我国P2P平台网贷成功率影响因素的实证分析

秦茜　熊晓炼　熊健益

摘要：以已有研究文献为基础，本文进一步定性分析了可能影响我国P2P网络借贷成功率的因素，并以人人贷平台交易数据为例，从项目因素、个人因素及其他因素三方面选取了16个变量，运用二元logistic模型进行统计分析。结果表明：标的总额、还款期限、年龄、工作阶层、借款人信用等级和借款人成功借款数量均与网络借贷成功率呈正相关，其中借款人成功借款数量对成功率的影响效果最显著。

关键词：P2P网络借贷 成功率 影响因素

一、研究概述

（一）研究背景及意义

P2P网贷平台自成立以来，就因其门槛低、效益高、投资灵活性及手续简单等特点，受到广大投资者及筹资者的喜爱。但P2P网贷平台的借款成功率普遍太低，逾期现象也较严重，让其天然优势没得到很好的发挥。因此本文对P2P网络借贷成功率的影响因素研究是很有必要的，这对解决P2P行业存在的问题及提高网贷借款成功率有重大的意义，也是对现有的P2P网络借贷研究的一个有效补充。

（二）国内外研究现状

1.国外研究现状。Klafft（2008）发现借款人的信用等级越高，获得贷款的可能性越大，并且获得的贷款利率相对更低，违约率也更低。Ceyhan等（2008）认为利率的高低是投资者做出投资决策的重要因素。Puro等（2010）發现在P2P网贷交易中，投资者的投资意愿与借款额度是呈负相关关系的。Ning和Arpita等（2014）发现在简单的固定利率机制下比在浮动利率竞价机制下的交易量更大。

2.国内研究现状。尤瑞章、张晓霞（2010）发现法律制度、信用体系及计算机技术等因素对P2P的发展影响巨大。王梓淇（2010）发现拥有良好信用的借款人，能从筹资者那获得数额较大的借款，并且筹资速度也比其他借款者更快，资金更有保障。邱甲贤（2011）认为借款金额与借款结果间是反向影响的关系。陈建中和宁欣（2013）认为借款者的基本信息对借贷结果有着显著影响。廖理等（2014）认为我国互联网金融有着地区偏好的歧视现象，也就是地区差异对交易的成功率有影响。

（三）研究方法

由于我国P2P网贷平台的数据标准并不一样，因此，本文只选择了一家在国内比较有代表性的网站——人人贷来进行研究。结合人人贷平台的考核标准，在项目因素、个人因素及其他因素等方面选取了16个变量进行分析。以人人贷2016年的2025条有效交易数据为样本，基于二元logistic模型进行按条件向前回归分析，得出了影响我国P2P网贷平台成功率的主要因素，并据此提出了相应的建议与措施。

二、P2P网络借贷的发展现状

（一）我国P2P网络借贷的发展现状

我国的P2P网贷兴起于2007年，第一家P2P平台——拍拍贷成立。据2016年中国网络借贷行业年报可知，在2010～2012年，我国P2P网贷行业的发展速度较缓;而2013～2015年期间，我国P2P网贷行业得到了快速发展，逐渐在全球范围内占据了主要地位。截至2016年底，P2P行业中正常运营的平台数量达到2448家，与2015年底相比减少了985家，呈现出与之前数量大幅度增加截然相反的情况。但成交量却大幅上升，网贷行业渐渐从“野蛮发展”阶段迈向“规范发展”的新阶段。①

（二）人人贷平台的发展现状

人人贷，全称为人人贷商务顾问（北京）有限公司，成立于2010年，合规性指数位居行业第一，是我国互联网金融的领军企业。经过多年来的发展，人人贷业务已经覆盖我国30余个省的2000多个地区，服务了约200万精准用户。从表1中可看出，人人贷平台的交易量从2011年的0.39亿元增加到2016年的111.89亿元，一直保持着稳定的上升趋势，截至2016年底，人人贷的累计成交额已达到243亿元。并且人人贷累计撮合交易达到2724万次，其中20万以下的借款占比高达98%，真正实现了小额分散。②

三、我国P2P平台网贷成功率影响因素分析

（一）网络借贷影响因素定性分析

目前大部分学者认为影响网贷成功率的因素主要有：借款总额、年利率、还款期限、信用等级、利率机制、借款者的基本信息、社会资本、区域、配套设施建设、工作时间、工作阶层、收入状况、借款用途、成功借款数量等等。

第一，借款总额，即借款者在网贷平台上所发布的此次希望借到的金额。金额越大，需要的投资者越多，借款成功的概率越低。

第二，年利率，是借款者获得借款需要付出的成本，也是投资者此次投资获得的收益。利率越高，投资者的投资意愿越高，但过高的利率往往会加大借款者的违约风险。

第三，还款期限，是借款者用以还清所有借款的时间。期限越长，在相同借款总额下，借款者定期还款的数额越少，压力越小;但对出借者来说，风险却越大。

第四，信用等级。等级越高，就意味着借款者违约的可能性越小，而投资者投资的可能性越大，借款成功率就越高。目前人人贷平台的信用等级从低到高分别为：HR、E、D、C、B、A、AA。

