基于投资者视角的P2P网贷平台成交规模影响因素研究

王刚贞 江光辉

（安徽财经大学，安徽蚌埠 233000）

基于投资者视角的P2P网贷平台成交规模影响因素研究

王刚贞 江光辉

（安徽财经大学，安徽蚌埠 233000）

理论上平台人气、平台透明度等因素均可通过吸引投资增加平台成交量与营收，但目前缺乏相关实证研究支持。基于网贷投资人视角，利用面板数据构建成交规模影响因素动态面板模型，实证研究P2P网贷平台成交规模主要影响因素。结果表明，平台往期成交量、平台营收、平台人气值、平台透明度和资金分散度对平台当期成交规模均有显著正向影响，而平台流动性对成交量影响不显著，这些因素影响程度差异也进一步说明，大部分P2P网贷平台投资人仅具有初步风险判断意识，在选择网贷平台投资时，较重视平台透明度与人气值，但对资金分散度不够敏感。

P2P网络借贷；成交规模；网贷投资者

2015年我国社会融资规模增速放缓，而P2P网贷行业却持续高速发展。截至2015年底，P2P网贷行业运营平台数达2 595家，比2014年增长1 020家，P2P网贷余额接近全国小贷公司贷款余额50%，历史累计成交规模破万亿[1]，标志整个行业告别萌芽阶段，迈入成长期。相关部门支持性和规范性政策相继出台，使一些有实力平台乃至整个行业发展前景更明晰，同时也压缩了一些中小平台生存空间。另外，股市大幅波动对P2P网贷平台形成抽资效应，更不乏部分网贷平台屡屡出现较严重拆标现象，加上资金实力和风控能力较弱，导致部分中小平台遭挤兑而无法生存，问题平台数量不断上升。因此，如何赢得投资者青睐，增加平台成交量和营收，不仅是当前各大P2P网贷平台重点关注问题，更影响P2P网贷行业稳定与发展。本文从P2P网贷平台投资者视角出发，旨在检验现阶段市场上P2P网贷平台成交规模影响因素，论证如何有效提升网贷平台成交量，为促进网贷平台经营业务发展与网贷行业理论研究提供参考。

一、相关研究综述

随着P2P网贷行业迅速发展，相关讨论与研究成果丰硕。梳理国内外学者关于P2P网贷研究现状发现，国外研究成果较全面与成熟[2]，多数研究通过实证检验分析，如Lin认为网贷市场融资成功与否关键是“硬信息”，也被称为直观信息，即贷款人在网站上直接注册，得到信息[3]；在网贷平台投资，投资人与贷款人无法当面交流，较少言谈举止等“软信息”接触，仅凭某些直观借款信息做出是否借款决定，这些信息数据采集使用主要依靠挖掘Zopa、Prosper、LendingClub等国外网贷平台开放数据，具体包括贷款人债务/收入比率、信用评级、信用卡数以及借款特征信息：贷款金额、利率和用途。结果表明，“硬信息”对贷款结果影响显著，与贷款偿还或违约情况有一定相关性，因此借款人披露的“硬信息”有助于降低网贷平台信息不对称程度[4]。

我国P2P网贷起步较晚，处于发展阶段，研究成果多集中于网贷平台运营模式比较和风险与收益评估等理论方面，而实证研究不多，且集中于近几年[5]。如倪泽浩构建网贷平台影响因素相互作用模型，实证分析网贷投资者投资决策影响因素，对投资者选择不同平台提供参考[6]；廖理、李梦然等借助P2P网贷利率、借款期限、信贷额度、投资人数量和借款人信用风险水平等数据，构建投资人对借款人违约风险识别的二元选择模型，研究认为网贷市场中投资者具有良好风险判断能力，可借助借款人公开信息识别相同利率包含的不同违约风险[7]；严圣阳选取我国153家P2P网贷平台近三年相关数据，研究网贷收益率差异及影响因素，并为促进网贷行业健康发展提出相关建议[8]。

