我国P2P信用风险度量研究

刘子才+张雪彬

【摘要】互联网金融中以P2P借贷最具有代表性，其原理是依托互联网将零散的资金汇集起来用于投资。由于依托互联网的原因，P2P实际运营风险也很难进行度量及管控，主要体现为信用风险、流通性风险、技术风险以及市场风险等。本文利用CRITRI算法的基本思路来确定评价指标的两个客观权数，一是对比强度，二是评价指标之间的冲突性来建立P2P信用风险度量模型，并根据此模型对目前金融市场上的一些主要的针对中小企业的贷款P2P网贷平台进行了信用风险评价。

【关键词】P2P信贷 风险 度量

一、背景

目前我国金融市场层次划分不明，存在信息不对称问题，传统的信贷机构更倾向于将贷款发放给国有大型企业，中小企业普遍存在贷款难的问题。随着互联网金融的出现，这一金融约束被逐渐打破，P2P借贷的出现为中小企业的间接融资提供了一扇方便之门。

本文以P2P借贷的信用风险为例，分析P2P借贷中的信用风险，以及相关的风险量化分析方法。

二、P2P信用风险的特点

传统的借贷风险存在的根本原因是借款人由于经营困难到期不能正常还款，导致金融机构无法获得利息甚至是本金，從而使得金融机构不能对存款人支付相应的本金及利息。而现代的风险管控中具体到信用风险则是指两个层面的含义，第一是由于借款人没有足够的资金如期偿还借贷的金额。第二则是指借款人的违约行为对于金融机构造成运营风险。具体到P2P的信用风险上，由于P2P借贷是依托于互联网平台的借贷方式，相较于传统的信用风险而言，主要具备以下特点：

（一）信息的核准更加困难

由于P2P借贷是依托于互联网平台的借贷方式，在借贷过程中，市场主体信息的核准都相对困难。借款方只能通过P2P借贷平台对贷款方进行了解。信息的完整性不能得到有效保障，另外由于信息的核准完全依赖于P2P借贷平台，因此其信息的真实性完全依赖于P2P平台进行，信息在传递的过程中由于增加了一个环节则容易产生信息传递的误差甚至是谬误，所以信息的真实性影响效应则会进一步放大，信息不对称的影响会更加明显。另外由于我国的征信体系建设尚不完善，因此在核实信用信息方面也显得更加困难。

（二）脆弱性强

P2P的信用风险相对于传统金融的信用风险而言更加脆弱。由于P2P借贷依托于互联网平台，其财富的聚集相对而言更加便捷，可以将社会上的零散和闲散的资金更加容易的汇集起来。另外互联网最大的优势在于社交方式以及信息传递的便利性，准确的信息会快速的传达，而错误的信息也同样会快速传递，集群效应更加明显。P2P借贷过程中更加依赖于贷款方自身的判断结果，在信息真实性和完整性不能保障的前提下投资人更加容易出现非理性的判断，从而导致投资人陷入庞氏骗局①，或者是增加系统中的泡沫，从而变相放大了风险。

（三）监管制度尚缺

互联网金融属于新兴产物，P2P借贷也是互联网金融的代表。但是，由于P2P发展较快，而相应的法律配套和市场配套并没有完全跟上，因此监管上存在一定的问题。传统的金融监管是依靠三行一会的监管，在职责和监管范围的划分上都比较明显，而P2P借贷的借贷模式与传统金融存在较大差异。因此，在失去外部约束和监管的情况下，P2P借贷对于风险的辨识和管控更加困难，直接降低了P2P借贷的风险抵御能力。

三、P2P风险评价指标

（一）P2P信用风险指标选取

为有效辨识P2P的信用风险，本文针对P2P借贷的特点在参考商业银行的风险评价指标的基础上拟定如下类型指标作为P2P信用风险的评价。

1.品牌指标A。P2P借贷的资金来源主要是分散的闲置资金，因此P2P借贷的品牌以及口碑直接影响了其资金来源。因此对于互联网金融而言，相对于商业银行，P2P的品牌不仅仅影响其声誉风险，更会影响到吸纳资金的能力。

