您好, 访客   登录/注册

基于因子分析的我国P2P网贷平台风险评价研究

来源:用户上传      作者:

  【摘 要】 2007—2017年十年间,我国的P2P网贷行业从无到有,从无序生长到有序发展,从鱼龙混杂到监管趋严,P2P渐渐步入了合规健康的发展道路。随着监管部门不断下发行业政策相关的整改文件,2018年成为强监管年与合规备案年。平台的挤兑风险加大,跑路诈骗问题频出,让不少投资者望而却步,平台风险已經受到社会各界的广泛关注,网贷平台的风险评价成为投资者筛选平台的重要因素。文章运用因子分析法,建立适宜P2P网贷平台风险评价的因子体系,对我国当下80家主流P2P网贷平台进行了综合全面的风险评价排名,最终得到的风险评价结果可以作为投资者选择安全可靠平台的重要参考依据;同时有助于进一步规范P2P发展,提升居民投资理财的热情。
  【关键词】 因子分析; P2P; 网贷平台; 风险评价; 投资理财
  【中图分类号】 F830.2  【文献标识码】 A  【文章编号】 1004-5937(2019)07-0023-05
  一、引言
  尽管P2P属于舶来品,但它的成长速度相当惊人,已然远远超过欧美发达地区。2007年我国首个P2P平台——拍拍贷于上海宣布正式上线。2013年被称为“互联网金融元年”,而P2P网贷平台也进入了爆发式生长的时代,P2P的崛起填补了曾经不被传统银行重视的人群和中小微企业。2016年8月24日,银监会等四部委联合发布了《网络借贷信息中介机构业务活动管理暂行办法》,标志着近几年无序野蛮成长的我国P2P行业被正式纳入监管范围,监管手段接连升级,P2P平台的总体淘汰率持续上涨,截至2018年6月P2P淘汰率高达69.52%,正常运营平台已不足2 000家。2017年12月1日,为了令我国P2P现金贷成为负责任的“普惠金融”,规范现金贷业务,我国多个监管部门联合颁布《现金贷通知》。2017年12月下旬,多部门下发《关于做好P2P网络借贷风险专项整治整改验收工作的通知》(57号文),规定各省市州务必在2018年6月的最后期限之前落实P2P备案事务,制定了P2P备案大致进程,在一定程度规范了我国P2P行业监管期限的不明确性。目前尽管备案被推迟,但也表明了官方对P2P行业的监管承诺,并将更加严格地执行验收标准,对投资者、平台以及监管部门都是有益的。
  从2017年底至今,“合规备案”成为P2P行业界最热门的词。到2018年6月初,P2P累计营业数据顺利突破7万亿元人民币,我国P2P平台总量已达到6 142家,但同时也不断出现平台诈骗跑路等问题,不合规平台有4 270家,P2P淘汰率高达69.52%。2018年6月中旬,著名高返平台——唐小僧的跑路和联璧金融挤兑的发生无疑让广大投资者的恐慌情绪蔓延,同时也让不少潜在的投资者望而却步。这段跌宕起伏的整改历程中,众多平台命运堪忧,然而瑕不掩瑜,依然有不少平台始终坚持初心,合规经营,踊跃备案。在严监管的背景下,对P2P平台进行综合因子风险评价分析,为投资者寻找出既能够带来可观的投资收益,同时又相对安全稳健的P2P网贷平台具有较强的现实意义。
  二、文献综述
  国内外关于P2P网贷平台风险的研究主要将其分为以下三类:
  (一)P2P网络借贷风险研究
  韦艳肖[ 1 ]从风险因素量化视角出发,对借款利率、借款人信用、信息透明程度、标的期限等风险因素进行了分析,基于Logit模型,以P2P平台为例,对互联网金融风险进行定量研究,在研究结论的基础上,提出了预防我国网络金融风险的可行建议。王晶晶等[ 2 ]从利益相关者理论角度,检验P2P平台风险源,分析各个利益相关者对P2P平台风险的影响,随后建立起P2P网贷平台风险因素框架。通过这一框架,能够识别迥异类型问题平台的重要影响因子,并为监管部门提供思路。尹钧惠和熊冉冉[ 3 ]运用因子分析方法,建立适宜我国P2P网贷平台的风险因子评估体系,并借鉴50家P2P平台的数据对其风险进行综合评价,最终的评价结果将有助于投资者筛选待投资平台。顾慧莹和姚铮[ 4 ]采用稳贷网平台的相关数据对借款人的信息网络平台及其违约行为进行调查,找出了借款人违约的关键因素并确认其信誉,为借款人建立违约风险量化因子给予支持。
