P2P网络借贷机构的系统重要性研究

□王 鹏 杨 鹏

[西南财经大学 成都 611130]

引言

近年来，互联网金融在我国发展如火如荼。在互联网金融的6种基本业态中，P2P网络借贷作为互联网金融的典型业态形式，满足了我国建立多层次融资的需求、实现了广大投资人的资金价值。我们应该认识到金融机构只有不断创新才能推动金融体系更加强大和高效。正如莫顿和博迪谈到“金融功能比金融机构更稳定，金融机构的功能比金融机构的组织方式更重要”[1]。但是，互联网金融的发展给传统的金融系统带来更高效率的同时也为金融系统带来了新的风险，特别是P2P网络借贷机构。截至2014年12月中旬全国出问题的P2P网贷平台已经超过63家，如一度被认为是网贷行业内增速快、实力强的铜都贷（安徽铜陵）网贷平台在运营半年之后突然倒闭，涉及待还投资人1700多人，并由此造成了局部群体事件。因此，对P2P 借贷行业进行监管应当遵循投融资效率与投资者保护平衡的原则。监管当局对P2P网络借贷不能简单地全盘否定或一味的放任自流，而应借鉴成熟金融机构风险管理的方法，对P2P网络借贷机构的系统重要性进行识别，确定需要重点监管的重要P2P网络借贷机构，从而为有效的多层次的监管工作提供强有力的支持。同时，对P2P网络借贷的监管研究也为其他互联网金融业态监管提供新的研究思路。排名结果也可为不同风险偏好的投资者提供参考。

一、文献综述

（一）P2P网络借贷机构监管研究

许多学者认为目前的P2P借贷行业监管存在巨大改进空间。缪斌以镇江市为例，在分析镇江市三家P2P 借贷平台情况基础上，研究P2P 借贷平台监管的法律依据，针对P2P借贷平台潜在的风险，从国家立法、监管职能部门、信用评价、内控建设、行业组织、外部经营环境等方面提出相关建议[2]。关P2P网络借贷风险的研究中，现有文献对P2P借贷行业中出现的各种风险和类似风险存在一定的误判，其中普遍的问题是没有把正常的信用风险（违约风险）和各种欺诈行为导致的违约区别对待[3]。有些文献还夸大了某些风险的危害程度。中国社会科学院金融研究所、中国证券报等提到P2P 网贷业务涉及的是金融信贷，应从注册资金、股东身份、从业人员资质、信息系统安全级别等多个方面加以约束[4]。它虽不同于银行，但树立一定的准入门槛可以帮助P2P网贷企业抵御未来的金融冲击。例如英国对P2P的监管也有资本金的限制。也有学者从博弈的角度分析了P2P行业中监管机构和被监管机构的关系，提出监管部门需要通过加强自律、设立入行门槛、建立严苛的处罚机制等手段来规范P2P网络借贷行业的发展，并提到我国P2P监管已经确定归口于银监会，但是具体监管内容还未出台[5]。

部分学者对P2P网络借贷机构行业评价体系进行了研究。罗扬建立了基本风险管理体系和特定风险管理体系，把两种风险的管理体系结合起来，形成从监管体系到服务体系到P2P平台的定性监管模式[6]。中国社会科学院金融研究所、中国证券报等借鉴国外金融机构评价体系提出了一套P2P网贷评级体系指标设计与评分规则，按层次分析法来确定权重[3]。该文章的评价方法优点是指标较细，分析全面，并得出评级结果。其问题主要有两点：一是因为统计数据需求较大，部分数据由被评级单位上报提供，平台可能存在故意夸大或缩小数据及核心数据不愿提供或由于数据难看而有所保留的情况，导致数据质量不能保证；二是体系设计过于主观，未能对指标设定的出处作足够说明，且子指标含义或有交叉。

以上文献表明对于P2P网络借贷机构风险识别及管理的研究仍未形成规范理解，行业监管存在巨大改进空间，需要进一步规范。同时，当前P2P网络借贷行业评价体系定性分析较多，且主观性较大，各排名分歧较大，定量研究成果较少，并存在一些问题，如指标设定偏向于主观化或有交叉，依据不足；排名结果过于笼统，没有考虑到投资者不同的风险偏好等。

