供给侧改革背景下对P2P平台风险衡量指标的实证分析

李昱东

摘要：P2P（peer to peer）指个人通过第三方平台在收取一定费用的前提下向其他个人提供小额借贷的金融模式，指的是个人对个人的信贷平台。P2P平台能满足不同借贷人的资金融通与投资的需求，区别于以往的银行贷款模式，将资金供给方与需求方按照peer to peer的方式一一连接，可以说是金融与借贷领域的供给侧改革。但现如今，P2P作为在作为高速发展的新兴产业的同时，由于行业竞争激烈、监管方法不完善等原因，平台跑路等现象时有发生，给我国经济发展带来不利影响。因此，文章对P2P平台披露的数据进行量化分析，试图建立行之有效的风险监控模型，促进P2P平台的有效监管。

关键词：供给侧改革；实证分析；P2P平台成交量

一、供给侧改革介绍

（一）供给侧改革与P2P的关系

1. 供给侧改革

供给侧结构性改革目的在于在调整经济结构，是从提高供给质量出发，推进结构调整，扩大有效供给，提高供给侧结构对于需求侧变化的适应性和灵活性，更好的满足人们的需求，促进经济的进步与发展。

国家大力推行供给侧改革，旨在改变我国生产供给结构不合理的现状，拉动国内消费，促进经济进一步发展。而P2P行业作为新兴的借贷平台，旨在满足资金借入方的需要，解决中小企业与个人借贷难的问题，是从资金的供给方出发对传统银行贷款融资渠道的改革。因此P2P平台的兴起与发展积极响应了国家政策。

P2P是个人小额贷款，各大银行一般不受理此类业务，放钱人想放出去钱，借钱人想借到钱，这个交易平台就显得十分重要了。因此P2P的改革是供给侧改革中的重要一环。

但是P2P平台蓬勃发展的过程中也不可避免的出现一些问题。

2. P2P乱象分析

目前P2P平台数目繁多，竞争激烈，各大平台纷纷用超高回报率以及变相补贴等“烧钱”的方式来吸引客人、扩大市场占有率。2014年6月行业平均承诺收益一度达到18.92%，就连一些大平台也将利率扩展到10%～15%以吸引投资者。但是，高借款利率一定会给企业带来高风险。从2014年到现在，每年都有上千家问题平台停业、转型或跑路，给投资者带来损失，给市场带来的不稳定因素。但究其原因，P2P平台乱象丛生还是因为缺乏有利的监督与管理体系。因此当下需要一个既方便投资者又方便监管者的有效政策，找到一个客观的评价标准。本文认为P2P平台的成交量是P2P平台持续与发展的根本与动力源泉。通过对P2P成交量与其他数据的量化分析，本文旨在找到影响P2P成交量的要素，通过对这些利于监控的因素的监管与控制，可以更好的保证P2P平台的安全性，更好的保护市场的稳定性与投资者的收益。

（二）本文研究方法

鉴于P2P行业近年来大量出现问题企业，给投资者造成很大损失，我们拟通过调研分析P2P行业的风险、收益状况，对比各类型P2P企业的特点，对投资者选择投资P2P企业和国家对P2P行业的监管做出适当建议。从供给方面满足投资者需求，营造良好的社会环境。本文通过网贷之家，网贷天眼等大数据平台获得数据，使用 SPSS 等软件对数据进行汇总及统计学分析，希望得到得信息主要包括：行业风险情况；对比问题企业和正常企业，对比各类P2P企业如民营系、上市公司系、国资系、银行系，分析问题企业规模是否过小，哪类P2P平台更值得投资者投资；行业业绩情况，成交量是否与平均收益率和平均收款期限有关。

二、P2P发展与模式介绍

（一）P2P发展进程与状况

2005年3月，全球第一家P2P网贷平台Zopa在伦敦上线运营。如今Zopa的业务已扩至意大利、美国和日本，平均每天线上的投资额达200多万英镑。

国外成功的P2P网络借贷平台 Prosper：成立于2006年，如今拥有超过98万会员，超过2亿的借贷发生额，是目前世界上最大的P2P借贷平台。

在中国，最早的P2P网贷平台成立于2007年，鲜有创业人士涉足其中。 2010年，出现一些试水者。网贷平台进入快速发展期，一批网贷平台踊跃上线。2012年，网贷平台如雨后春笋成立，已达2000余家，比较活跃的有几百家。我国网贷平台发展较快，以每天1～2家上线的速度快速增长。截至2014年，我国P2P网贷公司数量已将近2000家，贷款规模超过1000亿元人民币，以下是P2P发展的阶段分类：

