网贷平台效率的测度方法及其验证

□王 飞 巢 玮2 王永健

[1. 东南大学 南京 211189；2. 扬州大学 扬州 225000]

引言

P2P网络借贷作为舶来品，率先由拍拍贷引入中国。进入2013年以后，整个P2P行业更是呈现出爆发性的增长态势。一方面P2P平台企业越来越多，而另一方面行业的准入和退出机制却迟迟没有出台，这就导致了网贷市场中平台质量良莠不齐，恶意违约和违规经营的平台对整个行业的形象造成了巨大的伤害，一时间仿佛整个P2P行业都成为了“庞氏骗局”的代名词，这对守法经营的平台十分不公。市场经济强调开放和竞争，强者生存，竞争中部分经营不佳的平台被市场所抛弃本是优胜劣汰的过程，无奈人们难以分辨正常的市场调整与恶意违规和欺诈，由此产生的对P2P行业乃至互联网金融的怀疑与排斥完全能够理解。

行业的混乱引起了中央政府的极大重视，中央十部委于2015年7月联合发布了互联网金融行业发展的纲领性文件——《关于促进互联网金融健康发展的指导意见》，旨在规范市场秩序和营造良好的经营环境。2016年4月中旬，国务院针对互联网金融行业的专项整治拉开序幕，饱受诟病的P2P网络借贷首当其冲，不少省份已经提前开启对P2P平台的重点排查和摸底。对于职能部门来说，排查和摸底的目的显然不应该局限在对违规平台的查处和对潜在恶意违约平台的防范，更应该对合规平台的发展现状和经营水平做出全方位的判断。那么问题来了：网贷平台发展水平的主要标准是什么？又该如何评价P2P平台的经营现状？

P2P平台的使命在于优质和高效地匹配互不相识的借贷双方进行交易，这一观点亦已成为学术界的共识。如此，效率如何就反映了平台的经营现状和发展水平。通过对相关文献的梳理我们发现，现有的研究主要聚焦在单一平台的效率和绩效评价，主要通过选取借款成功率、利率水平、完标时间等指标来衡量平台绩效，并对各种影响因素进行分析[1～8]。但需要指出的是，指标分析方法虽然应用广泛但是很容易出现偏差，特别是进行单位比较时，得到的结果将备受争议。目前为止，对平台效率的研究尚无涉及行业层面统一的评价方法和评价体系，因而极具学术研究价值。

基于上述背景，本文尝试在以往研究的基础上构建一个基于DEA模型的P2P平台效率评价方法，据此对部分平台的效率进行测算和比较，再借助面板固定效应模型对评价方法的合理性以及适用性做出判断。

一、研究模型

（一）超效率DEA模型

效率的测度目前来说主要有参数法和非参数法这两种路径，但是参数法必须设定函数的具体形式和行为约束，这就不可避免地造成估计的偏差。因此，本文选用成熟的数据包络分析DEA这一非参数方法对平台运营效率进行测度。传统DEA模型的分析结果常常会出现多个决策单元等于1的情况，当投入和产出指标较多时这一现象尤为突出。此时，有效DMU之间的效率无法进行进一步的比较。由此，为了进一步区分有效DMU的效率高低，Andersen和Petersen于1993年首次提出测度有效DMU效率程度的方法，即为“超效率”模型（Super Efficiency Model）。

由于CCR和BBC模型无法充分考虑投入产出的松弛性问题，其计算的效率值难免出现偏差。为了避免上述问题，Tone将松弛变量直接放入目标函数中，并在其SBM（Slacks-based model）模型（2001）的基础上进一步定义了SBM超效率模型[9]。考虑到P2P平台匹配投融资需求时同时追求投入的最小化和产出的最大化这一现实情况，本文将会使用SBM超效率模型中的非导向模型（Nonoriented）。此外，考虑到学术界对于双边市场中平台规模报酬递增的共识，我们最终选择非导向SBM可变规模报酬的超效率模型。有效决策单元DMU0的非导向VRS-SBM超效率模型构建如下：

其中，xij表示的是第j个决策单元的第j个投入变量，同理，yrj就是第j个决策单元的第r个产出变量。λj则表示参照集中各要素的权重。，分别表示投入与产出权重，其中和即为松弛变量向量，分别表示为投入差额与产出差额。当且时，说明决策单元（DMU0）DEA有效，经济学含义表现为实现了帕累托最优；若，但非零，此时称为DEA弱有效，系统存在改进的空间；弱则称DMU0为DEA无效，可以在降低投入要素比例的同时实现产出不变。

