P2P平台信用风险评价模型研究

刘晓宇，孟枫平

（安徽农业大学，安徽合肥，230036）

P2P网贷平台不仅扩大了投资者的投资范围，还为中小企业融资开辟了新的领域。据网贷天眼研究院不完全统计，截至2017年8月31日，我国P2P网贷平台数量达5118家，P2P网贷行业历史累计成交量达到了53277.54亿元。然而，由于监管体系的不成熟等原因，8月新增问题平台87家（不包括非近期），累计问题平台达3362家。问题平台的产生不仅影响着借贷双方的利益，更制约着整个行业的平稳发展。据团贷网不完全统计，2017年8月份，P2P“跑路”平台共30家，出现提现困难14家，该行业显然面临着巨大的信用风险。

现阶段，我国没有统一的信用风险评价系统，虽然国内有许多网站上有对P2P平台进行风险评级，但各个评级组织侧重点不同，所得出的结果也不一致。例如，网贷之家是以成交量、人气、品牌等几个维度进行信用风险评分，主要以投资人为出发点，收益率较高的，得分也比较高。因此，国资、上市公司由于收益率较低原因会排名较后。融360评级是以平均收益、上线时间、平台背景、人气指数等几个维度进行信用风险评分，因此具有银行、国资、上市公司等背景且人气度较高的P2P平台排名较前。

从文献看，国内学者对于P2P平台的研究数量不多，研究起步较晚，袁羽的研究基于借款者的信用等级、借款期限等10个指标运用logistic回归模型对借贷平台借款人的信用风险进行度量。然而，借贷平台的信用风险主要为借款人到期无法偿还和经营者通过虚假手段进行非法集资等风险，单就借款人进行信用风险的评定显得较为片面。彭业辉运用拓展后的KMV模型测量P2P平台的信用风险，但是KMV模型主要是针对上市公司进行的信用风险评级，以成交额（包括注册资本）作为股价市值来估算，具有一定的偏差。同时，大多数研究主要基于定量指标，具有一定的片面性，并且当数据出现缺失甚至失真的情况时，所得到的结论可能对决策产生一定的误导性。

因此，在考虑了人气度、安全性、合规性、平台背景等多个角度的基础上选择出定量及定性指标，运用层次分析法和模糊数学评价法，构建出适用于我国P2P借贷平台的较为客观的信用风险评价模型，之所以选择层次分析法，是因为该方法可以将决策者的主观判断与政策经验导入模型并加以量化处理。建立合理的P2P平台信用风险评价模型具有重要意义，一方面有助于P2P平台防范信用风险；另一方面，有利于保护投资者的利益，同时，也为监管部门对P2P平台的监管工作提供了一个有价值的参考标准。

一、定性和定量指标及各权重的确定

由于互联网借贷平台与中小企业的信用评级系统具有一定的相关性，因此笔者基于P2P借贷平台自身风险的特点，参考了中小企业评价信用风险所选取的相关指标，同时根据金融办与银监会发布的行业监管要求，最终确定符合该行业特点的定性和定量指标，构建出了相应的P2P平台信用风险评价体系。

（一）定量指标的选取

定量指标主要考虑平台的抗风险能力、人气度、融资能力、平台安全性等几个方面，选取8个经营数据指标，分别是资金流入率（X1）、利率指数（X2）、月平均新借款成交额（X3）、月平均投资人人数（X4）、偿兑指数（X5）、借款指数（X6）、满标速度（X7）、平均借款周期（X8）。

1.资金流入率（X1）=（该平台过去3个月净现金流总和/该平台过去3个月成交额总和）*100%，表示了该平台过去3个月贷款余额的变化趋势。资金流入率越大，说明变现能力较强，抵抗风险的能力就越强。

2.利率指数（X2）=过去3个月平台借款标的平均综合利率*100，一笔标的综合利率=该笔标的利率+该笔标的年化投标奖励。利率指数越大，表明平台所面临的运营压力就越大，抵抗风险的能力就越弱。

3.月平均新借款成交额（X3）=过去3个月借款成交额总数/3。平均新借款月成交额越大，表明该平台的业务情况就越好。

4.月平均投资人人数（X4）=过去3个月投资人数的总和/3。平均投资人人数越大，表明该平台对投资者的吸引能力越强，相应的融资能力就越强。

5.偿兑指数（X5）=（过去3个月累计待还金额/过去1年累计待还金额）^2，该指数反映了该平台上季度所承担的偿还压力，偿兑指数越大，表明其上季度所承担的偿还压力就越大。

6.借款指数（X6）=（过去3个月借款总额/过去3个月借款人数）^（1/2）。借款指数越小，表明该平台受单个借款人违约的影响较小，即风险集中度较小，抵抗风险的能力就越强。

