P2P网络借贷平台风险识别研究

梁 闪，宋良荣 LIANG Shan,SONG Liangrong

（上海理工大学 管理学院，上海 200093）

0 引言

自2013年以来，P2P网络借贷在中国呈高速发展的态势。据网贷之家统计，截至2017年8月31日，行业累计平台数量为5 923家，成交量为2 495.554亿元，同比增长了30.64%，投资、借款人数分别为447.12万人、450.83万人，同比增长27.09%、233.18%。但是，行业在高速发展的同时也存在隐忧，由于目前我国征信系统不完善、行业自律缺失、政府监管不足等原因，P2P网络借贷的风险开始显现——平台跑路、提现困难、停业等问题，投资者利益频频受到损害。截至2017年8月31日，问题平台的数量累计为3 858家，行业问题平台超过半数，占比65.14%。问题平台中，有重大影响的一个例子就是“e租宝”事件，该平台在一年内非法融资超500亿，给投资者造成重大的损失，破坏了行业的健康发展。因此，文章以正常运营平台和问题平台为研究对象，对平台的运营指标数据进行定性和定量分析，识别平台的风险，进而为投资者选择平台提供有用的信息，同时丰富我国P2P网贷行业的理论研究，具有一定的理论意义。

1 文献综述

由于国外金融市场发展较成熟，监管体系完善，国外对P2P网贷的研究主要集中于哪些因素对借款成功率、利率水平和违约率产生影响。Puro等（2010）[1]发现借款人的信用评级、负债偿还比例和当前逾期记录能够预测新的借款成功率。Lin等（2013）[2]发现社交网络可以减轻网络借贷市场中投资者与借款者之间的信息不对称性，增加借款的成功概率，并且会降低贷款的利率和事后违约率。Dorfleiter（2016）[3]利用欧洲两大P2P平台数据实证发现，借款人的文字描述信息能显著影响到借款成功率，但是不能反映出潜在的违约概率。Emekter等（2015）[4]在对LendingClub平台上借款人进行了信用风险评估后发现，对信用风险高的投资者设定更高的利率并不足以弥补高概率的贷款违约损失。

中国对P2P网贷的研究前期主要集中在对平台运营模式特征、平台风险特征以及监管机制等方面。随着行业发展，研究者开始对单个平台的投资者的交易信息进行实证研究。郭卫东、李颖（2014）[5]的研究则更加深入，学者们将 P2P网络借贷的运营模式分成了5种，分别是以线下为主、单纯中介、提供债权转让、线上线下相结合以及公益类模式，并将每一种模式对应国内一个成功的交易平台，分别是宜人贷、拍拍贷、安心贷、红岭创投和宜农贷，对具体的平台进行具体的分析，具有较强的针对性。谢平、陈超、陈晓文（2015）[8]等将P2P网贷平台的运营模式分为4种，分别为信息中介模式、担保模式、信用中介模式、演变模式，并详细介绍了每种运营模式下运营流程，首次提出演变模式中的金融资产交易信息服务模式。卢馨、李慧敏（2015）[6]基于对国内P2P网络借贷运行模式和发展态势的分析，归纳了P2P网络借贷所面临的风险，并从政府、平台和借贷者3个角度提出防范建议，包括明确监管主体、完善法律法规等。陈清、林风润（2017）[7]通过编程抓取拍拍贷网站平台的数据建立样本库，建立Logistic模型研究借款人的描述性信息对逾期率的影响。研究结果表明，描述性信息中将自己塑造成诚信、追求生活质量、刷信用的借款人，其违约概率较大；描述性信息中将自己塑造成一个生活稳定、有进取心，借款的目的是体验网贷流程的违约概率较小。

2 理论分析与研究假设

本文研究的主要问题是平台的哪些因素能反映出平台的运营状况。对于平台的运营状况，当平台出现倒闭、提现困难、失联、停业等情况时，定义该平台为问题平台，即平台的风险大，否则定义为正常平台。本文将从4个维度选取反映平台经营状况的指标，分别为平台的实力、平台标的特征、平台的风控能力以及平台的治理能力。在对各个指标体系解释说明的基础上，提出本文的研究假设。

