風險資產(chǎn)配置、股價波動與網(wǎng)貸風險
——兼論對網(wǎng)貸利率的影響

胡金焱 水兵兵

(山東大學 經(jīng)濟學院，山東 濟南 250100；青島大學，山東 青島 266071)

一、引言

2015年，在經(jīng)過數(shù)年的快速發(fā)展后，中國網(wǎng)絡借貸市場(主要指P2P網(wǎng)絡借貸市場，以下簡稱“網(wǎng)貸市場”)風險第一次大面積集中爆發(fā)，大量問題平臺的出現(xiàn)導致眾多出借人投資受損，繼而引發(fā)局部金融風險和區(qū)域性社會問題。因此，網(wǎng)貸風險問題開始受到社會廣泛關注。

互聯(lián)網(wǎng)金融是互聯(lián)網(wǎng)與信息通信技術不斷發(fā)展，進而推動互聯(lián)網(wǎng)與金融融合的產(chǎn)物。作為互聯(lián)網(wǎng)金融典型業(yè)態(tài)的網(wǎng)絡借貸，由于迎合了數(shù)量龐大但被銀行等正規(guī)金融機構拒之門外的小微企業(yè)及個人的融資需求，自出現(xiàn)伊始便得到了快速發(fā)展，令長期飽受融資約束之苦的小微企業(yè)及個人看到了曙光，也為投資渠道單一收益偏低的投資者提供了一種新的投資選擇，因而受到了政府的鼓勵。在“促進互聯(lián)網(wǎng)金融健康發(fā)展”的號召下，2015年中國人民銀行等十部門聯(lián)合發(fā)布《關于促進互聯(lián)網(wǎng)金融健康發(fā)展的指導意見》，政府支持互聯(lián)網(wǎng)金融發(fā)展的意圖明顯。2014年，我國網(wǎng)絡借貸市場出現(xiàn)爆發(fā)式增長——當年運營平臺存量達到1575家，比2013年的800家增加了近一倍；2015年更是達到了2595家。然而，好景不長，網(wǎng)絡借貸這一新型現(xiàn)代民間借貸金融模式在爆發(fā)式增長的同時，其潛在的風險也在快速形成和大量積聚。2015年，我國網(wǎng)貸市場風險爆發(fā)，截至當年年底全國累計出現(xiàn)問題平臺896家，比2013年運營平臺的總數(shù)還多，而2014年問題平臺數(shù)量僅為273家。(1)數(shù)據(jù)來自《2015年中國網(wǎng)絡借貸行業(yè)年報》。僅一年的時間，問題平臺數(shù)量就激增兩倍多，決策層開始要求健全監(jiān)管和化解風險。(2)2016年、2017年《政府工作報告》分別提出“規(guī)范發(fā)展互聯(lián)網(wǎng)金融”和“對互聯(lián)網(wǎng)金融等累積風險要高度警惕”。學術界也展開對網(wǎng)貸市場風險的研究，以期能找到爆發(fā)此次風險的根源，并對癥下藥，促進網(wǎng)貸行業(yè)健康規(guī)范發(fā)展。

既有的研究主要是從平臺層面和個體層面展開，通過兩個層面分別探尋網(wǎng)貸平臺和借貸雙方個體的哪些因素會導致網(wǎng)貸風險。不過，既有研究發(fā)現(xiàn)的致險因素大都來自網(wǎng)貸平臺內部。但實際上，傳染源個體與其他個體之間高度獨立，即使是平臺層面的傳染，從風險產(chǎn)生到傳染也是一個逐漸擴散的過程，也需要一定的時間。而2015年網(wǎng)貸風險的顯著特征是“短時間內大面積集中爆發(fā)”。因此，已有研究并不足以對此現(xiàn)象做出合理解釋。這意味著，可能還存在來自平臺外部的致險因素。