（二）面板固定效应模型

利用超效率DEA模型测算出P2P平台效率之后，本文对平台效率评价体系的构建也就基本完成，接下来我们将集中精力来验证评价体系的科学性、合理性以及适用性。以第一阶段得到的效率值为因变量，本文将采用固定效应回归模型，其基本形式如下：

二、变量选取及数据说明

本文以陆金所、人人贷、拍拍贷等22个P2P网贷平台为例，收集了2014年12月～2015年11月的月度面板数据为样本进行分析比较。为了保证数据的真实性、一致性与连续性，同时确保测算结果的准确性，本文对于平台样本的选择要求十分严格。首先所有数据源自业内公信度较高的网贷之家，其次，根据官方统计，问题平台的平均运营时间只有一年，为了避免平台弄虚作假，本文所选平台皆于2013年前成立且得到网贷之家长期和连续的关注。最后，无论是否在样本选择的时间范围之内，剔除一切出现过恶意违约和违规经营情况的平台。因此，本文所选取的平台样本能够最大限度的反映目前P2P网贷市场的主流情况，具有一定的研究价值。

（一）超效率DEA模型中的指标选择

在利用超效率DEA模型测度网贷平台效率的过程中，特别是在投入产出指标的选取上，我们主要借鉴了测度银行效率的相关研究成果。从目前来看，测度银行效率的主流方法有生产法、中介法和资产法，但需要指出的是无论哪一种方法都有其无法规避的缺陷，主要是无法完全体现银行作为匹配资金供需平台的双边市场特征，人为地割裂了资金从存款人到贷款人的转移过程。考虑到上述情况和P2P网贷平台的双边市场特征，在借鉴现有文献的基础上，本文选取实缴资本、平台运营时长、投资人数、投资总金额、成功借款标数以及平均利率这6项评价指标（见表1）。其中实缴资本是平台实际缴纳的注册资本，是支撑平台经营活动的物质基础。P2P网贷系统既关系到界面美观、用户体验、网站稳定，又关系到资金的安全。随着平台上线时间的增加，系统在实践中不断进行更新、维护与优化，平台的技术能力也在不断增强。因此，运行时长反应了平台的技术储备情况，是平台经营活动的技术基础，两者决定了平台服务能力的上限。投资人数和投资总金额作为实际资源的投入，也归类于输入指标。成功借款标数和平均利率是借款人和投资人在平台上互动的结果，应该列为输出指标。

表1 DEA指标选取（以陆金所为例）

（二）面板固定效应模型中的指标选择

依据DEA超效率模型的测算结果，本文将以平台效率（PE）为被解释变量来对评价体系进行验证。梳理过往的研究，埃文斯等人认为流动性是交易平台持续经营的基础，一旦拥有充足的流动性，供需双方就会被吸引过来，而平台本身也将得到快速的发展[10]。王海忠等人的研究表明，代表公司形象的品牌是企业能力的主要构成要素，能够在降低搜寻成本的基础上提升效率[11～12]。另外，在对银行效率的研究中，学者大多认为客户集中程度越高，银行面临挤兑以及违约的风险也就越大，长期来看会损害银行的绩效[13]。基于此，我们认为一个优质的平台也一定伴随着上佳的流动性，较好的声誉和品牌知名度以及较为分散的客户[14～15]。

结合已有文献以及P2P网络借贷的现实情况，文章选取平台借款完成标数（jkbs）、品牌知名度（brand）、流动性（liquidity）和分散度（dispersion）为主要解释变量，构建如下计量模型：

X为一组控制变量，分为平台交易特征以及平台运营特征。前者具体包括平台上的人均借款金额（rjjkje）、平均借款期限（jkqx），后者则包含了表征平台营收状况的营收指数（revenue）、平台透明度（transparency）以及平台杠杆指数（leverage）。变量简单的描述性统计见表2。

表2 描述性统计

三、定量分析

（一）超效率DEA模型测算

本节以平台的注册资金、运行时长、投资人数和投资总金额为投入指标，以平均利率水平和借款人数为产出指标，借助MAXDEA6.6，运用非导向的SBM超效率DEA模型测算22个样本平台2014年12月～2015年11月间的效率情况，测算结果见表3。

