基于Logistic的P2P网贷平台流动性风险测度研究

张杰 张远圣

【摘 要】 我国的P2P网贷行业从无到有、从无序生长到有序发展，从鱼龙混杂到监管趋严，渐渐步入了合规健康的发展道路。2018年是强监管年与合规备案年，但平台的流动性风险仍然较大，跑路诈骗问题频出，让不少投资者望而却步。其平台的流动性风险已经受到社会各界的广泛关注，且网贷平台的风险测度与评价成为投资者筛选平台的重要因素。文章基于Logistic模型，以向上金服平台为例，定量研究其流动性风险，有助于规范P2P进一步发展，提升居民投资理财的热情。

【关键词】 Logistic; P2P; 网贷平台; 流动性风险; 向上金服

【中图分类号】 F830.2  【文献标识码】 A  【文章编号】 1004-5937（2019）21-0124-04

一、引言

尽管P2P属于舶来品，而它的成长速度相当惊人，已然远远超过欧美发达地区。2007年我国首个P2P平台——拍拍贷，于上海宣布正式上线。2013年被称为“互联网金融元年”，而P2P網贷平台也进入了爆发式生长的时代。2016年8月24日，国家监管部门下发《网络借贷信息中介机构业务活动管理暂行办法》，标志着在无序野蛮成长的P2P行业被正式纳入监管，监管手段接连升级，P2P平台的总体淘汰率持续上涨，截至2018年8月底P2P行业淘汰率已超过70%，正常运营平台已不足2 000家。2017年12月1日，《关于规范整顿“现金贷”业务的通知》的发布为使我国P2P现金贷成为负责任的“普惠金融”提供了政策依据，2017年底，《关于做好P2P网络借贷风险专项整治整改验收工作的通知》（57号文）的发布指明了网贷整改大限。目前尽管备案被推迟，但也表明了官方对P2P行业的监管承诺，并将更加严格地执行验收标准，对投资者、平台以及监管部门都是有益的。规定各省（区、市）务必在2018年6月的最后期限之前落成P2P备案事务，其制定了P2P的备案大致进程，在一定程度中规范了我国P2P行业监管。

从2018年初至今，“合规备案”已成为P2P行业界最热门的词。到了2018年9月初，P2P累计营业数据已经顺利突破7.4万亿元人民币，我国P2P平台总量已达到6 675个，但同时也不断出现平台诈骗跑路等问题，不合规平台已有4 800个，P2P淘汰率已高达71.91%。2018年6月中旬，著名高返平台——唐小僧的跑路和联璧金融挤兑的发生无疑让广大投资者的恐慌情绪蔓延，同时也让不少潜在的投资者望而却步。在整顿历史的起伏中，许多平台的命运令人担忧。在严监管的背景下，对P2P平台进行综合因子风险评价分析，为投资者寻找出不仅能够带来可观的投资收益，同时又相对安全稳健的P2P网贷平台具有较强的现实意义。

二、文献综述

国内外关于P2P网贷平台风险的研究主要将其分为P2P网贷风险研究、P2P监管体系研究、P2P行为及影响因素研究。

第一，P2P网络借贷风险研究。韦艳肖[1]从风险因素量化的角度分析了借款利率、借款人信用、信息透明度和目标持续时间等风险因素，在研究结论的基础上，提出了预防我国网络金融风险的可行建议。吴斌等[2]建立了P2P网贷个人信用风险评估指标体系，提出了基于BP神经网络的信用评估模型。通过平台收集的样本数据进行实验验证。结果表明：改进的果蝇神经网络评估模型比传统BP神经网络模型有更强的学习能力和预测能力，是P2P网贷个人信用风险评估的有效方法。李明初[3]面对国内网络借贷行业的发展现状，以拍拍贷为例，通过抓取拍拍贷平台上最近的交易数据并利用Probit二元选择模型，分别从影响投资人借款认可度因素以及影响平台借款认可度因素两个层次，对影响借款人借款成功的因素进行了实证分析。根据实证分析结果，针对借款人和网贷平台提出可行性建议。安英博等[4]以隆金宝为研究对象，探究决策树模型、支持向量机模型、神经网络模型、逻辑回归模型、Stacking模型对P2P借贷违约风险的识别效果，并进行评估与对比，从而选出最佳P2P借贷违约风险模型，进而帮助P2P网络借贷平台有效规避违约风险，实现其长远发展。