7.满标速度（X7）=过去3个月平台发布的所有标的满标时间总和/3。满标速度越快，代表投资人热情度越高，该平台的融资能力很强。

8.平均借款周期（X8）=过去3个月内平台所有借款标的期限加权平均值。平均借款周期越长，表明该平台的资金流转速度也就越快。

（二）定性指标的选取

定性指标从平台可信性和信息透明性两个方面各选取了4项指标。平台可信性的指标包括注册资本（X9）、平台背景（X10）、团队资质（X11）、资金托管及备案管理（ICP证）（X12），信息透明性指标包括借款人信息（X13）、运营数据公开（X14）、平台实力披露（X15）、财务数据公开（X16）。最终，确定的定性与定量指标体系如表1所示。

（三）权重的确定

李惠彬、陈实、曹国华确定信用风险定性及定量指标的权重时运用主成分分析法，以模型解释度作为指标权重的判断标准，得出定量指标能解释的比例为61.69%，并且随着时间跨度不断扩大，定量指标所占权重会逐渐下降。因此，结合以前学者的文献，同时根据行业特点，确定定量指标权重为6/10，定性指标权重为4/10，并运用yaahp软件确定各个指标的权重大小。

表1 定性与定量指标确定

1.建立层次结构模型

按照决策目标，中间层要素以及指标选择构造出层次结构模型见图1。

图1 层次构造模型

2.构造判断矩阵

邀请行业内5名专家，分别将中间层要素和各个具体指标的重要程度进行两两比较，根据标度说明书进行打分见表2。

表2 标度说明书

得出如下判断矩阵1-4，且均通过一致性检验。

表3-1 矩阵1

表3-2 矩阵2

3.确定各个指标权重

运用yaahp软件确定各定性及定量指标的权重，依次为0.2516，0.1239，0.3091，0.0331，0.0625，0.1120，0.0428，0.0651;0.0382，0.2797，0.1080，0.0741，0.2311，0.0564，0.1541，0.0584。

二、构建信用风险评价模型

运用模糊数学评价模型输出定量指标的分数Q1，同时，通过专家评分表输出定性指标的分数Q2，最后将两者按照权重相加得出总分Q，对照信用风险等级参照表最终确定P2P平台的信用风险等级。

（一）定量指标分数的确定

1.确定因素集

将上述确定的8个定量指标纳入因素集合，记为Xi(i=1,2,…,8)。

表3-3 矩阵3

表3-4 矩阵4

表4 评判等级对应分数段分布

表5 定量指标等级分布

表6 定性指标评分表

2.确定评判集

将定量指标确定为满分100分，同时，将评判集合分为四等级，即Vj={V1,V2,V3, }V4={优，良，中，差}，各等级所对应的分数段如表4所示。

3.确定单因素评价矩阵

根据平台各个定量指标平均值及数值的分布，确定以上8个定量指标的对应的分级标准，如表5所示。

按照定量指标等级分布的特点分为极大型指标和极小型指标。极大型指标代表值越大越好，如资金流入率、月平均新借款成交额、月平均投资人人数、平均借款周期等，而极小型指标代表值越小越好，如利率指数、偿兑指数、满标速度、借款指数等。根据隶属度的公式及定量指标的分级参照标准，构建出单因素模糊评价矩阵R=(rij)m×n(i=1,2,…,m;j=1,2,…,n)，Rij代表第i个因素对第j层分数段的隶属度。

4.确定定量指标的总分

设权重向量为A=(a1,a2,a3,a4,a5,a6,a7,a8)，定量指标评判等级向量为B=(b1,b2,b3,b4)T。

（二）定性指标分数的确定

定性指标的分数采用专家评分表进行确定，首先将定量指标的评判集合分为四级，分别为Ki={K1，K2，K3，K4}={优，良，中，差}，对应的分数段与上述定量指标一致。其次，邀请专家根据文中选定的8个定性指标为该平台打分（评分表如表6所示），各个指标的数值最终由专家评分的平均值（去掉极端值的影响）来确定。最终，该部分分数可通过来确定，di为上述定性指标的权重，Gi为各指标专家评分的平均值。

（三）P2P借贷平台信用评级模型的建立

通过上述对定性及定量指标的分数的计算，根据Q=0.6Q1+0.4Q2，将得出的平台综合分数与P2P平台信用风险等级划分表（表7）相比对，最终确定所选平台的信用风险等级。

表7 P2P平台信用风险等级划分表

三、实证研究及结果分析

根据上述构建的P2P网贷平台信用风险评价模型，本文选择了14家具有代表性的平台来进行信用风险评级。

（一）数据来源

以网贷之家、网贷天眼及各个平台自身网站上发布的数据为基础，计算出所选取的各平台的综合分数，从而确定对应的信用风险等级。其中，定量指标中所选取的数据时间段选取为2017年6月31日至8月31日。