从表3可以看出，运用超效率DEA模型测算出来的结果契合了当前P2P网贷市场的现状，即平台数量虽多，但是质量和效率却千差万别。从平均效率值来看，陆金所、拍拍贷、宜人贷等7个平台在观察期内基本能够保证DEA有效，特别是陆金所，始终名列第一。与此相对的是开鑫贷，其效率值不断走低。因此，本文构建的平台效率评价体系并不是一层不变的，而是始终处于动态调整之中，不仅可以平台之间的横向比较，也可以进行纵向观察。

表3 样本平台的效率比较（2014年12月～2015年11月）

（二）面板固定效应模型回归分析

为了更加全面的对P2P平台效率评价方法的合理性进行验证，表4中从模型（1）到模型（3）采用逐步回归的方法，重点关注成功借款标数、品牌、流动性以及分散度的解释性。总体上来看，随着控制变量的不断加入，四个主要解释变量依然保持了相当的显著性。例如，品牌对于平台效率提升的正向作用在四个模型中都通过了5%的显著性检验。另外我们还发现，成功借款标数与平台效率之间的非线性关系非常显著，是一个典型的U型曲线，随着成功借款标数的增加，平台效率先降后升。P2P平台的这一现象完美地契合了平台经济学关于临界容量或者说临界规模的解读。平台在创建初期往往通过让利的方式来吸引各边主体的参与，但这一行为终不可持续，经营若想持续，必然对两边参与主体有一个最低数量组合的要求，一旦两边参与者达到最低组合的要求，在正反馈效应和间接网络外部性的作用下，平台的潜能和活力将得到完美释放，平台的效率也将重新得到提升[10]。

表4 平台效率测度方法的验证

由于第一阶段得到的效率必定是非负值，即第二阶段将要考察的因变量受限，如果直接借助普通最小二乘法（OLS）进行回归操作，得到的参数可能会有偏差，因此在模型（4）中利用Tobit回归采用最大似然法对P2P平台匹配效率的影响因素再次进行分析和估计。并无显著差异的结果进一步验证了本文研究的指标选取和结论的强壮性。

然而，分散度以及流动性与平台效率之间显著的负向关系让我们对构建的效率评价方法产生了动摇。以流动性为例，平台的流动性同时表征投资人收回本息以及借款人获得资金的难易程度。流动性指数越高，表明借款人的融资需求更容易得到满足，而投资人在该平台回收本金的时间也就越短，进入和退出更加灵活。因此，逻辑上来说，高效率平台应该伴随着良好的流动性。平台分散度表征的是平台上资金借贷的分散程度，积分越高说明借款人和投资人越分散，从P2P网络借贷的普惠特征来看，高效率平台所服务的对象也应该是广泛的。

此时我们注意到，在P2P市场激烈竞争，问题平台层出不穷的现实情况下，各个平台都在努力寻求强有力的“背书”以提升自己在市场上的可信度。是否，平台寻求“背书”的行为掩盖了一些特征性的规律？

为了解决疑惑，进一步讨论效率评价方法的适用性，我们引入“背书”虚拟变量，设定1为有背书，0代表没有背书的情况。这里，我们将平台是否股权上市、是否获得风投或者上市公司的注资、以及是否有国资和银行背景作为“背书”的判断依据。

从模型（5）的回归结果我们可以看出“背书效应”给平台带来的竟是效率的损失，效率值下降约0.0868，且在5%的水平下通过了显著性检验。另外，平台分散度和流动性指数此时同样显著为负，由此我们认为“背书”对于效率提升的副效应作用可能就是导致违背特征性规律现象出现的根本原因。一般来说，在没有“背书”或者说正在努力获取“背书”时，不论出于什么样的目的，平台会格外注重自身建设，真真切切地扎根经营，努力提升经营效率。能够股权上市，受到国资、银行、风投的青睐是对P2P平台过去经营和建设的肯定，“背书”的获取提升了可信度和市场接受度，能够极大减轻平台的经营压力，而压力释放后有意无意的懈怠就表现为了平台经营效率的下降，而这就是“背书”行为潜在的负效应。

基于此，我们至少可以做出如下判断，本文所构建的网贷平台效率评价方法完全能够反映占据市场绝大多数的民营背景平台的经营和运行状况，能够有效填补P2P网贷市场平台效率比较以及效率评价的空白，对于职能部门现在进行的摸底和排查工作具有现实的借鉴意义。