（1）平台实力。假设1：平台背景越强、注册资本越多，平台运营越好。

平台的实力主要表现在两个方面，一是平台背景，平台的背景主要有上市公司背景、国资背景、风投背景、银行背景、民营背景，其中民营背景的平台以其投资门槛低、收益率高、流动性好等特点吸引较多投资者，占据我国P2P网贷行业的半壁江山。风险方面，由于没有强硬的背景，民营系平台出现跑路和倒闭的几率相比上面背景平台要高一些。二是平台资本实力，即平台的注册资本，平台注册资本越多，平台运营中有更多的资本支撑，平台的运营才能得到基础的保障。

（2）平台标的特征。假设2：平台综合收益越高、标的类型越多、标的有担保，平台运营越好。

平台的标的为平台借贷投资者提供的产品，反映标的特征的就是标的的综合收益率、标的类型数量、保障模式。

标的的综合收益率主要来自两部分，一是无风险利率，二是风险溢价，风险溢价主要来自于对借款人违约的预期，即借款人违约的风险越大，风险溢价越大，相应的标的的综合收益率就会越高；根据“网贷天眼”的分类统计，目前，我国P2P网贷平台的借款标的种类主要分为车贷、房贷、个人信用贷、中小企业贷、债权流转、票据抵押、优选理财等。本文认为，平台标的类型数量越多，平台经营者所花费的经历越多，对平台的管理能力是一种考验。

在我国征信制度相对不完善，行业竞争激烈的情况下，平台为了吸引投资者推出本息保障的模式。保障模式主要有3种：一是平台用自有资金垫付，二是第三方担保，三是平台风险准备金。一般认为，平台采取自有资金垫付和提取风险准备金的模式是把借款人的风险转嫁到平台自身，平台自身的抗风险能力有限。第三方担保，第三方担保公司主要为银行、保险公司、小贷公司，这种方式可实现风险分担，相对前面两种担保模式，这种模式更受投资者的青睐，认为保障能力较高，资金相对安全。

（3）风控能力。假设3：平台经营的时间越长，平台的口碑越好，平台的经营越好。

风控能力是一个平台的核心竞争力，对风控能力起决定作用的是管理团队能力的大小。P2P网络借贷主要采取是网上交易的模式，网上交易由于信息不对称导致各种风险。不论贷前对借款人资质的审查、评估借款人职业的稳定性、居住的稳定性、项目的稳定性、家庭社交网络的稳定性和借款人门槛的设置，还是贷中持续的跟踪、贷后管理乃至违约的催还，都是专业性很强的工作，需要一支专业化的风控团队作为支撑。本文通过两个指标量来衡量平台的管理能力。一是用经营时间，作为一个新兴的行业，平台是处在边摸索边发展的阶段，从而一个平台经营的时间越长，其风险管理经验就越丰富，风险管理能力就越强；二是平台的口碑，口碑就是投资者在网络上对平台的评价，反映平台管理者的风险管理能力，作为平台的交易者，他们能很好地发现平台的经营问题。

（4）平台治理水平。假设4：平台信息披露的越多，资金有第三方托管，平台经营越好。

平台的治理机制是保障投资者利益以及平台自我规范的主要措施。本文主要探讨平台的两种治理机制，一是信息披露，二是资金托管。

信息披露有助于投资者以及监管者及时了解平台的运营状况，对平台进行筛选和监督，这点反过来可以促使平台加强管理、做好风控、实现良性发展，从而吸引更多的投资者；资金托管就是将投资的资金由第三方——银行进行托管，放在专门的账户中，与平台及平台的自有资金进行分离，这种方式能够降低平台挪用资金或诈骗卷款跑路的风险。

