互聯(lián)網(wǎng)金融研究第三期

e租寶事件凸現(xiàn) 基于實例的信用風(fēng)險評估以決定 中國 主辦出品人周世平總編輯張宇執(zhí)行主編陳岑責(zé)任編輯韓磊

紅嶺創(chuàng)投電子商務(wù)

/100 E-mai設(shè)計印

市福田區(qū)益田創(chuàng)新科技園19棟hl-editor@qq.co

行業(yè)動

本期專e租寶事件凸現(xiàn)P2P 2015年12月8日，e租寶被 高度關(guān)注。e租寶涉及待收余額700多億元，涉及投資者近500萬人。如果e租寶最后 為中國P P2P 平臺應(yīng)對風(fēng)險的能力。本文利用DEA方法，使用改進原始模型后的BCC模型，基于80家P2P 示大部分平臺處于非DEA有效狀態(tài)，主要原因是人氣指數(shù)、投資者收益率和待收杠桿指標(biāo)存在冗余超短期產(chǎn)品，適當(dāng)降低投資者收益率和待收杠桿，盡量提

空間范疇和時間范疇。移動互聯(lián)網(wǎng)、等應(yīng)用的普及，使移動支付滲透雜風(fēng)險與安P2PP2P行業(yè)的系統(tǒng)風(fēng)險、信用風(fēng)險、平臺風(fēng)險等正在不P2P網(wǎng)絡(luò)借貸風(fēng)險迫在眉睫。本文以2007620156190491條歷史成功借款記錄和5016Logistic回歸研究，影響借款人違約的關(guān)鍵因素，從而為平臺及投資者提供參考。

不少 公司表面上運作正常，實質(zhì)上利 e租寶事件凸現(xiàn) 民族大學(xué)法學(xué)院教授鄧建鵬

似e租寶案例波及面頗廣，極易 對此，作為部門，中國銀監(jiān)會一方面應(yīng)及時推動各地行業(yè)或互聯(lián)網(wǎng)金融行業(yè)制定行業(yè)自律章程。自律章程必須有一定強制約束力，行業(yè)和 月日，e租寶被 高度關(guān)注。e租寶涉及 情緒已明顯蔓延到其它一些合法合平臺。自年月號以來的幾天，本人在與一些平臺調(diào)研中發(fā)現(xiàn)，不少網(wǎng)

P2P 數(shù)量高達3300多家。P2P 截至今年9月底，出現(xiàn)問題的 達976家，79.1%已經(jīng)跑路。至今年12月 現(xiàn)，占所有P2P平臺的1/3。在當(dāng)前，據(jù)零

對此， 行業(yè)已經(jīng)不再是我們于2014年以前所的“讓飛一會兒”，而是勢在必行。年月 均尚未全文公布。考慮到諸如

上。諸如e租寶短期內(nèi)吸引

以筆者近一年來的密集調(diào)研可知， 至從事吸收公眾存款的違法行為。此何有效的途徑。凡此種種，信息應(yīng)當(dāng)是銀監(jiān)會的當(dāng)務(wù)之急、重中之重！當(dāng)然，銀監(jiān)會的主要職能是銀行，而不是。面對3000多家P2P平臺，銀監(jiān)會的資源其實極其有限，這應(yīng)該也是細則遲遲難產(chǎn)的主要原因之一。本人認為，機構(gòu)可以轉(zhuǎn)變思維，提升監(jiān)

借款信息為，信息披露規(guī)則同時納入各地行業(yè)自律章程。另一方面，銀監(jiān)會可以考慮把部分功能外包，或者尋求協(xié)作。比如對于平臺流向等問題，目前各第支付機構(gòu)基本可以做到實時監(jiān)測， 各平臺的信息，尤其是對流向過于集中度等問題，一些有影響力的第支付機構(gòu)可以通過技術(shù)進行。包括P2P在內(nèi)的互聯(lián)網(wǎng)金融，給風(fēng)險卻在一次次突顯。對此，只有在市場、行業(yè)以及機構(gòu)合力作用下，

財 、專欄作家

談及P2P國P2P行業(yè)累計交易規(guī)模已經(jīng)高達1.25萬P2P行業(yè)步入萬億規(guī)模時代之際，實際上 然而，在P2P

時，整個行業(yè)卻呈現(xiàn)出分化式發(fā)展的格

作P投資者來說，就需要有好壞平臺的辨別能力。簡而言之，即需要認識到哪些屬于自 、些屬于詐騙平臺，甚至哪些平臺自設(shè)了 池。e租寶事件對整個行業(yè)形成巨震影實際上，自P2P行業(yè)的發(fā)展規(guī)模得以 其中，近期發(fā)生的e租寶事件，就讓整個行業(yè)為之。e租寶，其實在整個P2P行業(yè)中，屬于一家大型平臺。雖然其上線還不到1年

錄。其中，有數(shù)據(jù)表明，截至今年12月8億元。至于平臺的每日交易額，達到了5億元以上。由此可見，對于e租寶這一個 透過e租寶這一事件，實際上也反映以e租寶這一平臺為例，基本存在著項目日，e租寶被查的種種疑團，仍然有待揭P2

平臺，甚至有哪些平臺自設(shè)了池等。對此，就以自 的典型特征為募集的挪用，而后去投資其它的項臺的鏈條發(fā)生斷裂，則難免出現(xiàn)跑路就目前而言，整 行業(yè)的綜

由此可見，在此背景下，凡是存在 投資者該如何提升自身的平臺篩選能

收益率基本呈現(xiàn)出持續(xù)走低的格局，而

出綜 年月日

顯然，在當(dāng)前P2P行業(yè)加速洗牌的過程

除此以外，筆者認為，對于成立時

市場 呼吁行 細則盡快出臺，進一步保障投資者

為基礎(chǔ)的傳統(tǒng)評價模型不能滿足P2P市場中個人投資者的需要，因著規(guī)范式發(fā)展的問題?；蛟S，用“元

實際上，對于P2P行業(yè)而言，從“野這已經(jīng)是一種必然的趨勢。與此同時，

動的投資決策框架。我們設(shè)計一個以實例為基礎(chǔ)的信用風(fēng)險評估模型，它能夠評價各項的收益和風(fēng)險。并且我們構(gòu)想將P2P借貸市場的投資決策作為包含邊界約束的投資組合的最優(yōu)化問題。為證實所構(gòu)想的模型，我們采用兩個著名的P2P借貸市場的現(xiàn)實數(shù)據(jù)展開了廣泛的實驗。實驗結(jié)果顯示所設(shè)立的模型與現(xiàn)有的方法相比能夠有效地提高P2P投資績效。1、引

此，對于那些最終能夠存 的優(yōu)秀P2P平臺而言，也將會迎來更好的發(fā)展機

對等（P2P）直接向其他人和借款，脫離了傳統(tǒng)的舉信息，如數(shù)額和描述，提交貸款申請，被稱為掛牌。然后預(yù)期的人通過設(shè)定他們能提供的金額為這些掛牌融資。假如掛牌所要求總的金。

為幫助個人投資者管理風(fēng)險，最先進的P2P平臺，如Prosper和LendingClub，為每項提供風(fēng)險。這樣的考慮了該項和申請人的許多變量，如FICO分?jǐn)?shù)考慮了的金額和期等等。信用的過程類似于那些傳統(tǒng)的險水平。結(jié)果，被分為為數(shù)不多的風(fēng)

以為基礎(chǔ)的模型提供基本的信用風(fēng)險評估，在每一組的假設(shè)承受益偏好從不同的風(fēng)險組里選擇。 為基礎(chǔ)的信用風(fēng)險評價模型 求。因為傳統(tǒng)的金融機構(gòu)持有大量的現(xiàn) 個典型的投資組合最優(yōu)化問題。評估

在本研究中，我們?yōu)镻2P市場構(gòu)關(guān)于個人借款人已完結(jié)的歷史數(shù)據(jù)，不可能能夠基于人的過去記錄預(yù)測新的表現(xiàn)。因此， 款確定為相似的分布，累積所有結(jié)果的表現(xiàn)去預(yù)測新的表現(xiàn)。這被稱之為特別地，在所構(gòu)建的基于實例的模型中，我們首先將相似性定義為違約可能性的差異，并從借款人信用分布的邏輯回歸中延生出相似。然后我們以相似的平均預(yù)測每項的益，以的方差作為風(fēng)險，這里的最優(yōu)的權(quán)重我們從核回歸（Kernelregression）的數(shù)學(xué)框架中得。更進一步，以基于實例信用風(fēng)險模型為基礎(chǔ)， P2P的以為基礎(chǔ)的模型。

