传奇娱乐

来源:平台官网注册

一、引言

  由于被赋予民主金融、普惠金融和金融脱媒等多种意义,P2P(Peer to Peer)网贷平台自 2005 年在美国等发达国家兴起后就一直备受关注。但事实证明,没有超强的互联网基因、创新思维和风险管控能力,P2P 网贷平台难以“修成正果”,诈骗、跑路、体现困难等现象应接不暇,歇业、转型、洗牌等行业阵痛开始涌现。P2P 的核心要义是“基于互联网思想的金融”(Allen et a1.,2002)[1],在创新活力的激发下,也带来了新的风险。2015 年以来,e 租宝、大大集团、金鹿财行、中晋系等相继被查,2016 年 5 月美国最大的 P2P 平台 Lending Club 亦曝出违规放贷丑闻,这些不仅给投资者造成了巨大损失,影响了行业的社会声誉,还使得监管改革呼声渐高、监管挑战前所未有。2016 年 8 月,期待已久的《网络借贷信息中介机构业务活动管理暂行办法》由银监会等四部委正式颁布生效,在监管新规下,加强网贷平台风险监管除了渐进立法、完善准入门槛和退出机制、加强行业自律和建立征信体系外,还应加强风险的过程监管,实施风险的动态监控和定量评价。监管要根据行业风险和单个平台风险的不同实施分类监管,因而开展风险评价,进行不同特征平台间的比较就很有必要。

  二、文献回顾

  学术界对 P2P 网贷平台风险的研究主要集中在三个方面。

  1. 个人信用风险的研究。Lin et a1.(2009)把P2P 网贷中借款人基本财务信息称之为“硬信息”,而社交网络信息被称为“软信息”[2]。出借人如果能充分利用“软信息”就可以提高用户间信用度,降低个 人 违 约 风 险 (Bruett,2 007)[3]。 Sufi (2007)和Michael Klafft(2008)认为,投资者缺乏经验进一步放大了网络环境下 P2P 平台的信用风险[4][5]。Herzen-stein et a1.(2008)、Pope 和 Sydnor(2011)认为,P2P网贷平台是由投资者个人而非借贷平台筛选确定借款人是否值得信赖,更容易出现借款人通过虚假陈述骗取借款的情况[6][7]。刘峙廷(2013)、黄震(2015)、王梦佳(2015)、于晓虹和楼文高(2016)分别使用AHP 层次分析法、BP 神经网络模型、Logistic 回归模型和随机森林分类回归算法对 P2P 平台的借款人信用风险进行评估[8][9][10][11]。孙同阳和谢朝阳(2015)通过构建决策树模型,发现 P2P 网贷平台的信用评级过度依赖线上认证而忽视信用逾期行为,缺乏动态信用评级所需要的要素,评级体系不具备欺诈识别和自动纠错的相关机制[12]。

  2. 风险成因的研究。Freedman、Jin(2011)、Yumet a1.(2012) 认为信息不对称导致 P2P 网贷平台产生逆向选择和道德风险问题[13][14]。Michaels(2012)发现网贷平台责任的缺失使网络借贷市场运行有效性下降,因而带来较大的风险[15]。Lee et a1.(2012)通过研究韩国最大 P2P 平台上的“从众行为”发现,“从众行为”导致网络借贷风险加大[16]。Gonzalez 和Loureiro(2014)认为感知吸引力、年龄和性别等个人特征影响 P2P 借贷成功率,个人特征信号不显著会带来平台风险[17],但提供更多的信息来对贷款人进行筛选,可大大减少高风险贷款的拖欠率(Miller,2015)[18]。Serranocinca et a1.(2015) 进一步实证得出,利率越高平台违约的概率就越高[19]。Pokorná 和Sponer(2016)的实证结论表明,较高的盈利能力、流动性和资产规模意味着违约风险较低,而高负债和高杠杆意味着违约风险较高[20]。官大飚(2012)、吴佳哲(2015)认为羊群效应和破窗理论会增加声誉风险[21][22];吴晓光和曹一(2011)指出,缺乏资信和评级会引发网贷平台风险[23];何晓玲和王玫(2013)等认为,缺乏监管、变相吸储、资金池和洗钱等行为催生了一大批问题网贷平台[24]。

