罗毅

[摘 要] 针对网络贷款平台行业整体风险情况，建立分层指标评价体系后聚类分析，对平台存在的三种风险和总体风险情况，结合平台背景特征进行分析。得出结论：在网贷行业平台普遍存在操作制度不专业问题，在缺乏标准监管的环境下，大量不专业的公司随意运营，可能对市场造成不必要的扰动；虽然目前有较多平台存在一定的风险，但是在各风险阶层中平台的主要分布在较为优质的一侧，近一段时间的监管工作初见成效。在此基础上，利用有序受限Probit模型进一步分析了操作风险影响因素的重要程度，得出成交量是影响网贷公司操作风险的最主要因素。最后，针对分析提出了若干政策建议。

[关键词] 网贷；聚类；有序受限Probit回归

[中图分类号] F832.4 [文献标识码] A [文章编号] 1009-6043（2018）10-0164-03

一、引言

P2P平台作为新兴的一种借贷方式，借助其自身依附互联网的特性，极大的便利了小微企业与个人借贷，因此在该借贷方式初引入我国时，国家对其发展较为保护，其借此得以飞速发展。然而，自由发展的代价却是监管缺失导致的P2P平台各种违法骗局盛行、制度混乱，严重扰乱了金融市场的稳定。本文便是在此背景下，通过聚类分析网贷平台市场的风险情况，评估政府政策的有效性，挖出监管可能存在的漏洞，并在此基础上，针对网贷平台的操作风险的影响因素作有序受限Probit模型分析，对之后监管的方向提出建议。

二、模型研究

本文构建的风险评级模型主要用于评估各P2P平台在各种风险影响下的综合风险情况及影响因素。本文采用巴塞尔协议对金融风险的分类，将P2P平台可能受到的风险分为三类，即：市场风险，操作风险和信用风险。对于每类风险选取了若干平台的财务指标进行聚类分析得到各平台三种风险的排序，排序汇总后，再以三种排序大小为指标进行第二层聚类分析，得到平台综合风险排序结果。最后进一步以三种风险排序结果为因变量，使用有序Probit模型对各个风险影响指标对相应风险的影响程度进行分析。

该风险评级模型建立需要解决三个问题。确定风险分类，分类的排序，分类结果与被解释变量函数关系确立。具体设计过程包括：变量归一化处理及转换，变量指标相关性分析，K-均值聚类确定风险分类，差异显著性分析，对分类依据均值进行排序，二次聚类，有序Probit模型进行参数分析等。

（一）K-均值聚类

从N个总体随机选取K个对象作为质心，对剩余的每个对象测量其到每个质心的距离，并把与质心距离最近的分为一类，重新计算已经得到的各个类的质心，重复以上步骤直至新的质心与原质心相等或距离小于指定阈值。

计算过程中，距离一般选取欧氏距离测度，而因为最后结果很大程度取决于开始选取的K个质心，故实际操作中，常多次选取不同的质心作为起始进行聚类，直至结果稳健。

（二）类别结构的确定

目前，合理的类的结构并没有统一的标准，所以本文从实用角度出发，采用Demiremen提出的分类结构标准：1.任何类都必须在邻近各类中是突出的，即各类中心之间距离必须大；2.各类所包含的元素都不应过多；3.分类的数目应该符合使用的目的；4.若采用几种不同的聚类方法处理，则在各自的聚类图上应发现相同的类，可能的几种分类状态进行判别和筛选。在此基础上，利用相关性分析保证指标的独立性，且使用方差分析对分类结果进行显著性检验。

（三）多元有序选择的受限因变量Probit回归模型

排序选择模型适用于被解释变量为按照某种规则进行排序的离散类型变量的建模。具体形式为：假设存在一个潜在变量yi*和一个可观测变量yi，若潜在变量yi*不可观测，而yi有0，1，2，…，M等M+1个取值，基于聚类分析明确Y分类（分几类），并就类别之间在解释变量之间是否具有显著差异进行相关检验后，根据类别之间的均值水平，排出可观测量Y值的次序，考虑到潜在变量yi*与解释变量xi存在如下线性关系：

