基于因子分析的P2P网络借贷信用风险生成与传导路径研究

谭中明 师家慧 江红莉

（江苏大学财经学院，江苏 镇江212013）

基于因子分析的P2P网络借贷信用风险生成与传导路径研究

谭中明 师家慧 江红莉

（江苏大学财经学院，江苏 镇江212013）

P2P网络借贷平台环境下，由于集中了越来越多“不规范”的借款者，导致信用风险不断衍生传导。本文以“人人贷”平台随机抓取的数据为基础，通过探索性和验证性的因子分析，探讨P2P网络借贷信用风险的生成与传导路径，指出P2P网络借贷信用风险主要通过标的风险和借款者违约风险生成，且二者之间的相互作用借助平台信用保护机制，最终传导至整个P2P网络借贷行业。最后，有针对性地提出了防范控制我国P2P网络借贷信用风险的对策。

P2P网络借贷；信用风险；传导路径；因子分析

一、引言

P2P网络借贷（Peer to Peer Lending）是一种以互联网为载体，为借款人和出借人提供在线交易平台的互联网金融模式。随着互联网金融和民间借贷的发展，P2P网络借贷由于门槛低、时效快等特点迅速成为我国中小企业及个人短期融资的重要渠道。据网贷之家和盈灿咨询数据统计，截至2017年7月底，P2P网络借贷累计成交量突破5万亿，比2016年同期增长了112.43%。网络借贷行业运营正常的平台有2090家，比2016年底减少了358家。问题平台历史累计涉及的投资人数约为50万人，占总投资人数的4%。在监管趋严的2017年，我国P2P网络借贷平台数量持续下降，截至2017年7月底，累计停业及问题平台数量有3812家。其中，2017年7月，35家新增停业及问题平台中，提现困难4家、跑路7家、停业24家，停业及问题平台发生率为64.67%。停业平台数远大于跑路平台数，P2P网络借贷行业监管效果初现。我国P2P网络借贷交易大数据的背后，越来越多的投资者遭受损失。P2P网络借贷交易主要依托互联网平台，交易过程并不像传统银行借贷那样透明，涉及的很多交易信息未能充分披露给投资者，导致他们在P2P网络借贷中处于信息弱势方，面临着较高的信用风险。鉴于我国P2P网络借贷平台被界定为信息中介的角色，本文所探讨的信用风险主要是指借款者未能如期还款而造成出借人无法按时收回本金和利息的可能性。

为了明确P2P网络借贷信用风险的影响因素，进而确定因素之间的相互传导作用，本文主要从P2P网络借贷信用风险角度出发，运用SPSS18.0和LISREL87.0软件对信用风险影响因素分别进行探索性和验证性的因子分析，给出P2P网络借贷信用风险在结构方程模型下的生成和传导路径，从而为我国P2P网络借贷信用风险的防范提供理论基础。

二、文献回顾

近年来我国P2P网络借贷平台的爆发式增长为我国经济发展注入了新鲜血液，但由于我国征信体系的不健全（王嵩青、田芸和沈霞，2014；Jennifer J等；杨立，2015；腾磊，2016）和缺乏有效的P2P网络借贷监管机制（Michaels，2012），导致P2P网络借贷平台存在严重的信息不对称问题（Robert，2000；Klafft，2008）。借贷双方之间信息的不对等地位使得P2P网络借贷平台极易滋生借款人逆向选择和道德风险事件，同时借贷平台资金保障系统的缺乏诱发借款人“跑路”现象（Lin等，2009）。尽管目前很多P2P网络借贷平台都已建立自己的网上信用评级系统，但由于我国个人征信系统尚未完全建立，现有的银行征信数据并未向P2P网贷行业开放，加上我国互联网技术运用的不成熟，我国P2P网络借贷信用风险的控制和防范任务异常艰巨。

Pope和Syndor（2011）、 Enrichetta Ravine和Gathergood（2012）、Everett和 Michael Chau（2015）等通过对不同平台上的数据分析，得出借款者的长相、学历、性别、年龄和收入等个人信息会对P2P网络借贷信用风险产生影响的结论。Michael Chau（2015）同时指出借款者以往的交易记录和行为也会影响违约风险。除了借款者自身的“硬信息”，很多学者也指出像借款用途、偿还意愿这样具有描述性的“软信息”同样会对借款者违约行为产生影响（Jeremy Michels，2012；顾慧莹和姚铮，2015）。Klafft（2008）借助Prosper.com平台上的数据实证分析得出，信用评级对借贷违约行为影响较大，信用评级高的借款者容易获得较低利率的贷款，违约风险较小。姚凤阁和隋晰（2016）同样通过对我国拍拍贷平台数据分析指出，信用评级与违约风险负相关关系显著。Serranocinca等（2015）实证分析提出P2P网络借贷平台标的的利率越高，平台越容易发生违约或跑路现象。何晓玲和王玫（2013）等同时指出，由于我国P2P网络借贷平台缺乏有效监管，许多网贷平台沦为洗钱和变相吸储等非法集资工具，P2P网络借贷平台违约概率较大。

