P2P平臺信用風險評價模型研究

劉曉宇，孟楓平

（安徽農業(yè)大學，安徽合肥，230036）

P2P網貸平臺不僅擴大了投資者的投資范圍，還為中小企業(yè)融資開辟了新的領域。據網貸天眼研究院不完全統(tǒng)計，截至2017年8月31日，我國P2P網貸平臺數量達5118家，P2P網貸行業(yè)歷史累計成交量達到了53277.54億元。然而，由于監(jiān)管體系的不成熟等原因，8月新增問題平臺87家（不包括非近期），累計問題平臺達3362家。問題平臺的產生不僅影響著借貸雙方的利益，更制約著整個行業(yè)的平穩(wěn)發(fā)展。據團貸網不完全統(tǒng)計，2017年8月份，P2P“跑路”平臺共30家，出現提現困難14家，該行業(yè)顯然面臨著巨大的信用風險。

現階段，我國沒有統(tǒng)一的信用風險評價系統(tǒng)，雖然國內有許多網站上有對P2P平臺進行風險評級，但各個評級組織側重點不同，所得出的結果也不一致。例如，網貸之家是以成交量、人氣、品牌等幾個維度進行信用風險評分，主要以投資人為出發(fā)點，收益率較高的，得分也比較高。因此，國資、上市公司由于收益率較低原因會排名較后。融360評級是以平均收益、上線時間、平臺背景、人氣指數等幾個維度進行信用風險評分，因此具有銀行、國資、上市公司等背景且人氣度較高的P2P平臺排名較前。

從文獻看，國內學者對于P2P平臺的研究數量不多，研究起步較晚，袁羽的研究基于借款者的信用等級、借款期限等10個指標運用logistic回歸模型對借貸平臺借款人的信用風險進行度量。然而，借貸平臺的信用風險主要為借款人到期無法償還和經營者通過虛假手段進行非法集資等風險，單就借款人進行信用風險的評定顯得較為片面。彭業(yè)輝運用拓展后的KMV模型測量P2P平臺的信用風險，但是KMV模型主要是針對上市公司進行的信用風險評級，以成交額（包括注冊資本）作為股價市值來估算，具有一定的偏差。同時，大多數研究主要基于定量指標，具有一定的片面性，并且當數據出現缺失甚至失真的情況時，所得到的結論可能對決策產生一定的誤導性。

因此，在考慮了人氣度、安全性、合規(guī)性、平臺背景等多個角度的基礎上選擇出定量及定性指標，運用層次分析法和模糊數學評價法，構建出適用于我國P2P借貸平臺的較為客觀的信用風險評價模型，之所以選擇層次分析法，是因為該方法可以將決策者的主觀判斷與政策經驗導入模型并加以量化處理。建立合理的P2P平臺信用風險評價模型具有重要意義，一方面有助于P2P平臺防范信用風險；另一方面，有利于保護投資者的利益，同時，也為監(jiān)管部門對P2P平臺的監(jiān)管工作提供了一個有價值的參考標準。

一、定性和定量指標及各權重的確定

由于互聯網借貸平臺與中小企業(yè)的信用評級系統(tǒng)具有一定的相關性，因此筆者基于P2P借貸平臺自身風險的特點，參考了中小企業(yè)評價信用風險所選取的相關指標，同時根據金融辦與銀監(jiān)會發(fā)布的行業(yè)監(jiān)管要求，最終確定符合該行業(yè)特點的定性和定量指標，構建出了相應的P2P平臺信用風險評價體系。

（一）定量指標的選取

定量指標主要考慮平臺的抗風險能力、人氣度、融資能力、平臺安全性等幾個方面，選取8個經營數據指標，分別是資金流入率（X1）、利率指數（X2）、月平均新借款成交額（X3）、月平均投資人人數（X4）、償兌指數（X5）、借款指數（X6）、滿標速度（X7）、平均借款周期（X8）。

1.資金流入率（X1）=（該平臺過去3個月凈現金流總和/該平臺過去3個月成交額總和）*100%，表示了該平臺過去3個月貸款余額的變化趨勢。資金流入率越大，說明變現能力較強，抵抗風險的能力就越強。