投資決策過程的完整例子。在第六部分2、文獻回P2P 被引入作為金融領(lǐng)域一個新電子商務(wù)現(xiàn)象，為提供更高的經(jīng)濟運行效率，由互聯(lián)網(wǎng)信息系統(tǒng)所支撐（Berger和Gleisner，2009；Wang、Greiner和Aronson，2009）。P2P 也被稱為 社交 （Hulme和Wright，2006），小微 （Conlin，1999或者眾籌（Belleflamme、Lambert和SChwinbaher，2014；Mollik，2014），其中每一個都強調(diào)P2P 所具有的獨特特征的不同方面。也即是強調(diào)在參與者之間的 社交互動、小額交易、大量投資者并不精通于 投資。P2P市場的參與者能夠被粗略地分為兩個小組：借款人和人。類似于傳統(tǒng)的信貸市場，風(fēng)險評估和決策能夠從他們不同的視角觀察到（Wu和Hsu，2012）。從借款人的角度，一個共同的目標(biāo)是保證融資。在借款人所提供的信息中，研究人員致力于發(fā)現(xiàn)成果的決定因素。例如Larrimore、Jiang、Larrimor、Markowitz和Gorsk（2011）分析了掛牌中語言的影響，這能夠幫助借款人增強可信性以獲取融資。Puro、Teich、Wallenius和Wallenius（2010）計劃了一個借款人決策協(xié)助系統(tǒng)以幫助借款人量化他們的策略選擇，比如起初利息率和需要貸

款的數(shù)量，目的是促進掛牌成功融型同樣適用于人，目的是預(yù)測的詢?yōu)榛A(chǔ)（Query-based）的方法，該方個全面的預(yù)測。他們報告在多數(shù)的情當(dāng)只能找到少數(shù)相似的的情況下，結(jié)過去所有的，并通過核回歸最優(yōu)化他智慧的系統(tǒng)為借款人提供建議。隨著當(dāng)考慮人的角度，研究人員人的投資決策和投標(biāo)行為。例如Sonenshein、Herzenstein和策中的作用。Klafft（2008）檢驗是否借款人能夠如宣稱的那樣從這一新市場中獲利?；?的數(shù)據(jù)，他們發(fā)現(xiàn)如果他們實行一個合理的策略， Herrero-Lopez（2009）發(fā)現(xiàn)許多交易

基于次優(yōu)決策。Puro、Teich、Wallenius和Wnus（0）拍賣中的競價策略。他們的研究表明拍賣行為在投標(biāo)人中并非同質(zhì)，而是投標(biāo)人采用了非常多不同的投標(biāo)策略。發(fā)現(xiàn)當(dāng)存在的出價時投資者更可能向投標(biāo)（Herzenstein、Dholakia和Andrews， 因為是否對某項投資的決策是P2P市場中投資者的工作，因此傳統(tǒng)的評估技術(shù)同樣與P2P相關(guān)。為了區(qū)分優(yōu)質(zhì)申請（即：那些預(yù)期能夠成功償付的申請）與劣等申請（即：那些預(yù)期違約的申請），在現(xiàn)有文獻中大量的差異化的數(shù)據(jù)挖掘技術(shù)被采用。大量的例子包括邏輯回歸（Thomas，2009；Wiginton，1980），線性分析（Rosnbrg和Geit，199），K最近鄰（k-nearestneighbors）(Chatterjee和Barcun，1970)，分類樹（Feldman和Gross，2005）， 鏈（Frydman、Kallberg和Kao，1985；So和Thmas，3、數(shù)據(jù)描P2P 量的真實的

2011），幸存率分析（Andreeva、nl和Crook，2007；Stepanova和Thomas，2002），線性和非線性設(shè)計（Bugera、Konno和Uryasev，2002；Mangasarian，1），神經(jīng)網(wǎng)絡(luò)MorMor，2；Yn量機Hu、Chen、H、Chen和，2014；Kim和Sohn，2010），遺傳算法研究檢驗了各項的分類，但并沒有詳細地將投資組合作為一個整體。多信用評分和最優(yōu)化問題之中（Yang，2007；Zhang、Gao和Shi，2014）。在本研究中，我們采用了核回歸的數(shù)學(xué)框架信用風(fēng)險評估的最優(yōu)權(quán)重。作為一個靈活的研究非線性關(guān)系的統(tǒng)計技術(shù)，核回歸逐步提高了在金融和經(jīng)濟研究中的使用，如非參數(shù)VaR測度（AltSahalia和Lo，2000）、國際實際利率間的非線性關(guān)系（Mancuso、Goodwin和Grennes，

第一個數(shù)據(jù)集來于 包含了2016項 。二數(shù)集至于ropr，它包1項 。個據(jù)集里，使用預(yù)測型將 性于約的可能性。這些屬性包括借款人的FICO信用分?jǐn)?shù)、 額借款在去個月的信貸請求數(shù)、款人負收比 人的房 4、基于實例的信用風(fēng)險評化評估P2P市場項目的收益和風(fēng)的慣例。不同于，對每一位借款人僅他或者新需求。此外，一個可行的方法是采用相似的，例如人有相似的個人，去預(yù)測一個新請求我們想要預(yù)測每項的風(fēng)險和收益。對于一項給定的i（也即是關(guān)注的實例），基于過去n項（

票”的成員），每一項有一個觀測到的收益率Rj（j=1、2……n）,我們能直接預(yù)測i的收益，μj，采用過去收益的平均： j=1ijμ=∑n j=1ij此處，Wij代表用于預(yù)測i收益的貸 i們量化一個新i的風(fēng)險2作為眾多投i j=1 jσ2=∑nW(R j=1 j

CV(h)=— (f(x)-y)2

率Rj

i=1h- 其中，fh(x-i)是采用核回歸的yi的留 x-

μ

x-

x-

fh(x-i)

j=1,h∑nh

j=1,j=1K(——

一組 量間非線性關(guān)系的統(tǒng)計技

hK(—jh

hK(h

p- 直觀的認為收益率的方差能夠作為眾多

Wijn

n n

CV(h)=1

k=1, j—

∑K(—j

p-

j兩個維度衡量，其中X是預(yù)測變量、

以實例為基礎(chǔ)的模型的權(quán)重的設(shè)定

Y是反應(yīng)變量。根據(jù)n個實際觀測點，{(x,y)j=1、

k=1,

了Silverman（1986） 程度主要關(guān)系到違約概率。特別地，

x- ——∑nK(x-xjx- ——h h

為了擬合核回歸模型，帶寬h需要根據(jù)數(shù)據(jù)進行最優(yōu)化。為達到這個目的，

策略。這一策略尋找在0.25h0到1.5h0之間(4 dij=pi-

檢驗（LOO、LS、CV）

h0= 1-1此處，pi和pj分別

K(u)

2πe

通過這種方式，更靠近x賦予更高的權(quán)重，那些遠離x的觀測值擁

圖1：我們通過分別計算L3與L1、L2之間的權(quán)重來估計L1的投資收益KernelWeights：核權(quán)重；DefaultLikelihoodDistances：違約可能性距離

在圖1

d13

p1-p3，以及d23

p2-p3。從圖1

敏感（Kraft和Steffensen,2013;Woodside-

以明確違約可能性距離和核權(quán)重。特別地，橫軸代表所有違約的概率空間，：L1、L2和L3。根據(jù)他們率P1、P2和P3，每一

d13>d23，從而12數(shù)，其參數(shù)能夠通過核回歸最優(yōu)化。在我們的框架中，參照（7）式，因此W13＜W。這是因為高斯核，如（5）

Oriakhi,Lucas和Beasley，2011），人投資者量遠低于商業(yè)銀行。另一方面，對于第i項，投資者僅能夠借出小于者需求量e1的數(shù)量。因此，假設(shè)M資的某項，我們要求：