P2P1.0模式：基于网络大数据环境下的纯信用纯线上交易模式。

P2P2.0模式：线上和线下并行运营的“O2O方式”，网贷平台同时承担信息中介和风险控制的角色，平台或其关联公司做担保。

P2P3.0模式：将项目审核及担保剥离给专业小贷公司、担保机构，P2P平台只做信息展示并提供撮合交易。

（二）P2P派别简介

1.按业务模式分类

（1）传统的国外撮合模式，平台仅对vip客户承担本金担保责任，以拍拍贷为代表。

（2）O2O的模式，模式的本质其实就是一个互联网平台通过网络一端对接有小额借款需求的人，一端对接有理财需求的人。所以O2O的本质拆成两半就是一个理财平台加上一个小额贷款平台。以有利网、开鑫贷为例。

（3）多对一、一对多的线下模式，靠建立办事处等人海战术，以宜信模式为例。

（4）线上和线下结合的模式，如人人贷、红岭创投模式。

2.根據到期未还款的处置方式分类

（1）纯平台无垫付模式。该模式下，投资者完全自担风险。此模式也是美国通行的模式。但是由于中国的信用体系不完善，以及投资者不成熟，此类模式在中国的实际发展中遭遇到了很大的困难。

（2）平台担保垫付模式。该模式下，平台对投资者本金和利息进行担保，一旦发生逾期，由平台现行偿还投资者。但此类模式已被监管机构明令禁止。

（3）担保公司担保垫付模式。该模式下，由第三方担保公司对投资者的本金和利息进行担保，一旦发生逾期，由担保公司偿还投资者。国内监管机构对融资性担保公司的杠杆要求上限是10倍，因此随着平台交易规模的扩大，对担保公司的需求量也会增大。但担保模式下也不是完全没有风险，一旦违约率过高，担保公司无力偿付的情况下，投资者要自行承担风险。担保公司不是慈善家，也是要收费的，因此引入了第三方担保也意味着增加了成本。

（4）风险准备金模式。风险准备金模式是指平台另设风险准备金账户，通过借款管理费、投资利息提成、甚至平台自有资金等形式储备资金用于贷款损失时的垫付。一旦风险准备金用完，则由投资者自行承担风险。

（三）发展阶段中的问题

国内P2P的发展大概经历了以下四个阶段。

第一阶段2007～2012年：以信用借款为主的初始发展期。

第二阶段2012～2013年：以地域借款为主的快速扩张期。

第三阶段2013～2014年：以自融高息为主的风险爆发期。

第四阶段2014年至今：以规范监管为主的政策调整期。

由第三阶段所表现出来的平台风险爆发和不断积累的特点，导致P2P平台在数量剧增的同时，也频频出现问题事件，问题平台数量也保持着逐年递增的趋势，这也从侧面暗示P2P行业存在高风险和监管漏洞现象。我们在对P2P问题平台的分析时，选择比较有代表性的数据，采用2014～2016年12月的数据，共3262家问题平台的数据，搜集的数据字段包含：问题平台名称、问题时间、上线时间、注册资本、地区和事件类型。

三、数理模型分析

（一）调研目的

我们的案例调研主要目的旨在为所有理财投资者提供一个相对客观可靠的标准，包括确定影响平台发展的因素和出现问题的平台的特征，以及一个符合实际的平台风险计算公式。投资者通过这些标准可以筛选发展优秀和有较大潜力的P2P公司，减少投资的风险。首先通过对P2P行业整体发展状态的描述，了解我国现在的P2P发展的一个状态。然后通过相关性的分析和分类分析确定对企业发展有重要影响的指标（即和成交量相关的指标），同时也分析企业的风险程度，为监管提供一个可借鉴的方法。最终得到提炼出我们的投资标准和建议。