本文將拓展以上研究，將視角擴展到網(wǎng)貸平臺的外部，研究股價波動對網(wǎng)貸風險的影響，并考察其對網(wǎng)貸利率的決定作用。通過觀察中國2014-2015年重要經(jīng)濟事件，我們不難發(fā)現(xiàn)，中國股市在經(jīng)過幾年沉寂后于2014年年中開啟快速上漲模式后一直持續(xù)到2015年6月又突然轉向切換到急速深度下跌通道。對照發(fā)現(xiàn)，網(wǎng)貸市場同樣經(jīng)歷了2014年爆發(fā)式增長后2015年出現(xiàn)問題平臺激增。兩者呈現(xiàn)出的時間節(jié)點的高度吻合及趨勢上的高度一致，僅僅是一個巧合，還是暗含著某種內在的關聯(lián)，即2015年網(wǎng)貸市場風險的集中爆發(fā)是否與當年股票市場的暴跌有一定關系？在中國金融市場還不發(fā)達的情境下，銀行存款、理財產(chǎn)品和股票是很多家庭金融資產(chǎn)配置的主要品種，在家庭收益最大化規(guī)律支配下，其中一個品種價格發(fā)生變化就可能導致家庭對金融資產(chǎn)的重新配置，從而對其他品種的配置產(chǎn)生影響。事實上，這些金融資產(chǎn)中股票的價格波動是最大的，因此股價波動極有可能對家庭的另一項金融資產(chǎn)——網(wǎng)絡借貸的配置產(chǎn)生重要影響。因此，本文擬基于行為金融理論從微觀家庭資產(chǎn)配置決策出發(fā)，沿著“股價波動、風險資產(chǎn)配置、資本轉移和風險傳染”的邏輯鏈條，探討股價波動對網(wǎng)絡借貸市場風險及利率的作用機理，并使用收集到的170022條微觀交易數(shù)據(jù)進行實證檢驗。

本文的主要貢獻：(一)與以往研究主要集中于平臺和個體層面不同，我們的研究將視角擴展到網(wǎng)貸平臺之外的股票市場，拓展了網(wǎng)貸市場風險理論，證實了中國2015年第一次集中爆發(fā)的網(wǎng)貸市場風險與當年股票市場的暴跌有一定的關系，從一個側面為網(wǎng)貸市場風險集中爆發(fā)提供了部分解釋，加深了人們對網(wǎng)貸風險的認識；(二)基于微觀數(shù)據(jù)的經(jīng)驗檢驗表明股價波動對網(wǎng)貸市場風險具有一定的預測力，這一結論可以為政府完善網(wǎng)貸風險監(jiān)控及治理實踐提供有益的補充和借鑒；(三)進一步發(fā)現(xiàn)股價波動會對網(wǎng)貸利率產(chǎn)生正向沖擊，在豐富網(wǎng)貸利率決定理論的同時，可以為網(wǎng)貸平臺設定和完善自身利率評估模型提供有價值的理論參考。

二、文獻回顧與理論分析

風險是任何一個金融市場都無法回避而又想要控制的問題，網(wǎng)貸市場也不例外。對于可能引發(fā)網(wǎng)貸風險因素的研究，學者們主要從兩個層面展開：一個是平臺層面。田杰等的研究發(fā)現(xiàn)，網(wǎng)貸平臺的實力、業(yè)務模式、風控能力會對網(wǎng)貸平臺的風險產(chǎn)生影響(3)田杰、郭紫嫣、靳景玉：《我國P2P網(wǎng)貸平臺生存狀況影響因素研究——基于3842家P2P網(wǎng)貸平臺數(shù)據(jù)的實證分析》，《西部論壇》2019年第4期。；李蒼舒等的研究表明，網(wǎng)貸平臺的信息完善程度會影響平臺的風險(4)李蒼舒、沈艷：《風險傳染的信息識別——基于網(wǎng)絡借貸市場的實證》，《金融研究》2018年第11期。。另一個是個體層面。廖理等的關于P2P網(wǎng)絡借貸實證研究的綜述文章對此進行了詳細介紹，具體來說，個體層面的因素主要包括借貸雙方的人口統(tǒng)計學特征(如性別、年齡、種族等)(5)廖理、張偉強：《 P2P網(wǎng)絡借貸實證研究:一個文獻綜述》，《清華大學學報(哲學社會科學版)》2017年第2期。，借款人的情緒因素(6)陳榮達、林博、何誠穎、金騁路：《互聯(lián)網(wǎng)金融特征、投資者情緒與互聯(lián)網(wǎng)理財產(chǎn)品回報》，《經(jīng)濟研究》2019年第7期。、認知偏差(7)封思賢、那晉領：《P2P的用戶認知偏差、市場有效性與資金錯配》，《改革》2019年第2期。、資產(chǎn)財務狀況以及借款還款情況等。張笑、胡金焱認為，收入高的借款者違約率高，原因是他們的風險本來就高，無法從銀行取得貸款后隱瞞征信信息到網(wǎng)貸市場借款(8)張笑、胡金焱：《高收入者參與P2P網(wǎng)絡借貸的動機:基于信息不對稱的視角》，《改革》2019年第7期。。劉紅忠、毛杰認為，借款者待還金額的增長率和波動率對網(wǎng)貸風險有一定的影響。(9)劉紅忠、毛杰：《P2P網(wǎng)絡借貸平臺爆發(fā)風險事件問題的研究——基于實物期權理論的視角》，《金融研究》2018年第11期。還有學者基于風險與定價關系研究網(wǎng)貸利率定價對平臺風險的影響，如向虹宇等認為，平均利率較高的網(wǎng)貸平臺成為問題平臺的概率較大(10)向虹宇、王正位、江靜琳、廖理：《網(wǎng)貸平臺的利率究竟代表了什么?》，《經(jīng)濟研究》2019年第5期。。