上述研究多为贷款意愿、风险和收益率评估，本文从投资人角度分析P2P网贷平台成交量影响因素，侧重点不同，方向性和目的性较明确。在模型构建上，王会娟等研究多是构建线性回归或静态面板模型[9-10]，本文综合考虑网贷平台往期成交规模影响，构建动态面板模型，进一步拓展实证研究方法。

二、成交规模影响因素及机理分析

（一）指标定义与构成

P2P网贷投资人投资一安全规范P2P网贷平台，最坏情况是逾期。据相关资料显示，若不损失本金，大部分网贷平台投资人可接受一定程度网贷投资逾期；但如果投资问题平台，一旦平台倒闭，投资人很可能血本无归。因此投资人在网贷投资时，不会盲目挑选网贷平台投资项目，而会选择可信网贷平台，导致网贷中投资人与借款人信息不对称问题转为投资人与P2P网贷平台间信息不对称问题。

在选取影响P2P网贷平台成交规模变量时，参考陆松新、兰虹等研究思路[11]，并综合考虑中国首家权威P2P网络借贷行业门户网站“网贷之家”官网公布的网贷综合评级指标细则及《2015中国网络借贷行业蓝皮书》中相关变量定义[12]，选择以下指标作为P2P网贷平台成交量主要影响因素，见表1。

表1 指标定义与构成

（二）影响机理分析

研究发现，除一些不可量化内在影响因素，如技术、品牌等包含主观影响因素较多外，选取平台人气值、营收、透明度、流动性、分散度作为研究指标较客观，可量化，且有据可依[11,13]。

1.人气值由当月平台投资人数和借款人数加权得出。人气值越高，平台投资人数和借款人数越多，成交规模越大。

2.营收用于表征平台当月营业收入，据平台综合收益率得出。目前很多P2P网贷平台采用垫付模式，由于平台借款管理费与利息管理费为其主要营收来源，营收增加降低平台垫付成本与运营风险，从而吸引投资人资金流入，增加平台成交规模。

3.透明度用于表征平台信息披露程度，包括平台基本信息、运行数据、财务信息等影响投资者与借款人决策关键信息。透明度较高网贷平台，关键信息披露程度越高，投资人与借款人对平台信任度越高，可增加平台成交规模。

4.流动性表示平台资金周转速度，用于表征投资人在平台资本金回收速度。一般而言，流动性越高，平台投资回收本息时间越短，投资更灵活。但网贷平台上发布的大部分借款标均属于短期小额借款标，投资人投资通常为持有至到期投资，平均借款期限相对较长；一旦平台出现大量流转标、债权转让标往往是问题信号，此时投资人认为平台安全性随流动性提高而降低。故平台流动性对成交量影响暂无法确定。

5.分散度表明平台投资人与借款人及投资资金分散程度。分散度越高，平台投资人与借款人及投资资金集中度越低，从而降低运营风险，投资者投资意愿越强，平台成交量越高。

三、模型设定与数据说明

（一）动态面板模型设定

综上所述，表2直观表示平台成交规模影响因素模型中各变量含义、预期符号和理论说明。

实际上，成交量越高，从平台获得营收也随之上涨，二者呈正相关关系。因此在模型解释变量中剔除平台营收指标，并将其作为被解释变量替换指标，检验动态面板模型稳健性。另外，投资人选择网贷平台投资时，会参考上一期平台成交规模，因此在模型控制变量中引入滞后一期被解释变量作为解释变量，控制平台成交规模累积效应，得到如下动态面板模型：

其中，volumei,t-1为第i个平台滞后一期成交量，αi为常数项，βi为待估计变量影响系数，εi,t为随机干扰项。为使动态面板模型估计结果更稳健，将模型（1）中成交量指标（volume）替换为平台营收指标（earn），检验分析模型（1）稳健性。