（二）计量分析

1. 计量分析目的

计量分析主要是分析P2P平台的其他特征变量对于P2P平台成交量的影响。前面的相关性分析只能简单说明P2P平台的成交量和其他特征变量之间具有某种程度的相关关系，并不能说明因果关系以及其中的因果关系的传导机制，计量分析的目的是为了进一步探讨P2P平台的特征变量之间可能存在的因果关系，并对因果关系进行检验和解释，以获得更为深入的结论。

2. 理论假设

成交量是一个P2P公司的活力，一个P2P公司想要存续下去，就必须要不断地吸收投资、贷出资金和回收资金。一个具有未来前景的P2P平台必然是要具有活力的，因为资金的活力就在于不断的融通。影响成交量的因素有很多，这里我们认为有四个比较核心的因素，分别为：平均收益率、平均借款期限、公司实力和公司的发展眼光。其中，平均收益率和平均借款期限我们可以直接获取到数据，但是公司实力和公司的发展眼光需要进行量化替代：用注册资本来代表公司實力，用营运时间来代表公司的发展眼光。一般来讲，公司的注册资本越多，实力越强；一个公司如果着眼于长远发展，那么其运营时间越长，投资者对其信任程度应该越大。所以运用这两个可量化的指标来代替公司实力和公司的发展眼光是可以接受的。此外，为了使计量分析的结果具有更高的可信度，还要引入其他控制变量，这里我们将引入6个控制变量，以尽量避免遗漏重要的变量而导致的内生性问题。最后，由于这里采用的样本数据中的P2P平台具有四种系别，不同的系别之间会具有差异，所以要引入虚拟变量来区分这些系别之间的差异。

四、数据整理

（一）原始数据

包括近三百多家P2P平台2016年6月至2016年10月共5个月的数据。从原始数据的整体来看，6月到10月虽然有新的P2P平台不断加入和极少数P2P平台退出，但是P2P平台并没有发生较大的变动，具体的P2P平台数见下表：

从以上简单的统计结果显示：民营系P2P平台数月平均变动率为3.3%，国资系P2P平台数月平均变动率为4.7%，上市公司系P2P平台数月平均变动率为4.74%，银行系P2P平台数月平均变动率为0%。所以，四大系P2P平台数月平均变动率均低于5%，变动幅度并不大。这为我从中获取有代表性的面板数据提供了较好的样本。

（二）面板数据

为了获取更为规范化的数据——面板数据，必须对原始数据进行简单的加工。通过对原始数据的分析发现，从2016年6月份到2016年10月份，这5个月份中P2P平台数目和内部结构并没有发生较大的变化，所以这也非常方便从中获取面板数据，而且获取的面板数据可以涵盖绝大部分的原始数据，非常具有代表性。筛选面板数据要保证5个月份所选用的平台是相同的，所以主要的筛选方法是要剔除有数据缺失的平台，选出5个月份数据完整的平台。筛选后的面板数据所包含的P2P平台数如表1～2所示。

从筛选的结果可知：面板数据中的样本数占原始样本数（10月份）的82.56%，面板数据具有较强的代表性，能够满足计量分析的需要。

五、变量、数据与模型

（一）变量的定义和统计性描述

1.变量的定义

计量分析主要关注其他特征变量对于成交量的影响，其中其他特征变量又分为解释变量和控制变量两大类，解释变量时我们在回归分析时需要重点关注的变量，加入控制变量可以起到控制其他条件不变的作用，因为只有控制了其他条件不变的情况下，才能看出一个自变量对因变量的影响方向和影响程度。表3定义了主要的变量。

注意：对很多数据都取对数是为了平滑数据，改善计量结果。

2.变量的统计性描述

运用STATA12.0可以快速地计算出变量的统计性特征，包括观测值的个数、均值、标准差、最小值和最大值。

STATA命令为：summarize ln_tv averageyield averageloanterm ln_gc ln_opem loanamountper ln_pci ln_amnotrefunded ln_bi t_10buap t_10iuap。