国内外现有的文献大多对P2P网络借贷的信用测评进行研究，针对借款者的个人信息讨论如何确定指标权重并建立合适的测评机制，以完善我国P2P网络借贷的征信体系。也有不少学者从借款者自身的“软”、“硬”信息出发，采用实证分析研究借款者在平台上借款成功与否与哪些因素有关。而针对P2P网络借贷信用风险生成和传导路径的研究并不多，尚未形成统一的观点。本文立足于我国P2P网络借贷平台信息中介的角色，借助探索性和验证性的因子分析方法，分析讨论我国P2P网络借贷信用风险生成和传导路径，从而为我国控制和防范P2P网络借贷信用风险提供参考。

三、P2P网络借贷信用风险影响因素的探索性分析

（一）分析的基本思路

P2P网络借贷信用风险由P2P网络借贷标的风险和借款者违约风险组成。其中，标的风险是指P2P网络借贷平台上借款者和投资者签订的借款合约遭受损失的风险，涉及标的总额、借款者的平台信用额度、还款期限、还款利率等信息。借款者违约风险主要是指借款者在平台上借款成功后，未能在合同约定的期限内还清借款金额而造成投资者无法按时收回本息的风险。导致借款者违约的因素有很多，除了借款者自身的“软”、“硬”信息外，还包括P2P网络借贷平台对借款者的综合评价和借款信息。

本文基于我国P2P网络借贷平台信息中介的角色定位，针对这两类P2P网络借贷信用风险，在借鉴已有研究成果的基础上，选取反映标的风险和借款者违约信息的18个指标，反复进行探索性分析，最后结合现实情况，选取标的总额、信用额度、标的状态、待还本息、还款期限、年利率、信用评级和借款总额8个指标作为影响P2P网络借贷信用风险的主要因子。

（二）P2P网络借贷信用风险影响因素的因子分析

1.数据选取和指标间相关性分析。本文主要研究P2P网络借贷借款者违约风险和标的风险，所以首先将从“人人贷”平台上随机抓取的500条数据进行分类，剔除无效数据，选出其中已确定违约的351条数据，采用0—1标准化方法对原始数据进行处理，以消除指标间的量纲关系，便于对比分析。

为了说明数据选取的有效性，运用SPSS18.0软件对本文选取的数据进行KMO和Bartlett检验（见表1）。

表1：KMO和Bartlett检验

由于KMO值为0.776，根据KMO度量标准可知，所选取的8个指标适合进行因子分析。

为了说明指标间的相关程度，接着对标准化后的8个指标进行相关性分析，求出8个指标间的相关系数矩阵R（见表2）。

表2给出了观测指标之间的相关系数矩阵，可以看出，矩阵中的值普遍较大，说明8项指标之间反映的P2P网络借贷信用风险信息有一定的重叠，进一步表明针对这8个反映P2P网络借贷信用风险的指标进行因子分析是必要的。

2.特征值及累计贡献率的计算。为了使提取的因子更有现实意义，将8个指标按照特征值大于1的提取原则进行降维处理，并计算R的特征值和累计贡献率（见表3）。结果显示，有两个因子符合提取原则，并且前两个因子的累计贡献率为82.34%，即这两个提取出来的因子所解释的方差占总方差的82.34%，用这两个因子来反映P2P网络借贷信用风险所损失的信息不多，所以这两个因子能够综合反映P2P网络借贷信用风险因素。

3.P2P网络借贷信用风险主因子的提取。为了使综合因子能够充分反映各个指标的意义，便于结合现实情况进行分析，这里采用Kaiser标准化的正交旋转法对因子进行旋转，得到旋转成分矩阵（见表4）。

将8个指标按照较高载荷进行分类，为了清楚地看出载荷分类情况，这里选取并保留了绝对值在0.60以上的结果。由表4可以看出，第一主因子在标的状态、信用额度、标的总额、待还本息、还款期限和年利率这6项指标上的载荷较大，结合现实情况，本文将其定义为标的风险因子，第二主因子在信用评级和借款总额这2项上的载荷较大，本文将其定义为借款者违约风险因子。根据以上SPSS18.0软件进行的探索性因子分析，P2P网络借贷信用风险生成的影响因素便由原来的8个指标降为2个主因子，对P2P网络借贷信用风险的生成和传导分析便可以通过这两个主因子进行讨论。

