P2P网贷信用风险判别研究

2018-09-07谭中明谢坤丁国平

海南金融 2018年8期

谭中明谢坤丁国平

摘要：传统借贷模式中，银行等金融机构拥有借款人较详细的信息和科学的信用评估方法，因而能有效控制信用风险。而在P2P网贷市场中，纯线上的信用审核机制因信息不对称，极易引发借款人违约行为。本文立足于借款人视角，从影响P2P网贷违约的因素出发，构建信用风险判别指标体系，运用二项Logistic分类模型对P2P借款人的信用风险进行实证分析，并基于实证结果，提出有效防范P2P网贷主体信用风险的对策建议。

关键词：P2P网贷；信用风险；判别；二项Logistic分类模型

中图分类号：F830.5

文献标识码：A

文章编号：1003-9031（2018）08-0004-09

互联网科技的发展，推动了金融资本与信息技术的融合，P2P网络借贷（以下简称P2P网贷）是当代金融资本脱离商业银行等传统实体信用中介并依托现代信息技术流与“大数据”基础运动的结果，创新较好地解决了由信息不对称引发的资本供给与融资需求的结构性失衡，缩短了信贷资本周转时间，提升了资本循環效率。然而究其本质，P2P网贷依旧是一种资金融通的中介，无法消除金融借贷业务所固有的交易风险，尤其是脱离实体金融机构的纯线上信用审核以及行业监管不足的运作环境，这又加大了整个P2P网贷行业的违约风险。科学识别P2P网贷信用风险，是有效管控和事前防范P2P系统性风险的关键，也是推进P2P网贷生态圈良性循环、稳健发展的核心环节。

一、文献综述

国内学者对P2P网贷信用风险的研究主要是立足于平台和借款人两大维度，采用不同的分析方法，循着理论与实证两个方向进行研究。

P2P网贷平台作为借贷资金流动和交易中心，平台自身的合规性运营，被视为是资金有效对接前提。赵沁乐（2017）指出网贷平台缺乏透明的资金运作机制，平台自有资金与借贷资金未充分隔离，多数平台为单向追逐高收益，将投资者资金划人平台资金账户，从事高风险投机活动，加大了网贷资金损失风险。樊云慧（2014）指出网贷平台具有对中间资金账户的调配权，对借贷资金支付的中间账户均由平台自行管控，在未完全实现资金第三方独立托管的环境下，平台不规范运作易诱发高的违约风险。艾金娣（2012）指出P2P网贷具有明显的跨行业与跨区域特点，法律地位不明确，不少网贷平台片面追求收益，盲目扩张业务，导致整个网贷行业隐含较高信用风险。常振芳（2017）认为P2P网贷作为互联网金融的一种业务形式，线上的交易行为涉及到广泛的行业和区域，其间有着复杂的关联利益关系，对网贷违约风险的防范需建立协调一致的监管机制，集中对网贷平台实行有效监管。

对P2P网贷借款人信用风险的研究，学者们多是基于不同研究方法，通过实证进行分析。陈清、林峰润（2017）通过构建网贷逾期率模型，研究了描述性信息对借款人信用违约的影响。朱传进等（2017）提出了基于五标度法计算指标权重的层次分析法，结合模糊数学综合评价方法，构建网贷信用风险模糊综合评价模型，为平台有效甄选借款人提供了一种决策参考。王海峰等（2017）运用模糊聚类与模糊识别相结合的方法，评估网贷借款人信用风险，研究发现信用记录与工作状况等因素是引发网贷借款主体发生信用风险的关键性指标。肖曼君等（2015）通过排序选择模型，研究发现借款人信用评分并未对信用风险管理起到实质性作用，评分高的主体仍具有较高违约风险。李思瑶等（2016）基于生存分析视角，实证探究了借贷信息、主体特征以及财务特征等指标对P2P网贷违约风险的影响。谈超等（2014）则从羊群行为与从众心理角度，实证考察了借款标的特征、往期借款、借款主体信用特征以及个体特征等因素对网贷借款人信用风险的决定性影响。