（二）金融机构系统重要性研究

系统重要性衡量了一个机构对于整个系统的负的外部性，即风险的溢出效应。目前的系统重要性研究多集中于银行，研究银行对于整个金融系统的风险溢出效应。目前国内外学术界研究较多的采用模型法进行度量分析，Chen Zhou提出了三种衡量金融系统中系统重要性机构的方法，指出通常所认为的机构规模作为重要性指标往往是不成立的，并在多元极值条件的框架下提出了重要性节点的理论模型及“系统重要性指数”[7]。Mathias Drehmann，Nikola Tarashev通过一家银行造成的系统性冲击的程度来衡量重要性，可以使用Shapley值来衡量[8]。贾彦东基于金融网络模型对风险扩散机制的分析，将金融网络结构因素纳入到对系统风险的衡量中，并依此建立了以“直接贡献”和“间接参与”两种方式分析和评价金融机构系统重要性的模式[9]。宋群英从资本市场的角度出发，通过比较次贷危机前后尾部相关系数的变化，运用Copula函数方法对中国14家上市银行之间的风险传染性进行了分析[10]。Tobias Adrian应用CoVaR的方式测算金融机构的系统重要性程度，将CoVaR与正常条件下整个金融系统VaR的差作为对应金融机构对整体系统风险的边际贡献，以此反映每家机构的系统重要性水平[11]。另外还有采用JPoD模型、MES方法等。

部分学者采用指标法进行研究，陆静和张佳根据巴塞尔委员会、金融稳定理事会和中国银监会等部门的监管理念，从规模、关联性和复杂性出发，对附带破坏指数CDI做出改进，采用多变量极值模型和规模加权的稳定尾部相依函数，评估中国上市银行的系统重要性[12]。郑鸣，陈福生在BCBS和Zhou等思想的基础上分别采用客观赋权法的熵权模型和对变量分布不做要求的Spearman相关级数，研究了我国16家上市银行的规模重要性和关联重要性，最后综合构建了一个新的Csll指数[13]。曹静按照我国银行业年报的财务科目，给出了具体的指标，并采用主观的平均赋权法和客观赋权的熵值法确定各类指标的权重，对我国的系统重要性银行进行了排名[14]。少数学者将该研究扩展到其他金融机构，提到证券业应充分发挥其区别于银行、保险公司的功能优势，大力发展证券业系统重要性机构，这对于分散我国目前金融市场的系统性风险具有重要意义[15]。我国P2P行业目前尚处于无序发展初期，其对于整个金融体系的系统性风险暂时还未显现。但随着行业的发展整合，其他金融机构的参与度增加，对于整个金融体系的系统性风险会逐渐增强。有学者研究发现拥有金融机构的大股东背景和扶持，能提高平台的公信力，还能通过渠道和信用评估优势迅速做大规模，合作模式包括：自行开展P2P 借贷业务、单独投资现有的P2P 借贷平台、联合其他机构共同投资现有的P2P 借贷平台等[16]。

在对金融机构系统重要性进行衡量时，模型法需要足够的金融市场数据、金融机构的资产负债表数据或机构间支付系统等数据，而对于新兴的P2P网络借贷机构，以上数据无法获取或很难获取。因此，本文采用数据获取相对完整的指标法进行研究。同时，对比分析各文献指标的构建，本文以巴塞尔委员对系统重要性银行进行识别的指标体系为主要分析对象，联系我国互联网金融发展现状及P2P网络借贷机构的特征对指标体系进行合理改进。另外，由于我国P2P行业目前尚处于无序发展初期，其对于整个金融体系的系统性风险暂时还未显现，因此本文着重研究P2P网络借贷机构对于整个P2P借贷行业的系统重要性。

二、指标设定

本文借鉴了巴塞尔委员对系统重要性银行进行识别的指标体系，主要考虑到以下两点：一是巴塞尔委员对系统重要性银行进行识别的指标体系被普遍接受，比较权威，作为指标设定的基础来源依据比较充分，且较为全面；二是目前我国P2P监管已经确定归口于银监会，P2P网络借贷机构作为金融体系的中介角色，其行为监管可类比参考较为成熟的银行体系。笔者结合P2P信贷平台特点，给出了适合我国实际情况的具体的系统重要性P2P信贷平台指标体系。如表1所示。

表1 本文识别系统重要性P2P信贷平台的具体指标

由于本文要识别的是我国的系统重要性P2P信贷平台，故将巴塞尔委员会设定的跨区域业务这一大类指标予以剔除，保留其余四大类指标，通过对指标意义的理解和对比分析，联系当前P2P信贷平台发展的实际情况。最后确定的各指标、其观测指标的意义及选取原因解释如下。