第二，P2P监管体系研究。Michelle[5]预计P2P平台不会取代传统的银行渠道，但它们是金融中介机构，在解决中小企业长期面临的融资真空方面具有广阔的前景。陈婷婷[6]探索了我国P2P平台潜在的风险，且依托了风险度量的类型选择，最后运用Logistic回归模型建立风险评价体系。李端生等[7]在分析P2P平台临时措施的影响的基础上，研究了P2P平台的发展路径，并就如何进一步改进P2P平台提出了一些可行性建议。孙艳军[8]认为中国P2P金融市场中所面临的各类风险日趋增大，其主要原因是缺乏一定的监管。通过参照西方发达国家与地区的监管制度，完善中国P2P行业的监管制度。

第三，P2P网贷活动以及影响因素研究。王重润等[9]认为高效的融资效率是网贷平台提升竞争力以及维持平稳运营的前提。为构建平台融资效率因素体系，考虑风险、平台、标的等因素，以托宾两步分析方法为基础，以七千多条贷款标的为研究样本，采用数据包络分析法对P2P平台融资效率值进行度量，通过对影响因素和融资效率的实证分析，创建托宾模型。左茹霞等[10]认为P2P是一种融合了民间借贷以及互联网金融技术的新型金融创新形式。选取120家P2P平台数据，运用Granger Causality验证的面板数据，分析P2P信用额度差异与影响因素。结果表明，有四个主要因素对P2P借贷量影响较大，最后对P2P的发展提出了建议。

通过对行业文献的整理，发现国外学者对P2P的实证研究大多是基于已评级的平台，而我国P2P行业起步较晚，其发展有着自身的特点，国内学者的研究主要汇集在借款人信用风险防范的问题上。近年来，虽也有一些学者开始运用统计计量的方法（如AHP层次分析法、突变级数评价法等）对P2P平台进行综合评级，或用问卷调查法、案例研究法进行针对性分析，然而P2P平台风险评价仍然缺乏专门的研究，难以实现投资者对P2P平台风险评估的要求。基于此，本文运用Logistic回归分析法，以向上金服平台为例，定量研究其流动性风险，有助于规范P2P进一步发展，提升居民投资理财的热情。

三、现状分析

（一）网贷平台发展现状

网贷天眼数据显示，截至2019年2月中旬，中国P2P在线借贷平台数量已达到6 608个，其中1 557个为正常运营平台，累计问题平台5 051家。网络借贷平台的出现极大地缓解了中国社会融资难的问题。为社会经济发展带来极大便利，有利于中国互联网金融业的发展，为中国经济进入“新常态”提供了新的增长点。特别是2014年，当李克强总理在达沃斯论坛上提出“大众创业与万众创新”时，中国每天新增1万多家新企业，网上借贷平台的出现为这些中小企业的发展提供了项目资金。因此，近年来中国的在线借贷平台呈现出快速发展的态势。中国在线借贷平台有三个主要特征：首先，中国在线借贷平台的主体并不固定。其次，中国的在线借贷平台交易方式简单快捷，满足了人们对产品灵活性的要求。最后，网络借贷平台的发展依赖于互联网技术的进步，因此中国网络借贷平台的蓬勃发展推动了中国科技，特别是互联网技术的进步。然而，中国网络借贷平台的发展并不完善。在我国现代互联网金融背景下，网贷平台的发展常常出现许多风险，包括内部风险和外部风险等。

（二）向上金服的网贷业务现状

2018年是互联网金融领域大浪海沙的一年，伴随着监管回归、劣币退场，政策与监管逐步落地，行业在经历阵痛期后正在重新回到健康发展的轨道。2018年，向上金服累计借款人数23 769人，出借人数89 539人，累计交易额超过140亿元，人均出借回报5 334.07元。有规矩才有方圆，金融本是一场比拼耐力的马拉松，不可一蹴而就;坚守底线、敬畏风险，才能实现最后的“繁华”。过去的5年，向上金服秉持“不骄不躁，不忘初心”的理念，持续在用户资金安全与智能技术方面深耕运作，只为不辜负每一位用户的信任与重托。五年里，向上金服累计交易额突破500亿大关，稳居行业一线，700万用户选择和向上金服站在一起共同成长，实现财富梦想。

