. Annual economic report[R]. BIS Annual Economic Report， 2018.

[4]?International Monetary Fund. A decade after the global financial crisis： Are we safer？[R]. Global Financial Stability Reports， 2018.

[5]?李?lèi)偫祝?郭陽(yáng)， 張維. 中國(guó)P2P小額貸款市場(chǎng)借貸成功率影響因素分析[J]. 金融研究， 2013（7）： 126-138.

[6]?周雄偉， 朱恒先， 李世剛. 平臺(tái)參與投資與P2P籌資效率[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2017（4）： 155-175.

[7]?朱家祥， 沈艷， 鄒欣. 網(wǎng)絡(luò)借貸： 普惠？普騙？與監(jiān)管科技[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2018（4）： 1599-1622.

[8]?馮博， 葉綺文， 陳冬宇. P2P網(wǎng)絡(luò)借貸研究進(jìn)展及中國(guó)問(wèn)題研究展望[J]. 管理科學(xué)學(xué)報(bào)， 2017（4）： 113-126.

[9]?黃益平， 沈艷， 王靖一. 哪類(lèi)個(gè)體網(wǎng)絡(luò)借貸平臺(tái)容易出問(wèn)題？[R]. 北京大學(xué)國(guó)家發(fā)展研究院和北京大學(xué)互聯(lián)網(wǎng)金融研究中心工作論文， 2015.

[10]王修華， 孟路， 歐陽(yáng)輝. P2P網(wǎng)絡(luò)借貸問(wèn)題平臺(tái)特征分析及投資者識(shí)別[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2016（12）： 71-84.

[11]范超， 王磊， 解明明. 新經(jīng)濟(jì)業(yè)態(tài)P2P網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)甄別研究[J]. 統(tǒng)計(jì)研究， 2017（2）： 33-43.

[12]劉紅忠， 毛杰. P2P網(wǎng)絡(luò)借貸平臺(tái)爆發(fā)風(fēng)險(xiǎn)事件問(wèn)題的研究[J]. 金融研究， 2018（11）： 119-132.

[13]魏明俠， 趙艷. 基于博弈模型的P2P網(wǎng)絡(luò)借貸行業(yè)風(fēng)險(xiǎn)機(jī)理研究[J]. 金融監(jiān)管研究， 2018（12）： 83-97.

[14]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle[J]. American Economic Review， 2005， 95（3）： 739-764.

[15]Kiyotaki N， Moore J. Credit cycles[J]. Journal of Political Economy， 1997， 105（2）： 211-248.

[16]Gambacorta L， Signoretti F M. Should monetary policy lean against the wind： An analysis based on a DSGE model with banking[J]. Journal of Economic Dynamics and Control， 2014， 43（1）： 146-174.

[17]Mendicino C， Pescatori A. Credit frictions， housing prices and optimal monetary policy rules[R]. Departmental Working Papers of Economics-University， 2004.

[18]侯成琪， 劉潁. 外部融資溢價(jià)機(jī)制與抵押約束機(jī)制[J]. 經(jīng)濟(jì)評(píng)論， 2015（4）： 134-147.

[19]許志偉， 林仁文. 我國(guó)總量生產(chǎn)函數(shù)的貝葉斯估計(jì)[J]. 世界經(jīng)濟(jì)文匯， 2011（2）： 87-102.

[20]馬文濤， 魏福成. 基于新凱恩斯動(dòng)態(tài)隨機(jī)一般均衡模型的季度產(chǎn)出缺口測(cè)度[J]. 管理世界， 2011（5）： 39-65.

[21]王文甫. 價(jià)格粘性、流動(dòng)性約束與中國(guó)財(cái)政政策的宏觀效應(yīng)[J]. 管理世界， 2010（9）： 11-25.

[22]Pfeifer J. A guide to specifing observation equations for the estimation of DSGE models[R]. University of Mannheim Working Paper， 2014.

[23]Zha Tao. Bayesian estimation of DSGE models[R]. International Monetary Fund Institute for Capacity Development Joint China-IMF Training Program， 2018.

[24]Schmitt-Grohe S， Uribe M. Optimal fiscal and monetary policy under sticky prices[J]. Journal of Economic Theory， 2004， 114（2）： 198-230.

[25]Iacoviello M， Minetti R. International business cycles with domestic and foreign lenders[J]. Journal of Monetary Economics， 2006， 53（8）： 2267-2282.