DataI：l項供公開投資的掛牌集合；

輸出：OMi：對掛 i（i=1評價不 相似性的一個直的方式是計算違約可能性距離，正如式（3）所定義的那樣。因此，我們計算

如算法1總結(jié)的那樣，投資決策過程

1、(n,{Rn,1,{el)jj j

預(yù)處理在這一部分，我們首先形式化P2P貸

模型中有兩個輸入數(shù)據(jù)集、三個參數(shù)。DataH是歷史表現(xiàn)數(shù)據(jù)集，包括償付狀態(tài)明確的過期。我們稱這一集合為

k j2、({β}pk j

邏輯回歸 有別于傳統(tǒng)銀行，P2P市場的個人投資者不僅僅需要甄別優(yōu)質(zhì) 與次級貸

i受制于λi≥0,iλi=1，給定預(yù)期收益iR*=∑λii

“訓(xùn)練數(shù)據(jù)”（trainingdata）。DataI目前公開掛牌的項目，因而他們的償據(jù)”。P2P市場中通常有最小的投資金額（m）?？偟耐额~M以及預(yù)期全在初始和訓(xùn)練過程中（1-3排），我們首先找出DataH數(shù)據(jù)集中歷史 的總 的表現(xiàn)（Rj），

5、pi5、pi1+e-(β+ββ7、dijpi-8、wij核權(quán)重水平的情況下以最小化風(fēng)險。因此，P2P

求一個最低 額。例如，在

DataH建立了一個邏輯回歸模型，提取

10、11、

∑wj=1∑w∑nw(R-μ組合理論（Markowitz，1991）

每 的最低 額m=$25。P2 市場的投資者對這一約束特別

的違約概率（Pj）。最后，我

j=1 j

iiiii=1i15、∑1λμi=1ii=116、∑1λi=1 i ii18、{λ}程序（mMR*iμ、σ2、e1 i19在這一信用風(fēng)險評估過程中（4-12 違約可能性距離dij（i=1、2……l；j=1、權(quán)重wij（10）式最優(yōu)化帶寬h。最后，我們采用（1）式和（2）式ii表1比較三種模型的預(yù)測精度

程中（13-19行），我們采用了5.1部分所在這篇文章中，我們?yōu)镻2P市場 與兩個以為基礎(chǔ)的基準(zhǔn)模型作比較。RBM 為7個等級。相同等級的 RBM+是一精的以 基模型，其中RB中的每等級又細分為5的此等級，次等級的數(shù)目根據(jù)交互有效法進行選擇換句話RBM是一個擁有最優(yōu)等級分類以 為礎(chǔ)模。 礎(chǔ)的模型。每項采用核權(quán)重和相似貸

總而言之，RBM是實踐中以為基礎(chǔ)的信用風(fēng)險模型的一個基本版。 此外， 每一個數(shù)據(jù)集分成k個子集，并采用k次交叉有效方法去合適我們模型的有效性。換句話說，每次我們采用一個子集作為測試集（DtataI），所有剩下的作為訓(xùn)練集（DataH）。我們特別地將LendingClub的數(shù)據(jù)集隨機分為了12個子集，每一個子集包含了168項 。相似的，ropr的數(shù)據(jù)集被隨機分為24個子集，每一個子集包含1項 。練后的模型預(yù)測測試集中每項的收益率（μi）和風(fēng)險（）。結(jié)果和討如第3部分所述，在實際數(shù)據(jù)集中展表現(xiàn)，比較了我們的模型與兩個以為我們使用邏輯回歸模型預(yù)測違約的

對于以為基礎(chǔ)的模型，包括RBM和RBM+模型，我們首先找出訓(xùn)練集里每一等級的收益率的中值和標(biāo)準(zhǔn)差。然后預(yù)測每項測試的信用等級。 的核權(quán)重（7式），然后使用這一 平均，1式）以及風(fēng)險（ 的回報率（μi）和風(fēng)險（ 比較三個模型的收益率和夏普率（Sharpratio） IOM曲線比RBM和RBM+曲線更光滑，表現(xiàn)出IOM擁有更好預(yù)測收益和風(fēng)險的 Lending

可能性Pi，然后我們基于 Club

距擬合距擬合優(yōu)距擬合優(yōu)RBM報率（μ）和風(fēng)險（σ2）。圖2

度R2作為精確度的衡量指標(biāo)。正如表1所

基于LendingClub數(shù)據(jù)集的最優(yōu)投資表3 子子子112233445566778899-平均標(biāo)準(zhǔn)-夏普（a）LendingClub的預(yù)測收 （b）Prosper的預(yù)測收-平均標(biāo)準(zhǔn)（c）LendingClub的預(yù)測風(fēng) （d）Prosper的預(yù)測風(fēng)夏普注：橫軸代表的違約風(fēng)險、縱軸代表預(yù)測的收益率（上一行）與預(yù)測的風(fēng)險（下一行） 目標(biāo)收益率R*=0.06。我們同樣假設(shè)無風(fēng)險收益率為0.025，這一數(shù)值與同一時期短期國庫券

表2率以及在LendingClub比RBM和RBM

Club和

就是說，分配到每一項的額）。選擇的輸入信息（也即是每項的預(yù)期收益和風(fēng)險）分別來至于RBM、RBM+算投資于所有的實際收益率和夏普率

表

7、結(jié)

擇時，它能得出比以為基礎(chǔ)的模型更設(shè)投資量預(yù)期收益率1$105.52$10設(shè)投資量預(yù)期收益率1$105.52$106.03$106.54$155.55$156.06$156.57$205.58$206.09$205.5圖 敏感性分（a）LendingClub數(shù)據(jù)集的收益 （b）Prosper數(shù)據(jù)集的收益（c）LendingClub數(shù)據(jù)集的夏普 （d）Prosper數(shù)據(jù)集的夏普

基礎(chǔ)的信用風(fēng)險評估模型以量化P2P市場中每項的風(fēng)險，并形式化P2P市一項信用風(fēng)險的能力，而不用將簡單的方式去比較不同的風(fēng)險，擁有基于新與過期的違約可能性距離來評估一項新的信用風(fēng)險，而不需要過期的權(quán)重在核回歸的數(shù)理框架下被在P2P市場中擁有更好的表現(xiàn)。

作者想要感謝的審稿人提出的建設(shè)性意見。這一研究部分由中國自然科學(xué)基金（項目編號71028002 ），中國教育部人文社會科學(xué)項目（項目編號14YJCZH004）以及中央大學(xué)的基礎(chǔ)研究基金（DUT15RW116）

表A.5訓(xùn)練集

表

測試集jYRPjP 0-2500231-3111-311-4711-411-5711-560010-6210 - 7011- - 811093931

-

- 表A.8（A.1） - 1-01.524×10-2.658×10-3.313×10-1.622×10-001-0711-011-011-1101-311-6103102101101000表 表A.5與表A.7中的變量描變 描 借款人的FICO信用得 借款人的擁有房屋的狀況（0=租，1有 借款人的負債收入 因變量（0=償付，1=違約

第二步，邏輯回歸（算法1中第11110型。更特別地，估計下列等式的參數(shù)（k=0、Logit(p)=β0基于訓(xùn)練集DataH，我們得到估計的

5行）使用等式（A.1），如表A.7中p列所我們能夠采用式（3）計算沒對測試第四步，帶寬最優(yōu)化（算法1中第3行）。帶寬通過訓(xùn)練數(shù)據(jù)進行最優(yōu)化。因為相同的規(guī)模n=30和p的標(biāo)準(zhǔn)差

h 4h 03*30)

得到的CV（h）的計算值。圖A.4

表 不同帶寬和對應(yīng)的交叉有效誤乘交叉檢驗，對于0.25h0到1.5h0可能的h值計算CV(h)。對于給定的帶寬

h了一個最小限額的點 =0.65h0對于每一個hh可能的值，從0.250100123451001234567892001003002004003500406005706080709008000900000000000000000000000000000000000000000000000000000000000Σ110

表 測試樣本和訓(xùn)練樣本間的核權(quán)123456789

圖 執(zhí) 肖中 李第五步：計算核權(quán)重（算法1中第8行）。采用式（7）和前一步得到的最優(yōu) 第六步：預(yù)測收益和風(fēng)險（算法1中

第七步：投資組合選擇（算法1中第13行和19行）。給定預(yù)期收益R*=0.08，以及最小投資額m=$25，基于平均收益率μ和風(fēng)險σ2（如表格A.7中第9和第10列所示），我們找出投資的權(quán)重（如表格A.7中第11列所示）。給定投資總額M=$5000，投資包含 6，OM6=3250$，

年月日， 發(fā)布了《關(guān)于加強金融消費者權(quán)益保護工作的指導(dǎo)意見》（國辦發(fā)[2015]81號，以下簡稱指導(dǎo)意見），這對處于弱勢地位的廣大金融消費者來說，無疑是“久旱逢甘霖”的好事。伴隨著我國金融的日益深化，政策紅利為資本市場大開方便，“金融

