網(wǎng)貸平臺的利率與風(fēng)險

王詩琴 楊林 陳露 邱麗潔 朱天雁

摘要：近年來，由于各項信息技術(shù)的推陳出新和推廣使用，科技應(yīng)用水平在金融領(lǐng)域有了極大的提升，因此，新興的金融行業(yè)環(huán)境順應(yīng)發(fā)展潮流出現(xiàn)。網(wǎng)貸平臺在融資方面具有重要意義，對于資金需求方而言，網(wǎng)貸平臺提供了新的融資方。對于資金供給方，平臺回報率較高，同時投資門檻相對較低，成為投資者規(guī)劃資金的一個新渠道。本文通過分析1000多家網(wǎng)貸平臺的真實交易數(shù)據(jù)，研究平臺利率與風(fēng)險之間的聯(lián)系，從而預(yù)測平臺可能出現(xiàn)的違約風(fēng)險，有助于網(wǎng)貸投資的參與者和監(jiān)管機構(gòu)充分了解其潛在風(fēng)險。

關(guān)鍵詞：網(wǎng)貸;平臺利率;風(fēng)險;變量

一、數(shù)據(jù)描述

王浩博（2020）通過二元logistic模型發(fā)現(xiàn)，借貸者的年齡和性別對違約因素沒有顯著影響。[2]

本文通過大數(shù)據(jù)挖掘，對一千多家交易信息比較全面的網(wǎng)貸平臺進行了數(shù)據(jù)搜集，調(diào)查這些平臺的基本信息，例如這些平臺所處的地理位置、時間等等。胡金焱等（2020）通過考察外部影響因素發(fā)現(xiàn)，股價波動會影響網(wǎng)貸風(fēng)險增加，同時借貸者的認(rèn)知能力會放大股價影響、進一步推高或降低平臺利率。[1]

本文中使用的變量有注冊資本、是否省會城市、是否公布借款人、利率、貸款余額和距離上線時間。我們同時也對我們提取到的信息樣本進行了統(tǒng)計。

我們可以從統(tǒng)計結(jié)果中提取到一些有用的數(shù)據(jù)，比如注冊資本這一變量，一千多家平臺的平均注冊資金是5460，大概有63.9%的平臺是在省會城市注冊的。以及被調(diào)查平臺的上線時間、投資人數(shù)、借款交易的信息披露等都有詳細(xì)的數(shù)據(jù)說明。以上數(shù)據(jù)也是本文分析平臺的利率與風(fēng)險的關(guān)系的重要參考數(shù)據(jù)。

二、實證結(jié)論

本文中，被解釋變量是平臺在未來24周內(nèi)是否會出現(xiàn)問題，解釋變量為利率，我們利用probit進行回歸，以便更好地控制其他變量，并建立如下回歸模型：

prob（problem_w24it=1）=Φ（α+βInterestRateit+γControlit+provincei+ut+εit）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

在這里，虛擬變量是problem_w24it，當(dāng)平臺i在區(qū)間[t+1，t+24]周內(nèi)出現(xiàn)問題時取1，否則取0。表示平臺 i 在第 t 周時的利率，Controlit表示控制變量，ut表示季度虛擬變量，provincei表示省份虛擬變量，εit表示誤差項。Φ（·）表示標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù)。

首先研究全樣本數(shù)據(jù)并對這些數(shù)據(jù)進行回歸分析?；貧w結(jié)果顯示在表1中。因此，我們得出結(jié)論：利率越高，風(fēng)險越大。分析可知，當(dāng)其他解釋變量固定不變時，平臺的利率每增加4.573個百分點，該平臺出現(xiàn)問題的概率隨之增加0.257個百分點。

第2列和第3列回歸中均加入了其他控制變量。我們得到了一樣的結(jié)果：利率越高，風(fēng)險越大。平臺的利率每變化4.57個百分點，該平臺出現(xiàn)問題的概率隨之變化0.065—0.105個百分點。根據(jù)表1，我們可以得出結(jié)論：平臺的利率與風(fēng)險正相關(guān)。當(dāng)平臺具有其他控制變量時，該結(jié)論仍然成立。

三、結(jié)論

通過數(shù)據(jù)的統(tǒng)計分析，這一千多家網(wǎng)貸平臺提供的利率與平臺風(fēng)險之間大致存在著正相關(guān)關(guān)系。而本文的一個重要結(jié)論是，在不同的利率區(qū)間，平臺的利率與該平臺的風(fēng)險的關(guān)系出現(xiàn)了一定的異質(zhì)性現(xiàn)象。具體而言，就是當(dāng)少部分平臺提供了遠(yuǎn)低于整個網(wǎng)貸市場的平均利率時，該平臺可能會出現(xiàn)網(wǎng)貸平臺利率與平臺風(fēng)險的負(fù)相關(guān)關(guān)系，那么在投資者眼中，這類平臺的投資回報率可能較低;而當(dāng)少部分網(wǎng)貸平臺提供了遠(yuǎn)高于整個網(wǎng)貸市場的平均利率時，則會出現(xiàn)較明顯的正相關(guān)關(guān)系，這類平臺會更加吸引投資者投資或借貸者進行借款。

參考文獻：

[1]胡金焱，水兵兵.風(fēng)險資產(chǎn)配置、股價波動與網(wǎng)貸風(fēng)險——兼論對網(wǎng)貸利率的影響[J].山東社會科學(xué)，2020（11）：

124-131.

[2]王浩博.基于二元logistic模型的P2P違約分析[J].現(xiàn)代商業(yè)，2020（30）：106-109.

基金項目：嘉興學(xué)院重點SRT資助項目（CD8517203034）。

作者簡介：王詩琴，女，漢族，浙江嘉興學(xué)院，本科在讀。