以上研究發(fā)現(xiàn)的引發(fā)網(wǎng)貸風險的因素大都來自平臺內部，特點是產(chǎn)生的風險成點狀，非常分散，幾乎不可能在短時間內發(fā)生大面積風險——即2015年爆發(fā)的風險那樣。那么，存在哪些未知因素引起了網(wǎng)貸市場在短時間內發(fā)生了系統(tǒng)性風險，而這些因素與平臺內部因素相比影響更廣泛、破壞力更大。因此，對這些未知因素的探討和研究是非常必要的。遺憾的是，目前這方面的文獻還難得一見。本文將嘗試對引發(fā)網(wǎng)貸市場風險因素的研究從平臺內部擴展到平臺外部，重點研究平臺外股票市場對網(wǎng)貸市場風險的影響。

借鑒家庭風險資產(chǎn)配置理論和“后悔厭惡”假說，本文建立理論分析模型。

本文將股價波動分為上漲和下跌兩個階段。股價上漲會產(chǎn)生財富效應和投資效應。永久收入理論認為，當期增加的收入一部分被歸屬為永久性收入用于消費，其余為暫時性收入進行儲蓄，這里的儲蓄為廣義概念，還包括投資等(Modigliani & Brumberg，1954)。(11)Modigliani F., and Brumberg R.1954.“Utility analysis and the consumption function: An interpretation of cross-section data”, Post-keynesian economics.股價上漲會增加投資者收入(盡管在股票變現(xiàn)前仍屬于“虛擬收入”)以及對未來收入提高的預期和信心(陸寒寅等，2005)，進而增加消費和投資支出，產(chǎn)生財富效應和投資效應。Ludvigson et al.(1999)的研究證實了美國股票市場存在財富效應。Funke(2004)對來自拉丁美洲和亞洲16個新興市場國家的研究也表明，這些國家同樣存在股市財富效應。(12)Funke N.2004.“Is there a stock market wealth effect in emerging markets?” ,Economics Letters, 83(3).Case et al.(2001)對14個國家財富效應的研究則認為，這些國家股票市場的財富效應非常微弱。但Bertaut(2002)的研究認為，不同國家的財富效應具有顯著的異質性。(13)Bertaut C.C.2002.“Equity Prices, Household Wealth, and Consumption Growth in Foreign Industrial Countries: Wealth Effects in the 1990s”, International Finance Discussion Papers, 131(724).張漾濱(2012)對中國資本市場的研究表明，長期來看中國股市具有財富效應。(14)張漾濱：《中國股價與房價波動對居民消費的影響研究》，《管理世界》2012年第1期。胡永剛(2012)等的研究認為，如果同時考慮股市信號傳遞效應，中國股票市場的財富效應就會比較明顯。(15)胡永剛、郭長林：《股票財富、信號傳遞與中國城鎮(zhèn)居民消費》，《經(jīng)濟研究》2012年第3期。