1．规模。规模是其系统重要性的重要特征。一家P2P信贷平台所占的市场份额越大，它遭受风险冲击对金融市场带来的负面影响就越大。一旦它出现危机甚至破产，就会给整个行业带来巨大的恐慌及损失也会影响公众对P2P信贷行业的信心。本文选择反映各P2P信贷平台财务状况和经营状况的指标来表示，反映P2P信贷平台财务状况的为平台注册资金，反映P2P信贷平台经营状况的为P2P信贷平台的总成交量。

2．关联性。关联性指的是风险传染进而会威胁到整个行业的稳定。一家P2P信贷平台发生风险时可能会导致借款人或与之有业务合作的其他P2P信贷平台出现危机。一家P2P信贷平台与社会的关联性越强，在它出现危机时带来的影响就越大。特别说明，对于不同平台间的关联性，多数学者认为会产生风险，宋鹏程、吴志国等却认为“不同平台间的套利是正常的市场行为，却被有些文献当作行业风险来看待”[3]。根据风险溢出会产生负外部性的原则，笔者认为不同平台间的关联性确会放大风险，考虑到P2P信贷平台资金关联行为在整个行业中所占比例较小，对系统重要性的影响小，同时数据难以获取，笔者在此不作深入讨论。因此，本文主要分析P2P信贷平台与借款人之间的关联性，选取“投资人数”指标反映。

3．不可替代性。P2P信贷平台的不可替代性是指当单个P2P信贷平台所提供的业务占市场的比重越大，且P2P信贷平台体系中可以提供类似业务的P2P信贷平台较少，当其陷入危机状态时，对系统的影响也越大。即产品特性越强，越具有不可替代性，越具有系统重要性。银行系统一般选取业务所获得的利息净收入和手续费及佣金净收入来表示。本文选择P2P信贷平台“累计待还金额”、“平均利率”、“手续费收入”来表示。“累计待还金额”越高，表明平台所提供的业务占市场的比重越大，当未来陷入危机状态时，对系统的影响也越大；“平均利率”越高，表明其产品特性越高；由于各平台的手续费规则出入较大，但充值服务费与投标管理费占比普遍较高。为简化处理，“手续费收入”采用如下公式计算：

手续费收入=充值服务费+ 投标管理费=（充值服务费率×投资总量）+（投标管理费率×成交量×平均利率）

4．复杂性。复杂性是指P2P信贷平台的业务、结构、操作及产品的复杂程度，一家P2P信贷平台的业务结构或产品越复杂，当其发生风险事件时，处置它的成本就越大，对整个系统的影响也就越大。本文仅考虑产品的复杂程度。选择“平均借款期限”、“满标用时”这两个具体指标来代替复杂性。平均借款期限越短、满标用时越短，其结构越简单灵活。

三、实证研究

（一）数据来源

本文按照年度成交量数据，选择我国比较知名的20家P2P网络借贷机构2013年12月5日至2014年12月4日的全年数据为样本，分别为：红岭创投、温州贷、陆金所、盛融在线、鑫合汇、合拍在线、微贷网、爱投资、人人贷、积木盒子、钱爸爸、PPmoney、有利网、易九金融、团贷网、国诚金融、投哪网、你我贷、易贷网、88财富网。数据来源主要包括“网贷之家”网站的统计数据库及各平台官方网站数据收集。数据整理如表2所示。

表2 我国20家P2P网络借贷机构数据汇总

（二）确定指标权重

本文所采用的样本数据均为正数，故本文的系统重要性P2P网络借贷机构识别可以省略非负数化处理。但由于各指标量纲差距较大，应对以上统计数据进行标准化处理。由指标设定分析可知，所选的8个指标与P2P网贷平台的系统重要性之间都存在正效应性关系，因此采用公式：对数据进行标准化，通过标准化可得样本矩阵：

为了更客观合理地确定评价指标的权重，本文采用客观赋权法中的熵值法来确定权重。在熵值法中，某指标的权重是用它对应的信息熵来确定的。信息熵这个概念最早由信息论的创立者Shannon提出，是类比物理学中的热力学熵的概念而定义的。在物理学中，热力学熵越大，代表系统内部越混乱，组成系统的粒子之间的状态越接近，其状态分布越接近均匀分布。从熵越大的状态得到的关于系统的规律、信息越少。Shannon定义的信息熵有相似的含义。信源的信息熵越大，从信源得到的信息量就小，这个信源对人们的用处也就越小，地位就越不重要。

在熵值法中，原理是相同的，信息熵越小，说明指标的作用越大，权重也应越大之。这一点和人们日常生活中的经验是一致的。另外，熵值法是根据评价指标中包含信息量的多少来确定权重的，利用决策矩阵所给的信息来计算权重，减少了主观判断的影响，能够反映评价指标间的比较关系，所以相对其他权值确定方法更为客观。因此，熵值法在研究评价、评估问题时被广泛采用，并且取得了非常不错的效果。本文也采用这种方法，并将计算结果与层次分析法、主成分分析法得到的结果进行对比验证。

熵值法的具体计算步骤如下：

1．对数据标准化处理后，第j项指标下第i个样本P2P平台的指标值比重为pij：

2．计算第j项指标的熵值ej：..

