基于DEA模型的P2P网贷网站效率评估

徐慧婷

基于DEA模型的P2P网贷网站效率评估

徐慧婷

从投入产出的角度构建了P2P网贷网站效率评价的指标体系，运用数据包络分析法的CCR评价模型，对18个P2P网贷网站进行了定量分析。结果表明：其中9个网贷网站为DEA相对有效，另外9个为相对非有效；非有效网站的页面平均大小、网站总页面数、外部链接率等指标冗余率较高。此外，根据投影和对比结果，对非有效的网站进行了有效性改进分析，并在此基础上，给出了提升P2P网贷网站效率的建议。

P2P网贷;DEA模型;网站效率

互联网金融发展迅猛，新型机构不断涌现，P2P(Peer to Peer)网贷平台是其中最有活力和代表性的业务模式之一。P2P网贷是指个人通过网络平台相互借贷，通常被视为传统民间借贷的互联网延伸。P2P网贷平台为借贷双方提供了诸如信息沟通、信用评价、投资咨询等交易促成服务，成为个人消费、小微企业经营在银行体系以外的重要融资渠道。据网贷天眼发布的数据显示，截至2016年12月31日,我国P2P网贷平台数量达4 624家。P2P网贷的迅猛发展引起了国内外众多学者的关注，目前关于P2P网贷的研究主要有以下两方面：一是平台本身的研究，包括P2P网贷创新的商业模式研究[1-2]和平台效率的影响因素分析[3]；二是对平台参与人的研究，比如针对投资人的信息搜集和决策行为研究[4-5]和平台借款人信用风险评估等[6]。目前很少有就P2P网贷网站效率进行定量分析的研究，鉴于此，本研究从投入产出角度出发，运用 DEA模型从网站效率评价方面对我国典型P2P网贷网站发展状况进行定量分析，得到不同网站的效率值。一方面通过网站资源投入产出效率研究我国P2P网贷网站发展规模与水平，另一方面分析P2P网贷网站存在的不足之处及原因，并提出调整策略，以对P2P网贷网站的建设与改进提供参考。

一、评价方法与指标选取

(一)DEA 评价模型介绍

数据包络分析(data envelopment analysis, DEA)是由著名运筹学家Charnes, Cooper和Rhodes于1978年提出的，它以相对效率概念为基础，以凸分析和线性规划为工具，计算比较具有相同类型的决策单元(Decision making unit，DMU)之间的相对效率，依此对评价对象做出评价。本文的分析采用了CCR-DEA 模型。设有n个决策单元DMUj(j=1,2,…,n)，它们的投入，产出向量分别为Xj=(x1jx2j…xmj)T>0,Yj=(y1jy2j…ysj)T>0,j=1,…,n， 则评价第j0决策单元的 CCR模型线性规划(P)为

(1)

其中，νi和μr分别是第i种投入指标和第r种产出指标的权重系数，ε是非阿基米德无穷小量，θo为平台的产出投入比。模型的对偶模型可表示为

(2)

对于非DEA有效的决策单元，可以通过投影的方式将其投向效率前沿面，从而投影所得的点投入产出组合即为DEA有效，以达到对非有效DMU进行改进。

(二)指标选取

运用DEA 的方法对P2P网贷网站进行效率评价，首先需要建立相应的评价指标体系，本研究把每个P2P网贷网站看成一个决策单元(DMU)，以网站建设投入、用户和外部机构对网站的认可来界定网站的投入与产出。近年来，国内外研究者对网站评价指标体系已有一定的研究。如Muyilea等[7]从网站信息、网站结构、网站速度等指标体系来评价客户对网站的满意度。杨选辉等[8]从网站的内容设计、结构设计、易用性、安全性等方面出发构建了外部认可的中文军事信息网站效率评价体系。王秀峰等[9]根据网站流量统计信息，从网站规模、网站质量、网站推广、网站辅助功能、用户情感等5个方面构建一套网站可用性分析指标体系，并系统探讨如何从网站流量信息中采集网站可用性分析指标的数据和计算方法，为网站可用性分析提出一种新思维。