第五，借款者的基本信息，能让投资者更了解借款者，影响对借款者的信任度，从而影响借款的成功率。

第六，利率机制。大部分投资者都是风险厌恶者，固定利率机制能让他们获得稳定的收益，所以其比在浮动利率机制下借贷的成功率更高。

第七，借款者的社会资本、工作时间、工作阶层及收入状况，能让投资者对借款者的资产状况有所了解，从而决定是否投资。

第八，区域。在经济繁荣的地区，投资者和融资者更多，交易更活跃，进而会影响到借款成功率。

第九，配套设施建设。包括法律制度及计算机技术等，在配套设施充分的情况下，借款者的违约成本会增加，违约率会降低，投资者会更愿意投资。

第十，借款用途。投资者会衡量借款用途是否合理，从而在一定程度上也会影响到投资者的决策。

第十一，成功借款数量，即借款者已完成并成功借满款项的数量。数量更多的借款者会让投资者更容易信任，更愿意投资。

（二）统计定量分析——以人人贷为例

1.变量设置及数据来源。第一，变量设置。由于一些因素无法进行量化，并结合人人贷平台上公布的考量因素的综合考虑之下，本文选取了16个变量进行实证分析，并将其分成三个部分。如表2所示，将离散变量进行重新设置，连续变量则不变。

第二，数据来源。本文采用了人人贷平台2016年的交易数据共2032条，删除了个别有缺失的数据，实际分析对象为2025条有效交易数据。此次分析运用SPSS软件，以项目状况为因变量。将其量化为流标=0，未流标=1。其中，流标的占88%，未流标的占12%。网贷成功率是指一个项目成功筹集满资金的概率，也表现为，未流标数与总体样本数间的比率。

2.选择二元logistic模型并建模。当研究的问题只有两种选择时，如：选择A或是非A，就可以考虑用二元logistic模型来进行分析。由于本文研究的是网贷成功率，借款成功与否在因变量上体现为流标或未流标，是一个二元变量，因此采用二元logistic模型来进行分析，研究其他诸多变量对成功率的影响方向及影响程度。由于本文的自变量较多，具体采用按条件向前回归的方法，即逐步添加变量建立模型，直至得到最优模型。

建立模型如下：

其中，P表示“Y=1”的概率，即項目成功的概率;1-P表示“Y=0”的概率，即项目失败的概率。“P/（1-P）”被称为“几率比”或“相对风险”。β0表示常量，β1 到βm表示二元logistic模型的回归系数，是模型的估计参数。X1到Xm表示自变量。

3.实证分析。第一，相关性检验。

第二，回归分析。本文采用按条件向前回归的方法，第6个模型为最优模型。具体建立模型如下：

表4中给出了卡方统计量、自由度和相应的P值。其对应的P值均小于0.05，说明该模型整体是显著的。

表5给出了评价模型整体性拟合优度的统计量。cox & Snell R2和Nagelkerke R2两个指标从不同角度反映了当前模型中自变量解释了因变量的变异占因变量总变异的比例，它们的值越接近1，说明拟合度越好。表中cox & Snell R2和Nagelkerke R2的结果分别为0.577和0.937，总体说来，该模型的拟合优度很好。

表6是H-L检验表，P值=0.622>0.05，说明该模型能很好地拟合数据。

表7是最终模型的预测结果列联表。在1336例数据中进行预测，在流标的1089例中，有1079例预测正确，正确率99.1%;在247例未流标的数据中，有234例预测正确，正确率94.7%。总的正确率98.3%。可以看出该模型对于流标和未流标的预测效果都很好。

表8是最终的分析结果，六个指标及常量入选，P值均小于0.05，均是显著的。最终的拟合方程式为：

4.结果分析。本文通过二元logistic回归模型对我国P2P网贷成功率影响因素进行分析，从得到的研究结果中可以知道：标的总额、还款期限、年龄、工作阶层、借款人信用等级及借款人成功借款数量等变量均与P2P网贷成功率呈正相关，并具体可以得到以下结论。

借款人成功借款数量对P2P网贷成功率影响最大。其与网贷成功率的正相关系数达到5.276，是影响网贷成功率的最主要的因素。这是羊群效应的表现，投资者会很容易受到前期投资者的影响，认为既然有投资者愿意借款给该借款者，且该借款者也按时还款付息，证明该借款者在这个市场里面拥有合格的信用，值得投资。

借款人信用等级和工作阶层对P2P网贷成功率影响较大。其与网贷成功率的正相关系数分别为0.987、0.937。借款人信用等级越高，信息不对称程度越低，借款者的违约率越小，而投资者所承担的风险也越小，越愿意投资。并且工薪阶层的工资水平普遍不高，还款能力得不到保障，相比之下，投资者会更愿意投资给私营企业主。