隨著財富水平的提升，居民家庭將會增加風險資產(chǎn)的配置。徐佳(2016)等的研究證實了這一觀點，他們認為財富增加會顯著提高家庭股票資產(chǎn)的配置比重。(16)徐佳、譚婭：《中國家庭金融資產(chǎn)配置及動態(tài)調整》，《金融研究》2016年第12期。Baur et al.(2009)認為,資本在逐利天性驅使下必然發(fā)生轉移，由回報低的領域流向回報高的領域。(17)Baur D.G.and Lucey B.M., “Flights and Contagion-an Empirical Analysis of Stock-Bond Correlations”, Social Science Electronic Publishing.如果股價持續(xù)穩(wěn)定上漲，被高收益吸引的投資者甚至會將資金從原本用于消費的支出轉向股票投資，產(chǎn)生財富擠出效應。(18)王重潤：《房價、股價與消費的關系:1999-2011——基于動態(tài)面板數(shù)據(jù)的估計和檢驗》，《投資研究》2013年第9期。

在這個階段，如果信貸約束有所放松，則會進一步刺激投資者提高股票投資比重，加劇資本通過信貸市場流向股票市場。段軍山(2016)等的研究發(fā)現(xiàn)，信貸約束會對家庭的風險偏好產(chǎn)生影響，信貸約束緩解會降低家庭風險厭惡水平和增加其股票資產(chǎn)持有的概率。(19)段軍山、崔蒙雪：《信貸約束、風險態(tài)度與家庭資產(chǎn)選擇》，《統(tǒng)計研究》2016年第6期。2014年，中國股市預期向好又恰逢互聯(lián)網(wǎng)金融快速發(fā)展，網(wǎng)貸市場以其“進入門檻低、不需提供抵押擔保的純信用借貸模式、手續(xù)簡單放款快”等優(yōu)勢，極大地緩解了融資約束，為廣大投資者通過從網(wǎng)貸市場借款進行股票投資創(chuàng)造了條件，也有力地刺激了對網(wǎng)貸市場的資金需求進而引導其利率上行。這從一個側面為2014年中國網(wǎng)貸市場呈現(xiàn)出的爆發(fā)式增長現(xiàn)象，提供了部分解釋。

在股價上漲階段，網(wǎng)貸市場的規(guī)模在不斷擴大的同時，其風險也開始快速形成和積聚，但通常不會爆發(fā)，屬于潛在風險。主要原因是投資者可以通過股票變現(xiàn)償還網(wǎng)貸本息，或者繼續(xù)從網(wǎng)貸市場借款“以新還舊”。

那么，當股市下行股價開始下跌，又會對網(wǎng)貸市場的風險產(chǎn)生怎樣的影響呢？這里我們可以用行為金融學“后悔厭惡”理論來加以說明。后悔厭惡理論認為，人們對自身采取錯誤行動引起的后悔要比未實際行動產(chǎn)生的后悔更嚴重，通常會導致非理性行為。(20)Loomes G., and Sugden R.1982.“Regret theory: An alternative theory of rational choice under uncertainty”, Economic Journal, 92(368).當股價開始下跌，持股者為避免現(xiàn)在賣掉股票導致將來后悔而寧愿選擇繼續(xù)持有。而且隨著盈利被侵蝕直至出現(xiàn)虧損并逐漸擴大也不承認失敗(即所謂的“牛市賺小錢、熊市賠大錢”)，導致資金鏈斷裂無法償還網(wǎng)貸借款。此時，若遇上2014-2015年中國股市“快速大幅上漲后又快速大幅下跌”的情形，就會出現(xiàn)大量持股人虧損繼而引發(fā)大面積網(wǎng)貸違約的狀況。如果沒有2015年的股市持續(xù)深度下跌，網(wǎng)貸市場風險的爆發(fā)或許就是另一種情形——由點開始逐步到面，時間相對較長而不是短時間內爆發(fā)。也就是說，2014-2015年股票市場的“深∧”波動，既在上漲階段刺激了網(wǎng)貸規(guī)模的擴大和網(wǎng)貸風險的積累又在下跌階段加速了其風險的破裂。股價下跌后，投資者停止股票投資和對網(wǎng)貸資金的需求，從而自然地引導其利率下行。