罔聞。就拿今年來說，從年初的大之后，交易、市場等詞匯頻頻曝出，大震蕩的背后竟也是人為。同樣，放眼新金融領(lǐng)域，P2P、平臺跑路、提現(xiàn)、吸存、詐騙等情況 自EuropeanJournalofOperationalResearch（歐洲運籌學(xué)雜志）2015年6

首先，金融消費者的八大權(quán)利針對我國當(dāng)前金融消費者權(quán)益保護

融消費

建立多層級處理機制，完善處理 民族風(fēng)俗習(xí)慣，不得進行性差別對

權(quán)益的相關(guān)，建立金融消費糾紛的多元化（、調(diào)解、仲裁、）解決機

國民金融素養(yǎng)。從明確權(quán)利，到完善監(jiān)管，再到推進，這一系列組合拳，若

待

其次，何為“投資者”，何為“消費者定是否金融產(chǎn)品或接受金融服務(wù)，不售產(chǎn)品和服務(wù)，不得附加其他不合理條件；公平交易權(quán)金融機構(gòu)設(shè)置公

施加強對第合作機構(gòu)的管理，明確雙息風(fēng)險，保障金融消費 險承受能力制度，將合適的金融產(chǎn)品好地保障金融消費者的八項基本權(quán)利，“指導(dǎo)意見”還要完善金融消費者權(quán)

雖然，各國法均對投資者的合為自己的投資行為，接受由市場機制金新、金融的浪潮之下，“金融”脫去了神秘的面紗，飛入尋常百姓分。根據(jù)我國消費者權(quán)益保對“消費者所提供的服務(wù)的市場主體”，其中對

店里的各種快捷支付，金融服務(wù)無處不

再次，從投資者到金融消費者的角色轉(zhuǎn)變 最后，金融消費者 之道金融產(chǎn)品的多樣化與金融交易模式的約束，根據(jù)自身情況自主作出交易決策（即市場的“同質(zhì)性”）。投資者的性”、“投資者適當(dāng)性”、“正當(dāng)

的金融現(xiàn)狀下，若還僵硬地套用險或是制度風(fēng)險，不應(yīng)由投資者。就 同，更的效果是法律地位的改變，背后

目前，針對金融消費者并沒有明確或享受金融產(chǎn)品或服務(wù)的消費者都屬于 門和金融機構(gòu)內(nèi)部溝通處理；在 商事仲裁或 進行 ；必要 可以按照投資人本身家庭情況、輕重緩等機構(gòu)的協(xié)調(diào)機制。金融不是空話，

考慮到刑事辦理的過程中來。應(yīng)當(dāng)建 成，否則全線崩塌。應(yīng)當(dāng)從大戶、中金融消費者權(quán)益的特殊。不論是對廣肖 執(zhí)業(yè)，兼市法律顧問，主要從事互聯(lián)網(wǎng)金融法律

中國 ——基于80家代表性平臺微觀數(shù)據(jù)的DEA效率分李建軍陳鑫 財經(jīng)大學(xué)金融學(xué)院

可行的投 ，近年來發(fā)展態(tài)勢迅自2007年 現(xiàn)快速發(fā)展趨勢。從行業(yè)規(guī)模來看，截0

至2015年4月根據(jù) 之家的數(shù)據(jù)顯示， 人數(shù)在過去一年中迅速上升（見圖3）， 、 -- 改進原始CR2模型后的BCC模型，基于80家P2P

成交量（億元 運營平臺數(shù)量（家圖 運營平臺數(shù)量與成交量增

圖 運營平臺數(shù)量與成交量增長 平臺DEA經(jīng)營效率冗余值

8%13%12%

一、引互聯(lián)網(wǎng)改變?nèi)藗兊纳睿鹑跇I(yè)依在發(fā)生深刻的。互聯(lián)網(wǎng)金融的蓬勃興起，有利于經(jīng)濟，對于引導(dǎo)向小

實現(xiàn)普惠金融具有重要意義。P2P平

0

山1本文得到國家自然科學(xué)基金項目《貨幣政策約束下中 信貸市場融資搜尋模型》（編號

了小微企業(yè)，行業(yè)發(fā)展受需求影響，往往小微企業(yè)多的地區(qū)，平臺

從以上的分析可以發(fā)現(xiàn)，對P2P臺的研究主要是定性分析，其中對于P2P經(jīng)營效率的研究尚未引起廣泛的關(guān)注，更鮮有人對P2P平臺的經(jīng)營效率進行定量測度。目前國內(nèi)學(xué)者對于P2P平臺在P2P平臺經(jīng)營中市場風(fēng)險、信用風(fēng)險、流險，給投資者的安全留下極大的風(fēng)險 月份新增家。隨文獻綜我國首P2P 平拍貸成于2年，隨著聯(lián)技的展互聯(lián)網(wǎng)金融概念興起0年后P2P 平臺快發(fā)。互網(wǎng)借平的究也逐步興起。內(nèi)對P2P 臺究要集中于以幾個方：一P2P 平臺經(jīng)模的0葉湘榕1）通過分析各類P2P商業(yè)模、質(zhì)特，對營式在的風(fēng)險出對建。二經(jīng)過中存在的風(fēng)險、 方式和發(fā)展路徑（吳

形勢下，P2P平臺要想立于不敗之地，必須提高平臺的競爭力，而平臺的核 正確認識P2P平臺的投入產(chǎn)出效率，找（2014）認為對于P2P 資者利益的基礎(chǔ)上盡可能給平臺保持充和銀監(jiān)會聯(lián)合 ，并強調(diào)行業(yè) 行業(yè)自律的重要作用；宋琳，郝光亮（2015）基于委托理論分析了由于信息不對稱的激勵問題，并提出相應(yīng)地風(fēng)險措施，如提高平臺的聲譽，物質(zhì)價體系等建議。三是P2P平臺對解決

也越多。四是P2P平臺信用認證機制 P2P 平臺經(jīng)營效率的測算方 法。其中經(jīng)營效率是指一個企業(yè)或者單位在經(jīng)營活動中投入產(chǎn)出之間的對比關(guān) 是EVA-經(jīng)濟增加

的經(jīng)營績效方面的研究較少，宋鵬程等率與投資者保護之間存在，在投發(fā)展空間。因此國內(nèi)缺乏對于P2P平臺經(jīng)營績效方面的研究。本文使用DEA方法來評價P2P大且對于中下層管理者并沒有起到較好用財務(wù)評價指標(biāo)和一系列非財務(wù)指標(biāo)來評價企業(yè)的經(jīng)營業(yè)績，強調(diào)了企業(yè)程改進方法，無法得知如何改進。由Charnes，Cooper，Rhodes（1978）提出 數(shù)據(jù)來源 之家

效的評價較為完善，但是在P2平臺經(jīng)營效率的評價中應(yīng)用卻很少，F(xiàn)riedman,Halpern,Kash（2006）建立了P2P提供服務(wù)的模型，認為通過維持貨幣和人數(shù)量的合適比例可以使效率最大DEA方法來評價P2P平臺經(jīng)營效率的DEA作為一種非參數(shù)方法無需設(shè)定性。DEA方法是對若干具有相同類型的

算80家代表性P2P 考慮n個樣本P2P平臺（簡稱決策每個樣本P2P平臺使用m種投入得到s種產(chǎn)出。Xj代表DMUj的投入向量，，Yj代表DMUj的產(chǎn)量 和μ，DMUj(1≤j≤n)的效率評價指數(shù)：jj

在取得相同的或者的產(chǎn)出量的情況下文構(gòu)建了P2P平臺的經(jīng)營效率模型，在公式（1）中，權(quán)重向量?和μ都是

模型（2）是分式規(guī)劃模型，使用Cooper規(guī)劃模型（3）和

hj=

,

由公式（3）（4）可知，在應(yīng)用

入了非Archimedes

衡量第j個平臺是否是DEA

（PCR）和（DCR）評價DMU是否為DEA有效時并不直接，而且計算也很繁

攝動法。對于模型（DCR），CharnesCooper給出了相應(yīng)的具有非Archimedes無（DEA）P2P平的效文將P2平臺營 義把若投轉(zhuǎn)化若產(chǎn)的產(chǎn)單，生前沿的距離就是它的營率。據(jù)法

的平均值作為合成平臺的投入（或產(chǎn)