四、Logistic模型分析

（一）数据选取与变量定义

本文的数据来自于网贷之家——“向上金服”平台数据，选取其2017年11月——2018年11月期间的运营数据。然后按照平台运营的时间顺序，以周为单位，选取了56周，合计672条运营数据。选取“向上金服”平台是因为该平台是五十大最受出借人认可的P2P网贷平台之一，曾经赢得了“胡润新金融百强科技创新奖”，最受用户和媒体喜爱的的十大新金融品牌“金口碑”奖项，并且已成为中国互联网金融协会的会员。向上金服致力于创建“线上+线下”的综合风险控制系统。因此该平台在P2P网贷行业内具有一定的代表性，故选取其近一年的运营数据也可以很好地反映出平台甚至网贷行业最新的发展状态。

被解释变量为平台净流入资金，表现为平台在这期间资金净流入为正或资金净流入为负。本文使用Logistic模型分析平台上流动性风险的概率。假设流动性风险的发生概率为P，且0≤P≤1。P=1时资金净流入为负值，表示平台的流动性风险发生的概率较高;P=0时资金净流入为正值，表示平台的流动性风险发生的概率较低。也就是说，P值越接近0，平台的流动性风险越低;越接近1，平台流动性风险的概率越高。

解释变量为：（1）成交額：它表明该平台有能力获得新的资本流入。相反，可能存在流动性风险。（2）收益率：指基于当前市场价格、面值、票面利率和距离到期日的投资回报率，通常以年度百分比表示。（3）人均投资：投资交易总额与出借人总数之比。（4）人均借款：借款交易总额与借款人总数之比。（5）借贷余额：它表明了平台持续获得资金的能力。平台规模越小，流动性风险就越大。（6）待还借款人：根据实际借款人的说法，这意味着仍然需要在某个时间点偿还借款人的借款人总数，以及同一借款人多次借款。能够反映平台资产端运作情况，借款人数越多表明该平台资产越分散，运作越稳定;反之则表示资产越集中，运作易出现流动性风险。（7）待收投资人：表示在某个时间点仍有贷款的贷方总数，能够反映平台某段时间的成交人气。人数不断增长表明该平台网贷人气不断升高，平台越稳定;相反，它表明受欢迎程度下降，表明可能存在流动性风险。（8）资金净流动：表明平台交易减去支付的剩余净值，如果平台资金长期负流，则表明可能存在流动性风险。（9）平均借款期限：一段时间内平台借用参考借款期的平均值。（10）平台等级：平台级别代表平台的信用资格。一般而言，平台的信用评级越高，投资者获得的信任越多，流动性风险发生的概率就越低。所有解释变量都与平台的流动性风险呈反比，即解释变量的数值越高，则表示平台的流动性风险越低。其中，平台的级别相应地转换为1、2、3、4、5和6，值越高，平台的排名越高。

（二）Logistic模型的构建与回归结果分析

1.Logistic模型的构建

本文所构建的Logistic模型的函数形式如公式5、公式6所示。

P=ey/（1+ey）=1/（1+e-y）              （5）

Y=C0+■■■CiXi （1≤i≤m）        （6）

其中P表示平台的流动性风险发生概率，0≤P≤1;Xi是解释变量，其中X1表示成交量，X2表示收益率，X3表示人均投资，X4表示人均借款，X5表示新增投资，X6表示待还借款人，X7表示待收投资人，X8表示资金净流入，X9表示平均借款期限，X10表示平台等级;C0表示常数项;Y是被解释变量，表示平台的流动性风险。

2.拟合优度检验

本文利用SPSS 22.0对所获得的向上金服平台672条运营数据进行模型系数的拟合优度检验，综合检验结果如表1所示。从表中可以看出，模型的最大似然比卡方统计量为75.041，对应的Sig.=0<0.05，可以拒绝全部回归系数等于0的零假设，亦即该模型为整体显著的。因此，本文构建的Logistic模型可以很好地拟合样本数据。

3.Logistic回归结果分析

再次使用SPSS 22.0对解释变量以及被解释变量进行Logistic回归分析，回归结果如表2所示。

由表2可知Wald统计量的Sig值均大于0.05，则表示其参数估计都不为0。由此可知，说明本文构建的Logistic回归模型10个解释变量与被解释变量Y之间存在显著的线性关系，没有无效变量，且经过检验可知模型不存在内生性问题。在通过对这10个变量的优化可以在一定程度上达到预测风险、防范风险的效果。因此，其Logistic模型能够展示为：

Y=0.003X1+1 682.143X2+23.788X3+9.293X4-0.021X5-0.028X6-0.002X7-

0.006X8+121.58X9-44.615X10-20 140.221 （7）

在模型中，Y的取值范围介于[0，1]之间，本文以0.5作为切割值，当Y≥0.5时，表示平台资金流出概率较大，有较大可能产生流动性风险;Y<0.5时，则可认为平台的资金流出概率较小，不太可能产生流动性风险。由此，P2P网贷平台可以优先收集此模型中作为自变量的指标数据，对虚拟变量赋值后带入模型中来判断平台流动性风险的概率。