值得一提的是，有不少文獻注意到家庭認知能力和金融知識在風險資產(chǎn)配置決策中的作用。孟亦佳(2014)的研究認為，認知能力會提高家庭金融市場的參與度和股票資產(chǎn)的配置比例。(21)孟亦佳：《認知能力與家庭資產(chǎn)選擇》，《經(jīng)濟研究》2014年第S1期。曾志耕(2015)等的研究發(fā)現(xiàn)，金融知識水平會顯著影響家庭風險資產(chǎn)配置種類以及股票投資組合的多樣性。(22)曾志耕、何青、吳雨、尹志超：《金融知識與家庭投資組合多樣性》，《經(jīng)濟學家》2015年第6期。吳雨(2016)等人也認為，金融知識水平越高的家庭會降低非金融資產(chǎn)配置而增加金融資產(chǎn)配置，尤其是將資產(chǎn)更多的配置到風險金融資產(chǎn)上。(23)吳雨、彭嫦燕、尹志超：《金融知識、財富積累和家庭資產(chǎn)結構》，《當代經(jīng)濟科學》2016年第4期。基于這些研究，我們可以合理假設，認知能力和金融知識在股價波動引發(fā)網(wǎng)貸風險及影響利率過程中將發(fā)揮“放大”作用，具有較高認知能力或金融知識的投資者在股價上漲時配置了更多的股票，愿意支付更高的利率并希望從網(wǎng)貸市場獲取更多的貸款，在股價下跌時其違約程度和對利率下行的影響也更嚴重。

三、實證研究

與自然學科不同，社會科學提出的不少理論所描述的理想情況在現(xiàn)實中并不會出現(xiàn)或尚未發(fā)生，即使發(fā)生了，有的也可能會因樣本過少或變量難以觀測只能進行理論推演而無法實施經(jīng)驗檢驗。中國2014—2015年股票市場的“深∧”波動為檢驗股價波動作用于網(wǎng)貸風險及利率提供了一個很好的自然實驗。以上證指數(shù)為例(見圖1)，從2014年6月的2010.53點快速上漲至2015年5月的局部高點5178.19點，上漲了1.58倍；之后便開始急速深度下跌至2016年2月的局部低點2638.96點，價格重新回到上漲啟動前的區(qū)間附近。這一輪的波動，無論是上漲還是下跌幅度都很大，為實施經(jīng)驗檢驗創(chuàng)造了條件。如果變量的浮動區(qū)間很小則可能出現(xiàn)變量變動尚未達到發(fā)生作用的閾值或效果十分微弱而無法被甄別觀測到，從而令檢驗失敗。

圖1 上證指數(shù)與網(wǎng)貸市場運營平臺和問題平臺數(shù)量(2013-2015年)(24)數(shù)據(jù)來源：《2015年中國網(wǎng)絡借貸行業(yè)年報》，上海證券交易所網(wǎng)站。

(一)計量模型設定

使用分樣本回歸對股價波動影響網(wǎng)貸風險進行檢驗。我們之所以不使用全樣本回歸，主要是因為盡管樣本期內股價波動振幅很大，但上漲和下跌幅度相當，直接進行全樣本回歸會導致很多重要特征被平均化，無法達到精確檢驗的要求。為此，本文將樣本設定為兩個子樣本：子樣本1和子樣本2，上漲階段的樣本歸為子樣本1(記S1)，下跌階段的樣本歸為子樣本2(記S2)，并分別設定計量模型如下：

ptoprisk = cons1+β1stock+γ1stock*education+θ1X1+ε1(對于個體i∈S1)

ptoprisk=cons2+β2stock+γ2stock*education+θ2X2+ε2(對于個體i∈S2)

其中，ptoprisk為網(wǎng)貸風險，cons為常數(shù)，stock為股價，education代表認知能力，X為控制向量，θ為系數(shù)向量，ε為誤差項。為檢驗認知能力的“放大”作用，在計量模型中加入交互項(stock*education)。股價波動對網(wǎng)貸風險的邊際作用為β+γeducation，隨education的變化而發(fā)生改變。