其中，k=1 lnm，ln为自然对数，1≥ej≥0，且规定pij=0时，pij×lnpij=0。

3．计算第j项指标的差异性系数dj:

其中，差异性系数越大，即指标值的差异越大，对样本识别的作用越大，熵值就越小，指标越重要。

4．定义权重wj:

5．由上述式可得到样本银行的系统重要性指数hi：.

根据以上公式分步计算，可得各指标的权重如表3所示。

表3 熵值法确定的各指标的权重

从表3可以看出，各大类的指标的权重之间存在较大差别，其中，不可替代性和规模性指标比重较大，也即人们通常所认为“规模大小决定系统重要性”的这一想法，在这里得到一定的验证。同时，各P2P平台的注册资金权重较大，占到近20%。因为注册资金一定程度反映了平台的实力和风险承担能力。关联类指标的权重较小为8.9%，分析原因：一是目前P2P行业处于无序生长期，因此投资人选择平台的行为较为分散，单个P2P平台对于投资人的风险溢出较小；二是本文指标未能考虑到P2P平台间的相互关联交易行为，因而导致关联性指标比值较小。不可替代性指标中，平均利率指标占比较小，表明人们通常认为的“利率越高，越有可能产生风险”的想法并不一定成立。复杂性指标的权重大小虽然低于规模指标和不可替代性指标，但其比值仍超过平均数，在系统重要性P2P网贷平台识别中起着较为重要的作用。

为保证计算结果的可靠性，另采用层次分析法（主、客观相结合的赋权法）和主成分分析（客观赋权法）法对上述问题进行计算，其中层次分析法对应的一致性比率为0.8903。结果见表4和表5。

表4 层次分析法确定的各指标的权重

表5 主成分分析法确定的各指标的权重

对比表3和表4、表5不难看出，熵值法和层次分析法的计算结果是比较接近且符合常识，采用主成分分析法得到的结果则略有出入。这说明同样作为客观赋权法，熵值法的计算结果更合理。与层次分析法相比，熵值法是完全客观的，完全基于数据用计算结果说明问题，减少了方法的随意性。

（三）实证结果及结论

从表6来看，规模较大的平台系统重要性也较大，如陆金所、红岭创投、温州贷等。但规模与系统重要性没有必然的对应关系，如果简单地将资产规模作为评判标准，会造成监管错位。成交量小的平台不一定系统重要性小，如你我贷，成交量仅排名17位，但其系统重要性排名为第5位，主要原因分析为其平均借款期限达到27.29月，可能存在较大的流动性风险。

表6 熵值法的实证结果

另外，从表6可以看出，根据系统重要性指数的阈值，就可以判断出系统重要性P2P网络借贷机构。如果以重点监管P2P网络借贷机构0.1，主要监管P2P网络借贷机构0.04为阈值，则重点监管P2P网络借贷机构为陆金所、红岭创投，主要监管P2P网络借贷机构为温州贷、人人贷、你我贷、盛融在线、易九金融、合拍在线、有利网。其他为一般监管的P2P网络借贷机构。阈值设定可根据监管部门对行业整体风险的判断进行调整。

四、对我国P2P 借贷行业监管的建议

监管系统重要性P2P网络借贷机构主要有四个目标：一是减少系统重要性P2P网络借贷机构倒闭的可能性；二是减少负外部性的规模和对社会稳定的冲击程度；三是若系统重要性P2P网络借贷机构遭遇危机，需政府干预或救助，找到关键的需要救助的机构可以减少公共资金的投入和纳税人的负担；四是维护公平的市场环境。基于以上目的，本文提出以下建议：

1．对于金融创新，尤其是P2P行业的监管过程中，对于系统重要性P2P网络借贷机构往往存在风险识别不足和过度识别的问题。识别不足会降低监管的有效性，反之，识别过度则会增加P2P网络借贷机构的运转成本和社会融资效率的降低。而这种识别不足或过度识别的问题，主要是由于未能精确的评估。因此，监管部门加强对系统风险监测数据的统计，建立与之相对应的评估指标，对系统重要性进行动态追踪。