DC

測算結(jié)果分 時稱為BCC模型

本文采用的 之?dāng)?shù)據(jù)庫公布的2015年4月的行業(yè)數(shù)據(jù)、平

方法：生產(chǎn)法、中介法和資產(chǎn)法（華，2003）。由于P2P平臺主要是從事金法。綜合考慮以上因素和數(shù)據(jù)的可獲得C2R模型假設(shè)規(guī)模不變，凸性約束條件使得BCC模型允許規(guī)?？勺?。（PTE，PureTechnicalEfficiency）和規(guī)模效率（SE，lffiiny）區(qū)分開來。其中，技術(shù)效率指的是實現(xiàn)投入既定下產(chǎn)出模效率表示與規(guī)模有效點相比規(guī)模經(jīng)濟的發(fā)揮程度；純技術(shù)效率指的是剔除規(guī)模因素的效率（，2011）。三者之間的關(guān)系如下：若BCC模型得最優(yōu)解θ0，j=1,2...,n,s-,s+滿足θ1，s-=0，s+=0，則DMU

元為弱DEA有效，決策單元的經(jīng)濟活動D，i)θ)DiD由于Di（i=1,2,…,t，t是指標(biāo)個數(shù)）是由D（Di?），可得到以各決策單元的相對效率值為分量的向量θ（Di，以D（D2）,…,θ（Dt）為變量，建立泛函 當(dāng)某一決策單元j0在D指標(biāo)下為非

貸行業(yè)發(fā)展的資訊門戶，已發(fā)展為網(wǎng)絡(luò)借貸行業(yè)最大、最的第資訊平口徑研究P2P平臺成為可能。 權(quán)

率的影響，資本是反映平臺規(guī)模最直筆數(shù)、投資人和借款人數(shù)平均，由于以更低的收益率投資的到更長期 模有效；當(dāng)θ0=1且s≠0或者s≠

=借款期限×成交量×費率P2P

當(dāng)某一決策單元j0Si0)=min

的杠桿進行過度投資。從實證檢驗角

加卻引起產(chǎn)出指標(biāo)減少的情況（，王 年月的家P2P 術(shù)效率平均得分為0.508，純技術(shù)效率平均得分為0.918，規(guī)模效率的平均得分為創(chuàng)投，共6個平臺，占全部估算平臺數(shù)量

序 平臺 上線時 所在城 綜合技術(shù)效率純技術(shù)效 規(guī)模效 規(guī) 金寶 重慶|渝 愛錢|東楚金|易貸|團貸|東易九金重慶渝新新|虹諾諾鎊|黃愛投|西溫商浙江溫有利|朝生菜金|浦溫州|楊小||西 眾信金融(京 |海 表 80家 序 平臺 上線時 所在城 綜合技術(shù)效率純技術(shù)效 規(guī)模效 規(guī)1陸金|浦-2宜人|東-3紅嶺創(chuàng)|-4金開陜西西-5貸貸興重慶渝-6騰邦創(chuàng)|-7開鑫江蘇8向上金|東9翼龍|海你我|浦人人|西

投哪|融金|投哪|融金|積木盒|朝金|西658金融浙江杭房金|虹|廣珠寶|國誠金|虹江蘇人人聚|和信|朝拍拍|浦金聯(lián)|朝 |朝 微貸杭銀客|海信|鑫合杭德眾金|合系數(shù)為0.27，且兩者在5%的顯著性水平下均可

銀湖 |東 微金互 前海理想金

禮禮|廣匯盈山東青付融江蘇

序平臺序平臺上線時所在城綜合技術(shù)效純技術(shù)效規(guī)模效規(guī)口貸|永利|浦安心|東城|惠

0 DEA無效單元銀豆|海匯通易|合|銀豆|海匯通易|合|合時|抱財|海網(wǎng)利|朝恒信易|廣四達投|宜融通資江西贛立業(yè)|寧創(chuàng)浙江寧惠眾金江西贛眾|朝合盤|虹粵商|九斗|朝民民浙江溫新|廣月月|合力|朝短融|朝眾|從表1中可以看出絕大多數(shù)平臺投入產(chǎn)出是無效率的，存在改進空間，通過效率的原因和改進方向。計算結(jié)果見表

注：“-”為規(guī) 不變；“drs”為規(guī) 遞減；“irs”為規(guī) 遞增

表 投入產(chǎn)出冗余情序平臺經(jīng)營收人氣指序平臺經(jīng)營收人氣指待收杠品牌指資1陸金2宜人3紅嶺創(chuàng)4金開5貸貸興6騰邦創(chuàng)7開鑫8向上金9翼龍你我人人另外結(jié)合規(guī)模來看，除了六家處于經(jīng)營效率前沿面上的平臺為規(guī)模不變外，其余各家平臺均為規(guī)模遞增。將表1中的綜合技術(shù)效率、純技術(shù)效率和合技術(shù)效率和規(guī)模效率具有相似的變

效率和規(guī)模效率具有更強的正相關(guān)關(guān)

產(chǎn)出不足 投入冗余 產(chǎn)出不足 投入冗余序平臺經(jīng)營收人氣指待收杠品牌指資序平臺經(jīng)營收人氣指待收杠品牌指資金寶安心88愛錢銀湖楚金禮易貸匯盈團貸付融易九金微金互新新前海理諾諾鎊銀豆愛投匯通易溫商合有利合時生菜金抱財溫州網(wǎng)利小恒信易四達投眾信金融通資投哪立業(yè)融金寧創(chuàng)積木盒惠眾金金眾658金融合盤房金粵商九斗珠寶民民國誠金新月月人人聚合力和信短融拍拍眾金聯(lián)均范 DEA無效 進行分解得到投入微貸銀客信鑫合德眾金口貸永微貸銀客信鑫合德眾金口貸永利

余量，從表2中可以看出在DEA無效的平臺中人氣指數(shù)、投資者收益率和待收杠桿存在冗余值是造成P2P平臺經(jīng)營無效的主要原因。從圖6可以看出，在這三種投入變量中存在冗余值的平臺分別占DA無效

存在品牌指數(shù)和資本冗余的平臺僅占本文選取的80家P2P 中，在人氣指數(shù)指標(biāo)存在冗余的共有22 越多應(yīng)該可以為平臺帶來 的經(jīng)營收

此秒標(biāo)雖然可以迅速提升平臺的知名很有可能是平臺跑路“”的預(yù)告。即使平臺并非是要借“秒標(biāo)”來，大量在投資者收益率上存在投入冗余的有27滑。因此，這可以證明大部分P2P平臺存在池問題，中國P2P平臺存在經(jīng)

利好，但是從長期發(fā)展來說并不利于平的提升，平臺的的違約風(fēng)險隨之增大，效率好高的平臺，可以通過提高利用率，只使用較低的杠桿就可以獲得較高品牌指數(shù)和資本的利用情況較DEA經(jīng)營效率無效的主要原因。委托理者心目中的認可度，進而吸引的投資者到該平臺，擴大交易（宋琳，郝光亮，五、結(jié)論與建

行業(yè)健康發(fā)展的指導(dǎo)意見》出臺后，部門也將出臺新政要求提高平臺資本和實大部分平臺的資本指標(biāo)并沒有投入冗余，提高平臺的資本金有利于經(jīng)營效率

，一旦周轉(zhuǎn)不靈，又難以籌集新的，就會發(fā)生鏈斷裂 2011年：《基于復(fù)合DEA《運籌與管理》第6黃震，2012：《P2P行業(yè)的發(fā)展現(xiàn)狀與未來趨勢》，《經(jīng)濟導(dǎo)》第11期。賈希凌，馬秋萍，2014年：《P2P平臺

益將投入到高風(fēng)險的項目中，使得平臺背上沉重的風(fēng)險負擔(dān)，也不利于平臺投資者安全和自身的穩(wěn)健經(jīng)營。P2P 足未來對于資本金更加嚴(yán)格的要 ，2013年：《P2P借貸：性質(zhì)、風(fēng)險》，《金融發(fā)展評論》第3期 ，郭陽，張維，2013年：《中國P2P小額 市場借貸成功率影響因素分析》《金融研究》第7期馬運全，2012年：《P2P網(wǎng)絡(luò)借貸的發(fā)展、期。