二、P2P网贷信用风险滋生因素

（一）行业管理体制不完善

目前，我国P2P网贷监管的制度建设刚刚起步，监管体制机制和监管框架尚有待进一步完善；不健全的行业监管造成了网贷监管盲区，致使部分带有投机性和高风险性的借贷需求因行业监管漏洞而混入市场。P2P网贷监管涉及多方主体机构，不仅包括金融监管部门，同时也包括工商行政部门以及工信部门等。在监管职责方面，虽然对各机构主体也进行了一定的权责界定，但具体监管仍主要依靠专业力量比较薄弱的地方政府金融办，导致跨行业、跨部门的联动协调监管机制难以有效建立。这种滞后的市场监管体制，客观上也纵容了P2P网贷业务的野蛮式扩张，一定程度上为网贷信用风险的肆意滋生创造了外部条件。

（二）信息不对称

信息经济学理论认为信息不对称易使市场中的主体出现道德风险和逆向选择。P2P网贷的核心创新是引入互联网平台的信息媒介功能，实现线上信息流通与资金流转，这种人机交互式的操作形式，使P2P网贷隐含严重的信息不对称。在网贷授信过程中，平台对机构或个人的信贷配给仅单纯依循线上提交的信息进行决策，在缺乏有效透明的信息披露机制下，线上信用审核放大了交易主体间的信息不对称，一部分市场伪需求助推了网贷信用泡沫，致使信用资质较差的次级网贷借款主体在受到不确定性外界信用环境冲击，偿付资金流出现周转困境后，产生了网贷信用违约。

（三）网贷平台责任缺失

P2P网贷平台作为连接融资需求方与资金供给方的信息中介纽带，在整个交易过程尤其是风险防范层面扮演着重要作用。事实上，网贷平台贯穿于风险产生的每一环节，从平台前期发布标的竞标开始到平台的贷后风险管理等阶段，网贷平台始终面临不同形式的信用风险，并相应地进行着风险的事前识别、防范以及贷后补偿等。作为风险的防控中心，平台应仅单纯地充当信息中介职能，不以商业性准则参与借贷活动。然而，现阶段很多网贷平台并没有秉持初始职能，相反却以“经济人”视角介入到网贷活动中，这种由平台内部责任缺失而引发的职能越位，也加剧了网贷行业信用风险。

三、P2P网贷信用风险判别指标体系构建

（一）P2P网贷信用风险判别指标选取依据

信息不对称是引发P2P网贷信用风险的核心因素，网贷信息不對称突出表现为参与网上融资的网贷借款主体信用认证的缺损。作为网贷市场中最为活跃的一方信用主体，P2P网贷借款人信用风险主要受其偿债意愿和偿债能力影响。借款人偿债意愿由其信用意识决定，履约守信意识强的借款人会比较重视个人信用评价，在实际借贷中发生信用违约的风险比较小。借款人的信用意识与其道德素养和所处的外部经济环境有关，而道德素养是在个体的成长和受教育过程中经后期培养形成，一般与年龄、婚姻以及受教育水平相关；个体所处的外部经济环境包括所处地区经济发展水平、就职行业资本回报率以及产业规模等会直接影响其经济收入，进而对其偿债意愿形成影响，一般以借款人工作区域、就职行业以及公司规模等来刻画其所处的外部经济环境。偿债能力不仅同借款人自身的经济基础有关，包括借款人收入水平、工龄、是否拥有房产、车产以及房贷车贷等，同时也受到贷款合约影响，如贷款金额、借款利率以及贷款期限等，这部分指标决定了主体的清偿负担，因而影响了其偿债能力。除借款人外，平台审核责任缺失也是引发P2P网贷信用风险的重要因素，表现为平台未能对借款人的真实信用资质进行准确评定，对借款人的历史信用记录没有进行有效审核，致使借款主体的信用信息缺乏真实可信，以借款人信用等级、历史成功借款笔数以及逾期次数等指标衡量P2P网贷借款人的履约资信水平。

（二）P2P网贷信用风险判别指标体系构建

结合P2P网贷这一特定行业和运行环境和网贷信用风险产生来源，本文基于网贷借款人视角，将影响P2P网贷信用风险的指标划分为：主体特征指标、偿付效力指标、借贷信息指标以及信用信息指标等（见表1）。

