P2P网络借贷平台风险识别与监管研究
来源:用户上传
作者:
摘 要：互联网在各行业的广泛运用，催生出P2P 网络借贷平台，使其具有天然的“信息优势”，然而充当“信用中介”的高收益使其成为信用风险的高发地。基于 P2P 网络借贷平台运行特征，利用Lasso-Logistic模型建构平台违约率模型9大核心指标体系，并对导致平台违约关键指标加以识别。研究发现，平台交易量、投资者数量和平均借款期限与平台违约率呈显著负相关，平均参考收益率与平台违约率呈显著正相关，监管当局应重点关注平均参考收益率指标。为此，给出了相应的对策与建议。
关键词：P2P网络借贷平台;违约率;风险识别;监管
引言
近年来，P2P网络借贷行业“爆雷”现象严重，究其原因，更多在于监管机构对这一新兴行业的监管缺位。P2P网络借贷这一新兴行业的出现，是中小企业融资贵融资难这一“自发”需求的体现。目前大多数研究都是从信用中介角度分析P2P平台违约问题。本文将重点研究P2P平台作为信息中介，从P2P网络借贷平台自身核心指标进行研究，采用Lasso-Logistic模型识别出平台在未来可能会违约的关键性指标，并为投资者和监管者提供参考依据。
一、指标构建与模型假设
（一）指标体系
本文选取Wind数据库中47家P2P网贷平台2018年3月份的截面数据为基础，提取P2P借贷平台运行的9大核心变量，包括成交量、借款人数、投资人数、人均投资、注册资本、平均参考收益率、平均借款期限、待还余额以及资金净流入，构建P2P借贷平台信用风险识别与测度模型。
（二）模型假设
P2P网络借贷平台定位为“金融信息中介”，根据“理性人”假设，成交量越高，基于借贷双方对平台的信任，其违约率会越低。故得出假设1：成交量越高，P2P 网络借贷平台违约发生概率越低。
P2P网络借贷平台为借贷双方实现资金融通。根据有效市场假说中投资者“理性”假设，基于对平台的信任，投资人数会增加。故得出假设2：投资人数越多，P2P 网络借贷平台违约发生概率越低。
在金融市场中，风险与收益是成正比的。故得出假设3：平均参考收益率越高，P2P 网络借贷平台违约发生概率越高。
企业借款期限越短，利率越高，平台承担的风险就越大，违约率就越高。故得出假设4：平均借款期限越短，P2P 网络借贷平台违约发生概率越高。
二、模型构建
P2P网络借贷平台共分为5种类型，其中银行系P2P平台数量较少且监管较为严格，始终坚守“金融信息中介”的定位。因此，选取的47家P2P平台包括国资系、风投系、上市系和民营系四种类型，这四种类型的平台都有不同程度的信用转换活动，故具有一定的代表性。本文基于wind数据库得到的47家P2P网络借贷平台的截面数据，采用Lasso-Logistic模型识别导致平台违约的风险指标。
（一）Lasso-Logistic模型
Lasso-Logistic本质上是将Lasso模型与Logistic模型结合起来对多维数据进行分析。Lasso模型将一部分不显著系数约束到0，从而挑选出对因变量解释程度较强的自变量;Logistic回归模型属于广义线性回归模型，该模型是建立于对因变量取某个值的概率，基于此概率建立模型可以用来识别影响P2P平台可能违约的关键性指标。
（二）模型数据的预处理
由于不同变量的维度和维度单位在每个自变量中是不同的，为了使模型参数估计系数可比，在建模之前先对原始数据进行标准化。也就是说，对于本文的9大核心变量，采用数据归一化的方法，消除每个变量的量纲，将各连续型变量数据进行中心化和标准化处理，因此在随后的模型构造中可以有效改善模型拟合优度。
（三）P2P网贷平台违约风险指标识别
本文选用R语言中的glmnet软件包构建Lasso-logistic模型，并采用广义交叉验证方法选取相应的惩罚系数λ，系数路径图走势如图1所示。
该模型惩罚系数的取值范围为[0.000 2321，0.171 500 0]，有关文献认为惩罚系数在此区间内取值的模型，模型的预测偏差比较小。图1反映了随着惩罚系数λ取值逐渐增加，模型的压缩程度也逐步增大，对被解释变量影响程度较大的解释变量逐步显现。根据模型结果显示使得误差最小的模型的λ为0.042 494 13。