以上定义的变量的描述性统计结果如表3所示。

（二）数据

原始数据来源于网贷之家。从该网站上获得各平台的原始数据，包括投资人数、借款人数、前十大借款人待还金额占比、借款标数、人均投资金额、前十大土豪待收金额占比、运营时间、资金净流入、平均收益率、满标用时、注册资本、人均借款金额、待还余额、成交量、平均借款期限、发展指数排名等。这里根据计量分析的需要对数据进行了较好的筛选，具体的整理过程已经在前面的数据整理部分做了详细的介绍。

（三）模型构建

在理论探讨的基础上，本文通过运用2016年6月至2016年10月374个P2P平台的样本数据进行定量考察，探讨平均收益率、平均借款期限、注册资本运营时间等变量对P2P平台成交量的影响。

初步构建如下面板回归经济模型：

In_tvit+a0+a1averageyieldit+a2averagelontermit+a3In_gcit+a4In_opemit+βiXit+uit+eit

其中：下标i表示第i个P2P平台；下标t表示第t个月；u代表个体效应，e表示随机扰动项。averageyield、averageloanterm、ln_gc和ln_opem是我们重点关注的四个解释变量，此外，还加入了其他控制变量X，X包括很多控制变量，注意，这里的X不包含三个虚拟变量，虚拟变量是为了最后建立多元线性回归模型才加入的。具体内容以及所有变量说明见表3。

（四）实证过程和结果分析

1. 模型设定的检验

本样本数据是典型的面板数据，包含了时间和截面两个维度，正确建立面板数据模型显得尤为重要。经过对混合回归模型、随机效应模型的检验判断后，发现计量结果应该基于随机效应模型。（注意，这里没有考虑固定效应模型，因为这里的样本仅是从300多家P2P平台中随机抽取出来的，全国目前的P2P平台远远不止300多家，我们要看的是从这三百多家样本往外推广到左右的P2P平台，而不仅仅是比较这300多家P2P平台的差异。除此之外，如果选用固定效用模型会导致变量之间的高度共线性问题，这样导致结果回归不出来，所以最终只在混合效应模型和随机效应模型之间进行选择）。

2. 检验方法：LM统计量

STATA命令如下：

Tsset platform time

xtreg ln_tv averageyield averageloanterm ln_gc ln_opem loanamountper ln_pci ln_amnotrefunded ln_bi t_10buap t_10iuap，re

xttest0

结果如图1所示。

从图1可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。

3. 具体分析

（1）平均收益率对成交量的影响

可以看出平均收益率的系数为负且在1%的显著性水平显著，这说明P2P平台给投资者的平均收益率对成交量的影响是负面的，当平台承诺的的平均收益率越高时，反而成交量会越低。背后的原因可能是投资者理性，因为投资者知道平台所承诺的平均收益率越高，其所面临的风险就越大，那么本金损失的可能性就越大，而且由于P2P平台管理缺乏规范性以及接二连三的负面新闻，这也使投资者更加谨慎。当然这里也有可能存在双向因果的问题，即平台由于成交量太低，为了吸引更多的投资者就去提高自己的平均收益承诺，对于这种问题，这里不做进一步的分析。

（2）平均贷款期限对成交量的影响

可以看出平均贷款期限的系数为负且在1%的显著性水平显著，这说明P2P平台的平均贷款期限对成交量的影响是负面的，当平台平均贷款期限越长时，成交量会越低。这里可能存在两个方面的原因：第一是平台的原因，如果平臺倾向于较长期的放贷，那么回收的期限就会变长，那么贷款收回再贷出的次数就会减少，即所谓的贷款周转率降低，这样会减少平均每月的成交量；另外一方面是出于投资者的考虑，投资者在看到平台的贷款期限过长时，出于资金回收期限和风险的考虑，投资者可能会更倾向于那种贷款平均期限短、回收速度快的P2P平台，以尽快地实现收益、回收本金、降低风险，这样平台也就能多从投资者那里融到资金进而放贷出去，这样也就增加了平均每个月的成交量。