  (二)P2P监管体系研究
  Michelle W和Fong L[ 5 ]预计P2P平台不会取代传统的银行渠道,但它们是金融中介机构,在解决中小企业长期面临的融资真空方面具有广阔的前景。陈婷婷[ 6 ]借鉴我国P2P平台探索了其潜在的风险,依托风险度量的类型选择,最后运用Logistic回归模型建立风险评价体系。李端生和夏伟[ 7 ]在分析P2P平台临时措施的影响基础上,研究了P2P平台的发展路径,并就如何进一步改进P2P平台提出了一些可行性建议。孙艳军[ 8 ]认为中国P2P金融市场中所面临的各类风险日趋增大,其主要原因是由于缺乏一定的监管,提出参照西方发达国家与地区的监管制度,来完善中国P2P行业的监管制度。
  (三)P2P网络借贷行为及影响因素分析
  王重润和孔兵[ 9 ]认为高效的融资效率是网贷平台提升竞争力以及维持平稳运营的前提,为构建平台融资效率因素体系,考虑风险、平台、标的三个因素,以托宾两步分析方法为基础,以7千多条贷款标的为研究样本,采用数据包络分析法对P2P平台融资效率值进行度量,通过对影响因素和融资效率的实证分析创建托宾模型。左茹霞等[ 10 ]认为P2P是一种融合了民间借贷以及互金技术的新型金融创新形式,选取120家P2P平台数据,运用Granger Causality验证的面板数据,分析P2P信用额度差异与影响因素,结果表明,有4个主要因素对P2P借贷量影响较大,最后提出了几点对P2P发展的参考建议。吴中旭[ 11 ]认为P2P借款过程中,投资者的投资行为分为投资意愿和单笔投资金额两个方面,通过理论分析构建投资者单一投资意愿和单一投资额假设模型;再选取拍拍贷作为样本平台,研究了拍拍贷标的的特点,验证了其特点;最后通过数理统计方法,使用拍拍贷数据,验证投资人单笔投资意愿和单笔投资金额假设模型。   通过对行业文献的整理,发现国外学者对P2P的实证研究大多基于已评级的平台,而我国P2P行业起步较晚,其发展有着自身的特点,国内学者的研究大多集中于借款人信用风险控制的问题上。近年来,虽也有一些学者开始运用统计计量的方法(如AHP层次分析法、突变级数评价法等)对P2P平台进行综合评级或问卷调查法、案例研究法进行针对性分析,然而P2P平臺风险评价仍然缺乏专门的研究,难以实现投资者对P2P平台风险评估的要求。基于此,本文运用因子分析法建立适宜P2P网贷平台风险评价的因子体系,对我国当下80家主流P2P网贷平台进行了综合全面的风险评价排名,最终得到的风险评价结果可以作为投资者选择安全可靠平台的重要参考依据,同时有助于规范P2P进一步发展,提升居民投资理财的热情。
  三、因子选取与同向化
  (一)因子的选取
  本文数据来源于P2P网贷行业综合门户网站——“网贷天眼”2018年5月评级数据中的前80家平台,筛选出11个具体的因子对我国P2P网贷平台进行风险评价研究。这些指标包括:等级、综合评分、信披评分、合规评分、期限、利率、偿兑性、运营、地域性、投资以及借款。
  (二)因子的同向化
  进行因子分析之前,亟待考虑所选全部因子的方向是否保持完全一致。由于某些因子的值与平台风险评价效果成正比,这些因子称为正向因子;但有些因子值越大,评价效果越不好,这些因子称为负向因子。为了便于统一分析,笔者对因子同向化的方法是将负向因子直接加负号转化为正向因子,即因子的正向化。具体变量度量如表1。