1.主体特征指标。该指标主要包括借款个体年龄、婚姻、学历、就职行业、工作地域以及公司规模。不同借款主体具有不同的年龄属性、婚姻状态以及学历水平，这些指标的差异因个体而异，并对主体的偿债意愿形成影响，如年龄较长拥有较高学历的已婚借款人较刚进入社会的年青个体，发生信用违约的可能性一般更低。此外，不同个体人职行业、工作区域以及就职公司规模等会直接影响其经济收入，可能影响网贷资金能否按期偿还。

2.偿付效力指标。以月收入、工龄、房产、车产、房贷以及车贷等明细指标来表示。收入水平一般与工龄正相关，工龄较大的借款主体，发生违约的可能性相对较小。房产和车产是网贷借款主体拥有的固定资产，基本特点是资产短期变现能力较强，对资金的按期偿付提供了一定保障。借款主体是否拥有房贷和车贷也会影响到网贷资金的按期偿付，将有房车贷的借款个体赋值1，无房车贷的赋值0。

3.借贷信息指标。该指标反映的是网贷借款主体合同借贷的显性成本，以借款金额、借款利率以及贷款期限来衡量。借款金额越大，反映借款人的资金链缺口较大，短期获取资金流动性需求途径有限，资金来源很可能不够稳定；其次借款金额越大，资金按期偿付的不确定性也越大。网贷利率反映了网贷借款主体获取贷款资金的成本，借款利率越高，发生违约的可能性一般也越高。借款期限约定了贷款合约的存续周期，合约规定的期限越短对网贷借款人短期资金灵活性的要求也越高。

4.信用信息指标。该指标主要包括逾期次数、成功借款笔数以及信用等级等。逾期次数表示借款人在过去借款过程中逾期的总次数。网贷借款主体成功贷款笔数可以反映出其信用资质，用来初步判断其未来是否会逾期。信用等级是网贷平台对借款人履约行为进行的评定，依据借款人的守信效力分为AA级、B级、C级、D级、E级和HR级等。

四、P2P网贷信用风险判别的实证分析

（一）模型构建

对P2P网贷借款人信用风险行为进行判别分析，以是否违约作为因变量，0表示违约、1表示未违约；影响信用风险的因素作为自变量。在综合考虑分类因变量结构的特殊性以及模型选择对变量间相关性要求的差异，本文选用二项Logistic回归模型作为网贷借款人信用风险判别的基本模型，因为该模型不仅适用于对分类因变量预期结果的分析，而且也不要求变量间存在的线性相关关系等。Logistic回归模型这些功能与结构方面的独特优势，使得该模型能比较准确地比拟刻画现实信用环境下商业借贷行为结果的分析。

依照Logistic模型基本结构，构造网贷借款人信用风险判别模型如下：

其中，Pi为违约概率，Xi为影响违约的解释变量，εi为随机扰动项。

（二）实证分析

1.数据来源

我国P2P网贷平台数量较多，各平台质量参差不齐，考虑到平台间运营能力以及平台内部管理和行业自律水平的差异。为确保实证分析有效性，本文在众多网贷平台中最终选取了具备行业代表性、平台信息披露相对充分以及内部管理较为规范的人人贷平台用户数据作为分析样本。通过编程软件，挖掘出平台用户的基本借贷信息，在删除一些缺失数据以及审核未通过数据后，最终筛选出 900名不同用户的借款信息，其中350名为逾期还款用户，550名为成功还款用户。

2.回归分析

根据已构造的P2P网贷借款人信用风险判别模型，首先，利用样本对象的基本数据信息，对两类群体特征信息进行比较分析。由表2可知，在偿付效力方面，成功还款用户的偿付能力要优于违约用户，集中表现为成功还款用户的平均月收入以及以房产和车产为代表的人均固定资产水平普遍高于违约用户的平均水平，这可能为其债务偿付提供了短期流动性资金。正常还款用户的信用资质要明显优于违约用户，主要体现在反映借款人信誉资质的历史逾期次数方面，正常还款用户的均值要明显低于违约用户的平均值，以及作为衡量借款主体现期信用偿付水平的借款人信用等级指标，成功还款主体也显著高于违约主体。在反映借款个体特征差异的借款主体特征属性层面，两类群体间也存在明显差别。