四、结论与政策建议

由于当前P2P网贷市场缺乏有效统一的平台效率评价体系，恶意违约和违规经营的平台对整个行业形象造成的负面影响难以肃清。P2P网络借贷作为普惠金融的有效实现形式，如果只是因为部分平台的恶意违规违约而被葬送，将是一件十分可惜和悲哀的事情。基于此，本文基于行业的视角，尝试构建统一的平台效率测度方法，首先借助DEA超效率模型测度出部分诚信经营平台的效率，然后利用面板固定效应模型对效率评价方法的合理性和适用性做出判断。

研究结果显示本文所构建的效率评价方法确实能够反映出P2P平台质量良莠不齐，并且一直处于动态调整之中的现实情况；而在随后的合理性和适用性检验中发现，对于民营背景平台，也就是暂无“背书”平台，本文的效率测度方法具有相当的说服力。基于此，结合P2P网络借贷的发展现状，本文提出以下对策建议：

1. 政府层面，十部委联合发布的《关于促进互联网金融健康发展的指导意见》对P2P网贷平台的经营画了红线，核心就是定位平台信息中介的职能以及银行作为资金第三方存管的主体地位。但这还不够，政府更需要在政策的落实方面发挥主导作用，建立和完善市场进入和退出机制。具体来说，对新上线平台进行严格的资质审查，从源头上杜绝欺诈风险；其次，全方位摸底，督促平台按照《指导意见》的要求按期进行整改，对整改不合格的平台坚决予以清退；再次，对于违规经营、恶意违约的平台坚决进行查处，并及时公告。

2. 行业层面，实现行业自律是成立互联网金融协会的初衷，也是互联网金融产业发展的客观要求。P2P行业目前的当务之急就是要制定较国家标准更为严格的经营规则和行业标准；要谨慎吸纳成员，避免沦为平台“背书”的工具；建立警示和惩戒机制，增加平台恶意违规的成本。

3. 平台层面，P2P平台首先要自觉遵守国家的法律法规以及行业规则，在此基础之上要以更高的标准来要求自己。另外，平台应该立足自身建设，扎根经营，踏踏实实的从业，勿盲目寻求“背书”。

[1] KLAFFT M. Peer to Peer Lending: Auctioning Microcredits over the Internet[R]. Proceedings of the 2008 International Conference on Information Systems, Technology and Management(ICISTM 08), 2008.

[2] IYER R, KHWAJA A I, LUTTMER E F P, et al.Screening in New Credit Markets: Can Individual Lenders Infer Borrower Creditworthiness in Peer-to-Peer Lending?[EB/OL].[2017-02-16]. https://dash.harvard.edu/handle/1/4448882?show=full.

[3] Mingfeng Lin, PRABHALA N. 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.

[4] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498-509.

[5] 戴维•S•埃文斯. 平台经济学：多边平台产业论文集[M]. 北京: 经济科学出版社, 2016.

[6] 卡尔顿, 佩洛夫, 胡汉辉. 现代产业组织[M]. 北京: 中国人民大学出版社, 2009.

[7] 李卫东, 刘畅, 郭敏. 结构调整、贷款集中度与价值投资:我国商业银行信贷投向政策实证研究[J]. 管理世界,2010(10):174-175.

[8] 李悦雷, 郭阳, 张维. 中国P2P小额贷款市场借贷成功率影响因素分析[J]. 金融研究, 2013(7): 126-138.

[9] 廖理, 李梦然, 王正位, 等. 观察中学习:P2P网络投资中信息传递与羊群行为[J]. 清华大学学报: 哲学社会科学版,2015(1): 156-165+184.

[10] 庄雷, 周勤. 身份歧视: 互联网金融创新效率研究—基于P2P网络借贷[J]. 经济管理, 2015(4): 136-147.

[11] 廖理, 吉霖, 张伟强. 借贷市场能准确识别学历的价值吗?—来自P2P平台的经验证据[J]. 金融研究, 2015(3):146-159.

[12] 廖理, 李梦然, 王正位. 中国互联网金融的地域歧视研究[J]. 数量经济技术经济研究, 2014(5): 54-70.

[13] 王海忠, 于春玲, 赵平. 品牌资产的消费者模式与产品市场产出模式的关系[J]. 管理世界, 2006(1): 106-119.

[14] 王飞, 王永健, 庄雷. 信任危机、逆向选择与品牌重建—来自网贷之家的经验证据[J]. 统计与信息论坛,2016(7): 95-99.

[15] 周勤, 王飞. 信息不对称与“言多必失”—来自中国P2P网贷平台的证据[J]. 东南大学学报: 哲学社会科学版, 2016(3): 78-84+147.