  [变量 指标 性质 变量关系 新变量 X1 等级 正因子 Y1=X1 Y1 X2 综合评分 正因子 Y2=X2 Y2 X3 信披评分 正因子 Y3=X3 Y3 X4 合规评分 正因子 Y4=X4 Y4 X5 期限 正因子 Y5=X5 Y5 X6 利率 正因子 Y6=X6 Y6 X7 偿兑性 正因子 Y7=X7 Y7 X8 运营 正因子 Y8=X8 Y8 X9 地域性 正因子 Y9=X9 Y9 X10 投资 负因子 Y10=-X10 Y10 X11 借款 负因子 Y11=-X11 Y11 ][表1 因子同向化]
  四、P2P网贷平台进行因子分析
  因子分析是将多个变量指标化简的一种方法,即用少数几个影响较大的因子代表原始数据的大部分信息。相对于AHP层次分析法等其他方法,因子分析法是通过将独立的变量转化变量的线性组合,从而实现降维的目的。它能够建立适宜P2P网贷平台风险评价的因子体系,对P2P平台进行综合因子风险评价得分排名,最终得到的风险评价结果可以作为投资者选择安全可靠平台的重要参考依据。因此,本文基于因子分析法,使用社科统计专用程序SPSS 22.0,从已选取的11个因子中提取解释程度高的公因子,然后通过方差贡献率给公因子加以赋权,最后计算综合因子得分,进而对所选取的80家我国P2P主流网贷平台的风险管控能力进行综合排名与评价。
  (一)适用性检验
  在已经标准化的数据基础上算出相关系数矩阵和验证结果,在因子分析之前亟待验证各因子之间是否存在一定的相关性。其中,KMO的值趋近于1的程度与适宜做因子分析成正比。从表2可看出KMO=0.661>0.5,说明比较适合做因子分析。同理,各因子变量的共同度趋近1的水平与被变量公共因子解释的水平以及因子分析的效果成正比,从表3变量共同度中可看出变量共同度基本都非常高。另外,Bartlett检验的意义为0<0.05,说明几个变量之间存在显著的相关性,所以拒绝原假设。这也充分证明了原指标变量可以用因子分析法进行评价。
  (二)估计因子载荷矩阵
  估计因子载荷矩阵是因子分析极其关键的组成部分,其测度算法有多种。其中,核心的算法是主成分分析(PCA),能够通过求解变量的前几个关键成分并利用简单的数学变换来获取因子加载矩阵。与主成分分析(PCA)相似,根据因素的累计贡献率决定公共主因子的数量。
  为了简化数据并从众多因子中选择相对较少的共同因子,可以尽可能多地反映所有原始变量的信息。本文运用因子分析来降低维度,表3给出了因素贡献率的结果,前5个因子的贡献率为76.991%,因此提取前5个因子作为公共主因子。
  (三)因子旋转
  (四)主因子得分
  本文使用回归方法计算出5个公共主要因子的得分,也叫汤普森因子分析。主因子得分是5个公共主因子在每个样本点上的得分,而主因子得分可以代表线性计算公式中各个变量的权重,从而把公共主因子表示为变量的线性组合,其中β为各指标变量中的权重,Y为指标同向化后的新变量,即:
  (五)综合因子得分及排名
  用公因子总方差贡献率中相应的初始特征值权数λ对主因子得分F进行加权,最后加总得到P2P网贷平台综合得分,其计算公式如下:
  由以上计算公式可以计算出综合因子得分,于是就能够综合评估我国P2P平台的风险大小,亦即综合主因子得分的排名。为了给投资者选择平台提供一定的参考,本文从80家主流平台中最终筛选出综合得分TOP15的头部平台以及综合得分排名相对偏后的5家平台,亦即综合排名前15位的头部平台和倒数5位的P2P网络借贷平台,具体结果如表6所示。
  五、结论与建议