莫易嫻，2011年：《P2P網(wǎng)絡(luò)借貸國內(nèi)外理踐》第12期.鈕明，2012年：《“草根”金融P2P借貸模期。究》，《中國經(jīng)貿(mào)導(dǎo)》第7 宋鵬程，吳志國，2013年：《生存之道:P2P11期。談超，王冀寧， ，2014年：《P2P網(wǎng)絡(luò)借貸平臺中的逆向選擇和道德風(fēng)險研唐嘉悅，郝蒙，2014：《基于AHP的P2P風(fēng)33期。王會娟，2014年：《中國P2P網(wǎng)絡(luò)借貸平臺信用認證機制研究來自人人貸的經(jīng)驗證王會娟，2015年：《P2P的風(fēng)險與》，《中國金融》第1期 《科學(xué)通報》第9期吳曉光，2011年：《論加強P2P網(wǎng)絡(luò)借貸平臺的 》，《方第期。夏衛(wèi)兵 謝平

，2014年：《P2P借貸的模式風(fēng)險與 ，2003年：《我國商業(yè)銀行效率研究的DEA方法及1997-2001年效率的實證分》，《金融研究》第3期張昭，朱峻萱，李安渝，2015年：《我國P2P行業(yè)綜合評價體系研究》，《海南 ，2013年：《P2P網(wǎng)絡(luò)借 ，2014年:《P2P網(wǎng)絡(luò)借貸緩解科技型李朝暉，2015：《我國P2P網(wǎng)絡(luò)借貸與小微企業(yè)融資關(guān)系的 》，《現(xiàn)代經(jīng)濟討》第2期。 CharnesA，Cooperw.w，phodesE，1978，“MeasuringtheEfficiencyofDMU”．EuropeanJournalofOperationalResearch2:429—444.EricJ.Friedman,JosephY.Halpern,IanKash，2006，“EfficiencyandNashEquilibriainaScripSystemforP2PNetworks”.EC'06Proceedingsofthe7thACMconferenceonElectroniccommerce:140Robert.S.Kaplan,DavidGorton，1992，“TheBalancedScorecard—MeasuresthatDrivePerformance”，HarvardBusinessStiglitz,J.,L.Weiss，1981，“CreditRatingwithImperfectInformation”，AmericanEconomicReview:71:393—410.

P2P

稱，由于 ，芝麻金融的 共有超過8000名用戶的資料被 被盯上的“羔羊 截止至2015年10月底，我國國內(nèi)的P2P平臺交易量首次突破萬億元大關(guān)：歷史累積成交量達10983.49億。中心的這一數(shù)據(jù)甫一發(fā)布，就引得外界對P2P行業(yè)迅猛財 鄭智

了壹寶貸等很多P2P平臺。 幾乎每天都有P2P平臺遭遇 近兩年，我國的P2P行業(yè)可謂是隨而來的是們的腳步

到的有關(guān)P2P行業(yè) 總數(shù)為402個，僅 公開資料顯示，并非只有實力弱小的草根平臺被。據(jù)了解，一些規(guī)模較 臺對有著極大的 速增長的同時，我國的P2P平臺被來自世界各地貪婪的盯上。或被，或被敲詐，很多P2P平臺“中招”，成從交易金額看，P2P完全稱得上“土

勢。整個行業(yè)都處于的潛在中，不僅那些實力弱小的草根平臺被外，業(yè)界級別的平臺也頻頻“中招”。 難。如何應(yīng)對 “劫”，確保網(wǎng)絡(luò)安

站，以收取保護費的形式進行敲詐。 前進行，或在后開 令業(yè)內(nèi)深感擔(dān)憂的是，來自

“重災(zāi)區(qū)”。甚至連那些與P2P行業(yè)相關(guān)的門戶、都被 消息稱，之家、天眼等第門戶也是們經(jīng)常光顧的地方?？偷拇螖?shù)越來越多，而且越來越頻繁。世界反組織的通報也，“中國

“胃口”越來越 感到非常。 被：共有超過8000名用戶的資料被?！爸恍栌?換積分，即可在上這些數(shù)據(jù)。 導(dǎo)致用戶資料被的案例顯然不止這一次。今年5月初，又有黑客在某平臺了該平臺近300人 除了用戶資料外， 平臺的還可能造成了系統(tǒng)癱瘓、數(shù)據(jù)被篡改、被洗劫等一系列。一旦被，P2P平臺正常的運營和有專業(yè)談到，資深能通過修改P2P平臺參數(shù)，掃描出該平臺用戶的賬戶信息，進而利用參數(shù)獲取用戶證件、號碼、 為確保投資者的安全，一些作案成本

平臺采用托管的模式。即便竊取了投資人的平臺賬戶和，如果要提 交易驗證才能實現(xiàn)。 平臺現(xiàn)金的案例發(fā)生。即便沒有帶來資 被攻破，造成癱瘓或資料，給投資人帶來可能導(dǎo)致投資人信任的喪失。 的不安和對安全保障的質(zhì)疑?！币晃?正是由于平臺被帶來的危害巨大，在遭遇時，很多P2P平臺擔(dān)心業(yè)務(wù)損失，往往會選擇滿足 要求 很多草根平臺，處于艱難的創(chuàng)業(yè)階

甚至直接從淘寶上低廉的現(xiàn)成模板就從技術(shù)的角度看，的這些模板或多或少都會有一些。一旦被攻

”上 鵬坦言，在安全防范技術(shù)上，目前行業(yè)還沒有統(tǒng)一的技術(shù)標(biāo)準(zhǔn)，行業(yè)、監(jiān)由于 是行業(yè)共同的 ，越來越多P2平臺擇團 共御共的人壹貸曾系“受傷”的2搜相資和 報給廣互網(wǎng)融 ，時求警介。 行業(yè)曾聯(lián)系了剛從世界頂級大賽奪冠歸來的國內(nèi)頂級團隊“KeenTeam”，介入一些 P2P被如此頻繁地 要原因是： 作案成本低。就目前而 鄭智，互聯(lián)網(wǎng)金融領(lǐng)域觀供職于旗下《民生》

圖 銀行借貸與 借款

投資

借款

投資本 本

逐月還本付P2P——以XX貸為例紅嶺創(chuàng)投福 薛坤

銀行銀行借貸模式示。2011年以來國內(nèi)平臺呈現(xiàn)爆發(fā)式增長，據(jù)之家不完全統(tǒng)計截至2015

P2P 借貸模式11月底 內(nèi)容提要：2013年被稱為互聯(lián)網(wǎng)金融元年，P2P網(wǎng)絡(luò)借貸作為互聯(lián)網(wǎng)金融的典型代表，引起社 內(nèi)P2P 的系統(tǒng)風(fēng)險、信用風(fēng)險、平臺風(fēng)險等正在不斷積累、擴大，如何有效防范P2P網(wǎng)絡(luò)借貸風(fēng)險迫在眉睫。本文以國內(nèi)XX貸平臺為研究對象，通過自主開發(fā)并程抓取程序，抓取該平臺自2007年6月至2015年6月的190491條歷史成功借款記錄和5016條違約記錄，進行統(tǒng)計分析及Logistic回歸研究， ：P2P網(wǎng)絡(luò)借貸違約風(fēng)險Logistic（一

圖 國內(nèi) 發(fā)展歷特征國內(nèi)鮮有試特征國內(nèi)鮮有試水引入

特征加強、行業(yè)自特征特征事件頻發(fā)、法律地位不明、缺乏運作方式化，出現(xiàn)線上、線代表企業(yè)紅嶺創(chuàng)投、宜信等膨脹盟化、行業(yè)洗牌出現(xiàn)寡頭企業(yè)專業(yè)運作方式出現(xiàn)針對中小企業(yè) ，教育等 代表企業(yè)拍拍貸等

特征行業(yè)自律組織 成熟，行業(yè)細化基本成型，P2P并成為社會融資重組成部運作方式社交網(wǎng)絡(luò)代表企業(yè)紅嶺創(chuàng)投，拍拍P2P關(guān)系，實現(xiàn)的直接融通，P2P網(wǎng)絡(luò)借

能滿足個人需求，發(fā)展我國體系又能提高社會閑散利用率。

發(fā)展

成熟時時

（二）國內(nèi) 行業(yè)特殊第一，國內(nèi)個人體系不完善，缺乏民間機構(gòu)，主要由央行負責(zé)收集和管現(xiàn)聯(lián)網(wǎng)，個人信息難以獲取。單純依靠滿足平臺信用評估的需求，國內(nèi)平臺普遍投入大量成本開展線下盡職。第二，相關(guān) 滯后，沒

