维护金融安全背景下网络借贷平台风险管控研究

张 璐，李嘉豪

(安徽新华学院财会与金融学院，安徽合肥 230088)

自2014年以来，我国的网络借贷行业以惊人的速度迅猛发展，借贷规模、用户人数、平台数量的井喷式增长引起社会诸多关注，各大网络借贷平台创新的业务模式与风控手段也层出不穷。习近平总书记于2017年4月26日提出“重点针对金融市场和互联网金融开展全面摸排和查处”的要求后，我国网络借贷行业的风险越来越引人注目。

1 我国网络借贷平台现状分析

1.1 P2P网络借贷平台的发展研究

2010年创新金融模式的网络借贷平台(peer-to-peerlendingplatform)首次出现在人们的视线里，有力弥补了中小微企业及弱势群体的金融需求，随后以400%的速度快速发展。2015年网贷平台步入“优胜劣汰”的洗牌期，问题平台的增长率明显高于正常运营平台的增长率，平台面临着巨大的淘汰风险。伴随网贷市场上演“良币驱逐劣币”大戏的同时，2015年12月28日《网络借贷信息中介机构业务活动管理暂行办法(征求意见稿)》应运而生，为实施行业监管提供了依据，确立了银监会以及央行等监管主体，推动网贷平台向规范化方向发展。

2016年，中共中央在第十三个五年规划明确提出规范发展互联网金融的目标，随后中央及地方层面系列监管政策和法规文件频出，关于互联网金融领域(以网络借贷平台监管为主)专项治理渐趋深入，类似于e租宝、中晋资产、大大集团等一批披着P2P外衣的“伪互联网金融平台”倒下，侧面也表明网络借贷平台监管主体陆续就位，其监管政策逐步落地实施，且网络借贷行业自律性管理明显加强，伪劣网络借贷平台得到逐步清除。

由图1可以直观地看出，经过2015-2016年的专项治理后，中国互联网金融网络借贷正常运营平台呈现逐月下降趋势，且自2016年以来运营网贷平台环比增速首次出现负增长，如图2所示，截至2017年7月底，仍在运营的网络借贷平台数目下降到2090家，而累计问题平台数量高达3493家。2014年以来网贷平台的综合收益率最高高达21.63%，但随着提现困难、欺诈等问题不断涌现以及中央及地方的专线监控，网贷平台的综合收益率逐渐趋于平稳，2017年始终维持在9.5%左右。虽然收益率呈平稳下滑的趋势，但截至2017年7月底，P2P网贷行业历史累计成交量达到50781.99亿元，突破5万亿大关。

图1 各年份正常运营平台数量及问题平台数量

图2 2015-2017年正常运营平台及问题平台的变化数

1.2 网络借贷问题平台的现状分析

我国P2P网络借贷平台主要由民营系、银行系、上市公司系、国资系、风投系五种类型组成，截至2017年7月的数据显示(图3)，民营系运营网贷平台数约1675家，占比78%，然而民营系的累计停业及问题平台数高达3801家，占比99%。由此可见，民营系网络借贷平台的风险管控问题直接影响着这个行业的生存发展。

根据网贷之家的数据，截至2017年8月累计问题平台共计3831家，其中面临停业及跑路的问题平台占比超过80%。在这些问题平台中，借款人违约或逾期问题导致资金无法回笼，使平台因经营不善而面临停业、跑路等困境。因此,借款人违约问题的因果研究是网络借贷平台风险管控研究的重点。

图3 截至2017年8月问题平台情况图

综合上述数据可知，我国网络借贷行业已经步入监管时代，规范化的发展将是网络借贷行业发展壮大的必然选择。加强完善借款人的风险监控体系，可用保证网贷平台健康稳定地发展。

2 借款人违约风险的实证研究

2.1 项目借款人违约的影响因素分析

P2P网络借贷平台的借款人一般都因为抵押物不足、信用额度管制、还款来源不稳定等原因无法从银行取得贷款，多数属于次优借款人，其违约风险会比优级借款人高。截至2016年8月，网络借贷平台的违约者高达867009人。然而，借款人的违约风险受多方面因素的影响，其中包括法律、征信体系等宏观因素及收入水平、个人信用分等微观因素。

2.1.1 宏观因素分析

2.1.1.1 监管主体不明确，法律法规不完善

近些年P2P网络借贷平台呈现爆发式增长，但配套的法律法规体系始终未建立起来，监管主体不明确。直到2015年7月18日，中国人民银行等十部委联合发布了《关于促进互联网金融健康发展的指导意见》，明确网络借贷业务由银监会监管，从此告别“无监管”时代。随后，中国互联网金融协会于2016年3月25日成立。监管层正式发布《网络借贷信息中介机构业务活动管理暂行办法》(2016-08-24)和《网络借贷资金存管业务指引》(2017-02-23)两大政策文件，明确指出网络借贷平台的资金存管机构为银行，并在全国范围内启动互联网金融专项整治。