3 变量选取及实证模型

本文选取注册地为上海的平台作为研究对象，原因主要是：首先，上海是中国的金融中心，有利于企业的创新发展；其次。中国P2P网贷平台的地域分部中位列前三的城市分别是广东、北京、上海，平台累计为1 064家、762家、668家，问题率分别为60.43%、48.16%、60.82%，问题率是三者中最高的，对与本文的研究更具有代表性。数据来源于“网贷天眼”、“网贷之家”网站，通过手动收集了成立时间在2015年12月31日之前的平台，共计517家，剔除变量缺失的平台后，最终进行研究分析的样本平台共计288家，其中正常运营的平台数量为179家，问题平台109家。

3.1 变量的选取。本文共选取12项指标，其中1个被解释变量，11个解释变量。将平台的运营状态（condition）作为被解释变量，其中condition=0,1分别对应正常运营平台和问题平台。解释变量分为4个维度，11个指标。解释变量详细内容如表1。

表1 解释变量描述

3.2 变量的描述性统计。表2为连续型变量的统计描述，从表2中可以看出，正常运营的平台的经营时间、口碑与问题平台有较大差异，正常运营的平台的平均注册资本为7 198.35万元，是问题平台的1.25倍，平台的综合收益、标的类型数目以及信息披露数目两类平台差异较小。

表2 连续型变量分析统计

表3是离散型变量的分析统计，从表3中可以看出正常平台中平台背景、资金托管与问题平台中的有明显的差异，即平台背景雄厚、资金有第三方托管的，平台的经营状况好，平台标的的担保中以自有资金担保和准备金担保的，两类平台差异不大，而采取第三方担保方式的，问题平台的占比竟然多于正常平台。

表3 离散型变量分析统计

3.3 模型的选择。处理二分类变量常用的方法有Probit模型、Logistic模型。由于本文中平台运营状态是二分类变量，本文采用二分类Probit模型、Logistic模型对P2P平台运营风险因素进行识别研究。

Probit模型是非线性的，其将扰动项设定为正太分布，就得到了Probit模型，为：

Logistic模型也是非线性的，其将扰动项设定为逻辑分布，就得到了Logistic模型，为：

其中，Pi为平台出问题的概率，Yi为平台的经营状况，为0、1，βi为模型中各自变量的回归系数，Xi为风险识别的因素，ui为误差项。

4 实证结果分析

4.1 实证结果分析。本文采用Probit模型对变量进行回归分析，根据平台的实力、标的特征、风控能力、治理水平4大维度进行二项分类回归分析。模型（1）至模型（4）为Probit逐步回归结果。结果如表4所示。通过依次添加4个维度的指标变量，平台的背景变量在加入风控能力指标量时变的不再显著，说明风控能力包含了平台的背景。

表4 二项分类变量回归的实证检验结果

主要的结果如下所示：

（1）平台的背景和注册资本对平台运营状况无显著影响。平台背景在加入风控变量时不再显著，与实证结果不符，可能的原因是随着平台经营时间的增长，平台应对风险有经验，在风控因素的影响下，平台背景成为非核心指标，使得结果不显著；注册资本实证结果与假设不符，可能的原因是，2014年3月1日起施行的《中华人民共和国公司法》规定，将之前的注册资本的实缴登记制改为认缴登记制，企业可以自主的约定认缴的出资额、出资期限等，所以P2P行业中，一些不良企业通过认缴较高额度的注册资本来误导投资者。

（2）平台的年化收益、标的类型的数目对平台的运营有显著的影响，平台标的的3种担保方式对平台的运营无显著影响。平台的收益越高，相应的平台的运营越不稳定，经营状况越差。这是由于收益率的大小与风险呈正比，收益率越大，平台的风险就会越高。标的类型的数目指标量与本文的假设是相符的，标的的类型数目越多，越分散管理者的精力，对平台的管理要求就越高，从而平台可能出问题的概率就会越大。

平台标的的3种担保模式指标量与假设不符，可能的原因是平台垫付和提取风险准备金的模式，总体还是看平台自身的实力状况，风险还是由平台自身承担，并没有转移出去。第三方担保的模式，虽然实现了风险的共担，但是第三方担保公司的资质稂莠不齐，而且行业内普遍存在超过法定杠杆率的过度担保的问题，担保公司的实际担保能力堪忧。