2.利率指數（X2）=過去3個月平臺借款標的平均綜合利率*100，一筆標的綜合利率=該筆標的利率+該筆標的年化投標獎勵。利率指數越大，表明平臺所面臨的運營壓力就越大，抵抗風險的能力就越弱。

3.月平均新借款成交額（X3）=過去3個月借款成交額總數/3。平均新借款月成交額越大，表明該平臺的業(yè)務情況就越好。

4.月平均投資人人數（X4）=過去3個月投資人數的總和/3。平均投資人人數越大，表明該平臺對投資者的吸引能力越強，相應的融資能力就越強。

5.償兌指數（X5）=（過去3個月累計待還金額/過去1年累計待還金額）^2，該指數反映了該平臺上季度所承擔的償還壓力，償兌指數越大，表明其上季度所承擔的償還壓力就越大。

6.借款指數（X6）=（過去3個月借款總額/過去3個月借款人數）^（1/2）。借款指數越小，表明該平臺受單個借款人違約的影響較小，即風險集中度較小，抵抗風險的能力就越強。

7.滿標速度（X7）=過去3個月平臺發(fā)布的所有標的滿標時間總和/3。滿標速度越快，代表投資人熱情度越高，該平臺的融資能力很強。

8.平均借款周期（X8）=過去3個月內平臺所有借款標的期限加權平均值。平均借款周期越長，表明該平臺的資金流轉速度也就越快。

（二）定性指標的選取

定性指標從平臺可信性和信息透明性兩個方面各選取了4項指標。平臺可信性的指標包括注冊資本（X9）、平臺背景（X10）、團隊資質（X11）、資金托管及備案管理（ICP證）（X12），信息透明性指標包括借款人信息（X13）、運營數據公開（X14）、平臺實力披露（X15）、財務數據公開（X16）。最終，確定的定性與定量指標體系如表1所示。

（三）權重的確定

李惠彬、陳實、曹國華確定信用風險定性及定量指標的權重時運用主成分分析法，以模型解釋度作為指標權重的判斷標準，得出定量指標能解釋的比例為61.69%，并且隨著時間跨度不斷擴大，定量指標所占權重會逐漸下降。因此，結合以前學者的文獻，同時根據行業(yè)特點，確定定量指標權重為6/10，定性指標權重為4/10，并運用yaahp軟件確定各個指標的權重大小。

表1 定性與定量指標確定

1.建立層次結構模型

按照決策目標，中間層要素以及指標選擇構造出層次結構模型見圖1。

圖1 層次構造模型

2.構造判斷矩陣

邀請行業(yè)內5名專家，分別將中間層要素和各個具體指標的重要程度進行兩兩比較，根據標度說明書進行打分見表2。

表2 標度說明書

得出如下判斷矩陣1-4，且均通過一致性檢驗。

表3-1 矩陣1

表3-2 矩陣2

3.確定各個指標權重

運用yaahp軟件確定各定性及定量指標的權重，依次為0.2516，0.1239，0.3091，0.0331，0.0625，0.1120，0.0428，0.0651;0.0382，0.2797，0.1080，0.0741，0.2311，0.0564，0.1541，0.0584。

二、構建信用風險評價模型

運用模糊數學評價模型輸出定量指標的分數Q1，同時，通過專家評分表輸出定性指標的分數Q2，最后將兩者按照權重相加得出總分Q，對照信用風險等級參照表最終確定P2P平臺的信用風險等級。