四、P2P网络借贷信用风险影响因素的验证性分析

（一）分析的基本思路

根据上面进行的探索性因子分析结果，将标的总额、年利率、还款期限、标的状态、信用额度和待还本息这6个变量用来反映潜变量标的风险因子，信用评级和借款总额用来反映潜变量借款者违约风险因子。然后借助LISREL87.0软件给出P2P网络借贷信用风险各因素的参数路径图，最后结合现实情况对路径大小进行分析说明。

（二）P2P网络借贷信用风险影响因素的参数估计路径图的绘制

表2：指标间相关性矩阵

表3：初始特征值和解释的总方差

表4：旋转成分矩阵

在探索性因子分析的基础上，为了说明路径参数估计的可靠性，对各个指标进行信度和效度检验。借助SPSS18.0进行信度检验，Cronbach’s Alpha的值为0.794，效度检验结果也通过，说明各指标数据分析的结果是可信的。

为了更好地给出8个指标对P2P网络借贷信用风险生成和传导的具体影响情况，这里借助LISREL87.0软件对上述8个指标进行标准化参数估计分析，得到验证性因子分析各参数的标准化估计路径图（见图1）。

图1：验证性因子分析中各参数的标准化估计路径图

（三）P2P网络借贷信用风险影响因素的验证性结果分析

在排除外源指标的误差项因素之后，通过上述参数的标准化估计路径图可以得到P2P网络借贷信用风险生成和传导的验证性因子分析路径图。根据LISREL87.0运行的结果可知：卡方/自由度=73.78/39=1.89＜2，RMSEA=0.059＜0.08，所以，P2P网络借贷信用风险生成和传导的参数估计路径图整体理想。

从图1可以看出，标的风险（BD）和借款者违约风险（JKZ）之间的相关系数为0.36，故1-0.36=0.64表示在P2P网络借贷信用风险生成的过程中，能够被标的风险解释而未能被借款者违约风险解释或被借款者违约风险解释而未能被标的风险解释的部分。

五、P2P网络借贷信用风险产生和传导路径分析

在标的风险生成的过程中，标的状态起着重要的作用，在P2P网络借贷合约形成之后，借款者对借款金额使用情况直接反映出借款者对资金需求的迫切程度，标的状态越小，意味着借款者资金使用越迫切，借款者的短期资金需求越大，标的所面临的违约风险也越大。另一方面，P2P网络借贷平台根据借款者的历史借款记录、信用评级、债务收支情况等因素确定的借款者在平台上的信用额度也会影响标的风险的生成。当借款者的信用额度越大，说明借款者以往的交易记录较为良好，在该平台上的历史借贷表现较好。为了保持良好的历史信誉，同时也为了以后可以获得更高的信用额度，借款者往往更容易按时还款，标的风险违约概率由此降低。此外，借款合约确定的标的总额和年利率越高、还款期限越长以及借款者每月的待还本息越多，标的风险产生的可能性越大。

在借款者违约风险产生的机制里，P2P网络借贷平台根据借款者“软”、“硬”信息所确定的借款者的信用评级越高，借款者违约还款的可能性越小。借款者的实际借款金额越多，说明借款者的资金需求越大，借款者面临的按时还款付息的压力就越大，违约的可能性随之增大。

基于P2P网络借贷平台的操作流程，借款合同的实际情况直接导致标的风险的产生，而借款者自身的经济、财务等综合信息直接影响借款者违约风险的产生和传递。当P2P网络借贷交易活动进行时，标的风险和借款者违约风险之间会相互影响，甚至会借助P2P网络借贷平台共同作用于信用风险，进而加快P2P网络借贷信用风险的生成和传导。当投资者通过网络借贷平台选择投资标的后，P2P网络借贷标的风险便转移到投资者身上，为了减少自身的风险损失，投资者往往会在平台上支付相应的信用保护费，一旦借款人未能在规定的时间内按时还款付息，投资者即面临相应的损失，而这部分损失则会由于投资者事先在平台上购买了信用保护而过渡给平台，最终由P2P网络借贷平台承受借款者的违约风险。当整个P2P网络借贷行业平台之间因为交易而产生关联时，P2P网络借贷平台信用风险便会借此传递到关联平台，直至整个P2P网络借贷行业出现信用风险危机，P2P网络借贷行业则会陷入信用危机，危害整个市场经济。虽然我国P2P网络借贷平台被界定为信息中介，但在实际的网贷交易过程中，P2P网络借贷机构往往扮演信用中介的角色，为借款者提供信用担保，即上述提及的信用保护。一旦我国P2P网络借贷机构回归信息中介的角色，借款者单方面的违约风险将不再传递给P2P网络借贷平台，而是直接传导至投资人，这就形成了P2P网络借贷信用风险的传导路径。