對于股價波動影響網(wǎng)貸利率的檢驗，設定模型如下：

ptoprate = cons3+ β3stock + γ3stock*education +θ3X3+ ε3

ptoprate為網(wǎng)貸利率。另一個重要問題是，股價波動對網(wǎng)貸利率的影響是否呈現(xiàn)出非線性特征？為檢驗此問題，在設定模型中加入股價平方項(stock2)：

ptoprate = cons4+ β4stock + δstock2+γ4stock*education+θ4X4+ε4

股價對網(wǎng)貸利率的邊際影響為β4+2δstock+γ4education，與股價有關，如果δ為正，則邊際影響隨股價上漲(下跌)遞增(遞減)，如果δ為負，則邊際影響隨股價上漲(下跌)遞減(遞增)。

(二)樣本與變量測度

1.樣本與數(shù)據(jù)。

本文樣本選自具有代表性的“人人貸”網(wǎng)貸平臺，共獲得有效樣本170022個，時間區(qū)間為2014年3月至2016年2月兩年跨度。時間區(qū)間選擇同時考慮了匹配股票波動區(qū)間和網(wǎng)貸交易周期，既不能過大導致無法準確捕捉關鍵特征又不能過小造成重要交易信息遺漏。據(jù)網(wǎng)貸之家統(tǒng)計顯示，2016年以前的網(wǎng)貸行業(yè)的平均交易期限基本上不超過7個月，兩年時間跨度完全可以包含交易的重要信息。本文的數(shù)據(jù)有兩大特征：一是微觀交易數(shù)據(jù)，使用微觀數(shù)據(jù)可以直接對研究對象的微觀行為進行檢驗，以發(fā)現(xiàn)和證實作用的底層發(fā)生機制，有助于探尋問題的根源；二是樣本足夠大，根據(jù)大樣本理論，回歸模型可以不受擾動項正態(tài)分布和嚴格外生性假定約束，與小樣本回歸比結果更穩(wěn)健、更具適用性。股價波動數(shù)據(jù)來自上海證券交易所網(wǎng)站，網(wǎng)貸行業(yè)月成交額數(shù)據(jù)來自第一網(wǎng)貸網(wǎng)站。

2.變量測度與數(shù)字特征。

被解釋變量。選取平均違約期數(shù)(違約期數(shù)/成功借款次數(shù))作為網(wǎng)貸風險的代理變量，平均違約期數(shù)越多表明違約的概率越大。使用P2P借貸利率對網(wǎng)貸利率進行測度。

核心解釋變量。使用上證指數(shù)對股價波動進行測度。

控制變量。借鑒廖理(2015)等人選取學歷作為認知能力的代理變量。(25)廖理、吉霖、張偉強：《借貸市場能準確識別學歷的價值嗎?——來自P2P平臺的經(jīng)驗證據(jù)》，《金融研究》2015年第3期。選取信用評級；年齡；收入、房產(chǎn)、房貸、車產(chǎn)、車貸；(26)Herzenstein M., Sonenshein S., and Dholakia U.M.2011.“Tell Me a Good Story and I May Lend You Money: The Role of Narratives in Peer-to-Peer Lending Decisions”, Journal of Marketing Research, 48(SPL).婚姻、借款金額、還款期限(27)Ravina E.2012.“Love & Loans: The Effect of Beauty and Personal Characteristics in Credit Markets”, SSRN Electronic Journal.和網(wǎng)貸行業(yè)月成交額作為控制變量。根據(jù)利率決定理論，名義利率水平受資金供給影響，樣本區(qū)間內網(wǎng)貸行業(yè)資金供給發(fā)生了重大變化，由最低供給水平的155億元上升到1497億元，上升接近9倍，因此控制住資金供給變量的影響十分必要。信貸市場利率還受一國真實經(jīng)濟發(fā)展和貨幣供應總量的影響，經(jīng)檢驗這兩者與上證指數(shù)高度相關存在嚴重多重共線性，故從模型中刪除。所有變量及定義見表1。

表1 各變量名稱及定義

變量的數(shù)字特征見表2。網(wǎng)貸利率平均值為11.743%，較大幅度高于銀行業(yè)的平均貸款利率。違約金額的平均值為305.32元。平均違約期數(shù)的均值為0.418期。主要變量均呈現(xiàn)較大振幅區(qū)間。