（一）定量指標分數的確定

1.確定因素集

將上述確定的8個定量指標納入因素集合，記為Xi(i=1,2,…,8)。

表3-3 矩陣3

表3-4 矩陣4

表4 評判等級對應分數段分布

表5 定量指標等級分布

表6 定性指標評分表

2.確定評判集

將定量指標確定為滿分100分，同時，將評判集合分為四等級，即Vj={V1,V2,V3, }V4={優(yōu)，良，中，差}，各等級所對應的分數段如表4所示。

3.確定單因素評價矩陣

根據平臺各個定量指標平均值及數值的分布，確定以上8個定量指標的對應的分級標準，如表5所示。

按照定量指標等級分布的特點分為極大型指標和極小型指標。極大型指標代表值越大越好，如資金流入率、月平均新借款成交額、月平均投資人人數、平均借款周期等，而極小型指標代表值越小越好，如利率指數、償兌指數、滿標速度、借款指數等。根據隸屬度的公式及定量指標的分級參照標準，構建出單因素模糊評價矩陣R=(rij)m×n(i=1,2,…,m;j=1,2,…,n)，Rij代表第i個因素對第j層分數段的隸屬度。

4.確定定量指標的總分

設權重向量為A=(a1,a2,a3,a4,a5,a6,a7,a8)，定量指標評判等級向量為B=(b1,b2,b3,b4)T。

（二）定性指標分數的確定

定性指標的分數采用專家評分表進行確定，首先將定量指標的評判集合分為四級，分別為Ki={K1，K2，K3，K4}={優(yōu)，良，中，差}，對應的分數段與上述定量指標一致。其次，邀請專家根據文中選定的8個定性指標為該平臺打分（評分表如表6所示），各個指標的數值最終由專家評分的平均值（去掉極端值的影響）來確定。最終，該部分分數可通過來確定，di為上述定性指標的權重，Gi為各指標專家評分的平均值。

（三）P2P借貸平臺信用評級模型的建立

通過上述對定性及定量指標的分數的計算，根據Q=0.6Q1+0.4Q2，將得出的平臺綜合分數與P2P平臺信用風險等級劃分表（表7）相比對，最終確定所選平臺的信用風險等級。

表7 P2P平臺信用風險等級劃分表

三、實證研究及結果分析

根據上述構建的P2P網貸平臺信用風險評價模型，本文選擇了14家具有代表性的平臺來進行信用風險評級。

（一）數據來源

以網貸之家、網貸天眼及各個平臺自身網站上發(fā)布的數據為基礎，計算出所選取的各平臺的綜合分數，從而確定對應的信用風險等級。其中，定量指標中所選取的數據時間段選取為2017年6月31日至8月31日。

（二）定量指標分數的確定

以PPmoney理財為例，計算定量指標的分數。

根據網貸之家網站及PPmoney理財官網上的數據，可以得出的相關定量指標數據，如表8所示。

表8 PPmoney理財相關定量指標數據

將表9中的數字與上述表6定量指標等級分布相對應，通過隸屬度公式得到單因素模糊評價矩：R=(rij)8×4(i=1,2,…,8;j=1,2,3,4)。

另外，由上述層次分析法通過AHP軟件可知權重向量為A=(0.2516,0.1239,0.3091,0.0331,0.0625,0.1120,0.0428,0.0651)，同時，根據表5評判等級對應分數段分布得到定量指標評判等級向量為B=(100,75,50,25)T，最終可以得到該平臺定量指標得分Q1=A×R×B=87.05。

（三）定性指標分數的確定

邀請5位行業(yè)內專家按照表6為該平臺進行評分，14家P2P平臺定性與定量指標評分結果如表9所示。

表9 14家P2P平臺信用風險評級

最后將所計算出的定量指標分數Q1與定性指標分數Q2加權得出總分Q，并且對照表7對這14家平臺進行信用風險評級。

四、實證結果分析與建議

（一）實證結果分析

從14家平臺的總分與信用等級可以看出，目前我國P2P平臺的信用等級并不是很高，并不能有效的控制信用風險，這主要由于銀監(jiān)會發(fā)布的“一個辦法三個指引”框架雖已基本搭建完成，但是相關細則條規(guī)還不夠詳細，監(jiān)管部門的權責分工還不是很明確，國內的征信系統(tǒng)不夠完善，平臺的信息透明度不高，大部分平臺不提供財務數據、信息安全測評認證報告及資金存管報告等。