（二）定量指标分数的确定

以PPmoney理财为例，计算定量指标的分数。

根据网贷之家网站及PPmoney理财官网上的数据，可以得出的相关定量指标数据，如表8所示。

表8 PPmoney理财相关定量指标数据

将表9中的数字与上述表6定量指标等级分布相对应，通过隶属度公式得到单因素模糊评价矩：R=(rij)8×4(i=1,2,…,8;j=1,2,3,4)。

另外，由上述层次分析法通过AHP软件可知权重向量为A=(0.2516,0.1239,0.3091,0.0331,0.0625,0.1120,0.0428,0.0651)，同时，根据表5评判等级对应分数段分布得到定量指标评判等级向量为B=(100,75,50,25)T，最终可以得到该平台定量指标得分Q1=A×R×B=87.05。

（三）定性指标分数的确定

邀请5位行业内专家按照表6为该平台进行评分，14家P2P平台定性与定量指标评分结果如表9所示。

表9 14家P2P平台信用风险评级

最后将所计算出的定量指标分数Q1与定性指标分数Q2加权得出总分Q，并且对照表7对这14家平台进行信用风险评级。

四、实证结果分析与建议

（一）实证结果分析

从14家平台的总分与信用等级可以看出，目前我国P2P平台的信用等级并不是很高，并不能有效的控制信用风险，这主要由于银监会发布的“一个办法三个指引”框架虽已基本搭建完成，但是相关细则条规还不够详细，监管部门的权责分工还不是很明确，国内的征信系统不够完善，平台的信息透明度不高，大部分平台不提供财务数据、信息安全测评认证报告及资金存管报告等。

（二）建议

1.对投资人的建议

首先，投资人要关注投资平台利率水平。在选择恰当的投资平台时，要提高对高利率投资项目的警惕性，意识到在短期内实现高收益的P2P平台可能隐藏着巨大的投资风险。其次，要关注P2P平台的活跃度高低，投资者应优先考虑活跃度较高的P2P平台。月平均新借款成交额、月平均投资人人数、满标速度、资金流入率等充分反映了公众参与的热情度，活跃度越高的平台资金周转率就越大，可信度越强。最后，投资者还要考虑借贷平台的抵抗风险的能力，借款指数越小，说明当某一个借款人有违约的风险时，对借贷平台总的影响程度较小，同时，偿兑指数越小，说明该平台偿还前三个月资金的压力比较小，共同预示着平台对于风险的抵抗能力较强。

2.对P2P平台的建议

首先，平台应符合监管规定，确保提供真实且完整的平台信息，并且符合监管规定，如提供监管部门要求的银行存管报告、公司财务报告、运营报告，借款人的信息公开等。其次，P2P平台应该拥有良好的运营团队，招聘专业性较强及工作经验较为丰富的管理人员，能够建立良好的企业文化，提高全体工作人员的风险意识，进而提升自身平台对于信用风险的防范和控制能力。最后，P2P平台要保证注册资本与实缴资本一致，因为注册资本形成公司自身资产，是公司承担经营责任的基础，它不仅代表着股东承担责任的大小，还表示对于公司债权人的基本保证。

3.对监管部门的建议

首先，监管机构发布的监管规则应该更加详细化，明确企业需要公开披露的信息，制定出统一的借贷平台资金存管标准，从而扭转P2P平台存在的行业不规范现象，如缺少资金存管报告、运营数据披露不完全等。其次，监管部门应强化该行业信用风险排查系统，对高风险领域进行深入排查。对未按照监管规定进行企业备案管理、信息披露等要分类处置，妥善化解风险。对案情较为复杂、社会影响较大的案件，要成立专门工作组，做好查处、清退和善后工作，最大限度维护受损群众利益。最后，持续监督各家P2P平台的运营情况，对于经营压力较大，人气度较低或者资金周转较慢的平台优先关注，完善借贷日常信息检测机制，努力维护良好的金融生态环境。

［1］Siekelová A.Using Rating for Credit Risk Measurement［M］.New Trends in Finance and Accounting.Springer International Publishing，2017.

［2］刘惠敏.基于层次分析法的信贷风险实证研究［J］.西部金融，2017（5）：56-61.

［3］严复雷，李浩然.P2P网贷平台信用风险影响因素分析［J］.西南金融，2016（10）：13-17.

［4］苗文龙.互联网支付：金融风险与监管设计［J］.当代财经，2015（2）：55-65.

［5］谢平，邹传伟，刘海二.互联网金融的基础理论［J］.金融研究，2015（8）：1-12.

［6］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］.财经理论与实践，2015（1）：2-6.

［7］王嵩青，田芸，沈霞.征信视角下P2P网贷模式的信用风险探析［J］.征信，2014（12）：49-52.

［8］丁婕.我国P2P网络借贷平台及借款人行为研究［D］.成都：西南财经大学，2012.

［9］钱金叶，杨飞.中国P2P网络借贷的发展现状及前景［J］.金融论坛，2012（1）：46-51.

［10］Zhu K，Jingjing L I.Studies of Discriminant Analysis and Logistic Regression Model Application in Credit Risk for China’s Listed Companies［J］.Management Science&Engineering，2010，4（4）.

［11］沈沛龙，任若恩.现代信用风险管理模型和方法的比较研究［J］.经济科学，2002（3）：32-41.