表2 主要變量描述性統(tǒng)計

(三)實證結果

表3列出了估計結果。第(1)(2)列是股價波動作用網(wǎng)貸風險的檢驗結果，為更集中準確反映股價波動對網(wǎng)貸風險的影響，第(1)(2)列回歸時只選擇了上證指數(shù)3000點以上(含)的樣本。結果顯示，股價上漲階段股價波動對網(wǎng)貸風險影響不顯著，而下跌階段網(wǎng)貸風險對股價的回歸系數(shù)顯著為負(-0.2986；10%顯著性水平)，表明股價下跌會增加網(wǎng)貸風險。這一結論與我們的理論預期完全符合。

表3 回歸結果

第(3)(4)列顯示了股價波動作用網(wǎng)貸利率的回歸結果。其中，第(4)列包含了上證指數(shù)取自然對數(shù)后的平方項(ln_stock_squre)。無論是一次型回歸還是二次型回歸，結果均顯示上證指數(shù)(ln_stock)回歸系數(shù)顯著為正，表明股價上漲影響網(wǎng)貸利率上升，股價下跌影響利率下行。二次型回歸結果顯示二次項系數(shù)為負(-0.0782，顯著性水平1%)，表明股價波動對網(wǎng)貸利率呈非線性影響，股價上漲時對網(wǎng)貸利率的邊際影響逐漸減弱，而股價下跌對網(wǎng)貸利率的邊際效應逐漸增強，即導致利率下行速度越來越快。利率是對資金供需狀況的直接反映，在資金供給短期難以發(fā)生大的變化的情況下利率加速下行表明對網(wǎng)貸市場資金的需求也快速回落，間接證明了股價下跌將減少市場對網(wǎng)貸資金的需求。

以上分析表明，投資者認知能力差異將導致股價波動對網(wǎng)貸風險及利率的邊際效果不再為常數(shù)，而是隨認知能力值的變化而改變，呈遞增效應。樣本學歷結構中高中或以下、大專、本科、研究生或以上所占比例分別為23.4%、50%、25%、1.6%，有較好區(qū)別度。第(1)(2)列交互項系數(shù)分別為0.0138、-0.0264，但都不顯著；表明股價波動對平均違約期數(shù)的影響并未出現(xiàn)隨學歷上升而遞增的情況，可能的原因是借款者從網(wǎng)貸市場取得了與其財富水平相匹配的貸款，擁有較高的財富水平是保證其在股價下跌時可以通過配置其他資金來償還從網(wǎng)貸市場所借款項，抵消可能放大的違約風險。第(3)(4)列交互項系數(shù)分別為0.0019、0.0021且均在1%水平顯著為正，表明股價波動影響網(wǎng)貸利率過程中的邊際效應與學歷有關，邊際效應隨學歷水平提高而增加，即股價上漲時較高學歷的投資者愿意支付更高的利率，股價下跌時學歷較高的投資者影響利率下行的幅度大于學歷低投資者的影響。

回歸結果還顯示，借款金額、還款期限、信用評級、年齡、學歷、婚姻狀況、收入水平、房產(chǎn)、房貸、車產(chǎn)、車貸等均對利率產(chǎn)生顯著影響，這與既有文獻得出的結論比較相符。網(wǎng)貸行業(yè)月成交額也是影響網(wǎng)貸利率的一個顯著因素，證實網(wǎng)貸利率受網(wǎng)貸行業(yè)資金供給水平的影響。

四、穩(wěn)健性檢驗

在進行穩(wěn)健性檢驗前先討論內生性問題。一方面在回歸模型中已盡可能多的包含了影響網(wǎng)貸風險及利率的解釋變量，以期通過最大程度地減少誤差項中的有用信息來降低遺漏變量的偏差和內生性。另一方面，網(wǎng)貸市場整體規(guī)模相對股票市場小了很多，樣本區(qū)間內的網(wǎng)貸市場月成交額最高時約為1497億元，而當月僅上海證券交易所股票成交總額即達92204億元，幾乎是網(wǎng)貸市場1497億元成交額的62倍。因此，可以認為網(wǎng)貸市場對股票市場整體的影響十分微弱，由逆向因果造成的內生性問題非常有限。