由于常数项在该模型中没有实际解释含义，因而模型暂不考虑常数项作用，实证回归结果见表3。

下面进一步对Logistic实证回归的结果进行准确率检验（见表4）。350个违约样本中，对299个样本进行了精准预测，评估正确率达到85.4%；550个正常还款样本的评估正确率达到了89.6%，全部样本的综合精确率高达88%。这说明该模型基本可以用来对样本进行较准确的风险评估，模型具备相当的可信度。

（三）实证结果分析

1.主体特征方面。从实证分析输出结果（见表3）可以发现，年龄、学历以及工作地域等三个指标都显著，这可能是人力资本以及区域经济差异对主体行为影响的结果。一般年龄较长的经济个体累积了一定的社会阅历和物质资本，在行为选择方面具有一定的判断和认知能力，因而会比较重视由违约行为可能导致的个人隐私信息被平台外露的失信成本，集中表现为年龄因素对违约行为存在显著负向影响，即年龄每增长一个单位，借款主体的违约率则只有原来的0.960倍，违约率降低4%；学历作为衡量借款主体道德素养与人力资本的指标，对违约行为则存在正向效应，表现为借款主体的学历水平每提高一个层次，违约概率反而上升为原来的1.558倍。这一结果显然有悖于一般性理论，原因可能是大部分样本用户学历是在本科及以下，平均受教育水平虽较低，但累积有一定的社会资本，具有一定的经济基础，资产流动性较好，因而也具有较低的违约率。工作地域指标在违约行为中也显著，这表明地区经济差异可能影响了人均资本积累，进而对个体偿债效力产生了影响。

2.偿付效力方面。月收入、工龄在10%水平下显著，而房贷在5%水平也显著。其中工龄每增长一年，违约概率则只有原来的0.798倍，违约率约降低了20%。这主要是在社会产出方面，工龄被看作是劳动力价值增值的内因，工龄越长反映该劳动力的社会产出价值往往越大，从而决定的经济基础和收入来源越为稳定，因而债务的后续偿付有了一定资金保障。房贷作为当今最能表征经济主体物质生活基础与债务水平的经济指标对借款主体的逾期违约行为具有显著正向影响，即表现为有房贷借款个体的违约概率是没有房贷个体的1.911倍，有房贷个体的违约率上升了90%。这极有可能是因为存有偿还房贷压力，借款主体的大部分资金收入被分流到房贷中，因而在没有严厉的外部违约惩戒制度作为还款保障的前提下，资金收入不高、存有房贷的借款人，很容易出现由于资金流动性不足而导致的网贷违约行为。

3.借贷信息方面。衡量借贷信息的三个指标——借款金额、借款利率、借款期限在10%水平下均显著。其中，借款金额每增加一个单位，违约率约为原来的1.027倍，出现这种结果可能是随着借款金额增加，借款主体面临的偿债压力增大，出现违约的可能性也随之提高。作为综合反映借款主体贷款成本的借款利率在1%水平也显著，并且借款利率每提高一个百分点，违约概率约为原来的2.29倍。这主要是因为借款利率越高，一方面折射出网贷主体有可能自身资信水平并不高，但由于短期急需资金周转，又无法从银行等金融机构获得补偿流动性，因而不得不被迫接受高利率下的网贷借款成本；另一方面市场风险收益理论表明，高利率同样意味着高风险，投资者和网贷平台在享受由高利率所帶来的风险溢价时，很可能面临着债务人无法按期偿付的危机。

4.信用信息方面。作为综合反映借款主体信用资质的三个信用信息指标——逾期次数、信用等级以及成功借款笔数均具有较强的显著性，说明了信用水平在商业借贷活动中的突出影响。逾期次数和成功借款笔数作为历史反映借款主体信用资质的指标是衡量借款人守信准则的重要依据，而信用等级每降低一个级别，违约率则变为了原来的1.581倍，违约率约上升了58%。这是因为信用等级作为借款人现期还款能力的体现，是借贷资本在未来时期循环增值的外部保证。