年龄和还款期限对P2P网贷成功率影响较小。其与网贷成功率的正相关系数分别为0.116、0.135。经济实力一般会随着年龄的增大而有所变强，年龄大的人的还款能力一般更强，投资者会更愿意投资。并且还款期限越长，借款越容易成功。这主要由于项目的还款期限是3到36个月之间，期限均不是很长，再加上利率因素的综合作用下，投资者更青睐于期限较长的项目。

标的总额对P2P网贷成功率影响最小。其与网贷成功率的正相关系数仅为0.001。这主要因为，投资者认为借款需求大的借款者的还款能力一般都较强，会更愿意投资。但标的总额越大，意味着需要的投资者也越多，越难聚集。综合作用之下，标的总额对网贷成功率的影响并不大。

四、政策建议

（一）完善信息披露制度，健全征信系统

为了保护投资者的合法权益，促进市场的良性竞争，对P2P网贷的信息披露要求是不容忽视的。本文通过研究也表明：借款人成功借款数量、信用等级及工作阶层等信息对借贷成功率有着至关重要的影响。监管部门应要求网贷平台严格审查借款者的相关信息，并对其中的关键内容，应及时、完整、无误地告知投资者。并且政府应加大对征信体系的建设，完善信用评级，提高风险的可控性，降低逾期和坏账的发生。

（二）提供适合的借贷项目

通过本文的研究可知，还款期限（3到36个月之间）越长的项目越容易成功，而标的总额对成功率的影响很小。网贷平台可适当的多提供一些还款期限较长的项目，借款总额则让借款者根据自身情况而定。这样一来，既能减轻借款者的还款压力，又能为投资者提供长期稳定的投资收益，能更好地促成项目的成功。

（三）发展特定的目标客户群

P2P网贷由于具有门槛低、效率高的特征，获得了广大小微企业的青睐，并且他们的融资需求远远超过普通个人的借款需求。本文也证实了私营企业主比工薪阶层的借款者更容易获得投资。网贷平台可以创造一些优惠条件，如优先满足企业融资、减少中介服务费用等，以吸引更多的私营企业主，重点发展这部分的目标客户群，但也要关注优质的工薪阶层的借款客户，提高项目运作效率。

（四）重视信息认证

我国各家P2P平台衡量的标准不一致，借款者认证的自身信息也就不一致。但对网贷成功率有重要影响的信息，如标的总额、还款期限、年龄、工作阶层、借款人信用等级、借款人成功借款数量等，各借款者应该充分重视它们的认证，积极主动地将这些信息公开，提高借贷的效率，促进P2P网贷的发展。

（五）按时还款付息

通过本文的研究可知，借款人成功借款数量是影响网贷成功率的最主要因素。借款者在P2P平台获得一笔借款后，就应该按时还款付息，增加自己的成功借款数量，同时也能提高自己的信用等级，为以后的再借款打下良好的基础。否则造成逾期还款，将降低投资者的信任度，增加了再次借款的难度。

注释：

①数据来源：2016年中国网络借贷行业年报[R].网贷之家，2016 .

②数据来源：人人贷.2016年年度报告[R].北京：人人贷，2016.

参考文献：

[1]Klafft M.Peer to peer lending：auctioning microcredits over the internet[C].Proceedings of the International Conference on Information Systems，Technology and Management，A.Agarwal，R.Khurana，eds，IMF，Dubai.2008.

[2]Simla Ceyhan，Shi Xiaolin，Jure Leskover.Dynamics of Bidding in P2P Lending Service：Effects of Herding and Predicting Loan Success[C].Proceeding of the 20th international conference on World Wide Web，2011.

[3]Puro L，Teich J E，Wallenius H，et al.Borrower Decision Aid for people-to-people     lending[J].Decision Support Systems，2010，49（1）.

[4]Ning Ceng，Arpita Ghosh，Nicolas S.Lambert.Auctions for social lending：A theoretical analysis[J].Games and Economic Behavior，2014（8）.

[5]尤瑞章，张晓霞.P2P在线借贷的中外比较分析——兼论对我国的启示[J].金融发展评论，2010（3）.

[6]王梓淇，P2P网络借贷平台探析[J].时代金融，2012（3）.

[7]邱甲贤，张国生.P2P在线借贷平台信用体系对借款绩效的影响[R]，2011.

[8]陈建中，宁欣.P2P网络借贷中个人信息借贷成功率影响的实证研究——以人人贷为例[J].财务与金融.2013（6）.

[9]尉麗婷.P2P网络融资中借款能力的影响因素研究[J].时代经贸，2013（14）.

[10]廖理，李梦然，王正位.中国互联网金融的地域歧视研究[J].数量经济技术经济研究，2014（5）.

[11]宋晨.P2P网络借贷影响因素的实证研究[D].江苏：扬州大学，2014.

[12]李钧.中国P2P借贷服务行业白皮书[M].北京：中国经济出版社，2015.