三、实证结果与分析

（一）变量选择与数据处理

本文根据相关文献及专家问询，并结合实际可得数据，选用借款金额，借款标数作为衡量市场风险指标，成立时间与成交量衡量操作风险，流动性与满标时间作为信用风险指标。借款标数越多，投资分散性越强，风险越低，而借款金额体现了当市场出现不利情况，平台承受的压力。成立时间，和成交量体现了平台成熟度。流动性高意味着更低的杠杆率，有能力应对突发状况；满标时间短意味着更短时间有大量资金注入，不易发生资金链断裂。本文采用极值化法对原始数据进行无量纲化处理取出单位影响使变量具备可比性和综合性。

2.聚类分析

经过试验，为保证聚类结果较为理想（即结果较为分散在各类中，若结果过于集中会导致风险排序能力偏弱），把平台分为四类。以下分类结果，已经根据分类的质心对分类进行排序，且按1，2，3，4风险依次增加。

聚类分类后，对分类结果进行显著性分析，分类的数据的满标时间一指标方差分析结果显示：p=0.61，因此接受原假设，该分类的该指标没有显著性差异，故而去除满标时间一指标。其他各指标皆在5%显著度下，有显著差异性。重新聚类，结果如下。

市场风险分类。第一类：点融网等3家；第二類：宜贷网等14家；第三类：泰然金融等55家；第四类：拍拍贷等4家。对各风险等级平台的背景研究后发现：风险最低的平台以上市公司系与国资系为主，极少风投系，而高风险一类中却有大量风投系平台。因为风投资本普遍追求收益，故而可能会把资本集中放在少数高回报项目上，且风投系偏向于抵押贷款，抵押贷款项目成本较高，又丧失了网贷低门槛的优势，很少贷款者选择，故而分散性较弱，面对市场风险能力较差。国资系因为脱胎于国有金融平台，规章规范，重视风险控制，故而会重视分散性问题，市场风险较低。

操作风险分类。第一类：凤凰金融等4家。第二类：拍拍贷等4家；第三类：点融网等29家；第四类：宜贷网等21家。风险低的平台以民营为主，民营系平台作为P2P平台中起步最早的一批，存活至今都积累了大量经验，不易出现因为公司与工作人员失误造成的风险损失。平台主要分布在高操作风险等级下，说明对于网贷行业而言，平台还普遍存在不专业问题，在缺乏制度的环境下，大量公司随意组建网贷公司分散公司资产，可能对市场造成不必要的扰动。

信用风险分类。第一类：宜贷网等7家；第二类：团贷网等20家；第三类：有利网等17家；第四类：拍拍贷等15家。结果显示，信用风险控制最低的网贷平台以民营系为主，虽然民营系网贷平台有大量不良现象，但作为平台中基数最大的一系，也有少数信誉良好、操作规范，部分甚至有风险保证金制度，加上其创始早，积累了大量的客户，资金流转快，不易发生信誉风险。国资系平台信用风险普遍偏高，可能是P2P目前还属于不成熟的产业，国有资本的定位在于维持市场稳定，调控市场失灵，主要投入在基础建设与环保，不允许投入过多在网贷行业，所以导致注册资金过少，杠杆高，而且大多数国资系成立较晚，知名度不高，吸引不了大量社会资本流动，这些都了导致其信用风险的增高。

风险总体分类。第一类：博金贷等22家，第二类拍拍贷等7家，第三类PPmoney等24家，第四类凤凰金融等6家。由总体分类结果可知，风险控制较好的平台与较差的平台所占比例各半，在较优质的平台中，又以优质平台为主，较劣质平台也以相对优质的平台为主。

该结果说明了，虽然目前网贷行业依然有大量平台存在相当的风险，但是各风险阶层平台的分布主要偏向较为优质的一侧，近一段时间的监管工作初见成效，可能是因为实行时间较短，还有很多細节有待完善，有少数问题，导致总体风险控制效果还不显著，少部分平台还存在高风险问题，而对于大部分平台而言，监管已初见成效。针对平台背景，实证发现没有某种背景下的平台在三种风险防控中表现有优势。