時，沒有相應(yīng) 第三，目前P2P行業(yè)還處于整合期時，行業(yè)競爭激烈，大多數(shù)平臺為了吸戶紛紛建立本金保障制度或者引入第擔(dān)保機構(gòu)，由擔(dān)保機構(gòu)擔(dān)保投資者第四，大多數(shù)平臺以線上吸收存款，線下進行

二、理論模型與假假設(shè)借款人的借款金額為a，實際借款年利率為r圖 借款人違約決策的自我博

聲譽受損、日后借款難度增大及法律 機構(gòu)，在沒

國內(nèi)的P2P風(fēng)險控制制度風(fēng)控措施主要有：體系不發(fā)達，平臺內(nèi)部自行進行信用；引入第擔(dān)保，將風(fēng)險轉(zhuǎn)第擔(dān)保公司；大多數(shù)引入第三方機構(gòu)存管投資者的，但真正由第三方托管的并不多；法律 和吸收公眾存款的法律紅線。國內(nèi)貸風(fēng)控措施比較如表1。

借款人借款成 流抵押 還款決 還款決表 風(fēng)控措 英 中信 平臺內(nèi)外 平臺內(nèi)外 平臺內(nèi)擔(dān) 無擔(dān) 擔(dān) 內(nèi)部或外部擔(dān)

aa(還款的收益

nana(1)dawa(1r)

a(1)a(1)awa(1r)na( 發(fā)達的二級市 托 托 托 不完全的 托管 保險度不完

采用逆推歸納法，從后往前推測分

1．借款人提供擔(dān)保物，當(dāng)且僅當(dāng)

圖 違約行為影響因

aw+da(rrss 設(shè)aw=W（Wda(rrss

上式可以轉(zhuǎn)化為：aw+da(rrss 設(shè)aw=W（

對違約行為的影 借入信用分、借出信用借款成功次數(shù)、流標(biāo)次數(shù)、借款本借入信用分、借出信用

Wa(rrss)

借款成功占研究對象研究對象信用變研究對象個人特征變本文的基本假設(shè)是借款人在選擇是網(wǎng)絡(luò)原因（如平臺故障，第支付問題

生違約的相關(guān)性；（2）信用變量，包括借入信用分和借出信用分；（3）歷史借

研究對象研究對象借款信息變研究對象歷史借款變結(jié)合XX貸網(wǎng)站公示的相關(guān)變量信

約的關(guān)鍵影響因素，XX貸平臺將借款人的分為4個階段，分別是20-25歲，26-3132-3839歲，本文將其轉(zhuǎn)化為啞變量，20-25歲賦值為1，26-歲賦值為2，32-38歲賦值為3，大于39 段 段本 將相關(guān)變量分為四 段

段借款 是借款人是否會發(fā)生

借款人的不同，可能具有不同的還款能力，XX貸平臺將借款人分為

借入信用分可能是借款人違約的影響因素，本文直接將借入信用分分值除借款人在XX貸平臺上成功借款次數(shù)借款人在XX貸上的借款本金可能會違約可能性越大，本文將借款本金除以100，以百元為單位，并將數(shù)值直接作為

XX貸平臺的歷史借款期限為1-12月，少數(shù)為15、16、18、24、36個月， 的還款能力和對信用的重視程度有所不 一般而言，段較大的借款人因此假設(shè)I2：較大的借款人較不工薪族普遍具有穩(wěn)定的收入來可能對其今后職業(yè)生涯有某種程度的影可能更注重按時還款，違約的可能性較

借出信用分是根據(jù)用戶在XX貸平臺的成功投額計算得分累加匯總而貸平臺的投額越多，也即該用戶在XX貸平臺擁有較多的作為還款保障。本文抓取了自XX貸平臺2007年6月至2015年6月，所有的成功借款交易記錄，共計196639筆，刪除異常數(shù)據(jù)：0次成功次數(shù)14筆，未知167筆，段未知45筆，為0或空白8筆，借款本金100元的體驗標(biāo)4609筆（此類型標(biāo)是平臺初創(chuàng)

能相對較高（違約可能法律懲罰、平臺，影響個人信用等），越不會發(fā)生借款期限越長，借款人各種期為了吸引客戶，讓借款人熟悉借款流程，且歷史違約數(shù)據(jù)里沒有借款本金100元的違約記錄，不具備研究意義），年利率5%（不含）以下31筆，借款期限36 ： 用戶段借入信用分出信用成功次流標(biāo)次借款本（元年利期限（月借款年（年借款日狀男32-38歲工薪123成男26-31歲工薪11已男20-25歲私營306完女20-25歲主網(wǎng)10功男20-25歲賣家107成男32-38歲薪10成男20-25歲23男20-25歲主學(xué)23成男20-25歲學(xué)11成女32-38歲工薪06成女32-38歲私營086已主私 完注：根據(jù)抓取的經(jīng)過剔除異常數(shù)據(jù)后的190491筆成功借款記錄 業(yè) 還表 例

年月 年月的所

借款 用戶 真

信 借等級信用

借 成信用分次

流 期 借次數(shù)（月）本金（元

年利 逾 天

償本金（元

逾 借未還本金（元 年

季偉李星

男32-38歲女26-31歲男32-38歲男20-25歲

工薪 網(wǎng)店賣 學(xué)

6

189921021047297

嚴(yán)東

男大 歲私營業(yè) 男20-25歲工薪

41030

男大于39歲私營業(yè) 0630 男大于39歲私營業(yè) 021 李節(jié)平男大于39歲網(wǎng)店賣 06312583 楊德 女20-25 其 0731筆占男女線性04，可以看出XX筆占男女線性04，可以看出XX表 特征變借款期70105147.05（分3359.84（分11.47（次1.18（次6416.5（元7.28（月特殊占借入信用分40（含）以上占比借出信用分30（含）以上占比成功次數(shù)5（含）以下占比流標(biāo)次數(shù)0（含）以下占比借款本金5000(含)以下占比70.92%16%（不含）以下占比50.19%6月（含）以下占注：根據(jù)抓取的經(jīng)過剔除異常數(shù)據(jù)后的190491筆成功借款記錄達86.13190491筆成功借款數(shù)據(jù)中，圖 注：根據(jù)抓取的經(jīng)過剔除異常數(shù)據(jù)后的190491筆成功借款記錄整理

比如圖6所示，可以看出26-31歲期間的

本文將抓取的XX貸平臺 的自年月截至 年月，共計5016筆違

圖 用 段占

表 特征變 特殊占借入信用 48.97（分 借入信用分40分（含）以上占比借出信用82.52（分借出信用分30（含）以上占比成功次14.24（次成功次5（含）以下占流標(biāo)次01.52（次流標(biāo)次數(shù)0（含）以下占比借款本8079.09（元借款本金5000（含）以下占比年利借款期17.29（月6月（含）以下占比注：根據(jù)抓取的經(jīng)過剔除異常數(shù)據(jù)后的190491筆成功借款記錄整理

注：根據(jù)抓取的5016 數(shù)據(jù)整理5016筆違約數(shù)據(jù) 占比如表6

190491筆成功借款數(shù)據(jù)中借款用戶的 分布如圖7所示，可以看出工薪族和私營業(yè)主的占比最高，分別為61.34%

小微企業(yè)融資提供了一個很好融資的平

占 表 違 占

圖 用戶 占

男女合違約筆 絕對占 總樣男女合

注：1.根據(jù)抓取的經(jīng)過剔除異常數(shù)據(jù)后 筆成功借款記錄和抓取 數(shù)據(jù)整理.絕對占比是指占違約上數(shù)據(jù)的比率， 的絕對占比90.65%=4547/50160

工薪 私營業(yè)

網(wǎng)店系列 系列

學(xué) 其

違約數(shù)據(jù)中各段違約占比如表7所示，可以看出占比相對較大的是26-31歲和32-38歲，這可能是該段還款能力較不穩(wěn)定有關(guān)；同時可以看出，20-

是20-25歲這個段的人初嘗，比可能會向父母等長輩求助償還，而大 0 筆 0 筆合占

表 段違約占 違約筆

絕對占 總樣本 段筆 占總樣本 段比

20-25歲26-31歲32-38歲20-25歲26-31歲32-38歲大于39合因變 個人特征變 信用變

歷史借款變

借款信息變注：1.根據(jù)抓取的經(jīng)過剔除異常數(shù)據(jù)后 筆成功借款記錄和抓取 數(shù)據(jù)整理.絕對占比是指占違約數(shù)據(jù)的比率，如20-25歲的絕對占比17.48%=877/5016

借款人還概

借出信用分

成功借款次數(shù)占比 借款本金違約數(shù)據(jù)中各占比如表8所示，可以看出各違約占比中，工薪族絕對

可能較不會發(fā)生違約相反。同時可以看

Logistic回歸分析，可以推測哪些因素是

量，再采用Logistic回歸模型。所采用的 違約筆 絕對占 總樣本 筆 占總樣本 比

工薪私營業(yè)網(wǎng)店工薪私營業(yè)網(wǎng)店賣學(xué)其合P(Z2注：1.根據(jù)抓取的經(jīng)過剔除異常數(shù)據(jù)后 筆成功借款記錄和抓取 數(shù)據(jù)整理.絕對占比是指占違約數(shù)據(jù)的比率，如工薪族的絕對占比66.85%=3353/5016

借款變量L1L2L3為借款信息變量

Z20表示未還完（違約）。三、違約影響因素根據(jù)本文所獲取的XX

據(jù)和平

表 二元回歸模型結(jié)Logistic Numberofobs LR=Prob>=Loglikelihood=-PseudoR2=

..z-P>|z[95%..圍內(nèi)，模型整體的成功率為83.24%。 .-....表 自變量對因變量的影響匯總.自變

Odds. chenggongb～ chenggongb～ -.. -.. -..