2.营收指标B。营收体现了信贷机构的偿付能力以及资金流动性，作为最主要的考核指标类别，包含三个主要指标：即成交指标、营收指标以及收益指标。成交指标主要考核P2P借贷的成交量，成交量越大则代表通过该平台进行的借贷越多，吸纳的分散资金来源更多，其稳定性也更好。营收指标和收益指标则代表了P2P借贷平台的营运状态，营收以及收益越高则相应的抵御风险的能力也更强。

3.信息类指标C。信息传递中的误差会导致错误的投资或投资收益受损，较低的信息透明度会放大信息不对称的影响，信息的完整性和准确性也会使得平台的风险提高，信息的完备以及准确直接影响到整个平台或是整个系统的风险。信息透明度越高则表示平台提供的信息越完整和越准确。

4.资金分散度指标D。资金的分散程度直接影响了资金的流动性，提高分散度则可以减少单个体，大量资金的撤离现象对于平台资金流动性造成的风险。平台资金来源越分散则稳定程度越高。

以上四类指标的具体情况如下，品牌类指标营收类指标和信息类指标均为正向增益指标。正向增益表示该指标越高，则对应的P2P借贷平台的信用风险评价越低；而资金来源类指标均为负向增益指标。负向增益则相反，指标越高表示信用风险受到的影响越大，其风险越高。

（二）指标的评价方法

本文采用打分的方式对相关指标进行评价，其具体步骤为：

1.原始数据搜集。其中人气指标按照P2P平台的浏览访问量来进行计算；品牌指标按照知名度调查结果进行统计；营收类、信息类以及资金来源类的指标根据对应的财务统计结果计算。

2.求解各项指标原始数据的平均值，采用下式（1）作为加分和减分的参考标准：

■ （1）

其中avg（x）为原始数据统计的平均值，max（x）为最大值，■为打分的评价标准（即步长），每项指标的具体得分结果可以表示为下式（2）所示。即50分作为基准分，每超过平均值一个步长则加一分，反之则减一分。

五、结论

建立科学有效的P2P信用风险评价方法，可以提高行业透明度，保护借贷双方的切身利益，促进P2P行业健康有序发展。本文在参考商业银行的风险评价指标的基础上，引入基于CRITIC算法的P2P信用风险度量模型，从信贷机构的四个方面计入了对应的评价指标，并给出了每个指标的评价方法以及每个指标的权重方法和具体的权重取值，为我国P2P信贷的信用风险度量提供了具有一定参考价值的度量模型，提供了一种新的思路。但是由于原始数据的搜集困难，样本较少，因此关于模型中权重的取值还有待进一步改进和更新。通过提升样本数量和原始数据的丰富度来提高度量模型的准确性则是下一步需要研究的重点。

注释

①赵敏，《互联网金融背景下“庞氏骗局”的识别与防范》，《浙江金融》2016年8月。

②该数据集通过“火车头数据采集器”对各个网贷平台实时搜集整理而得。

参考文献

[1]傅彦铭，臧敦刚，戚名钰.P2P网络贷款信用的风险评估[J].财经纵横，2014（21）：162-164.

[2]李从刚，童中文，曹筱珏.基于BP神经网络的P2P网贷市场信用风险评估[J].风险管理，2015（04）：94-96.

[3]肖曼君，欧缘媛，李颖.我国P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析[J].金融与保险，2015（01）：2-6.

作者简介：刘子才（1992-），男，汉族，四川广元人，四川省社会科学院产业经济所在读硕士，研究方向：工业经济；张雪彬（1995-），女，汉族，山西忻州人，四川省社会科学院金融与财贸经济研究所在读硕士，研究方向：金融学。endprint