  由表6看出,综合主因子得分大于0.76的前10家平台,其风险控制能力与综合评价较高,各方面表现皆较为出色,在行业发展中的优势巨大,这些P2P平台有陆金服、人人贷、宜人贷、爱钱进、积木盒子,小赢网金等。这些平台大多是国资系、上市系或是风投系,其平台背景雄厚,资金充足,信息披露完善,在拥护监管部门合规备案政策的同时,较低的借款集中度与资金杠杆使得它们具备较高的风险承担能力,同时可以积极地分散非系统性风险,所以此类平台抗风险能力强,综合评价高。风险评价综合排名位列最后5位的P2P网贷平台分别是:图腾贷、信用宝、看看钱包、海融易以及中瑞财富。导致这些P2P网贷平台评价结果为高风险的主要原因是这5家P2P网贷平台信息披露不完整,合规度不够高,同时它们的借款指数又较高,即过去一个季度内的平台风险聚集度较高。数据显示这5家平台中借款人的借款需求集中度偏高,因此这些平台发生挤兑跑路风险的概率随之加大,平台风险评价也就相应较高,综合得分因而相对较低。因此,建议投资人选择综合排名靠前的平台进行投资,所承担的风险将大大降低;与之相比,建议投资人远离综合排名靠后的平台,否则平台若发生挤兑而跑路的现象,可能会导致投资者血本无归。   作为综合的统计分析和评价方法——因子分析法,可以利用系统的统计工具来确定评价因子的权重系数,从而极大地降低主观因素的影响。本文构建了我国P2P平台风险评估因子体系,对平台各类风险的类型进行综合评分以及排名,可以帮助投资者掌握平台的信息披露程度、合规度与风险控制水平,评价的最终结果能够作为投资者选择投资合适的平台或项目的有力参考,有助于进一步规范P2P网贷行业的发展,提高客户的投资理财信心。另外也有助于引导P2P的合规运作与良性发展,把同时期迥异平台进行横向比较,使得评级高的优势平台给予更多融资,体验更好的服务,也能够拉动行业的发展。同时需要对中小平台加强监管,令合规的平台持续平稳运营,提高行业准入门槛,完善平台退出机制,让无法完成合规备案的平台能够良性清盘退出,保护投资者的合理权益,进一步促进P2P行业的良性发展。
  笔者在试图构建P2P平台风险评价的因子体系中,亟待在数据的真实性以及信息披露完善的因子体系上进一步增强,同时,评估指标体系的有效性需要大量数据的支持,在大数据时代下,对P2P风险评估因子体系的合理性与建设性将有极大地提高。随着监管的趋严与P2P行业的不断发展,优势平台更应该注重提升其投资理财产品的服务与体验,而中小平台则需要把重心放在合规备案发展的道路上。
  【参考文献】
  [1] 韋艳肖.互联网金融风险防范研究:以网贷平台为例[J].会计之友,2018(16):104-108.
  [2] 王晶晶,刘振艳,陆旸,等.我国P2P网络借贷问题平台风险影响因素框架构建:基于利益相关者理论视角[J].财会月刊,2018(1):171-176.
  [3] 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):72-75.
  [4] 顾慧莹,姚铮.P2P网络借贷平台中借款人违约风险影响因素研究:以WDW为例[J].上海经济研究,2015(11):37-46.
  [5] MICHELLE W,FONG L. China's online peer-to-peer (P2P) lending platforms[M].Springer International Publishing,2018.
  [6] 陈婷婷.P2P网络借贷风险度量体系与行业监管研究[D].首都经济贸易大学硕士学位论文,2018.
  [7] 李端生,夏伟.基于网络借贷新规的P2P发展研究[J].会计之友,2017(5):108-111.
  [8] 孙艳军.以英美监管为镜鉴构建我国P2P普惠金融监管体系[J].上海金融,2016(3):60-66.
  [9] 王重润,孔兵.P2P网络借贷平台融资效率及其影响因素分析:基于DEA-Tobit方法[J].河北经贸大学学报,2017,38(5):54-60.
  [10] 左茹霞,王言,李宇红.P2P网络借贷成交量影响因素分析[J].财会月刊,2017(3):118-122.
  [11] 吴中旭.P2P网络借贷投资人投资行为影响因素研究[D].哈尔滨工业大学硕士学位论文,2016.
转载注明来源:https://www.xzbu.com/3/view-14781250.htm