  3. 风险类别及评价研究。国内相关的研究相对较多,如张巧良和张黎(2015)提出 P2P 网贷平台存在法律风险、市场风险、信用风险、技术风险、无序竞争风险、内部管理风险、声誉风险、与机构合作风险等八大风险[25]。唐艺军和葛世星(2015)还指出了操作风险、流动性风险和信息污染风险[26]。宋飞飞和黄作明(2015)运用故障树和层次分析法相结合的办法,构建了 P2P 平台风险评价指标体系[27]。唐嘉悦(2015)采用层次分析法构建层次结构模型,确定风险指标权重,对 10 家网贷平台 2014 年数据进行计算,结果显示人人贷风险得分最高、陆金所得分最低 [28]。王立勇和石颖 (2016) 采用二层次CRITIC—灰色关联模型构建风险评价体系,运用Var 方法测算风险大小,发现 2014 年前三个季度平台整体风险较高,第四季度在信用风险与市场风险下降的作用下呈下降趋势[29]。在风险评价实践方面,目前仅有大公国际不定期发布 P2P 风险黑名单和预警名单,但评价方法不公开。其他如中国社会科学院金融研究所、网贷之家、融 360、网贷天眼等,只是对平台进行发展能力评级,并未涉及专门的风险评价。

  已有的文献对 P2P 网贷平台风险进行了探究,但研究对象要么笼统地针对所有平台,要么局限在一家或几家网贷平台,样本量和经验证据明显不足。同时,很少有文献从平台特征的角度出发进行风险的差异性比较,并检验平台特征与平台风险之间的关系。为此,笔者试图找出解答这些问题的相关证据。

  三、P2P 网贷平台风险

  (一)风险评价方法

  网贷平台风险评价方法主要有层次分析法、模糊综合评价法、主成分分析法和 BP 神经网络法等。层次分析法由于简单易操作而被大多数人采用,但在专家打分环节中,风险重要性排序的主观分歧使得评价结果差异明显,可参考性就不强,模糊综合评价法同样存在这个问题。主成分分析法在评价指标众多而不好作出选择时优越性凸显,但目前国内P2P 网贷平台成立时间短,用以度量风险的指标不仅难以获取,连续性也不够,加上评价时容易丢失部分信息,因而不太适用。BP 神经网络法能克服人工评价带来的人为因素的随机性、不确定性和模糊性,但需要先验结果。改进的 CRITIC 法是一种可选择的方法,不仅客观、全面、无需先验结果,还综合了熵权法等同类方法的优点,考虑了指标变异大小对权重的影响以及各指标间的冲突性。

  最初的 CRITIC 法由 Diakoulaki(1995)提出,其基本思路是以对比强度和评价指标之间的冲突性为基础,确定指标的客观权重 Wj

  :Wj=σjni = 1Σ(1-rij)mj = 1ΣσjniΣ(1-rij),i=1,2,...,n;j=1,2,...,m

  式中,σj代表第 j 个指标的标准差,rij代表第 i个指标和第 j 个指标之间的相关系数,ni = 1Σ(1-rij)则是它们冲突性的量化指标。如果表达式中分子越大,那么第 j 个评价指标所包含的信息量越大,该指标的相对重要性也就越大。CRITIC 法未考虑指标间的离散性,但熵权法能弥补这一缺陷,因而提出改进的互联网金融专题研究 王 伟,纪金言,邓伟平 P2P网贷平台风险与平台特征CRITIC 法,其客观权重 W′j表达式为:

  W′j=(σj+ej)ni = 1Σ(1-rij)mj = 1Σ(σj+ej)niΣ(1-rij),i =1,2,...,n;j =1,2,...,m

  式中 ej为熵权法的客观权重,表达式为:

  ej=-(lnn)-1ni = 1Σdijni = 1Σdijlndijni = 1Σdij,i=1,2,...,n;j=1,2,...,m

  dij是对原始数据 fij进行标准化后的数据,其算法为:

  dij=fij-minfijmaxfij-minfij,当 fij为正指标maxfij-fijmaxfij-minfij,当 fij为正指标

  因此最终的风险平均值 Vi=100×mj = 1ΣW′jdij

  (二)评价指标和数据

  如前文所说,用于度量 P2P 网贷平台风险的指标数据如何获取是研究中的一大难点。笔者借鉴王飞等(2016)、周勤(2016)等学者做法[30][31],以第三方机构网贷之家发布的月度“网贷平台发展指数”作为基础数据,选取该机构提供的技术积分、杠杆积分、流动性积分、分散度积分、品牌积分以及透明度积分,来近似地代表各网贷平台技术风险、市场风险、流动性风险、信用风险、声誉风险和信息风险(见表 1)。

  由于网贷之家在 2015 年 5 月之后的评级数据中才加入“技术积分”,因此,笔者把评价的时间跨度定为 2015 年 5 月—2016 年 8 月。同时,网贷之家每月发布的前 100 家平台评级中,有一部分是新进平台,数据会存在不连续的问题,要将这部分平台剔除,这样笔者最终获取了完整的 54 家平台数据。这些平台设立时间较早,发展相对成熟,风险控制能力也相应处于行业领先水平。从表 2 描述性统计量可知,技术风险和流动性风险均值较高,表明样本平台在技术安全、提现能力方面做得较好;声誉风险均值最小,与行业较为负面的公众舆论有关,诈骗、跑路等丑闻降低了市场认可度。值得注意的是,作为网贷平台日常经营关键的两项风险———市场风险和信用风险的均值较小,标准差却较大,属于“低水平的两极分化”,要引起重视,强化管理,补齐短板。

  (三)风险评价结果

  根据改进的 CRITIC 法原理,可以计算出 54家平台 2015 年 5 月—2016 年 8 月的风险得分,将各月风险得分进行简单平均,得到最终的风险得分(见表 3)。得分越高,代表平台的风险控制能力越强,反之则越弱,易知风险管控能力前 3 名的网贷平台分别为拍拍贷 (61.95)、生菜金融 (59.82)、开鑫贷(57.51),风险管控能力后 3 名中的平台分别为向上金服(26.20)、爱投资(31.11)、金融工场(33.29)。

  结合我国 P2P 网贷平台发展实际,笔者将得分大于 80 的平台设置为 AA 级(优秀),70~80 分的为A 级(优良),60~70 分为 B 级(合格),50~60 分为 C级(关注),40~50 分为 D 级(警示),小于 40 分为HR 级(危险)。不难看出,处于国内领先水平的 54家网贷平台,风险评级的情况并不乐观:评级为优秀和优良的为 0 家,合格的仅 1 家,两者之和占比不到 2%,也即绝大多数网贷平台风险评级不合格,风险管控的形势十分严峻;在不合格的 53 家平台中,关注的有 26 家,警示的有 17 家,危险的有 10家,警示和危险的平台数量和比例均严重偏高,揭示了整个网贷行业风险集中度还处于居高不下的局面,亟需强化行业引导和监管,加大高风险平台的风险预警。但从另一个方面来讲,我国网贷平台风险评级普遍偏低又是一大机遇,显示了网贷行业风险管控体系建设还有很大的成长空间,在规范和促进平台发展的同时,要着力提升抵御风险的综合管控能力。