近三年法律条款不断完善，但仍有一个关键问题未解决，即网络借贷的借款人监管缺位。当借款人出现违约时，由于借款人地域分散、缺少抵押物、法律诉讼周期长、成本高等原因,投资者无法收集足够的证据以维护其资金安全。

2.1.1.2 征信机构数据割裂，信用评价不全面

一直以来，P2P网络借贷平台无法接入中国人民银行信用基础数据库,造成“信用孤岛”现象。网络借贷平台只能依靠民间信用评级机构，各机构的信用评价体系不统一，而且个人信用数据相互割裂，各平台无法共享数据。

2015年9月央行互联网金融征信系统正式在中国人民银行征信中心上线，将各个网络借贷平台分散的数据有机整合起来，形成信息共享机制。根据第三方平台显示，截至2016年4月，总计借入企业已达到50家。目前成功接入的网络借贷平台很少，大部分平台仍需要依靠自身风控能力的保障。

2.1.2 微观因素分析

借款人违约风险除了受宏观因素影响以外，还受自身特征、信用分、借款信息变量、成功还款次数等微观因素影响。每个借款人所处的环境不同，也决定了他们不同的还款能力及违约风险。本文从四个方面来分析网络借贷平台中影响借款人违约的微观因素。

2.1.2.1 个人特征变量影响

个人特征变量包括借款人的年龄、职业和收入水平。通过网络借贷平台的调研数据得知，目前平台借款人年龄分为四个阶段：18～25岁学生阶段、26～30岁工作初始阶段、31～39岁工作成长期以及40～55岁的工作成熟阶段。同时,借款人的收入水平也随着年龄的增长，收入水平逐渐提高，其还款能力也趋于稳定。除此以外，不同的职业也影响着不同程度的违约风险。本文从学生、工薪阶层、自由职业者和私营业主四个方面去分析研究其影响力。

2.1.2.2 个人信用变量影响

个人的信用评分直接代表着借款人的信用情况。个人信用得分是平台根据个人提供的各种资信资料综合计算而得，因此借款被平台曝光的信息越多，发生违约产生的负面影响越大。一般而言，个人信用评分越高，违约风险较小。

2.1.2.3 借款人成功还款次数

借款人历史成功还款次数越多，在某种程度上表明该借款人信用资质越好，所以网络借贷平台和投资者比较认可历史成功还款次数较多的借款人，从而降低平台的违约风险。

2.1.2.4 借款信息变量影响

借款人的违约风险除了受自身特征和环境影响外，借款的金额、利率和期限也会间接影响违约风险。一般而言，借款本金越高、利率越高、还款周期越长，借款人的还款成本就会越高，在某种程度上会消减借款人的还款意愿。

2.2 样本及指标选择

本文研究假设平台的借款人和投资人都是理性的，借款人若具备还款能力的情况下，还款意愿良好，且将借款人的所有逾期还款行为视为违约，并对借款人的还款风险进行以下相关假设(表1)。

表1 多元回归分析相关因素的假设

本文收集某知名网络借贷平台2014年1月至2016年12月之间的所有交易数据，排除年龄未知等异常无效数据后，对156375个有效数据进行多元Logistic回归统计分析，暂不检测法律等宏观因素对借款人违约率的影响，重点研究四大微观变量的影响程度，分别为个人特征变量、个人信用变量、借款人历史成功还款次数和借款信息变量。8个研究变量的赋值解释如表2所示。

表2 Logistic回归模型中8个相关因素与赋值

2.3 多元回归分析

本文对网络借贷平台的有效数据通过多元分类Logistic回归模型进行分析，用以推测影响平台借款人还款概率的微观因素及影响程度。将平台借款人的还款概率作为因变量，年龄、职业等其他8个因素作为自变量，运用SPSS软件进行Logistic回归分析，回归结果如表3所示。

表3 Logistic回归分析结果

研究数据表明，当采用5%的置信水平时，因变量与自变量直接存在显著的线性关系。本文以90%作为判断借款人还款的标准，模型显示对借款人成功还款的误判率为17.23%，对借款人违约的误判率为39.12%，模型整体的成功率为88.27%。因此，Logistic回归模型在预测借款人违约风险上还是比较科学的。