运营一个网站所需要的投入涉及到很多方面，如网站内容建设方面的投入、网站设计及维护方面的投入，网站推广方面的投入、网站搭建的硬件设施投入等。本研究对网站评估的研究焦点主要针对电子商务网站结构设计与维护方面、网站内容建设方面、网站推广方面，通过借鉴前人相关评价的指标体系，归纳起来主要包括：网站规模、网站更新、网站推广、网站链接、网站结构等5个一级输入指标。评价一个网站是否受欢迎主要考察网站吸引顾客来访数量、顾客愿意浏览网站的页面数以及外网站对该网站的重视程度，所以，在输出指标方面，本研究选择顾客响应和外部认可2个一级输出指标。最终构建了包含5个输入指标和2个输出指标的P2P网贷网站效率评价理论模型，并根据模型中的一级指标选出代表性强、可信度高的二级定量指标(如图1)。

图1 P2P网贷网站效率评价理论模型

其中，网站规模选取网站总页面数(PAG)和页面平均大小(APS)2个二级指标，体现了网站在整体规模建设、内容丰富程度、形式多样程度等方面的投入量；网站更新选取网站更新率(UDR)作为二级指标，代表了网站在互联网金融产品有效性、前沿性的投入量；网站推广选取网站 meta标签率(MTP)和百度收录关键词数(BK)为二级指标，反映了网站在被搜索引擎收录的几率、扩大网站知名度等推广工作方面的投入量；网站链接选取网站总链接数(TL)和外部链接率(FLP)2个二级指标，反映网站在维持内容稳定性、丰富性等方面的投入量；网站结构选取页面返回率(RP)和链路完整性(NBL)2个二级指标，反映了网站在网站链路完整性、导航设计完整性等方面的投入量。

顾客响应选取日均IP访问量和日均页面浏览量PV 2个二级指标，此两项指标均为3月日均统计量，日均IP访问量越大，说明网站的用户数越多，网站的影响力越大；日均页面浏览量PV越大，则说明页面吸引力越强，网站的影响力越强。外部认可选取反链接(TFS)1个二级指标，外站指向链接数越多，反映外站对该网站投的支持票越多，说明网站的资源和内容等越受到大家的认可和重视，网站的影响力越大。

二、网贷网站DEA效率评价实证分析

(一)样本网站选取与数据获取

目前，P2P网贷网站数目众多，为了更好地进行评价和分析，本研究考虑到各决策单元(DMU)在功能、受众体、网站内容等方面具有一致性和可比性的特征，选取兼具一致性和差异性的代表性网站进行效率评价分析。所以，本研究以站长之家网站排行榜(top.chinaz.com)收录的排名靠前且数据可获得性的网贷网站为筛选对象，最终确定红岭创投、人人贷、搜易贷、积木盒子等18个网贷网站作为参考样本。

样本网站确定后，运用 Maxamine Web Analyst 和 Alexa 等工具进行样本网站指标数据的采集，其中PAG、APS、TL、FTP、MTP、UDR、RP、NBL共8个输入指标运用 Maxamine Web Analyst 软件进行抓取并处理，输入指标BK与输出指标TFS运用站长工具(http://www.tool.chinaz.com)获取， IP、PV 2个输出指标运用 Alexa 网站分析工具(http://www.alexa.cn)获取。考虑到网站具有动态性，为保证分析结果的准确性，所有指标数据采集工作在同一时间段完成。具体网站样本与输入输出指标数据见表1。

表1 P2P网贷网站DEA效率评价输入输出指标数据

(二)P2P网贷网站的效率值分析

对DEA 模型回归求解的工具较多，本研究采用Matlab7.1对统计到的输入输出数据进行CCR-DEA 模型回归求解。Matlab具有强大的矩阵运算能力与足够的线性规划功能，可方便编写DEA应用程序，通过Matlab编程求出CCR回归模型的最佳权向量、投入与产出的松弛变量以及各决策单元(DMU)的效率值。

1.P2P网贷网站总体效率分析

利用Matlab软件对上述18个DMU的输入输出数据进行CCR输出导向的DEA模型回归求解，结果显示θ=1的网贷网站有9个，且这些决策单元的投入产出松弛变量都为0，说明上述18个网站中9个DEA有效，9个非DEA有效，各决策单元(DMU)效率见表2所示。