为识别影响P2P平台违约的重要指标，本文呈现了变量筛选的动态结果。根据选定λ值，最终筛选出成交量、投资人数、平均参考收益率以及平均借款期限等4项解释变量，对其进行Lasso-Logistic模型拟合，参数估计结果系数分别为-0.029 2、-0.009 5、0.132 9、-0.073 6，相应的P值均为0。
三、结论分析
本文主要采用Lasso-Logistic模型識别导致P2P平台违约的关键指标，主要结论如下。
对P2P平台违约影响的关键因素主要包括成交量、投资人数、平均参考收益率以及平均借款期限等指标，在对P2P平台进行违约评估时，可重点关注这些指标，将其作为评估P2P平台违约的基础，以此来判断P2P平台的经营状况。
由模型结果可以看到，成交量、投资人数以及借款期限与违约呈显著负相关，成交量、投资人数以及借款期限越大，违约越低;平均参考收益率与违约呈显著正相关，平均参考收益率越高，违约越高。
具体说来，成交量每增加一个百分点，将使得P2P平台的违约率减少0.029 2个百分点，证实假设1;投资人数增加一个百分点，将使得P2P平台的违约率减少0.009 5个百分点，证实假设2;平均参考收益率增加一个百分点，将使得P2P平台的违约率增加0.132 9个百分点，证实假设3;平均借款期限增加一个百分点，将使得P2P平台的违约率减少0.073 6个百分点，证实假设4。从得出的系数来看，应当着重关注平均参考收益率，平均参考收益率的变化对于P2P平台的违约率影响较大。 四、监管对策
根据上述研究结论，识别出P2P平台违约关键指标，为监管当局提供参考依据，防止P2P网络借贷平台再次转换为信用中介，故提出如下建议。
（一）坚守平台定位，加强内部治理
P2P 网络借贷应当有效坚守平台功能，认真扎根于信息中介业务，为资本市场上的参与者提供信息服务，进而实现资金融通。不得偏离信息中介的角色，实际掌握资金的供给和需求，为资金供求双方提供直接联系和信息交流。作为信息中介机构，应推行资金集中存管制度，推出投资者适当监管职能。
（二）防范平台风险，实施穿透监管
监管机构进行“穿透式”监管时，为防止出现权力滥用问题，可采取事前、事中和事后的“穿透式”监管措施。事前采取负面清单管理模式，遏制准入源头，提高准入门槛。事中在“穿透式”监管中，监管机构可通过穿透P2P平台借贷的资金流向情况，而对其借贷业务进行充分掌握和提前把控，并更好地计量、识别和管理系统性风险。事后采取“失信惩戒、守信激励”的措施。对于不合格的网络借贷平台，应当设立退出机制，严惩职责不清、定位不明的P2P网络借贷平台。
（三）打破数据孤岛，健全征信体系
监管机构应采取“成熟一家、纳入一家”的原则。伴随着相关政策的实施，该平台支持建立自己的信用体系，用以支持拓展其自身规模的增长，故需相关部门引导P2P网络借贷行业数据共享，构建一套完整的征信体系，有效降低信用风险。P2P平台回归信息中介定位的关键是征信体系的建设，因此征信体系的建设是解决P2P平台信息不对称最有效的解决方式。
参考文献：
[1] 谢平，邹传伟，刘海二.互联网金融的基础理论[J].金融研究，2015，（8）：1-12.
[2] 徐桂琼，李微.基于组合分类的P2P贷款逾期风险预警研究[J].管理现代化，2019，（4）：9-12.
[3] 谢平.金融互联网化浪潮：变革与监管[J].博鳌观察，2016，（2）：120-122.
[4] 魏鵬.中国互联网金融的风险与监管研究[J].金融论坛，2014，19（7）：3-9.
[5] 赵鹞，殷实.P2P网络平台的异化[J].中国金融，2015，（15）：90-92.
[6] 王修华，孟路，欧阳辉.P2P网络借贷问题平台特征分析及投资者识别——来自222家平台的证据[J].财贸经济，2016，（12）：71-84.
转载注明来源:https://www.xzbu.com/2/view-15219690.htm
