吉林大學(xué) 王思涵

P2P網(wǎng)絡(luò)借貸是利用互聯(lián)網(wǎng)技術(shù)進行信貸交易的過程，在加入了第三方交易平臺后，信貸交易的審核過程得以加強，平臺選取信用程度較高的借款者在網(wǎng)站上發(fā)布其信息，以供有投資需求的出借人進行選擇，最終實現(xiàn)資金的轉(zhuǎn)移。我國首家P2P借貸平臺——拍拍貸，于2007年6月成立。拍拍貸對借款人進行初步審核，然后將審核通過的信息進行發(fā)布，有投資需求的用戶在信息平臺上篩選合適的借款人，并將自己的錢出借。這是P2P最根本的業(yè)務(wù)邏輯，一直沿用至今。

然而，經(jīng)歷了十二年的發(fā)展，目前我國P2P網(wǎng)貸平臺良莠不齊，大量問題平臺逐漸浮出水面。截至2019年5月19日，共有2742家問題平臺出現(xiàn)，僅5月就新增了24家，其中1家跑路、6家經(jīng)偵介入、6家網(wǎng)站關(guān)閉、11家延期兌付，諸多平臺問題應(yīng)引起極度重視，監(jiān)管整治勢在必行。

1 文獻綜述

1.1 P2P平臺發(fā)展方面

Magge(2011)從貸款者角度闡述網(wǎng)貸平臺最大優(yōu)勢是降低資金獲取成本，例如中小企業(yè)資本實力不足難以獲得大額貸款，但巨大的資金需求使P2P平臺得以發(fā)展，在傳統(tǒng)的金融貸款方式開拓了新的發(fā)展方向。錢金葉、楊飛(2012)認為P2P網(wǎng)貸平臺的融資效率要比傳統(tǒng)的銀行借款高，并且利用互聯(lián)網(wǎng)作為平臺簡化了復(fù)雜度手續(xù)，為中低收入群體提供了更為方便可靠的平臺，同時，平臺考查借款人的信用情況以提高違約成本，降低了網(wǎng)貸的風(fēng)險。

1.2 P2P平臺融資方面

Ravina(2008)認為網(wǎng)絡(luò)借貸中相比年齡、性別、種族因素的影響更顯著，例如黑人為貸款需要支付更多成本。根據(jù)Pope(2011)的調(diào)查可看出，當(dāng)擁有相同的信用評級時，非洲裔美國人比其他種族的借款成功率明顯要低；而35歲以下的年輕人和單身女性的融資成本較低。Briceno Ortega(2008)研究了Zopa平臺的數(shù)據(jù)，發(fā)現(xiàn)借款人的財務(wù)信息越詳細，其融資成功的可能性越高。陳霄等(2013)認為投資者的積極性和投資趨向會隨著不良貸款行為增加而降低，不良貸款行為不但威脅投資者的利益，也使P2P平臺因為安全性問題受到外界質(zhì)疑，不利于網(wǎng)貸行業(yè)的健康發(fā)展。

2 變量選取與數(shù)據(jù)來源

本文綜合考慮網(wǎng)貸平臺自身特點及P2P平臺的信息可獲性，選取了平臺占比較大的100家平臺的7個指標，分別為：成交量、投資人數(shù)、平均借款期限、借款標數(shù)、注冊資本、借款人數(shù)、人均投資金額。

(1)成交量、投資人數(shù)：成交量越高、用戶越多時，對外界釋放的可投資信號越強，引發(fā)的跟隨投資現(xiàn)象也越多。

(2)平均借款期限：一次性還本付息的網(wǎng)貸平臺還款期限一般是一個半月以內(nèi)，先付息后還本平臺的還款期一般是6個月以內(nèi)，本息等額平臺的還款期限普遍長達數(shù)年。平均借款期限將影響借款人的行為，從而影響平臺資金流動性，影響平臺風(fēng)險。

(3)借款標數(shù)：平臺的借款標有很多通?？煞譃榈盅簶?、信用標、擔(dān)保標、秒標、凈值標、流轉(zhuǎn)標等。標的數(shù)量越多對貸款交易的約束越多，因此對風(fēng)險的影響也顯而易見。

