您好, 访客   登录/注册

基于股东背景的P2P网贷平台成交规模研究

来源:用户上传      作者:

  摘   要:本文在对我国P2P网贷平台按照股東背景进行聚类分析的基础上,对影响不同聚类网贷平台成交规模的相关因素进行了实证研究。研究发现,不同聚类中P2P网贷平台成交规模的影响因素具有一定的差异性,即存在个体效应。网贷平台待偿余额、净投资者数量、累计停业平台数量与所有聚类网贷平台成交规模存在一定的正相关性,而平台借款期限、综合收益率水平、平台数量显著负向影响平台成交量。
  关键词:P2P网络借贷;成交规模;股东背景
  中图分类号:F830.5   文献标识码:B 文章编号:1674-2265(2019)03-0059-05
  DOI:10.19647/j.cnki.37-1462/f.2019.03.007
  一、引言
  P2P网络借贷是借助互联网优势,基于第三方网络平台为借贷双方进行资金融通的一种融资方式。因其脱离传统银行为中介进行资金融通,所以对借贷双方而言,手续简单、门槛低廉、审批快捷,备受市场投资者的青睐。自2007年我国第一家P2P网络借贷平台“拍拍贷”上线以来,这种以互联网技术为核心的新型融资模式如雨后春笋般发展起来,交易金额不断扩大。它在改变人们对传统金融服务认知的同时,也为个人和中小企业投资者提供了一条更加便捷的融资理财渠道。
  网络借贷在快速发展的同时,因其行业准入门槛缺失及业内监管的真空,导致其运营风险不断累积,从而出现大量平台停业或跑路现象。问题平台的不断涌现,不仅使投资者损失惨重,而且直接影响了参与者的信心,加大了优质网络借贷平台的生存压力。在此背景下,投资者参与网贷平台主要的关注点是什么,不同股东背景的平台是否受到影响,不仅是当前网贷平台亟须了解的,也是影响整个行业稳定发展的重要因素。
  二、文献综述
  当前关于网贷平台成交问题的探讨主要从借款人与投资人两个方面开展。
  从借款人角度,Freedman(2008)认为,网贷借款人的信息透明度与其借款成功率之间呈正向关系,即平台公开的信息越全面、详细,借款成功率将越高。Berger等(2009)研究发现,网贷平台服务减少了信息不对称行为的发生,并使借款人的借贷条件大大得以改善。借款人信用等级与借款违约率之间的关系进一步得到了Lin等(2013)的验证,即信用等级越低,违约率将越高。Puro等(2010)论证了网络借贷成功的主要影响因素是借款人信用、负债比以及往期逾期等。Herzenstein等(2011)研究得出,美国Prosper平台的借款成功率与借款人信用之间存在一定的正向关系,即借款人信用评级越高,其借款成功率就会越大。李悦雷等(2013)实证分析了“拍拍贷”平台,研究发现影响其借款成功率的显著因素包括借款合约的基本特征、借款人基本情况以及社会资本属性等。陈霄等(2013)通过实证分析得出,借款人信用、借款标的、个人特征等显著影响网贷平台借款人逾期风险,应考虑建立网贷平台风险监控机制及管理体系。廖理(2014)通过对“人人贷”平台的实证分析,证明了在面临相同利率的投资选择时,通过借款人的公开信息可以有效分辨其违约风险水平。索云腾(2016)认为借款人的社会人际关系影响网络借贷风险的发生,而我国网络借贷市场中的违约风险尚处于中等水平。
  从投资人角度,郭海凤等(2015)通过实证分析得出影响P2P网贷平台综合实力的重要因素是盈利性和安全性,并建立了对网贷平台的综合评价体系。尹钧惠等(2016)构建了我国P2P网贷平台内部风险评价指标体系,通过测评排名,作为投资者选择平台的参考。王刚贞(2016)基于网贷投资人视角,构建了网贷平台成交规模影响因素的动态面板模型,并实证分析了影响P2P网贷平台成交规模的主要因素,包括平台以往的成交量、平台收入、平台人才值、平台透明度和资金分散度等。叶青等(2016)指出,投资者通过观察网贷平台利率水平、平台实力、标的类型、风控能力等,可以识别问题平台,并基于此构建了问题平台识别模型。