以上是针对网贷平台总体风险分布情况的实证研究，对于有限的政府资源而言，首先应使用于调节风险的重要因素，而次要因素，则需等资源富余后再进行调节。所以，进一步研究影响风险的几个因素的影响程度排序。

以三个一级指标的排序变量为受限被解释变量，一级指标下对应的二级指标为解释变量，建立有序受限Probit模型后，取其回归系数的大小，就是每个二级指标对一级指标的影响程度。

在本数据集下，显著度为0.05时，t=1.6700。信用风险的各变量t值绝对值小于1.6700，故认为没有显著性，信用风险与其影响变量之间不适合建立计量关系。而对于市场风险，与操作风险，各变量在5%程度显著，可以进行计量分析。

由模型可知：对市场风险而言，公司流动性越高，其市场风险越低；对操作风险而言，成交量与运营时间的增加，可以有效降低其操作风险。

以变量贡献度的形式表示每个变量对风险的影响程度，利用以下公式计算各解释变量对被解释变量的贡献度：

计算得出：成交量对操作风险的贡献度为89.0%，运营时间的贡献度为11.0%。

所以对操作风险来说，成交量是影响其高低的重要因素，大额的成交量可以把公司制度及公司人员操作的小失误放大，使其便于发现问题，及时解决问题，提高自身的抗操作风险能力。市场风险去除满标时间后仅剩一个变量，因此不予进行贡献度分析。

五、结论与建议

根据本文分析，对于网贷行业而言，平台还普遍存在不专业问题，在缺乏制度的环境下，大量公司随意组建网贷公司分散公司资产，可能对市场造成不必要的扰动。国资系平台信用风险普遍偏高，民营系良莠不齐，风投系分散性弱，有相当的市场风险，针对平台背景，实证发现没有某种背景下的平台在三种风险防控中都表现有显著优势。就总体而言，虽然目前网贷行业依然有大量平台存在相当大的风险，但是各风险阶层平台的分布主要偏向较为优质的一侧，近一段时间的监管工作初见成效。对于操作风险，最重要的影响因素是成交量。

故风险监管应该针对不同背景的网贷平台进行一定程度上的分类监管。对于大量制度不规范，工作人员专业水平不高的公司系平台，应制定严格的行业操作制度规范。国资系平台的注册资金普遍偏少，流动资金不足，可以适当限制其业务额度，减少杠杆，防止市场下行时的信用风险。风投系的项目要求比较高，项目数比较少，分散性弱，政府部分可以要求其提高对项目披露程度，让投资者更好的自己控制风险。就总体行业风险状况而言，劣、优质平台占比各半，但其中风险极高的却占比很少，风险控制很好占比较多。这说明我国近段时间的针对网贷平台的监管措施已初见成效，虽然还存在部分问题平台，但总体向好的方向发展，可以针对之前提出的问题做更细致，加强的监管。同时，依据模型已知成交量是影响操作风险中重要因素，政府可以去拥有大额成交量的网贷平台考察，研究其操作规程，制度以制定平台风控标准制度。同时政府可以依据成交量作为特征，识别高操作风险网贷平台，并对其加强监管。

[参考文献]

[1]胡旻昱，孟庆军.P2P网贷平台发展中的风险及其系统分析[J].武汉金融，2014（6）：45-48.

[2]潘锡泉.我国P2P网贷发展中蕴含的风险及监管思路[J].当代经济管理，2015（4）：49-53.

[3]马亮.P2P网贷的风险分析及防控对策[J].金融经济，2014（12）：3-5.

[4]Devin G.Pope，Justin R.Sydnor J.R. What's in a picture？evidence of discrimination from prosper[J].Journal of Human Resources，2011（46）：53-92.

[5]Michael Klafft.Peer to Peer Lending：Auctioning Microcredits over the Internet[C]//Proceedings of the International Conference on Information System， Technology and Management， IMT， Dubai，2008：1-8.

[6]陈建中，宁欣.P2P网络借贷中个人信息对借贷成功率影响的实证研究——以人人贷为例[J].财务与金融，2013（6）：13-17.

[7]肖曼君，欧缘媛，李颖.我国P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析[J].财经理论与实践，2015（1）：2-6.

[责任编辑：史朴]