(4)注冊資本：資本充足率是銀行業(yè)信貸風(fēng)險監(jiān)管的核心指標，但由于我們無法獲得P2P平臺的資本充足率指標，本文采用注冊資本作為代理變量，單位萬元。注冊資本越多，股東對平臺規(guī)范管理的主動性和積極性越高。

(5)借款人數(shù)：借款人數(shù)反映一個平臺的資本實力和規(guī)模，在整治時期依舊能擁有大量借款人反映一個平臺的合規(guī)度，也間接反映該平臺風(fēng)險大小。

(6)人均投資金額：本文主要針對投資人設(shè)定變量，人均投資金額反映了市場拓展的深度。一般來說，網(wǎng)貸平臺市場拓展能力越強，投資人數(shù)越多。人均投資金額以萬元為單位。

數(shù)據(jù)選自網(wǎng)貸之家4月（30天）的數(shù)據(jù)，涉及大中小各類平臺，截至2019年4月31日，正常營運的平臺有940家，本文選取了成交量前100名平臺，具有較好的代表性。

3 實證分析

3.1 適宜性檢驗

本文通過將指標值與指標平均值的差額除以標準差的方法對原始數(shù)據(jù)進行標準化處理，避免因數(shù)據(jù)量綱不同而造成因子分析誤差。通過檢驗得出KMO檢驗值為0.661大于0.5；Bartlett球形檢驗的顯著性水平為0.000小于0.001，說明本文選取的變量適合進行因子分析。而7個指標的公因子方差分別為：0.949，0.861，0.668，0.719，0.984，0.720，0.671，大部分指標共同度在70%以上，因子提取的總體效果理想。

3.2 總方差解釋

運用主成分分析法，可以提取7個指標的公共因子。如表1所示，本文提取了特征值大于1的3個因子作為公共因子，其特征根分別為3.287，1.260，1.025。

表1 特征根及貢獻率

“貢獻率”一欄顯示了各公因子的方差貢獻率，3個因子總貢獻率達到了79.603%，能夠合理反映各原始開標的情況。

3.3 旋轉(zhuǎn)成分矩陣

采用最大方差法對因子載荷矩陣進行轉(zhuǎn)，以使因子具有命名解釋性。結(jié)果如表2所示，公共因子1在成交量、投資人數(shù)、借款標數(shù)、借款人數(shù)四個指標載荷較大，可稱為經(jīng)營狀況因子；公共因子2在人均投資金額、平均借款期限兩個指標上載荷較大，可稱為產(chǎn)品設(shè)計因子；公共因子3在注冊資本上載荷較大，可稱為資金保障因子。

表2 旋轉(zhuǎn)后的因子矩陣

3.4 因子得分

各公共因子的得分系數(shù)矩陣如表3所示，據(jù)此可得出各公共因子的表達式：

表3 成分得分矩陣

3.5 結(jié)果分析

以各因子的方差貢獻率為權(quán)重算出100家P2P平臺的風(fēng)險管理能力得分，公式如下：

表4 網(wǎng)貸平臺因子得分及排名

本文計算了100家樣本平臺的風(fēng)險管理能力綜合得分，并進行排序，表4顯示了排名前10的網(wǎng)貸平臺。小贏網(wǎng)金、你我貸、麻袋財富位列前三甲，是樣本中風(fēng)險控制能力得分最高的平臺。F1為平臺經(jīng)營狀況因子，在綜合得分中權(quán)重最大，小贏網(wǎng)金、你我貸、麻袋財富也是F1因子排名前三位，由此可見平臺經(jīng)營狀況對風(fēng)險控制的重要性。

總體而言，筆者選取的100家平臺綜合評分均值為0，其中得分大于均值的共29家平臺，小于均值的有71家平臺，表明中國網(wǎng)貸平臺的發(fā)展處于一種不穩(wěn)定的狀態(tài)，劣質(zhì)平臺占比較大。3個公共因子均值也為0，其中因子1大于均值的平臺有23家，因子2大于等于均值的有40家，因子3大于均值的有26家。由此可以看出，我國網(wǎng)貸平臺在因子1和因子3方面整體發(fā)展狀況較差，因子2方面略比前兩者好一些。因此要改善中國網(wǎng)貸平臺，首先要著重從經(jīng)營狀況和資金保障方面入手改善。