  已有文献多认为P2P网贷平台的成交规模主要受到借款人信用及其综合评价因素的影响;而从投资人的角度出发,则主要考虑对P2P网贷平台的综合评价因素。安全性是其考虑的首要因素,网贷平台股东背景也是影响其风险高低的主要因素,当前鲜有文献对此进行研究。本文基于我国P2P网贷平台的数据,从投资者的角度,按照股东背景的不同,实证分析影响网贷平台成交量的主要因素,并通过实证结果给出相应的政策建议。
  三、影响机理分析
  投资者在P2P网贷平台投资时,首先考虑的是网贷平台的合规性与可靠性,以此再进一步选择适合自己的投资标的。由于投资者对平台标的、借款人信息等情况无从辨别,而且即便平台标的产品逾期,但只要平台依然正常运行,投资者还是可以接受标的产品延期到账,投资者与借款人之间的信息不对称问题即转化为投资者与网贷平台的信息不对称问题。当前我国的P2P网贷平台按照股东背景的不同主要分为民营系、银行系、上市公司系、国资系和风投系五大类。民营系平台,股东背景为民营企业,主要代表平台有红岭创投、恒信易贷、你我贷等。银行系平台是由银行或其子公司或银行下属的集团组织设立的独立网贷平台,主要代表有开鑫贷、民生易贷、有氧金融等。上市系网贷平台,即上市公司以不同交易方式投资入股的P2P平台,如控股、参股、独资或间接关联交易等,主要代表有陆金服、微贷网、宜人贷等。国资系平台,即国资企业通过直接或间接参股投入的P2P平台,代表平台有东方汇、民贷天下、好好理财等。风投系平台即有风投资金投入背景的平台,代表平台有有利网、人人贷、爱钱进等。由于股东背景的差异,对网贷平台的成交规模会有一定的影响,所以在分析时,按股东背景不同进行聚类。在选取影响P2P网贷平台成交规模影响因素时,参考王刚贞和江光辉(2016)研究思路,一是网贷平台的信息指标,二是标的产品的信息指标。   (一)网贷平台的信息
  P2P网贷平台的基本信息是投资者在决定是否投资时的首要分析要素。部分因素是不可量化的内在因素,如平台技术水平、品牌影响力等受主观因素影响较多,而可量化的平台基本信息指标主要包括四项:
  1. 网贷平台总量值。不同股东背景的网贷平台数量多寡直接影响投资者的参与热情。一般来说,同一背景的网贷运营平台越多,可供投资者选择的越多,单个平台成交规模反而越少。
  2. 网贷平台人气值。人气值主要反映市场上参与平台投融资交易的借款人与投资人数量。平台人气越高,其成交规模也可能越大。
  3. 停业平台数量。同一类别网贷平台数量多寡不仅影响投资者交易行为,累计停业平台数量也是投资者要考察的一个关键指标。这里的停业平台主要指的是终止运营的平台与良性退出的平台,即非问题平台。这一指标反映了同一类别平台的总体治理情况。累计停业平台数量越多,可以认为平台的总体治理情况越好,失信率越低,投资者对这一类平台参与热情越高,平台的成交规模也越大。
  4. 网贷平台风险值。即该网贷平台未来发生风险的可能性。因为这种不确定性很难度量,一般认为,如果一个平台的待偿还余额越多,未来发生风险的可能性越大,但待偿余额也反映了过去投资者对这一平台参与的热情度,所以平台待偿还余额对成交量的影响暂无法确定。
  (二)标的产品的信息
  投资者在确定了参与的网贷平台后,平台上的标的产品基本情况也会影响其是否最终投资。具体来说,主要包括收益性与流动性两个指标。
  1. 产品的流动性。产品的流动性代表网贷平台资金的周转速度,即投资者收回投资的时间长短。因为近年来网贷平台“爆雷”事件频发,所以投资者都倾向于短标。即产品的平均借款期限越短,其流动性越强,则投资者越愿意在平台上投资,成交规模就会越大。
  2. 产品的收益性。在同类平台进行选择时,产品的收益率高低是投资者的重要参考指标。一般来说,收益率与成交规模成正比。
  四、模型构建与数据说明
  (一)模型构建
  表1为网贷平台成交规模的影响因素模型中各变量的含义、预期符号以及基本说明。
  为了对市场上众多的网贷平台进行深入分析,按照聚类分析方法,对其进行了归纳整理,从而更加清晰地反映出影响不同类别P2P网贷平台成交规模的主要因素。考量聚类之间的异质性,个体效应模型是最好的估计方法之一。构建基本模型如下:
  其中:[Di]是虚拟变量,代表不同股东背景的个体平台;[βi]为回归系数;[i]代表第[i]个P2P网贷平台,[t]指每个年度对应的月份,[εit]代表残差项。由于成交量、待偿余额、净投资者取值较高,故对其进行对数处理。
  (二)数据来源
  本文选取了2014年1月—2017年12月不同股东背景的P2P网贷平台的基础性数据进行实证分析,所使用的平台面板数据来源于网贷之家网站及CEIC经济数据库。删除了个别因为平台失联、跑路等,而欠缺平台基本数据资料的。统计检验均由Stata14.0软件完成。
  五、实证结果与分析
  (一)变量描述性统计
  从表2结果可以看出,我国的P2P网贷平台主要以民营系平台为主,其月成交量也遥居其他几类平台之首,平均成交量达到627.29亿,成交量最高的月份突破千亿大关,银行系平台数量最少,平均只有12个,虽然总成交量不高,但平均成交量达到13.80亿,远远高出其他四类平台。从平均成交量水平可以看出,信用水平越高的平台,越受到投资者追捧。从停业的平台总量来看,民营系平台变动较大,其标准差高达1209。相比之下,风投系、银行系、上市公司系平台的发展较为稳定,其累计停业平台的标准差仅为0.14、1.33、0.38。平台的累计待偿余额,民营系遥遥领先,为2306.15亿元,其潜在风险较大。国资系平台待偿余额最小,不足其他平台的1/3,只有438.69亿元。从投资群体来看,民营系、风投系平台受到青睐,而银行系、国资系平台受到冷落,净投资人数较少,这主要与平台数量多寡有关。从平台的综合收益率水平来看,民营系平台平均期限最短,但收益最高,达到14%,收益最高时达到23%,最低也有10%。而银行系平台平均期限最长,但收益最低,平均仅有7%,风投系与上市公司系平台相对比较适中,达到11%。从几类平台收益的标准差来看,相对比较稳定,波动不大。
  (二)网贷平台成交量影响的实证分析
  在聚类分析的基础上,本文对不同股东背景的网贷平台成交规模与众多可能影响因素之间的相关程度进行分析。表3列示了OLS与FE两类模型的实证结果。模型(1)是不考虑个体效应时的回归结果,模型(2)—模型(5)是针对不同股东背景的个体效应进行逐步回归,模型(6)为固定效应模型。对比模型(4)、(5)可以看出,网贷平台的个体效应较为显著,不同股东背景的P2P网贷平台都会影响成交情况,影响系数分别介于[3.824,4.289]之间。其中民营系网贷平台的影响最大,达到[α1=4.289],其他四類背景平台的影响有所减弱,银行系、上市公司系、风投系、国资系分别只有3.904、3.998、3.824、4.054,说明不同股东背景下的P2P网贷平台成交量存在一定的个体效应。
  通过模型(6)可以看出,所有聚类网贷平台成交量的正向影响因素包括平台待偿余额、净投资者人数以及累计停业平台数,影响系数为0.631、0.352、0.005,均通过1%显著性水平检验,净投资者人数、累计停业平台数量与成交量之间的关系符合上述理论预期,即网贷平台净投资者越多,平台的成交规模越大。累计停业平台数每增加1个,平台成交量将上升0.5%。说明投资者在选择平台时,一方面注意平台的规模及人气,另一方面也关注不同类别平台的总体治理整顿情况。网贷平台待偿余额在上述理论预期中是不确定的因素,在模型中其与成交量也呈正相关影响,说明平台待偿余额越多,成交量就会越大。   网贷平台成交量的负向影响因素包括平台借款期限、综合收益率水平以及平台数量,且均在10%显著水平上,与上述解释变量的理论预期一致。其中前两者的相关系数分别达到-0.329、-1.574,说明网贷平台平均借款期限是投资者选择时考虑的重点之一,投资时间越长,投资的人群越少,这也符合风险不确定性因素影响。此外,网贷平台收益率指标与成交规模的负向影响关系说明网贷平台收益率越高时,不一定能吸引更多的投资者,这可能是出于对风险的担忧,当投资标的收益率越高时,投资者反而不敢进行投资。在选择平台时,收益率并不是主要参考指标,还有其他因素考虑,如平台数量、人气、标的时间等。
  六、结论与政策含义