表2 P2P网贷网站的DEA效率

DMUθDMUθDMUθ红岭创投1.0000爱投资1.0000翼龙贷0.8225人人贷0.2590玖富网0.4398易通贷0.2994搜易贷0.5195合拍在线1.0000拍拍贷1.0000积木盒子1.0000网利宝0.8586爱贷网1.0000投哪网0.1431理财网0.8962一起好1.0000宜人贷1.0000爱钱进1.0000付融宝0.4355

2.有效DMU被参照的频率分析

参照频率是指对非DEA有效的 DMU决策单元进行有效性改进时参照DEA有效的DMU决策单元的次数。18个网站中9个有效网站的参照频率见表3。

由表3可知，爱钱进的参照频率最高,数值为8。说明对其他9个非DEA有效的网站改进时,有8个是以爱钱进为参照对象。其次，宜人贷的参照频率也较高，被参照频率是7。一般而言，被参照次数越多,则表明其效率越优。

表3 有效网站的参照频率及参照明细

3.非DEA有效网站的有效性改进分析

利用Matlab软件计算出的松弛变量对上述9家非有效网站的投入资源使用状况进行分析，以找出无效率的来源及应改善的大小程度。本研究使用投入冗余率与产出不足率来进行分析，进而有针对性地对非有效网站进行优化。其中：

本研究中9个非DEA有效网贷网站的有效性改进空间见表4，表5所示。

表4 非DEA有效网贷网站的投入冗余率有效性改进空间 %

表5 非DEA有效网贷网站的产出不足率有效性改进空间 %

由表4与表5可知，非DEA有效的网贷网站的各组输入指标的改进空间为负值，说明都有一定程度的投入冗余。输出指标为0或正值，说明在现有的投入情况下，某些输出指标还有提升空间。从投入冗余率平均值来看，网站规模类指标PAG，APS投入冗余最为突出，尤其是APS，冗余率超过70%。其次是网站更新类指标UDR和链接类指标FLP以及网站结构中的链路完整性指标NBL，冗余率为65%左右。网站推广类指标MTP、BK和网站结构中的页面返回率指标RP冗余率相对较少，平均冗余率低于55%。产出导向结果显示非有效网贷网站在反链接数(TFS)的有效改进额度达到 915.73%，远远超过了其他两个指标，说明其提升空间最大。

从单个网贷网站(DMU)的改进指标来看，DEA效率值最低的投哪网所有投入指标冗余率都在80% 以上，最高甚至达到 95%以上，同时产出指标TFS冗余率较高。从表5可知投哪网的参照改进网站是红岭创投、宜人贷、爱钱进，从与有效DMU对比分析来看，投哪网的网站规模类指标APS冗余率较高，达到89.75%，这说明网站虽然内容丰富且形式多样，但页面过大会导致网页下载速度慢，从而影响用户体验，因此网站应该加强网站内容的设计，降低网页页面的平均大小，进一步精简网页，对页面内容进行优化。同时，网站链接类指标TL、FLP冗余率过高。网站总链接TL多，花费在检查死链、更新旧链和增加资源，以保持网站新鲜度等维护方面的投入增加，从而影响UDR和NBL等指标，因此应适当减少网站链接数量的投入，加强网站的链接质量，可以从链接的文本内容、链接站点的威信度、导出链接的数量及各链接站点之间主题的相似性等方面进一步加强和提高。网站外部链接率FLP过高，受外部影响程度越大，网站在维持稳定性上的投入越大，因此应去除不稳定外部网站，适当降低外部链接率。网站推广类指标百度关键词收录数BK冗余率过高，但是输出指标外站指向链接数TFS确没有相应的提高，TFS提升空间达到539.63%，这说明网站应减少不必要的推广，选用适当的推广方式，进行必要的搜索引擎优化。

对产出不足率较高的玖富网来说，其TFS不足率为468.00%，与其参照改进网站相比，同样多的投入没有带来同样大的影响力，可以考虑在减少相应投入冗余的情况下增加网站的推广或进行必要的搜索引擎优化；IP不足率为0， PV不足率为39.91%，这说明同等的 IP访问量没有带来同等比率的页面访问量，用户没有继续停留在网站内进行浏览，从另一个侧面说明了网站的内容缺乏新颖性或吸引力，或者网站结构不太合理，用户体验较差，需要进一步改进资源。各非有效网站具体优化策略可根据表4、表5与表6进行相应调整以达到DEA有效。