五、对策建议

（一）加强对借款者的信用审核，加快征信市场化步伐

P2P网贷市场信用风险频发的一个重要原因是平台对借款主体信用审核不够全面，对借款人提供的影响违约风险的借款利率、逾期次数、工龄以及学历等关键性指标的可信度没有进行充分线下调研与实地认证，因信息不对称导致了行业较高的违约行为。因此，急需加快对网贷行业征信市场化的建设，建立以商业性征信公司为主体、民间资本投资建立和经营、独立于政府和金融机构以外的第三方征信机构，通过市场化运作模式，向社会提供有偿具有可信性的商业征信服务。

（二）完善风险控制机制，科学测度网贷主体违约风险

网贷平台作为借贷信息审核中心，对风险的事前识别与防范起着重要作用，平台在充分掌握用户准确信息基础上，可以运用有效模型对风险进行评估。在评估模型中，可适当提高对逾期行为具有显著影响的指标权重，以对主体的违约行为进行准确测度和判别。同时，网贷平台还需完善自身风险控制机制，设计一套科学的风险管理制度，从风险的事前识别到风险的事后消化，全面对风险进行把控，最小化违约行为对金融市场影响。

（三）加强行业管理，积极落实行业监管准则

自由放任能够实现市场交易的有效性，却容易出现寻租和外部性问题，导致金融资源被无效或低效配置，金融市场尤其是互联网金融是典型的广关联性、强外部性以及高杠杆性市场，这就决定了金融监管具有天然的市场监督和行业监管权利。伴随金融创新的不断发展，金融业务与非金融业务之间的边界变得越来越模糊，金融交易产品与金融业务环境越来越为复杂，金融监管难度将进一步加大。科学的市场监管法规体系是有效监管的制度性保障，P2P网贷在经历快速发展到步人行业振幅、调整阶段，客观上要求具备科学有效的行业法规体系对其进行规范和引导，包括从立法层面对网贷市场准人资质、依法运营细则、行业监督主体、危机处理措施以及市场退出机制等方面进行具体明晰的制度性界定，全面规范其健康发展。作为行业监管层，应充分结合我国网贷发展特点，加快对行业监管细则的制定，进一步加强对网贷风险监管模式创新，构建科学有序、分工明确以及协作共存的P2P网贷监管体系，推动建设P2P网贷长效监管机制，补齐网贷监管短板。

参考文献：

[1]赵沁乐.P2P行业的信用风险[J]中国金融，2017（2）：56-57.

[2]樊云慧.P2P网络借贷的运营与法律监管[J]经济问题，2014（12）：53-58.

[3]艾金娣.P2P网络借贷平台风险防范[J].中国金融，2012（14）：79-81.

[4]常振芳.P2P网贷创新与监管问题研究[J].经济问题，2017（7）：53-57.

[5]陈清，林峰润.描述性信息对借款人逾期率的影响研究——基于P2P网络借贷平台的分析[J]宏观经济研究，2017（3 ）：137-145.

[6]朱传进，朱南.P2P网贷借款人信用风险模糊综合评价——基于模糊数学理论的视角[J].金融理论与实践，2017（6 ）：60-65.

[7]王海峰，张晓妮，石宝峰.基于模糊聚类的P2P网贷个人信用评估模型及应用[J].浙江金融，2017（10）：19-26+41。

[8]李思瑶，王积田，柳立超.基于生存分析的P2P网络借贷违约风险影响因素研究[J]经济体制改革，2016（6）：156-160.

[9]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.

[10]谈超，孙本芝，王冀宁.P2P网络借贷平台的羊群行为研究——基于Logisric模型的实证分析[J]南方金融，2014（12）：30-37+53.

[11]刘洋，王会战.互联网视角下我国民间借贷的风险评价与控制——以P2P平台为例[J].宏观经济研究，2017（3）：146-157.