  本文基于P2P网贷平台的股东背景因素考虑,对我国2014—2017年P2P网贷平台成交规模的决定因素进行了研究。本文的研究表明,网贷平台的成交量存在着一定的个体效应,即不同股东背景的聚类。影响聚类网贷平台成交规模的因素是平台待偿还余额、净投资者数量、累计停业平台数量、平台借款期限、综合收益率水平以及平台数量等。基于实证分析结果,从三个方面提出政策建议:对于监管部门来说,继续加强对P2P行业的监督管理,并为该行业的发展创造良好的市场环境。建立完善的征信体系,完善全国个人以及机构的信息数据库,降低信贷风险,呵护P2P行业的发展。对于网贷平台管理者来说,应提高风险防控水平,打破互联网虚拟空间的限制,提高平台信息透明度;严格分离资金的存管权与使用权;优化平台投资项目,严格审核资金借款人的信息,保障出借人的合法权益。对于投资者来说,不可盲目被高收益所吸引,应根据个人实际情况和投资经验、网贷平台的股东背景、平台的历史经营状态等多方因素综合考量投资。
  参考文献:
  [1]Freedman,S.,and Jin,G.Z. 2008. Do social networks solve information problems for peer-to peer lending? Evidence from Prosper.com[N].Working paper, Social Science Research Network, November 14.
  [2]Berger,S.C.,and Gleisner,S.,2009. Emergence of Financial Intermediaries in Electronic Markets:The Case of Online P2P Lending[J].Business Research Journal,(1).
  [3]Lin,M.F.,Prabhala,N.R.,and Viswanathan,S.,2013. Judging Borrowers by the Company They Keep:Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending[J]. Management Science,(1).
  [4]Puro L,Teich J E,Wallenius H,Wallenius J. 2010. Borrower decision aid for people-to-people lending[J].Decision Support Systems,49( 1).
  [5]Herzenstein,M.,Dholakia,U.M.,and Andrews,R.L.,2011. Strategic Gerding Behavior in Peer-to-Peer Loan Auctions[J].Journal of Interactive Marketing,(1).
  [6]李悦雷,郭阳,张维.中国P2P 小额贷款市场借贷成功率影响因素分析[J].金融研究,2013,(7).
  [7]陈霄,丁晓裕,王贝芬.民间借贷逾期行为研究——基于P2P网络借贷的实证分析[J].金融论坛,2013,(11).
  [8]廖理,李梦然,王正位.聪明的投资者:非完全市场化利率与风险识别——来自P2P网络借贷的证据[J].经济研究,2014,(7).
  [9]刘传哲,马达亮,夏雨霏.动态异质集成信用评分模型在P2P网絡借贷中的应用[J].金融发展研究,2018,(9).
  [10]郭海凤,陈霄.P2P网贷平台综合竞争力评价研究[J].金融论坛,2015,(2).
  [11]尹钧惠,熊冉冉.基于因子分析的P2P网络借贷平台内部风险评估[J].财会月刊,2016,(33).
  [12]王刚贞,江光辉. 基于投资者视角的P2P网贷平台成交规模影响因素研究[J].东北农业大学学报,2016,(12).
  [13]张敬辉.P2P网络借贷平台监管的博弈分析[J].金融理论与实践,2018,(11).
  [14]叶青,李增泉,徐伟航. P2P网络借贷平台的风险识别研究[J].会计研究,2016,(6).
转载注明来源:https://www.xzbu.com/3/view-14700565.htm