表6 非有效网站修正时参考网站对照表

1)参考程度高的排在前面。

三、结论与建议

P2P网贷网站的效率评价是反映P2P网贷网站信息资源开发与利用效率的重要内容之一 。本研究采用数据包络法对18个网贷网站的运营效率进行了定量的分析，结果显示，影响P2P网贷网站效率的投入指标主要有：网站规模类指标PAG、APS，网站更新类指标UDR，链接类指标FLP以及网站结构中的链路完整性指标NBL。综合研究成果提出以下建议：

第一，减少对网站内页面、文档、图片等网站对象数量的投入。PAG，APS冗余过大，说明网站虽然内容丰富，但页面过大会导致维护成本提高，网页下载速度慢，从而影响顾客体验，因此网站应该加强网站内容的设计，降低网页页面的平均大小，进一步精简网页，对页面内容进行优化。

第二，减少网站外部链接以及网站结构方面的投入。FLP过高，受外部影响程度越大，网站在维持稳定性上的投入越大，因此应去除不稳定外部网站，适当降低外部链接率。NBL是从网站内部结构上来评价网站的投入量，最需要改进该指标的网站是理财网和投哪网。这两个网站的NBL冗余度高，在网站结构中投入量相应的也较多，这是造成相对效率低的原因所在。

第三，减少在网站更新上的投入。网站更新UDR作为二级指标，代表了网站在保持金融理财产品有效性、前沿性方面的投入量。UDR冗余过大，说明网站虽然时效性和准确性强，但是更新过快，一方面会导致维护成本高，另一方面也会影响网站内容的稳定性。

[1]BACHMANN A,BECKER A.Online peer-to-peer lending —a literature review[J]. Journal of Internet Banking & Commerce,2011,16(2):1-18.

[2]GALLOWAY I.Peer-to-peer lending a community development finance[J]. Community Investments,2009,21(3):19-23.

[3]SONENSHEIN S, HERZENSTEIN M.How accounts shape lending decisions through fostering perceived rustworthiness[J]. Organizational Behavior and Human Decision Processes,2011,15(1):69-84.

[4]HERZENSTEIN M,DHOLAKIA U,ANDREWS R. Strategic herding behavior in peer-to-peer loan auctions[J]. Journal of Interactive Marketing, 2011, 25(1):27-36.

[5]LEE E,LEE B. Herding behavior in online P2P lending: an empirical investigation[J].Electronic Commerce Research & Applications, 2012, 11(5):495-503.

[6]石澄贤,陈雪交.P2P网贷个人信息评价指标体系的构建[J].常州大学学报(社会科学版)，2016,17(1):80-85.

[7]MULIEA S,MOENAERT R,DESPONTIN M.The conceptualization and empirical validation of website user satisfaction[J].Information & Manafement, 2004, 41(5):543-560.

[8]杨选辉，葛伟. 基于DEA和外部认可的中文军事信息网站效率评价[J].情报杂志，2014, 33(10):184-189.

[9]柯青，王秀峰.基于网站流量统计的网站可用性指标及计算方法研究[J].图书情报工作，2011,55(20):138-143.

An Evaluation of P2P Online Lending Websites’ EfficiencyBased on DEA Model

Xu Huiting

From the perspective of input and output, an index system of efficiency evaluation of P2P online lending websites is constructed. Then the efficiency of 18 P2P online lending websites is quantatively analyzed based on the CCR-DEA model. The results demonstrate that 9 websites are relatively DEA effective and the other 9 are relatively non-effective. The average page size, the total number of web pages and the foreign link percentage of the non-effective websites are with higher redundancy rate. Through the analysis of projection and contrast, it carries out the efficiency improvement analysis of the non-effective websites and gives suggestions to improve the efficiency of P2P online lending websites．

P2P online lending; Data Envelopment Analysis(DEA); websites’ efficiency

徐慧婷，厦门城市职业学院商贸系讲师。

福建省中青年教师教育科研项目(社科类) “基于Logistic回归模型的P2P网贷信用风险研究”(JAS161010)。

F830

A

10.3969/j.issn.2095-042X.2017.02.009

2017-01-09；责任编辑:沈秀)