基于交易可能性集合模型的P2P网络借贷平台风险控制研究

2018-03-02施维,李悦

中国市场 2018年5期

施维,李悦

(广西金融职业技术学院,广西南宁 530007)

当前P2P网络借贷平台已经成为一种十分常见的互联网借贷模式,2013年互联网金融快速发展以来,P2P网络借贷平台的风险与日俱增,因此需要采用合适手段提升其风险控制效果,本研究就以交易可能性集合模型进行P2P网络借贷平台风险控制研究。

1 交易可能性集合分析

P2P网络借贷平台上存在资金需求和资金供给两方主体,可简单将其归结为融资者及投资者。本研究构建模型的基本思想就是对融资者和投资者两种双方的项目行为进行研究,并且在进行交易可能性集合研究过程中可将融资者贷款中需要承担的最高贷款利率以及投资者可接受最低投资收益率作为交易集合可能性分析因素。

融资者贷款中需要承担的最高贷款利率,可设定贷款过程中将融资者集合为I,这些融资者在融资中均需承担一定风险,且在P2P网络借贷平台的所有融资者均可将其表示为单一变量i,其自有资金可表示为H,在该贷款中的意向贷款金额为E,则可在此基础上将投资额表示为(Hi+Ei),项目预期收益率可表示为Ri,成功概率可表示为Pi。融资者在项目展开过程中的贷款利率表示为fi,可将项目成功后的收益表示为：(1+Ri)(Hi+Ei),项目失败后的收益为0,并可在此基础上将融资经营杠杆率表示为：

(1)

在融资过程中设定融资者贷款条件为融资者在项目展开过程中可获得正值收益,在此基础上便可得到如下所示不等式条件,对其整理简化得到式(3),对li进行求导可得出式(4)。

Pi[(1+Ri)(Hi+Ei)-(1+fi)Ei]≥Hi

(2)

(3)

(4)

从以上分析可知预期收益率与项目风险存在反相关关系,与融资者可承受最高贷款利率呈正相关关系；保持一般条件不变,项目成功率不低于预期时则会导致杠杆率越低,融资者可承受较高贷款利率；项目成功率低于预期时则会导致杠杆率越低,融资者难以承受较高贷款利率。

在研究投资者愿意接受的最低贷款利率过程中可设定所有投资者的集合可表示为J,这些投资者在融资中均需承担一定风险,且在P2P网络借贷平台的所有融资者均可将其表示为单一变量j,并可设定投资者资金成本表示为rj,设定贷款费用率表示为cj,结合融资人可将其表示为cij且在项目展开过程中的交易成本可将其表示为支付清算系统运行过程中完善及评估所需要消耗的成本,并可将其表示为Cj：

Cj=cijEi

(5)

以λj表示投资者的信息对称度,由于信息存在一定不对称性,因此无法有效评估融资成功率,并会导致其成功概率被低估,因此当λj越接近1则说明信息越不对称。则看在此基础上设定投资者放贷条件可表示为式(6),对其进行整理可得出式(7)。

(1-λj)Pi(1+fi)C-cij≥1+rj

(6)

(7)

以上分析表示在项目展开过程中投资者在接受最低贷款利率时会附带补偿成本,并要求融资者信用风险溢价。

2 交易可能性集合模型构建

通过前文分析可知,在构建交易可能性集合时将融资者贷款中需要承担的最高贷款利率以及投资者可接受最低投资收益率作为分析标准,即融资者贷款中需要承担的最高贷款利率以及投资者可接受最低投资收益率均处于理想状态。则可在以上分析基础上得出式(8)。

(8)

(9)

通过式(8)可知保持外界条件不变的情况下,交易成本越低将会促进交易条件和交易可能区间可能性越高,在此基础上可将交易可能性结合模型表示为式(9)所示形式。通过式(9)可知该模型的交易可能性主要由两个重点因素决定,分别为交易成本以及信息不对称程度。选择极端情况,即二者均趋向于0。则此时可将交易可能性集合模型表示为：

(10)

通过上述模型研究表明,在项目展开过程中若存在交易成本和信息不对称均不存在问题时,则仅仅需要融资者在项目进行过程中扣除其自由资金期望收益,使其不低于投资者机会成本即可。