（二）建議

1.對投資人的建議

首先，投資人要關注投資平臺利率水平。在選擇恰當的投資平臺時，要提高對高利率投資項目的警惕性，意識到在短期內實現高收益的P2P平臺可能隱藏著巨大的投資風險。其次，要關注P2P平臺的活躍度高低，投資者應優(yōu)先考慮活躍度較高的P2P平臺。月平均新借款成交額、月平均投資人人數、滿標速度、資金流入率等充分反映了公眾參與的熱情度，活躍度越高的平臺資金周轉率就越大，可信度越強。最后，投資者還要考慮借貸平臺的抵抗風險的能力，借款指數越小，說明當某一個借款人有違約的風險時，對借貸平臺總的影響程度較小，同時，償兌指數越小，說明該平臺償還前三個月資金的壓力比較小，共同預示著平臺對于風險的抵抗能力較強。

2.對P2P平臺的建議

首先，平臺應符合監(jiān)管規(guī)定，確保提供真實且完整的平臺信息，并且符合監(jiān)管規(guī)定，如提供監(jiān)管部門要求的銀行存管報告、公司財務報告、運營報告，借款人的信息公開等。其次，P2P平臺應該擁有良好的運營團隊，招聘專業(yè)性較強及工作經驗較為豐富的管理人員，能夠建立良好的企業(yè)文化，提高全體工作人員的風險意識，進而提升自身平臺對于信用風險的防范和控制能力。最后，P2P平臺要保證注冊資本與實繳資本一致，因為注冊資本形成公司自身資產，是公司承擔經營責任的基礎，它不僅代表著股東承擔責任的大小，還表示對于公司債權人的基本保證。

3.對監(jiān)管部門的建議

首先，監(jiān)管機構發(fā)布的監(jiān)管規(guī)則應該更加詳細化，明確企業(yè)需要公開披露的信息，制定出統(tǒng)一的借貸平臺資金存管標準，從而扭轉P2P平臺存在的行業(yè)不規(guī)范現象，如缺少資金存管報告、運營數據披露不完全等。其次，監(jiān)管部門應強化該行業(yè)信用風險排查系統(tǒng)，對高風險領域進行深入排查。對未按照監(jiān)管規(guī)定進行企業(yè)備案管理、信息披露等要分類處置，妥善化解風險。對案情較為復雜、社會影響較大的案件，要成立專門工作組，做好查處、清退和善后工作，最大限度維護受損群眾利益。最后，持續(xù)監(jiān)督各家P2P平臺的運營情況，對于經營壓力較大，人氣度較低或者資金周轉較慢的平臺優(yōu)先關注，完善借貸日常信息檢測機制，努力維護良好的金融生態(tài)環(huán)境。

［1］Siekelová A.Using Rating for Credit Risk Measurement［M］.New Trends in Finance and Accounting.Springer International Publishing，2017.

［2］劉惠敏.基于層次分析法的信貸風險實證研究［J］.西部金融，2017（5）：56-61.

［3］嚴復雷，李浩然.P2P網貸平臺信用風險影響因素分析［J］.西南金融，2016（10）：13-17.

［4］苗文龍.互聯網支付：金融風險與監(jiān)管設計［J］.當代財經，2015（2）：55-65.

［5］謝平，鄒傳偉，劉海二.互聯網金融的基礎理論［J］.金融研究，2015（8）：1-12.

［6］肖曼君，歐緣媛，李穎.我國P2P網絡借貸信用風險影響因素研究——基于排序選擇模型的實證分析［J］.財經理論與實踐，2015（1）：2-6.

［7］王嵩青，田蕓，沈霞.征信視角下P2P網貸模式的信用風險探析［J］.征信，2014（12）：49-52.

［8］丁婕.我國P2P網絡借貸平臺及借款人行為研究［D］.成都：西南財經大學，2012.

［9］錢金葉，楊飛.中國P2P網絡借貸的發(fā)展現狀及前景［J］.金融論壇，2012（1）：46-51.

［10］Zhu K，Jingjing L I.Studies of Discriminant Analysis and Logistic Regression Model Application in Credit Risk for China’s Listed Companies［J］.Management Science&Engineering，2010，4（4）.

［11］沈沛龍，任若恩.現代信用風險管理模型和方法的比較研究［J］.經濟科學，2002（3）：32-41.