六、研究结论与对策

（一）研究结论

本文在分析P2P网络借贷信用风险影响因素的基础上，通过探索性和验证性因子分析对P2P网络借贷信用风险的生成和传导进行了标的风险和借款者违约风险的分析，最后指出在二者的相互影响和共同作用下，P2P网络借贷信用风险由标的风险因素和借款者违约因素共同作用生成，并借由P2P网络借贷平台之间的各种关联机制，最终传导至整个P2P网络借贷行业。

尽管本文综合使用了探索性和验证性因子分析方法对P2P网络借贷信用风险的生成和传导进行了验证，但本文仍存在不足之处。由于我国P2P网络借贷行业尚未完全开放，本文分析所用的数据是通过爬虫软件随机获得的，数据构成结构不够优化，实证分析结果可能会因为不同平台的差异性存在偏差，但总体影响效果并不受太大影响。

（二）防范和控制我国P2P网络借贷信用风险的对策

针对以上的研究结论，本文从P2P网络借贷标的风险和借款者违约风险这两个角度提出我国P2P网络借贷信用风险预防和控制的对策：

1.完善现有信用评级机制，实现线上审核和线下验证相结合的信用认证机制。从研究结果来看，无论是标的风险生成中的借款者信用额度，还是借款者违约因素中的信用评级，这两种基于借款者个人信息所确定的标准都对P2P网络借贷信用风险的产生和传导有着重要的影响。但就我国目前P2P网络借贷行业的信用认证发展现状来看，平台对于申请者的认证信息主要依靠申请者自己填写或上传的个人信息来评定，借款者信用风险认证存在很大的主观性，加上我国银行个人征信数据尚未向P2P网络借贷平台开放，现有P2P网络借贷平台信用认证系统还不成熟，P2P网络借贷行业尚未形成统一的信用评级体系。P2P网络借贷平台在未完全掌握申请者的信用认证信息的条件下给出的借款者信用评级并不能完全反映借款者的信用情况，投资者仅靠平台给出的借款者信用评级进行决策往往容易被误导，极易被恶意欺诈的借款者吸引，最终导致投资成本无法收回，损失惨重。随着我国征信体制的不断完善，P2P网络借贷平台急需完善自身的信用评级机制，寻求与更多开放的征信平台合作，参考国际上公认的FICO信用评分体系，逐步完善线上审核程序，结合对借款者信息的线下验证，实现对借款者信息精准化的搜集和评价，以便恰当地安排网络借贷交易，降低P2P网络借贷标的和借款者的违约风险。

2.加强对P2P网络借贷平台的监管，及时处理问题平台。与国外相比，P2P网络借贷行业在我国尚未发展成熟，相关的信用风险监管措施还不够完善，加上我国信用认证机制不健全，据网贷之家的数据统计，截至2017年7月底，全国共有5902家平台经营P2P网络借贷，其中问题平台数达到3812家，占总平台数的一半以上，可见，我国P2P网络借贷平台存在较大的安全隐患，投资者面临的信用违约风险巨大。2016年8月颁布的《网络借贷信息中介机构业务活动管理暂行办法》重点整改了P2P网络借贷行业运营的合规性，同时积极探寻网贷行业的规划发展路径。政策实施的一年时间里，已有879家平台选择以停业或者转型的方式退出网贷行业，截至2017年7月底，与银行实现签约存管的P2P网络借贷平台数已达600多家，约占7月底网络借贷平台数的28%。政府加大监管力度的措施有效减少了问题平台的数量，促使P2P网络借贷行业向合规化发展，同时，问题平台的及时清退也使得P2P网络借贷行业成交量不减反增，我国P2P网络借贷历史累计成交量在2017年7月首次突破5万亿，P2P网络借贷行业监管成效凸显。在P2P网络借贷平台合规化提速的背景下，政府等相关部门更应该加大对P2P网络借贷平台的监管，切实保护投资者的权利，完善相关法律法规约束P2P网络借贷平台的行为，及时发现问题平台并严肃处理，净化P2P网络借贷交易环境，为P2P网络借贷行业的健康发展保驾护航。