  54 家平台中风险评级最高的为拍拍贷,它是国内第一家 P2P 公司,采取的是出借人自担风险模式,网站仅充当交易平台,不提供担保,其风险控制手段主要是基于大数据征信,建立“魔镜”信用评级系统,逾期贷款率1.71%,低于 P2P 行业和银行业。而以生菜金融、开鑫贷等为代表的“第二梯队”,大多建立了连带责任担保机制和风险准备金,但盈利能力弱,在缺乏持续投入的情况下,最终将影响平台各类风险管控能力的提升。风险得分最小的向上金服、爱投资等处于风险暴露期的平台,风险控制能力弱,在累积效应和连锁反应下,很容易出现风险集中爆发,应高度关注这 10 家危险级平台。总之,在当前绝大多数平台评级不合格、相当数量平台还潜藏高危风险的严峻形势下,亟需加强我国网贷行业的风险监管,加速推进平台风险控制能力建设。

  表 4 给出了风险评价的分解情况。从风险总得分来看,数值较为集中地分布在 40~50 分,没有月份为 B、C 级,也没有出现 HR 级,评级全部为 D 级区域,表明处于考察期的 54 家平台风险形势处于警示状态。这与各平台风险评级有所不同。从总得分变动来看(见图 1),峰值形成时间为 2015 年 6 月—2015 年 9 月,谷值则出现在 2015 年 5 月和 2016 年4 月—2016 年 5 月,先升后降,呈陡峭且峰值严重偏左的“倒 U”形态,网贷平台风险在一定范围内得到控制,但 2016 年又有加剧趋势,这与 2016 年上半年网贷行业风险事件增多、问题平台有蔓延之势等情况相符。事实上,由于整个行业风险问题突出,2016年 4 月 14 日国务院组织了 14 个部委开展互联网金融专项整治工作,首次在全国范围内联合打击违法犯罪活动。

  从风险类型来看,六类风险在得分上差异明显,其中市场风险、流动性风险和信用风险的得分较高,技术风险、声誉风险和信息风险的得分较低,前三类风险对总得分的贡献显著高于后三类风险,说明目前网贷行业风险管控更专注于与日常经营密切相关的前三类风险。但值得注意的是,市场风险均值小、技术风险均值大(见表 2),但两者得分却相反,说明市场风险的客观权重远大于技术风险,产生了“位高权不重”的错配现象,应加强资源优化,提升市场风险管控能力以及技术风险对总得分的贡献度。从风险得分变化来看,技术风险、流动性风险和声誉风险随时间推移有逐步下降的趋势,市场风险、信用风险和信息风险则较为稳定。

  四、P2P 网贷平台风险与平台特征

  对于网贷平台风险与平台特征之间的关系分析,笔者采用的是间接比较法和直接回归法,以示两者的外在逻辑关系和内在影响程度。

  (一)不同特征平台的风险比较

  每一个 P2P 网贷平台都有自身特质,风险管理经验和能力自然不同。多个个体按照某一标准划分为不同群体,个体间差异也会反映到群体间的不同。按照这样的思路,笔者依据不同特征对 54 家平台作了划分,以便进一步观察其风险差异(见表 5)。

  从股东背景来看,银行系风险评价得分最高,国资系、上市公司系分列其后,民营系得分最低。银行系在技术风险和信息风险方面存在优势,得分基本为其他背景平台的 2 倍,可能与这些平台的“银行基因”有关。但由于银行系平台给出的平均收益率低,基本无债权转让产品上线,整个平台的流动性不高,使得风险管理得分最低,成为亟需补齐的短板。国资系平台的市场风险得分优势明显,不仅超过银行系,还大大领先于上市公司系和民营系,充分说明其在市场风险管控方面经验丰富。上市公司系和民营系的优势在于流动性风险得分,这主要受益于公司治理活力强、创新管制较松、管理和生产效率高等有利条件,但其他类型风险得分均处于落后局面,也警示了其亟需加强全面风险管理。

  从注册资本来看,处于高注册资本特征的平台,风险得分越高,风险管控能力越强。其中,“5 亿元及以上”的平台风险得分为 55.392,明显高于“5 亿元以下”的平台;但注册资本为“5 000 万元以下”与注册资本为“5 000 万元~1 亿元”的平台风险得分几无差异,同时,注册资本在“1 亿元~5 亿元”的平台也只有很小的领先优势。要保证网贷平台的安全性,注册资本似乎存在一个“安全阈值”。与此同时,高注册资本特征的平台有较高的风险得分,主要是其技术风险、信用风险和信息风险方面的得分较高,而这正是低注册资本特征平台的短板。当然,低注册资本特征的平台在市场风险、流动性风险方面也有一定的优势,但这四类注册资本的网贷平台在声誉风险得分方面差异很小。