2．监管部门应出台相关法律法规引导P2P网络借贷机构加强自身的风险控制，发挥金融中介平台本身的作用，从源头上杜绝可能存在的严重损害投资者利益或金融市场安全的行为。对于风险溢出较大的行为予以禁止性规定，平台业务间设立相应的防火墙，隔离风险传染。如禁止P2P网络借贷机构过度担保，禁止投资者的投资额超过其资产的一定比例等。

3．监管部门应适当放权给行业自律协会，由行业协会对行业进行约束。促进行业标准的形成，明确平台的网络技术安全、内控及风控指标体系等。

4．建立问题P2P网络借贷机构的处置机制。对系统重要性P2P网络借贷机构制定恢复和处置机制，健全综合风险处置机制，确保系统重要性P2P网络借贷机构一旦发生重大问题，能够平稳有序地退出市场，降低单一机构经营风险扩散为系统性、区域性风险的可能性。

五、研究的不足及展望

本研究存在以下一些不足之处，当然也是下一步工作的方向。

1．本文采用了熵值法确定权重，该方法虽然比较客观，但该方法极度依赖样本，因此需要扩大样本数，以确定较为准确的权重，并对结果进行稳定性检验。再进一步研究中，可以对多个时间段数据分别求熵值作比较，提高权重的稳定性。

2．指标设定有待完善。对于关联性，尤其是平台间的相互关联性，由于时间限制，未能进行更加深入的调查统计，导致关联性数据信息缺失较多，略有遗憾。未来可通过收集平台间的相互关联行为数据进行完善。对于手续费收入，由于各平台规则出入较大，统计数据仅考虑到两项较为重要的收入，未考虑提现费用、VIP会员费用等，未来可通过公司内部数据进行更加详细的统计。

3．就目前来看，P2P网络借贷机构的风险溢出对于整个金融系统的系统性风险贡献还较小，因此该研究结果仅适用于行业内部监管，并不能与其他金融机构系统重要性进行横向比较。随着P2P借贷行业在金融体系中的作用的提高，行业内部资源的进一步整合，未来研究中可考虑与银行等金融机构间的风险溢出。

[1]兹维·博迪,罗伯特·C·莫顿.金融学[M].北京:中国人民大学出版社,2000.

[2]缪斌.对P2P借贷平台的风险调查及政策建议——以镇江市为例[J].金融纵横,2013(09):16-19.

[3]宋鹏程,吴志国,赵京,GUZY M.我国P2P 借贷行业监管模式研究[J].南方金融,2014(01):15-17.

[4]中国社会科学院金融研究所,中国证券报,金牛理财网.中国P2P网贷行业发展与评价报告[EB/OL].(2014-10-11)http://wenku.baidu.com/link?url=aO7HimL2u5Hmcu0Al2YEr WAg8bSJsEGtE7LRotT2FywMtq2ihmc3ZVuiah7aGUgHbxHO dzUmgmoH--fUOlMJWobnOjYQB-lx1o-UOCuMaEm.

[5]帅青红.P2P网络借贷监管的博弈分析[J].四川大学学报:哲学社会科学版,2014(04):133-136.

[6]罗扬.我国P2P 网络借贷的风险管理体系的构建[D].杭州:浙江理工大学,2014.

[7]ZHOU C.Are banks too big to fail? Measuring systemic importance of financial institution[J].International Journal of Central Banking,2010,11:205-250.

[8]DREHMANN M,TARASHEV N.Measuring the systemic importance of interconnected banks [EB/OL].(2011-03-01)www.bis.org/publ/work342.pdf.

[9]贾彦东.金融机构的系统重要性分析——金融网络中的系统风险衡量和成本分担金融研究[J].金融研究,2011(10):17-33.

[10]宋群英.中国系统重要性银行的风险传染性研究[J].金融论坛,2012(02):24-29.

[11]ADRIAN T,BRUNNERMEIER M K.CoVaR[EB/OL].[2008-09-05].www.newyorkfed.org/research/staff_reports/sr348.pdf.

[12]陆静,张佳.中国上市银行系统重要性评估[J].金融论坛,2011(09):30-33.

[13]郑鸣,陈福生.我国商业银行的系统重要性指数:一种新的评估方法[J].金融监管研究,2012(10):14-30.

[14]曹静.我国系统重要性银行的识别与度量研究[D].太原:山西财经大学,2014.

[15]卢华立.论发展证券业系统重要性机构的必要性及路径选择[J].甘肃金融,2014(09):41-44.

[16]宋鹏程,邹震田.P2P借贷商业模式在我国的演进及其启示[J].新金融,2014(04):6-9.