P2P风险因素评估测定

班悦

[摘 要]文章通过文献关键词搜索法初步筛选出12项P2P风险因素，发放调查问卷确定初筛风险因素的重要性程度;对问卷数据进行因子分析和信度效度检验，探究出12项风险因素所属类别，基于此建立线性回归模型，明确各类风险因素的权重，研究结果显示P2P行业风险对于诱发P2P爆雷所占比重最大。最后提出P2P平台应强化信息中介这一行业定位等建议。

[关键词]P2P借贷;爆雷;风险因素;因子分析法

[DOI]10.13939/j.cnki.zgsc.2020.02.184

1 引言

P2P借贷是指个人和个人之间经过互联网平台完成的借贷。自2018年6月以来，一批理财平台如唐小僧等，频繁发生了“跑路”的状况。目前涉及金额最高可达万亿等级，受害者众多。直至2018年8月底，P2P网贷行业中能够正常运营的平台数量下降至1595家，停业及问题平台累加数量可达4811家。

鉴于P2P行业多次爆雷、风险重重，大多数投资者的经济利益和投资信心受到沉重打击，为了有效缓和紧张形势，使P2P行业能够健康发展，国内各专家学者纷纷研究P2P风险种类以及管控措施。

2 文献综述

现有文章从不同的角度论述P2P风险并提出措施。叶湘榕（2014）讲解了各种借贷模式的共性风险和个性风险。斯瑾慧（2016）提出抑止风险多发的管控形式。部分文章分析了风险影响因素，提出优化P2P的模型。刘博楠（2017）以包括三方的效用函数模型，解释了违约风险产生机理。还有文章研究P2P非风险问题及现象，丰富了人们对于P2P的认识。JunTan和DeSilva，D.G.（2011）认为贷款利率不仅是借款人的借款成本，而且能够反映借款人的福利情况。

但是现有文献未能从涉及的风险因素中筛选出最有说服力的风险因素，也没有对风险因素进行分类。因此，基于前人的研究，本文通过文献筛选法总结出各项风险因素;利用因子分析法对风险因素归类，建立线性回归模型，明确各类风险因素的权重;提出建设性意见以促进P2P行业发展。

3 数据来源和数据分析

3.1 数据来源

为了扩大风险因素的覆盖面，通过关键词搜索进行文献期刊的回顾，以专业学者对风险因素涉及次数进行初步筛选;为了确定初筛风险因素的重要性程度，发放“诱发P2P爆雷的各项风险因素重要性评估”的调查问卷，基于调查结果进行数据分析。

3.2 文献关键词搜索法

以“P2P爆雷”“P2P风险因素”“P2P风控措施”等关键词进行文献回顾，以专业学者对风险因素涉及次数进行初步筛选，得出表1的12项P2P风险因素。

3.3 因子分析

为了探究出12项风险因素所属类别，利用SPSS对“诱发P2P爆雷的各项风险因素重要性评估”调查问卷的數据进行因子分析。

为了验证收集数据适合做因子分析，对问卷数据进行KMO和Bartlett的球形度检验（见表2），检验结果分别为0.764和1224.748，p值接近0，可以认为相关系数矩阵与单位阵有显著差异，通过数值比对可以看出，两者的检验值都表示其适合做因子分析。

之后对诱发P2P爆雷的12个风险因素进行探索性因子分析，对3个主因子进行分类命名，分别为：平台自身风险、P2P行业风险、国内环境风险。其风险因素指标如表3所示。

3.4 信度分析和效度分析

为了验证调查问卷收集数据的可靠性进行信度分析。分析结果显示，各因子风险因素分量表的α值均大于0.7，总体α值为0.811，表示其可以接受，信度情况符合研究所需。

效度分析分为结构效度和内容效度。在因子分析中各因子风险因素分量表的KMO值均大于0.6，并且总体的KMO检验值为0.831，位于0.8以上，且各因子载荷均大于0.5，方差累计贡献率大于0.7，表示其测量结果与要考察的内容相吻合，量表的结构效度较高;内容效度分别采用专家判断法及文献回顾两种方式进行判别。对于专家判别法，通过咨询“互联网金融”方面2名专家，“P2P网贷风险评估”方面2名专家，对各风险因素与诱发P2P爆雷的相关性，分别从测题的代表性、适应性进行打分判定，其S-CVI/Ave得分满足0.90以上;对于文献回顾方面，以“P2P爆雷”“P2P风险因素”以及“P2P风控措施”等相关的重要关键词进行文献搜索，以期刊等级、引用次数为依据进行覆盖性较强的下载，以此降低风险因素筛选的缺失性。

综上所述，两种分析表明量表的信度效度较高。

4 模型构建

为了进一步了解各类风险因素对于引发P2P爆雷的贡献程度，决定探究P2P爆雷的负外部性程度和3类诱发P2P爆雷的风险因素之间的关系。SPSS分析结果显示各风险因素与因变量之间的变化趋势分别是线性的，由此建立P2P爆雷的负外部性程度和3类诱发P2P爆雷的风险因素之间的多元线性回归模型：

式中，P为平台自身风险，I为P2P行业风险，S为国内环境风险，E为其他风险，N为P2P爆雷的负外部性程度，其中P，I，S为自变量，E为控制变量，N为因变量。

通过SPSS软件做线性回归，发现各因素的VIF<10说明不存在多重共线性，可以直接线性回归。根据标准化系数，绝对值越大说明对应的风险因素所占权重越大，因此P2P行业风险所占权重最大。回归模型统计数据见表4。

5 结论

第一，本文分析归纳出12个诱发P2P爆雷的风险因素，并通过因子分析将其归为三大类，分别是平台自身风险、P2P行业风险、国内环境风险。

第二，建立P2P爆雷的负外部性程度和三类风险因素的多元线性回归模型，分析各类风险的权重，其中P2P行业风险对于诱发P2P爆雷影响最大。

第三，P2P平台应强化P2P平台信息中介的准确定位，积极配合国家政策。

第四，完善信息披露机制和征信系统的建立，促进产品创新。

参考文献：

[1]刘博楠.我国P2P网络借贷违约风险的影响因素研究[D].长沙：湖南大学，2017.

[2]叶湘榕.P2P借贷的模式风险与监管研究[J].金融监管研究，2014（3）.

[3]斯瑾慧.P2P全方位风险管控模式初探[J].价值工程，2016（29）.

[4]XU YUN，QIU JIAXIAN，LIN ZHANGXI.How does social capital influence online P2P lending？A Cross-Country analysis[C].Hubei：2011 International Conference on Management of e-Commerce and e-Government，2011：238-245.