（二）数据说明

面板数据来自中国首家权威P2P网络借贷行业门户网站“网贷之家”官网P2P网络借贷平台评级数据库①P2P网贷平台的当月评级根据网贷之家数据库采集的平台近三月成交数据编制，选取满足评级要求平台，根据平台公开可查信息与数据，依据权威打分方法和权重确定方法，对各项指标评分，得出平台当月各项指标指数。有以下任一情形的P2P网贷平台即视为不满足评级要求：1.上线三个月以内；2.单个借款人平均借款金额≥max{注册资金、风险准备金、0.5×自身担保公司注册资金}；3.单月借款人数≤5人；4.单月投资人数≤100人；5.综合年化收益率超过18%（月息1.5分）以上；6.三个月内有不诚信行为或被刑事调查；7.发生P2P网贷专项整治禁止行为；8.无法获取详细、明确成交数据及平台信息。，样本选取《2015中国网络借贷行业蓝皮书》中综合实力排名靠前的20家满足评级要求P2P网贷平台②本文选取20家满足评级要求的P2P网贷平台：1.陆金所；2.人人贷；3.宜人贷；4.拍拍贷；5.点融网；6.微贷网；7.积木盒子；8.有利网；9.投哪网；10.开鑫贷；11.易贷网；12.翼龙贷；13.京东金融；14.爱钱进；15.PPmoney；16.你我贷；17.团贷网；18.鑫合汇；19.和信贷；20.银客网。，时间跨度为2015年7月至2016年6月共12个月，计量分析采用STATA11软件。

表2 变量含义、预期符号和理论说明

为了解样本数据定性，表3显示全部变量描述性统计。

表4显示全部变量相关系数、显著性水平以及共线性统计量，初步探索各变量间相关关系。

由表4可知，平台成交量指标（volume）和平台营收指标（earn）相关系数高达0.8918，显著性水平为1%，表明这两个变量间存在高度相关关系，进一步证实上述预期判断，故在模型估计时，将平台成交量指标和平台营收指标相互替换估计被解释变量。表中共线性统计量可知，五个解释变量对被解释变量容差值均大于0.1，VIF值均小于10，表明所选各变量间不存在严重共线性问题。

表3 样本数据的基本统计特征

表4 变量间的相关系数与共线性统计结果

四、实证过程及结果分析

据上述理论基础，基于一步和二步系统GMM方法估计构建的动态面板模型（1）系数，为保证面板估计结果稳健性，将模型（1）中成交量指标（volume）替换为平台营收指标（earn）作为被解释变量代理变量，并基于二步系统GMM方法进一步检验模型稳健性，具体结果见表5。

对比表5第（1）列，第（2）列使用二步系统GMM方法动态面板估计系数显著程度提高，且模型系数联合显著性Wald检验值在1%显著水平，Arellano-BondAR（2）检验结果表明一阶差分后残差不存在二阶自相关，即本文设定的动态面板模型合理，Sargan检验P值为1即接受原假设，表明模型选取工具变量合理，因此第（2）列中各解释变量与被解释变量关系更趋于合理，故以第（2）列估计结果为主阐述。

第（2）列中滞后一期平台成交规模（volume L1.）参数估计为0.4902，并通过1%显著性水平检验，与上述理论预期一致，说明投资人选择网贷平台投资时，较重视平台往期成交规模，并以此作为投资决策重要参考，同时进一步说明网贷平台成交规模是连续动态调整过程，有必要采取动态面板估计。另外，第（2）列平台人气值指标（pop）、平台透明度指标（transp）和资金分散度指标（disper）参数估计分别为0.2836、0.3182和0.2287，且均在1%显著水平上，与上述解释变量理论预期一致，即平台人气值指标、平台透明度指标和资金分散度指标对平台成交规模影响均显著为正，但影响程度不同，通过比较三个解释变量参数估计值，说明P2P网贷投资人在选择网贷平台投资时，首先考虑该平台透明度，将平台基本信息、运营数据信息、借款资料等重要信息公布程度作为投资决策重要参考，大部分投资者具有风险判断能力，不会盲目挑选网贷平台投资项目，而会选择可信网络借贷平台。除平台透明度外，P2P网贷投资人投资决策时考虑的第二与第三选项分别是平台人气和资金分散度，说明大多数网贷平台投资人具有分散投资意识，但分散度影响仍较低，更多选择人气值较高平台投资，因网贷市场大部分投资人投入时间有限，缺乏丰富专业知识，难以判断网贷平台风险与投资收益水平。此外，平台流动性指标（liqui）参数估计在表5三列中均不显著，故无法准确判断平台流动性对成交规模影响，而国内学者研究结论也不完全一致。邓嘉天等认为资金流动性较高P2P网贷平台回收本息期限越短，投资人更愿在此投资，但无法在实证检验中验证[13]；陆新松等认为流动性较高P2P网贷平台出现大量流转标、债权转让标往往是平台出现风险与问题信号，所以原期限短的P2P网贷投资，流动性越高，流转标、债权转让标相应增多，平台运营风险增大，因此平台流动性与成交量呈负相关关系[11]。

