基于Logit模型的P2P網絡借貸平臺的風險評估

劉元鵬 田國忠

摘要：2018年以來，P2P網絡借貸平臺頻頻爆雷，廣大投資者蒙受了巨大損失。據相關平臺統(tǒng)計發(fā)現，很多問題平臺具有很多相似之處，如綜合利率通常較高，平臺背景大多以民營為主。文章借助爬蟲軟件，收集了網絡上已有P2P借貸平臺相關信息，并利用二元選擇模型，對P2P平臺相關信息進行實證研究，進而給出平臺發(fā)生風險的概率模型，幫助投資者通過已有的信息來判斷平臺的可靠性。

關鍵詞：P2P網貸;P2P平臺風險;監(jiān)管

一、P2P網絡借貸風險類別

P2P網絡借貸屬于新生事物，其面臨的風險復雜多變，同時又相互交錯、共同影響。但綜合起來可從三個層面對其風險進行分析，分別是政府層面風險、市場層面風險和內部層面風險。政府層面風險主要包括監(jiān)管風險和法律風險，市場層面風險主要包括信用風險和流動性風險，內部層面風險主要包括操作風險和信息系統(tǒng)風險。

二、P2P網絡借貸平臺風險測度

P2P平臺畢竟和傳統(tǒng)民間借貸的發(fā)展方式不同，因此在其風險屬性上也呈現出其自有的特點。在我國，信用體系尚未建立完全，且對非傳統(tǒng)金融行業(yè)不開放，這種信用、信息的不暢通，更增大了P2P整個行業(yè)的風險，再加上P2P平臺本身的技術以及漏洞，P2P平臺很容易暴露出問題。2018年以來P2P平臺雷聲不斷，僅8月就有157家平臺爆出問題。因此，制定完善的P2P網絡借貸平臺綜合管理制度，不僅要對各類風險有深刻的認識，還要測度評估P2P網絡借貸平臺的風險大小。

（一）解釋變量的選擇

根據網貸之家對各個平臺的統(tǒng)計指標，選取對平臺風險影響比較突出的指標進行統(tǒng)計分析。

（二）樣本選擇

本文根據網貸之家記錄的問題平臺和正常營業(yè)平臺為樣本，運用爬蟲軟件獲得實證分析所需數據。從摘錄的平臺中依據數據的完整性選擇了98家問題平臺，143家正常平臺，作為實證分析的樣本數據。

實證分析

Logit模型原理。一般假定一個P2P平臺是否發(fā)生問題的概率可以由Logit函數給出，設為：

概率密度函數

現實中很難觀察到Pi的實際值，只能觀測到結果Y=1（平臺發(fā)生問題）和Y=0（平臺未發(fā)生問題）。

對每一個P2P平臺來說，Pi都表示是一個貝努利隨機變量，平臺是否出問題的概率在區(qū)間（0，1）之間。假設平臺出問題的概率為Pi，則有：

P（Y=1）=Pi（4）

P（Y=0）=1-Pi（5）

對于n次獨立觀測的隨機樣本，令Fi（Yi）表示Yi=1的概率，觀測到n個Y值得聯合概率，即F（Y1，Y2，…，Yn）為：

其中∏是乘積符號，由于每個Yi都是獨立的，而且有著相同的概率密度函數，所以我們可以將聯合分布函數寫成個別分布函數的乘積。等式（6）中的聯合概率就是著名的似然函數（likelihoodfuncTion，LF）。

將（6）式變形，對兩邊取自然對數，便得到對數似然函數（LLF）：

利用式（7）（8），我們將式（6）寫成：

根據已經獲得的數據，利用EViews6.0進行實證分析，采用虛擬變量來表示平臺背景，設民營背景平臺為1，非民營背景為0。同理，平臺是否有第三方存管也可用虛擬變量刻畫，其中有存管設為1，其他設為0。此外，P2P平臺盡管屬于信息中介平臺，但其借貸模式與銀行借貸模式又有相像之處，因此借貸款是否分散對平臺風險影響也很大，故在評估P2P平臺風險時，選取前十名投資者待收金額占比和前十名借款者待還金額占比作為借貸款集中度來分析其對平臺風險的影響。實證結果如表3所示。

從表3的回歸結果可以看出，解釋變量R、X1、X2、X和B的參數估計值Z統(tǒng)計量比較大且其相應的概率值比較小，說明這些變量是在統(tǒng)計上顯著的，從而表明R、X1、X2、B和X對P2P平臺風險有顯著影響，而解釋變量RC和A的參數估計值相應概率值較大，統(tǒng)計上不顯著，但其符號與前文的定性分析一致，只是對P2P平臺風險影響不顯著。LR統(tǒng)計量較大，相應的概率值為0。因此拒絕H0：β1=β2=…=β7=0的原假設，表明模型整體上顯著。R2為0.7185，說明模型能解釋平臺發(fā)生風險的71.85%，由于解釋變量RC和A不顯著，故剔除處理。從剔除后的回歸結果可以看出各個解釋變量的參數估計均顯著，R2為0.7082，比剔除前有所下降。模型估計結果表達式如下式所示。

（a）未剔除RC、A的表達式：

（b）剔除RC、A的表達式：

利用式（10）和（11）的Logit模型系數，可以得到

其中

Ti=-5.347+19.336Ri+0.687Xi-1.187Bi+9.3252X1i+5.8096X2i

因此，對于廣大投資者來說，在選擇平臺時一定要關注其綜合收益，平臺背景，平臺借貸款集中度和獨立第三方存管，此外還要關注實收資本投資期限等其他因素。問題平臺往往具有相同的特征，那就是高利率，民營背景和極高的借貸款集中度。大多數問題平臺用高利率來吸引廣大投資者，部分投資者在高利率的誘惑下，對平臺其他因素關注較少，最終由于平臺出各種問題而蒙受損失。而對于監(jiān)管層來說，可以根據P2P平臺風險概率模型，對于風險高概率平臺實行重點監(jiān)管，并督促其整改，防止其捐款跑路。

參考文獻：

[1]Magee J. Peer-to-peer Lending in the United States：Surviving after Dodd-Frank[J].North Carolina BankingInstitute Journal，2011（15）.

[2]Freedman S.， Jin G. Z. Learning by Doing with AsymmetricInformation：Evidence from Prosper.com[R].NationalBureau of Economic Research，2011.

[3]葉湘榕.P2P借貸的模式風險與監(jiān)管研究[J].金融監(jiān)管研究，2014（03）.

[4]黃震.P2P網貸風云：趨勢、監(jiān)管與案例[M].中國經濟出版社，2015.

[5]陳靜俊.P2P網絡借貸：金融創(chuàng)新中的問題和對策研究[J].科技信息，2011（12）.

[6]戚君賢，王理冬.網絡借貸的風險分析與建議[J].金融科技時代，2014（01）.

[7]張穎，馬玉林.基于因子分析的Logistic違約概率模型機[J].桂林理工大學學報，2010（01）.