4.Logistic模型的预测

最后再利用SPSS 22.0对向上金服的相关样本数据进行流动性风险预测，SPSS 22.0预测输出结果如表3所示。

由表3可知，在56 条向上金服的平台样本数据中，SPSS 22.0预测17条是无风险的，预测正确率为70.83%，而在32条存在风险的向上金服平台样本数据中，SPSS 22.0预测25条是存在流动性风险的，预测正确率为78.13%。

SPSS 22.0预测正确的平台样本数量为42，约占总数的75%。所以从整体上来看，本文所构建的Logistic模型预测正确率为75%，说明模型的预测结达到了理想效果，在现实中可以作为P2P网络借贷平台流动性风险测度的参考。

五、结论与建议

本文以P2P网络借贷平台向上金服的流动性风险为研究对象，近年来P2P网络借贷发展速度过快，过快增长背后的流动性风险不容忽视。本文选用Logistic二元回归模型对于网贷平台的流动性风险进行测度，并得到以下结论：

第一，P2P网贷作为一个高风险的新兴行业，风险控制技术是P2P平台的有效竞争力，同时也必定是将来一段时期内一直贯穿在网络借贷行业发展的主线。

第二，信息不对称普遍存在于信贷交易中，是流动性风险产生的重要原因。P2P网贷的交易通过互联网进行，而互联网具有跨空间和匿名性等特点，投资方很难从交易对手获得对方的全部信息，信息不对称现象比传统信贷交易更为严重。

第三，利用SPSS 22.0软件对选取的10个指标进行Logistic回归分析，Logistic回归模型可以用于P2P网贷流动性风险的度量，而且从最后模型结果可以看出，其预测准确率也很高，说明该模型对分析P2P网贷的流动性风险问题效果很显著。

笔者在试图测度P2P網贷平台流动性风险之中，亟待在数据的真实性以及信息披露完善的风险体系上进一步增强。随着监管的趋严与P2P行业的不断发展，优势平台更应该注重提升其投资理财产品的服务与体验当中，而中小平台则需要把重心放在合规备案发展的道路上不断前进。

2018年，P2P网络借贷平台经历了一个棘手的局面，行业流动性风险持续增加，许多贷款人的信心受挫，行业面临巨大压力。在P2P行业发展的压力下，积极整改以及主动拥抱合规的平台也很多。重拾对网络借贷的信心，确保网络借贷行业平稳安全度过“暴雷潮”，已成为业内人士共同的期待。

合规性是P2P网络在线借贷行业的永恒话题，也是所有平台必须遵循的重要原则。P2P网贷平台“三证”的地位是举足轻重的，不论是银行存管，还是ICP经营许可证，亦或是等保三级测评都是缺一不可的，这也是贷方投资判断的主要参考。相信随着监管的不断加强，各项硬指标将成为备案成功的关键点，网上贷款业必将迎来合规发展的良好局面。●

【参考文献】

[1] 韦艳肖.互联网金融风险防范研究——以网贷平台为例[J].会计之友，2018（16）：104-108.

[2] 吴斌，叶菁菁，董敏.P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法[J].会计之友，2017（21）：32-35.

[3] 李明初.基于Probit的网络借贷成功影响因素分析——以拍拍贷为例[J].会计之友，2016（4）：100-106.

[4] 安英博，程冬玲.P2P借贷违约风险识别模型比较[J].会计之友，2019（2）：45-50.

[5] MICHELLE W L.Chinas online peer-to-peer （P2P） lending platforms[M]//The Digitization of Business in China，2018.

[6] 陈婷婷. P2P网络借贷风险度量体系与行业监管研究[D].北京：首都经济贸易大学硕士学位论文，2018.

[7] 李端生，夏伟.基于网络借贷新规的P2P发展研究[J].会计之友，2017（5）：108-111.

[8] 孙艳军.以英美监管为镜鉴构建我国P2P普惠金融监管体系[J].上海金融，2016（3）：60-66.

[9] 王重润，孔兵.P2P网络借贷平台融资效率及其影响因素分析——基于DEA-Tobit方法[J].河北经贸大学学报，2017，38（5）：54-60.

[10] 左茹霞，王言，李宇红.P2P网络借贷成交量影响因素分析[J].财会月刊，2017（3）：118-122.