為進一步驗證結果的可靠性，使用替代變量和分樣本回歸法對其穩(wěn)健性進行檢驗。(28)限于篇幅，穩(wěn)健性檢驗結果作者留存?zhèn)渌?。首先，使用違約金額替代平均違約期數(shù)對股價波動作用網(wǎng)貸風險的結果進行穩(wěn)健性檢驗。結果顯示上漲階段股價波動對網(wǎng)貸風險的影響并不顯著，而在股價下跌階段則較顯著，這與上述結果一致。其次，使用分樣本回歸法對股價波動影響網(wǎng)貸利率的結果進行穩(wěn)健性檢驗。結果顯示股價波動對網(wǎng)貸利率產(chǎn)生顯著正向影響，上證指數(shù)與學歷交互項系數(shù)顯著為正，同樣與實證結果一致。表明穩(wěn)健性結果是穩(wěn)健的。

五、結論與政策建議

本文將研究視角從網(wǎng)貸平臺內部擴展到平臺外部，探討了股票市場的波動對網(wǎng)貸市場的風險及利率的影響。研究表明，股票市場價格的波動會造成網(wǎng)貸市場風險增加及對網(wǎng)貸利率產(chǎn)生影響，進一步的發(fā)現(xiàn)，借款人認知能力會放大股價波動對網(wǎng)貸利率的影響，即進一步推高或壓低網(wǎng)貸市場的平均利率。

本研究結果為中國2015年大面積爆發(fā)的網(wǎng)貸風險提供了部分的解釋，也讓我們看到面對宏觀經(jīng)濟環(huán)境變化網(wǎng)貸市場的脆弱性。本文的發(fā)現(xiàn)與既有研究的關系是相互補充的。我們認為，導致網(wǎng)貸市場風險的因素，既有來自平臺內部的也有來自平臺外部的，與平臺內部因素相比，平臺外部因素導致的網(wǎng)貸風險通常是系統(tǒng)性的，其影響更廣泛、破壞力更強。這表明，對網(wǎng)貸市場風險的防范，既要做好平臺自身的規(guī)范約束，還要預防外部因素的沖擊。

在網(wǎng)貸行業(yè)發(fā)展初期和監(jiān)管尚未完善的情況下，網(wǎng)貸市場風險包括真實平臺風險和以非法集資、詐騙為目的的偽平臺風險。隨著監(jiān)管措施的不斷加強和完善，未來偽平臺將會基本消失，真實平臺的違約風險將成為網(wǎng)貸市場主流風險。有鑒于此，本文主要探討了真實平臺的違約風險，而對偽平臺的風險涉及較少，這也是下一步研究需要繼續(xù)深化的地方。

本文的研究發(fā)現(xiàn)，為當前中國正在進行的網(wǎng)貸行業(yè)風險處置及未來的治理提供了有益的啟示。2015年網(wǎng)貸市場風險集中爆發(fā)是近年來網(wǎng)貸行業(yè)發(fā)展的分水嶺——風險爆發(fā)后不久網(wǎng)貸行業(yè)開始逐步下行，至今前途未卜，人們普遍將網(wǎng)貸行業(yè)發(fā)展受阻的責任歸咎于行業(yè)風險整體水平過高。我們并不否認這一觀點，但我們認為，應客觀地看待導致網(wǎng)貸市場風險爆發(fā)，既有平臺本身的原因，也與平臺之外的宏觀經(jīng)濟環(huán)境有關。因此，要理性地看待這次網(wǎng)貸市場風險，同時在處置網(wǎng)貸市場風險時應盡量避免簡單化、“一刀切”，對風險的處置力求達到既能通過此次市場出清釋放網(wǎng)貸行業(yè)風險，又能實現(xiàn)優(yōu)勝劣汰保留好的網(wǎng)貸平臺，并允許其能夠繼續(xù)發(fā)揮為小微企業(yè)提供融資服務的功能。在網(wǎng)貸風險治理和監(jiān)控上，監(jiān)管當局應做好股市和網(wǎng)貸兩個市場的隔離機制設計，避免網(wǎng)貸市場資金流入股票市場形成脫實向虛、追求投機收益，從源頭上防控股票市場風險向網(wǎng)貸市場的傳遞，進一步將股價波動因素納入網(wǎng)貸市場風險預警監(jiān)控體系，從多層面、多領域對網(wǎng)貸市場予以規(guī)范治理。