（3）注册资本对成交量的影响

可以看出注册资本的系数为正但是显著性水平低于10%，这说明P2P平台的注册资本对成交量的影响是正面面的，当平台的注册资本越大时时，月平均成交量会越多。背后的原因是注册资本越大的P2P公司，在投资者看来实力越强，偿债能力越强，投资风险就越小，所以投资者更愿意把钱投到这些公司，这样的P2P平台也就能吸纳更多的资金进行放贷，进而成交量也就会增加。

（4）运营时间对成交量的影响

可以看出运营时间的系数为负且在1%的显著性水平显著，这说明P2P平台的运营时间对成交量的影响是负面的，当平台承诺的平均收益率越高时，反而成交量会越低。其实营运时间本身并不对成交量产生影响，而是营运时间背后所代表的的意义。营运时间越长，月平均的成交量越低，这说明P2P平台现在普遍缺乏可持续发展性。因为平台的成交量代表的是平台业务的一种活力，理论上讲，一个良性发展的平台，随着时间营运时间的增加，其业务的操作能力以及承受风险的能力应该都越强，越能博得投资者的信任，越能获得投资者的青睐。这个结果也说明了现在的P2P行业普遍存在的短视行为和投机行为。

（5）人均贷款量对成交量的影响

可以看出人均贷款量的系数为正且在1%的显著性水平显著，这说明P2P平台的人均贷款量对成交量的影响是正面的，当平台的人均贷款量越大时，月平均成交量会越大。但是我们也可以看到，其系数的绝对值大小非常小，接近于零。所以，我们没必要对人均贷款量对成交量的影响作出过多的解释。

（6）人均投资金额对成交量的影响

可以看出人均投资金额的系数为正且在1%的显著性水平显著，这说明P2P平台的人均投资金额对成交量的影响是正面的，当平台的人均投资金额越大时，月平均成交量会越大。人均投资金额较大，说明平台的信用和营运能力可能较好，投资者放心将大量金额的钱投入到平台之中，这样投资者之间实际是会产生示范效应的，即当平台的人均投资金额较大时，投资者也可能会认为该平台运作优良，愿意将更多的钱分配到该平台的投资中。这样平台就有更多的资金去放贷，月平均成交量就会上升。

（7）其他控制变量对于成交量的影响

由于这里计量分析的结果重点在于解释四大核心变量对于成交量的影响，所以对于剩余的控制变量不再做详细的解释。

六、结论与展望

通过以上回归分析，检验了我们的理论假设。首先，一个P2P平台如果要提升其成交量，就应该给投资者一个合理的收益率，而不是一味地为了吸引投资者而一味夸大自己的收益率。随着P2P平台的规范化运行，行业的平均收益率将越来越被投资者所熟知，所以欺骗投资者的行为将不是长久之计。然后，P2P公司要做好自己的贷款期限结构的匹配，不能为了从贷款者处获得较高的利息收入而一味追求资金的长期贷放吗，这样会加大平台的风险，摧毁投资者对于平台的信任。其次，注册资本代表着一个公司的实力，特别是是对于负债经营的金融机构而言，公司的权益资本基本上是偿债的最后一道保障，注册资本大相当于给投资者一个可靠的最终保护，投资者更愿意将资金投入到实习雄厚的平台之中，所以P2P公司也要不断地充足自己的资本金，不仅要达到监管的要求，还要达到投资者的期望。最后，P2P行业要进行重新的洗牌，要让那些具有投机、欺骗、短期行为的P2P平台早日暴露出问题，让那些具有长远發展眼光的平台得到良好的发展环境。总结：P2P平台加强对监管标准的宣传，警惕具有过高收益率的公司；监督公司严格把关产品，加快P2P贷款期限结构的构建；提高工作人员的素质和责任感；监管公司制定预警标准，对达到预警标准的公司发出预警。

参考文献：

[1]卢馨，李慧敏.P2P网络借贷的运行模式与风险管控[J].改革，2015（02）.

[2]俞林，康灿华，王龙.互联网金融监管博弈研究：以P2P网贷模式为例[J].南开经济研究，2015（01）.

[3]王会娟，廖理.中国P2P网络借贷平台信用认证机制研究——来自“人人贷”的经验证据[J].中国工业经济，2014（07）.

（作者单位：西北工业大学附属中学）