  从平均收益来看,收益率高低与平台风险得分高低有关,但并非对称分布。其中,平均收益率小于9%的平台由于市场风险得分领先,导致了风险总得分最高为 51.897,高于收益率大于 9%的平台;但收益率在 15%以上的平台风险得分并非最低,相反还高于收益率在 9%~12%以及 12%~15%的平台,显示了收益率与平台安全性存在不吻合的一面。因为根据一般的逻辑,风险与收益对称,允诺高收益的背后必然要冒更高的投资风险,即使网贷平台作为纯粹的信息中介,上线高收益标的无疑会传递高风险,也会带来安全隐患。在实践中,一些网贷平台为招揽人气发放高收益、超短期限的“秒标”,虚构交易和非法集资,不仅偏离了网贷平台原有的定位,最终还引发了诈骗、跑路甚至倒闭的不良后果。

  从平台运营时间来看,存续期的长短与平台风险总得分之间弱相关。运营时间在 2 年及以下的平台,风险总得分较高为 49.437,但相比平台背景、注册资本和平均收益中的排名第一的得分要低。运营时间在 3~4 年的平台,风险得分为 47.002,排名第二,运营时间在 2~3 年和 4 年以上的平台,风险得分分别为 46.925 和 46.418,排名第三和第四,不过总体上 2 年以上的平台风险得分的差异性较小,波动区间为 46~47,显示了得分的趋同性。从风险得分的构成来看,不同存续期的网贷平台,在技术风险、流动性风险、声誉风险和信息风险的得分上较为接近,但在市场风险和信用风险的得分上差异较大,存续时间短的平台市场风险得分高、信用风险得分低,存续时间长的平台则刚好相反。

  (二)平台特征对平台风险的影响

  从前述分析可以看出,平台风险与平台特征之间存在关联,但这种关联性有多强,具体影响作用如何,还需要进一步探讨。为此,笔者建立以下面板数据模型:

  Rik,t=α0+α1Bak,t+α2Cak,t+α3Rak,t+α4Tik,t+μk,t

  上式中,Ri为风险得分,i=1,2,...,7,分别代表平台风险总得分、技术风险得分、市场风险得分、流动性风险得分、信用风险得分、声誉风险得分和信息风险得分。Ba 为股东背景(民营系赋值 1,上市公司系赋值 2,国资系赋值 3,银行系赋值 4),Ca 为注册资本,Ra 为平均收益率,Ti 为运营时间,数据来源于网贷之家。k=1,2,…,54,t=2015 年 5 月,2015 年 6月,…,2016 年 8 月,μ 代表随机扰动项。

  表 6 给出了估计结果。从模型 1 中各变量系数的符号来看,股东背景、注册资本和运营时间等平台特征对风险总得分的影响方向为正,而平台平均收益率对风险总得分的影响方向为负,与前面的分析结果和理论预期基本相符。从变量的回归系数和显著性来看,股东背景对风险总得分的影响能力要强于平均收益率、注册资本和运营时间,显著性也要强(可观察 p 值)。值得注意的是,注册资本的回归系数尽管为正,但很接近于 0,说明注册资本的提高对平台风险总得分的推动作用并不明显,设想通过提高注册资本下限、设置所谓的“安全阈值”,以增强平台的风险抵抗能力尚缺乏可靠证据。相反,通过优化股东背景,保持中低平均收益率和较长的运营时间,能较大程度地降低各网贷平台的运营风险,减少行业性、系统性风险集中爆发的可能性。