3.明确P2P网络借贷平台信息中介的定位，规范P2P网络借贷行为。《网络借贷信息中介机构业务活动管理暂行办法》中再次重申了P2P网络借贷平台信息中介的定位，指出P2P网络借贷是专门经营网贷业务的金融信息服务中介机构。据《2017年7月网贷平台发展指数评级》报告显示，网贷之家上的运营平台7月份成交量为2536.76亿元，其中成交量前100家平台成交额占比超过一半。从参与者交易情况来看，越来越多的投资人和借款者向合规平台靠拢，中小P2P平台面临被淘汰的命运。P2P网络借贷平台合规化发展对行业健康发展起到至关重要的作用。但就我国目前运营的P2P网络借贷平台而言，几乎没有一家平台业务只涉及信息中介。而相较于一开始就定位于小微金融的国外网贷平台，我国的P2P网络借贷平台之间存在严重的恶性竞争现象，许多平台不甘于做小额资产端，往往抱有侥幸心理去触及监管红线，最后导致平台“跑路”或倒闭，严重危害了我国P2P网络借贷生态圈的稳定。在互联网经济飞速发展的今天，P2P网络借贷平台信息中介的定位需要被重申，P2P网络借贷行为也需要被规范。P2P网络借贷行业更应该立足于线上优势，充分发挥“普惠金融”的特性，抓住机遇完成转型升级。

[1]Michael Klafft.2008.Peer to Peer Lending：Auctioning Micro credits over the Internet.Proceedings of the International Conference on Information Systems[J].Technology and Management，（2）.

[2]C.Everett.2010.Group membership，relationship banking and loan default risk：the case of online social lending，SSRNE electronic Journal 03/2010.HTTP：//WWW.research gate.net/publication/228200235.

[3]Riza Emekter，Yanbin Tu，Benjamas Jirasakuldech&Min Lu，.2015.Evaluating credit risk and loan performance in online Peer-to-Peer（P2P）lending，Applied Economics，47.

[4]网络借贷信息中介机构业务活动管理暂行办法[EB/OL].（2016-08-24）[2017-07-13].http：//www.cbrc.gov.cn/govView_37D312933F1A4CECBC18F9A96293F450.html.

[5]Lin M，Prabhala N R，Viswanathan S.2009.Can Social Networks Help Mitigate Information Asymmetry in Online Markets?[C]International Conference on Information Systerms，Icis 2009，Phoenix Arizona，Usa，December.

[6]李琪，王振.P2P网贷平台风险和标的风险的辨析[J].上海金融，2016，（10）.

[7]刘芬华，吴非，李华民.互联网金融：创新金融体征、泡沫风险衍生与规制逻辑[J].经济学家，2016，（6）.

[8]杨立.基于社交网络的P2P借贷信用风险管理研究[M].经济科学出版社，2015.

[9]零壹财经，零壹数据.中国P2P借贷服务行业白皮书[M].中国经济出版社，2014.

[10]谭中明，黄丹.基于生态圈视角的P2P网络借贷信用风险形成机制及防范研究[J].西南金融，2016，（9）.

[11]潘爽，魏建国.P2P网贷平台的信用风险及其分散机制设计——基于信号传递模型[J].财会月刊，2017，（11）.

Research on Credit Risk Generation and Conduction Path of P2P Network Loan Based on Factor Analysis

Tan Zhongming Shi Jiahui Jiang Hongli
（School of Finance and Economics，Jiangsu University，Jiangsu Zhenjiang 212013）

Under the P2P lending platform environment，the credit risk has been derived from the increasing number of"unregulated"borrowers.Based on the random data ofborrowing of"Renren Loan"platform，this paper explores the generation and transmission path of credit risk of P2P network borrowing through exploratory and confirmatory factor analysis，and points out that the credit risk of P2P network borrowing mainly generates through targeted risk and borrowers'default risk，and the interaction between the two，through the platform of credit protection mechanism，eventually transmits to the entire P2P network lending industry.Finally，the countermeasures are put forward to prevent and control the credit risk of P2P network borrowing in China.

P2P network loan，credit risk，transmission path，factor analysis

F832.39

A

1674-2265（2017）11-0034-06

2017-09-08

国家社科基金项目“基于生态圈视角的P2P网络借贷信用风险传导、动态评测与防控策略研究”（项目编号：16BGL049）。

谭中明，男，湖南安化人，博士，教授，供职于江苏大学财经学院，研究方向为商业银行、信用管理与互联网金融；师家慧，女，江苏徐州人，江苏大学财经学院，研究方向为互联网金融风险管理；江红莉，女，湖北随州人，博士，副教授，供职于江苏大学财经学院，研究方向为金融工程与风险管理。

（责任编辑 耿 欣；校对 GX）