3 风险控制要素分析

3.1 模型风险控制因素之一——交易成本

在P2P网络借贷平台中,其交易成本可涉及多个方面,统计分析发现交易可能性集合模型中交易成本主要影响因素为支付清算以及信用评估,通过模型分析不难发现,交易成本与交易可能性呈负相关,在模型运行过程中通过提高模型交易成交量可实现对P2P网络借贷平台经营风险以及流动性风险的有效控制。从现实情况来看,P2P网络借贷平台需要充分发挥其互联网科技优势,对其支付清算系统进行优化,使得该系统可形成高效率的支付方式。因此P2P网络借贷平台贷款公司在可与第三方诚信调研机构合作,提供较为全面的线上工作,了解融资者真实状况,从而降低交易成本。

3.2 模型风险控制因素之二——信息不对称程度

通过前文建立的模型可知,信息不对称程度与P2P网络借贷平台交易可能性集合之间负相关,受到信息不对称的影响会直接导致模型中存在信用风险。投资者在投资过程中会对其投资风险进行评估,融资者则会对融资中需要承担的风险进行有效评估,两者评估结果能否达成有效兼容是保证资金供求双方可达最终投资意向的重点。从风险管理角度分析,信息不对称会影响信用风险,且从现实角度分析可知P2P网络借贷平台需要加强其信息披露透明度,促进资金供求双方可清晰认识到投资中的各项风险,从而提升交易量,并可实现对交易风险的有效控制,建立与风险对应的预警机制。

4 实证分析

前文构建出基于交易可能性结合模型,并可得出影响P2P网络借贷平台的主要因素包括交易成本和信息不对称程度。这两种因素应用到实际情况就是当前P2P网络借贷平台的清算系统以及信用评估的运行效率。基于以上模型分析,现以数据展开实证研究,通过数据进行变量解释。

为研究交易可能性模型中的因素,从月数据报告平台选择当前最热门的100家正在运行的网络贷款平台作为研究对象,对其相关评级数据进行收集,数据收集时间为2016年10月到2017年10月的相关数据。在进行数据考察过程中主要以这些平台的成交量指标(EXCi)、平台杠杆(LEVi)、借款人分散度(DISi)、本息回收流动性(LIQi)、信息透明度(TRAi)以及其他相关数据作为评价指标,这些辅助数据主要包括成交量(EXCHi)、借款利率(INTi)、借款期限(DEAi)。为保证实际研究中的回归模型真实可靠,在量化分析过程中通过实际数据作为基础数据,在模型中对这些数据进行有效分析。

在确定以上模型后对以上数据进行非线性形式调整,并将数据输入模型中进行处理,是的数据在模型中达到最佳显著水平。结合前文的交易可能性集合模型将实证初级模型表达为：

(11)

式(11)中ExCi越高则说明P2P网络借贷平台贷款交易量越高,LEVi则是表示贷款过程中P2P网络借贷平台可承受风险能力的高低,TRAi表示的是P2P贷款平台信息透明度,NUMi表示线性分析中的误差值,LIQi主要是衡量投资人在P2P网络借贷平台资金回收时间长短指标,DISi表示P2P网络借贷平台结款以及投资资金分散指标,在以上分析的基础上进行数据考量,并计算其非线性回归分析,在此基础上得到的结果见表1。

表1 参数模拟分析结果

从上述线性回归结果中不难看出,模型模拟最终结果为0.5873,该部分存在不足之处,但其置信水平均不足5%,因此可在一定程上显示成交量会受到解释变量的影响,由此可见通过对影响成交水平的解释变量进行控制对P2P网络借贷平台风险控制有积极意义。通过模型分析可知该平台不存在二次项以及三次项的遗漏情况。

通过Eviews软件进行数据分析,并以非线性变量进行变量分析,促进其显著性有效提升,并可将其模型描述为

EXCi=c+φlog(INTi)+γDEAi+μi

(12)

其中EXCi表示的是P2P网络借贷平台的成交量,INTi表示的是借款利率,DEAi表示的是结款期限,μi表示的是系统干扰项,对该模型进行有效分析,在此基础上得到如表2所示结果。

表2 多元线性回归结果

通过上述分析可知,该实证模拟结果的拟合度为0.9789,该结果良好,并且显示研究因素较为显著,与建模过程较为相似,即以上研究结果可证实本模型具有一定可靠性。通过模型分析可知在P2P网络借贷平台中,资金杠杆率高会提升经营风险。信息透明度提升会促进边际成交量的提升。利息的提升以及借款期限的降低对成交量提升并不显著,需要保持利率与期限合理的结构配置。