  模型 2~7 考察了平台特征对六类不同风险的影响情况。各解释变量在 10%的显著性水平下通过了检验,回归系数的符号方向保持一致,但大小有所不同。从纵向来看,对于技术风险、市场风险、流动性风险、声誉风险和信息风险而言,股东背景的回归系数最大,与总风险类似;例外的是信用风险,对其影响程度最强的是运营时间。从横向来看,股东背景对市场风险得分的影响最大,对信用风险得分的影响最小;注册资本对各类风险得分的影响均较小;平均收益率对声誉风险得分的副作用最强,对信用风险得分的副作用最弱;运营时间对信用风险得分的贡献能力最大,对流动性风险得分的贡献能力最小。易知,通过横纵向对比,能针对平台各类风险管控中的短板提出相应的解决措施,能根据平台风险影响因素的作用程度找出提高风险得分的有效路径。

  五、结论与建议

  笔者对 54 家 P2P 网贷平台 2015 年 5 月—2016 年 8 月的运营风险进行了评价,比较了不同特征平台的风险差异,实证检验了平台特征对平台风险的影响。研究结果显示:样本平台的风险得分和风险评级均处于低水平,合格平台仅 1 家;在 16 个月的考察期中,样本平台均处警示状态;在相关的六类风险得分中,市场风险、流动性风险和信用风险的得分较高,技术风险、声誉风险和信息风险的得分较低。进一步对平台风险与平台特征之间关系的研究发现,在间接比较中,不同特征的平台在风险得分上存在一定的对应关系,在直接回归中,股东背景、注册资本和运营时间对风险总得分有正向影响,平均收益率则是负向作用。

本文启示在于:第一,加快建立 P2P 网贷平台风险评价体系和风险管控体系。《网络借贷信息中介机构业务活动管理暂行办法》划定了网贷平台 10项义务和 13 条业务红线,但仍缺乏明细的风险评价和管控机制,建议由银监会出台《互联网金融风险评级体系》《互联网金融合规风险管理指引》等配套制度。第二,健全企业和个人征信体系,完善平台信息披露制度。未来网贷平台的业务将主要转向个人消费贷款、中小微企业贷款等小额融资需求,而这类群体的征信系统还没有接入网贷平台,信用记录的完整性和准确性也有待提高。同时,作为信息中介的网贷平台,自身信息的披露也有待加强,建议由中国互联网金融协会牵头负责实施。第三,网贷平台应优化股东结构,提升平台背景,维持合理的收益率,规避短期目标,实行持续的合规经营、高效经营,从而不断提高平台的风险抵御能力。 

责编:传奇娱乐

相关栏目

热点推荐

  • 右边妹子死机了
  • 麦叔叔要憋死了
  • 好基友
  • 每逢佳节胖三斤,喵星人也不例外
  • 怦然心动的感觉
  • 好象身体被掏空,拽根绳子都这么累
  • 阿汪,咱们就静静地看
  • 夏天的最爱

热点关注

  • 邪恶gif动态图第一百零九期经典动态图出处
  • 邪恶插插插gif动态图 搓开美女衣服 妄撮
  • gif动态图福利不多25期火影忍者gif福利图
  • 邪恶动态图片第222期221期经典gif出处合集
  • 蝴蝶夫人第一会所 男女合交动态图gif
  • 经历痴汉的高傲女人,大学健美叉男队
  • 绑架美女封嘴,激情做爱GIF动态图片
  • 偷偷掳图片,乱轮系小说我和母亲

热点排行

  1. 欧美啪啪啪邪恶动态图gif
  2. 撸管子专用美女邪恶动态图 dongtaigif.com
  3. gif邪恶动态图邪恶帮 月饼广告语
  4. 李毅邪恶gif动态图 优香坂美优
  5. 动态gif邪恶图啪啪啪 新娘被灌醉遭众人强奸
  6. 邪恶动态图揉奶图片 野间あんな
  7. 邪恶动态图gif甩奶 隋唐英雄李元霸vs宇文成都
  8. 撸管甩奶邪恶动态图 gif转换成视频竟然如此清晰