2.3.1 个人特征变量分析

从实证结果来看，年龄对借款人还款概率的影响较小，而且随着借款人的年龄增加，借款人的违约概率反而增加，与之前的假设相反，这可能是因为年轻的借款人更在意违约带来的信用危机。回归系数表明职业对借款人还款概率的影响较大，但工薪族的借款人反而成为最大违约人群，相比之下，自由职业者和私营业主的还款概率较高，与之前的假设也相反。收入水平是影响借款人违约的重要因素，对大多数借款人来说，收入水平是还款的重要保障，收入水平越高，意味着借款人的还款保障越强，与还款概率呈正比关系。

2.3.2 个人信用变量分析

个人信用评分是影响借款人还款概率的关键因素，信用评分与个人收入水平、历史信用记录等方面都有直接关系，信用评分越高者，预测借款人未来还款概率较高。通过回归分析结果可以看出，信用评分每增加10分(一个单位)，借款人还款的相对概率增加29%，因此，个人信用变量与还款概率呈正相关。

2.3.3 借款人成功还款次数分析

借款人的历史成功还款次数直接影响借款人的信用评分。历史成功还款占比每增加一个百分比，借款人还款的相对概率增加31%。由此可见，历史成功还款占比越高，借款人的违约率越低。

2.3.4 借款信息变量分析

借贷本金、利率、期限对借款人相对还款概率的影响都是负相关的。回归结果表明，借贷本金和期限的影响并不明显，这是由于P2P网络借贷平台提供的贷款额度都以小额为主(1千元～10万元)，对借款人来说，没必要为了小额贷款违约产生个人信用危机。同时，贷款期限均以短期为主(1～24个月)，平台上没有贷款期限较长的项目，因此风险波动不会太大。相比而言，贷款利率对借款人还款概率的影响更加敏感，较高的贷款利率会带来更大的违约风险，借款人往往会因为高额利息放弃还款，其还款能力无法保障。

本文对影响借款人还款概率因素的预测结果较为理想，其中收入水平、个人信用评分及历史成功还款占比是影响平台借款人还款概率的关键因素，呈正相关；年龄、借贷本金和期限对目前借款人违约的影响不大；高利率会直接增加借款人的还款成本，增大违约风险。

3 我国网络借贷平台风险管控的措施

3.1 以大数据为核心环节开展网络借贷平台风险管控与建设

大数据在网络借贷平台建设中具有战略意义，可以帮助网络借贷平台收集并分析消费者数据以抢占先机，从而以更个性化的产品、更精准的营销体系来获取并服务客户。大数据通过先进的统计工具模型挖掘内

外部数据，建立并理解风险与各种影响因素之间的关系，能够进一步支持实时、低成本、高效率的信贷状况分析、决策与授信，而且利用大数据驱动的评估方式能够消除人为经验评估的偏见与误差，进而提升网络借贷平台险管控与建设水平。

3.2 以征信系统为基础对网络借贷平台及借款人进行信用评级

对我国诸多网络借贷平台以及借款人进行信用评级，无疑是投资者进行风险收益最优化投资决策参考的最好办法之一。对P2P平台的科学系统评级能够为监管主体制定合理的监管政策提供有力依据。因此，应尽快将所有网络借贷平台接入央行互联网金融征信系统，进行标准化分析和信用信息共享，进一步对网贷平台进行信用等级划分。

3.3 以传统风险保障组合机制为关键进行权变运用

诸多网络借贷平台应在明确自身的业务发展和模式定位的前提下，根据自身资产结构、业务水平、风险大小，选择风险预备金、第三方担保模式、“有限”保障模式、保险承保等传统风险保障手段，形成量身定做的风险保障组合，提升风险管控水平。

3.4 以试错机制建设为风险管控进行常态化演练

网络借贷平台系统极易受到网络攻击与大批量虚假信息的干扰，因此应积极进行风险管控预案设计,强化管理与操作人员风险意识培训,定期进行风险常态化操作演练，依托网络借贷平台特有的线上线下相融合、多维度海量大数据优势，构建全新的风险防御模型，帮助诸多网络借贷平台了解借款人，在反欺诈、货前信用审察等风控管理环节拥有更为敏锐的洞察力。

[参考文献]

[1]熊健宇.P2P网络借贷风险管控实证研究[J].西南金融,2017(6):66-71.

[2]闫春英,张佳睿.完善我国P2P网络借贷平台风险控制体系的策略研究[J].经济学家,2015(10):78-83.

[3]叶青,李增泉,徐伟航.P2P网络借贷平台的风险识别研究[J].会计研究,2016(6):38-45.

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