第（3）列稳健性检验中，采用平台营收指标（earn）作为原被解释变量代理变量，基于二步系统GMM方法重新估计模型，结果与第（2）列平台成交量指标（volume）作为被解释变量时基本相似，变量估计结果仍与理论预期基本一致，从而证实动态面板模型估计结果稳健性，由于成交量指标与营收指标高度正相关，因此各变量理论预期可信。

五、结语

本文研究结论可丰富P2P网贷行业研究理论，对P2P网贷平台经营具有一定参考意义。对网贷平台经营者而言，可通过主动寻求与实体企业和传统金融机构在P2P网贷产品研发和专业评级等方面合作，将风控水平与投资收益实情告知投资人，树立平台声誉与品牌意识，不仅体现其服务水平，也可吸引更多投资人和借款人参与网贷平台交易；同时平台也应提高风险控制力，优化项目投资，提高平台透明度与人气值，适当降低流动性，增加资本分散度，推出更适合市场的理财产品，如医疗贷款、P2P保险、婚礼贷款等吸引更多投资者，进而增加平台成交量与营收。

最后，本文基于网贷投资人视角，分析吸引投资者主要因素，进而增加平台成交量和营收，但并未就此问题从贷款人角度深入分析，未来可利用问卷调研等方式开展相关研究。但本文实证检验中，平台流动性对成交量影响不显著，可能是流动性指标内生性问题所致，今后研究中，可用与该内生化变量相关但与残差项不相关的非内生工具变量作为检验变量，进一步优化模型。

［1］盈灿咨询,网贷之家.2015年中国网络借贷行业年报[EB/OL]. [2016-03-27].http://www.wdzj.com/news/baogao/25661.html.

［2］冯俊文,高瑞琼.P2P网络借贷研究综述[J].技术经济与管理研究,2014(7).

［3］Lin M.Peer-to-Peer Lending:An Empirical Study:15th AmericasConference on Information System[J].Association for Information Systems,2009(8).

［4］Klafft M.Peer-to-Peer Lending：Auctioning Microcredits over the Internet[C].Proceedings of the International Conference on Information Systems,Technology and Management,A Agarwal,R. khurana,eds,IMT,Dubai,2008.

［5］莫易娴.P2P网络借贷国内外理论与实践研究文献综述[J].金融理论与实践,2011(12).

［6］倪泽浩.我国P2P网络借贷投资决策影响因素研究[D].上海:东华大学,2014.

［7］廖理,李梦然,王正位.聪明的投资者:非完全市场化利率与风险识别——来自P2P网络借贷的证据[J].经济研究,2014(7).

［8］严圣阳.P2P网贷收益率影响因素的实证研究[J].商业经济研究,2015(19).

［9］Lee E,Lee B.Herding Behavior in Online P2P Lending:An Empirical Investigation[J].Electronic Commerce Research and Applications,2012(5).

［10］王会娟,廖理.中国P2P网络借贷平台信用认证机制研究——来自“人人贷”的经验证据[J].中国工业经济,2014(4).

［11］陆松新,兰虹.风险投资、第三方资金托管与中国P2P网络借贷平台成交量——基于P2P网络借贷投资者的视角[J].西南金融,2015(11).

［12］王家卓,徐红伟,马骏,等.2015中国网络借贷行业蓝皮书[M].北京:清华大学出版社,2016.

［13］邓嘉天,丁邡.人人贷网络平台成交量影响因素的实证研究[J].中国经贸导刊,2014(32).

F061.5

A

1672-3805(2016)06-0033-06

2016-10-31

王刚贞（1978-），女，安徽财经大学金融学院教授，博士，研究方向为金融学。