（3）平台的经营时间和口碑对平台运营状况有显著的影响。平台的经营时间与平台的运营状况呈负相关关系。可能的原因是平台经营的时间越长，平台积累的实践经验越丰富，在行业中探索出一套有效的风险管理体系，以应对平台运营中的风险问题。平台的口碑，是投资者在网络上对平台的好评度，能时刻反映平台在运营过程中出现的问题，平台的口碑越好，平台的经营管理能力就越强，从而平台的运营状况就越好。

（4）平台的第三方资金托管、信息披露指标对平台的运营状况有显著的影响。采取资金存管的平台，其运营状况较好，因为资金托管机构要履行保护客户资金安全、监督资金使用情况、披露资金使用信息等职责，确保业务运营的独立和存管资金的安全，这些措施可以有效防止平台随意挪用资金或设立资金池，从而降低问题平台发生的可能性。平台信息披露越多，平台的经营状况越稳定，这与假设相符。这是因为平台对股东结构、高管信息、网站备案、平台运营数据、会计报表等信息的披露，可以在一定程度上反映出平台的管理运营能力和诚信经营态度，而没有披露的平台经营的目的可能是为了自融或诈骗，相对的经营风险就会越大。

4.2 模型稳健性检验。由于本文的解释变量是二分类变量，实证分析上是通过一个联系函数——分布函数转换建立线性概率模型。为了避免因概率函数选择的不同，导致结果误差较大，本文采用Logistic模型（5）对指标量进行回归分析。通过对比模型（4）与模型（5），两者除了标的类型数目的显著性不同，两模型回归的R2的观测值，几乎没有差异，这说明Probit模型（4）是稳健的。

5 结论

本文以注册地为上海的P2P网络借贷平台为样本，对平台的风险进行识别研究，通过“网贷之家”、“网贷天眼”两个网站，对平台数据收集和处理，最终样本中有179家正常运营的平台、109家问题平台。从实证检验的结果可知，平台的年化收益率、资金托管、信息披露、平台经营时间、投资者对平台的评价对平台的运营状况有显著的影响，平台的注册资本、平台的背景、标的担保对平台的经营状况影响不显著。具体而言，平台的年化收益越高，资金有第三方托管、管理层管理经验风险越丰富，平台经营状况越好，不容易出现问题。

[1]Puro L,J E Teich,H Wallenius,et al.Borrower Decision Aid for People－to－people Lending[J].Decision Support Systems,2010,49(1):52－60.

[2]Lin M,Prabhala R,Viswanathan S.Judging Borrowers by the Company They Keep:Friendship Networks and Information Asymmetry in Online Peer－to－Peer Lending[J].Management Science,2013,59(1):17－35.

[3]Dorfleitner G,Priberny C,Schhuster S.Description－test Related Soft Infoumation in Peer－to Peer Lending－Evidence from Two Leading European Platforms[J].Journal of Banking&Finance,2016,64:169－187.

[4]Emekter R.Tu Y,Jirasakuldech B,et al.Evaluating Credit Risk and Loan Performance in Online Peer－to－Peer Lending[J].Applied Economics,2015,47(1):54－70.

[5]郭卫东，李颖.网络借贷平台P2P模式探索[J].中国流通经济，2014(6):114－121.

[6]卢馨，李慧敏.P2P网络借贷的运营模式与风险管控[J].改革，2015(2):60－68.

[7]陈清，林峰润.描述性信息对借款人逾期率的影响研究——基于P2P网络借贷平台的分析[J].宏观经济研究，2017(3):137－145.

[8]谢平，陈超，陈晓文.中国P2P网络借贷：市场、机构与模式[M].南京：中国金融出版社，2015:102－104.

[9]王修华，孟路，欧阳辉.P2P网络借贷问题平台特征分析及投资者识别——来自222家平台的证据[J].财贸经济，2016(12):71－84.