因變 個人特征變

信用變

歷史借款變

借款信息變Note：0failuresand8.113successescompley

還款概

齡段（P2）（+）份

借入信用分（C1）（+）成功借款次數(shù)占比(H1)（+）借款本金（L1）（*） 注：（+）表示對因變量影響為正（-）表示對因變量影響為負，（*）表示對因變量影響不明表 回歸準(zhǔn)確性預(yù)測

——Ture— ~

：不同的借款人，其還款的可能性存在較大的差別。回歸結(jié)果表明，借款人的還款相對概率（還款概

Classified+ifpredictedPr(D)>=TrueDdefinedasstate!=

57%，即借款人比女性借款人違約概率更大。這可能是借款人比女性借款

PositivepredictivevalueNegativepredictivevalueFALSE+rateforTRUEDFALSE-rateforTRUEDFALSE+rateforclassified+FALSE-rateforclassified-Correctly

Pr(+|D)84.81%Pr(-|～D)52.83%Pr(D|+)97.19%Pr(～D|-)15.29%Pr(+|～D)47.17%Pr(-|D)15.19%Pr(～D|+)2.81%Pr(D|-)84.71%

段：段相對于對借款人違約的影響較小。借款人的越大，其還款的相對概率會降低，即越大，其：從實證結(jié)果可以看出，變XX

借出信用分：回歸結(jié)果表明，借款

四、P2P網(wǎng)絡(luò)借貸風(fēng)險防范的相關(guān)建回歸結(jié)果表明，該比例每提高一個百分輕微的減少。這可能是因為XX貸以經(jīng)營表 假設(shè)檢驗匯總

為理想，結(jié)果表明、借入信用分等對

出臺相應(yīng) ，明確業(yè) 提高行業(yè) 行業(yè)良莠不齊，導(dǎo)致詐騙、 等現(xiàn)象 ，諸如：大幅度提高最低資本金，保證平臺有足夠的實力應(yīng)對風(fēng)險；要求敗壞 ；要求公司有強有

要求平臺按要求如實披露詳細信營模式(比如信用方法、客戶管理制度、是否第擔(dān)保本金等)、借貸業(yè)務(wù)數(shù)據(jù)(比如借款額、投資者數(shù)、項目進度等)、借款用途等，保障用戶的 4．加速社會體系建設(shè)，形成統(tǒng)一的標(biāo)準(zhǔn)編 假設(shè)內(nèi) 是否支

女性借款人較不容易發(fā)生違約 較大的借款人較不容易發(fā)生違約 工薪族比較不容易發(fā)生違約 借款人的借入信用得分越高，越不會發(fā)生違約 借出信用分越高，借款人越不可能發(fā)生違借款人的歷史成功借款次數(shù)越多，流標(biāo)次數(shù)越少，即歷史成功借款占比越高，越不會 生違 借款本金越低，借款人越不容易發(fā)生違約 借款年利率越高，借款人越容易發(fā)生違 借款期限越短，借款人越不會發(fā)生違約

支

對符合條件的平臺牌照，準(zhǔn)許進入該發(fā)展中出現(xiàn)操作等問題，應(yīng)摘除其牌充分披露信息，及時提示風(fēng)險，

主導(dǎo)并鼓勵民間機構(gòu)發(fā)展，大力推進社會體系的建設(shè)與完善，借助行業(yè)的發(fā)展，規(guī)范社會體系建設(shè)。5．充分發(fā)揮行業(yè)自律作用，引領(lǐng)行

英國沒有專門設(shè)置P2P行業(yè)機貸法》之外沒有的硬性法律約束，但行業(yè)自律組織（英國P2P金融）發(fā)揮了極大的作用。我國小額信貸P2P行 于年月日發(fā)布了首部P2P行業(yè)自律公約，對促進我國P2P行業(yè)（二 生違約的關(guān)鍵性因素，平臺在審核借避免借款人為提高借入信用分對提供的資信材料。數(shù)據(jù)統(tǒng)計分析及模型回歸結(jié)果表明，借款人中女性占比較低，P2P平臺應(yīng)可積極擴展女性借貸市人違約的可能性越小，因此，平臺在自主研發(fā)平臺，保障P2P網(wǎng)絡(luò)借貸高度依賴互聯(lián)網(wǎng)技術(shù)，平 導(dǎo)致用戶信息露甚至被篡改交易信息等危害到用戶的

目前P2P行業(yè) 業(yè)許多突出問題，因此我國的行業(yè)自 。第一 公司應(yīng)成立自己的IT開團隊，建立 安全可靠 平間的測試，避免匆匆上線。第二：平 滅失、損毀和。要求用戶在操作上的電腦、安裝數(shù)字，設(shè)置交易 可進行相應(yīng)的、提取轉(zhuǎn)入等操作。設(shè)計賬戶異地登錄或者異常登錄提醒功法盜用、竄改。第三：公司不得利用 從事超出法律和客3．改進內(nèi)部控制，引入第

P2P公司應(yīng)積極改進公司內(nèi)部治審核人員與借款方產(chǎn)生利益，從而放因目前國內(nèi)體系尚不完善，P2P 必須嚴(yán)格 ，且客 應(yīng)由第 托管機構(gòu)托管，P2P 建立風(fēng)險保障池，與地方催收機

平臺應(yīng)從借貸交易金額中提取一定比例，同時積極引入風(fēng)投，存入風(fēng)險保障池，并由第支付機構(gòu)進行付等各種風(fēng)險。同時平臺應(yīng)與地方催國內(nèi)平臺可學(xué)習(xí)國貸平臺督，一旦成員發(fā)生違約，其他成員負發(fā)生違約，平臺可與關(guān)聯(lián)方機構(gòu)證實 物的變動，一旦借款人發(fā)生違約則采取處理抵押物沖抵等相應(yīng)措施。對于財務(wù)、公章、法人章等，逐步歸還部達到對借款人還款的監(jiān)督。當(dāng)借款人歸還借款金額后或者借款

人違約由平臺或擔(dān)保公司墊付后，投中，對借款人今后在平臺的借貸交易

隨意向陌生的平臺包括

p 1+e(a0K1P1K2P2K3P3K4CK

束后應(yīng)對平臺的管理機風(fēng)控措施進行投資者應(yīng)將有側(cè)重地分散投資于不同的平臺，避免因平臺詐騙、等原因而損失。在同一個平臺上投資，也應(yīng)將分散投資于不同的借款謹(jǐn)慎選擇平臺投資者在選擇平臺進行投資時，應(yīng)注意甄別平臺，盡量選擇運營歷史較久、實力較強、口碑較好的公司，因平臺本身實力差、風(fēng)險控制能力弱由于P2P網(wǎng)絡(luò)借貸都是通過互聯(lián)網(wǎng)進 在

投資者可定期更改在 平臺的登陸密 選擇投資項目時，可重點 投資者在 平臺選擇借款項目進

對借款人的還款概率進行預(yù)判。對 融,2012(14):79-部金融,2014(3):60-62.[6]Weiss,GN.,Pelger,K.,andHorsch,adverseselectioninP2Plending:Empiricalevidencefrom .Workingpaper,TUDortmund,Germany,2010.LauraLarrimore,LiJiang,JeffLarrimore,DavidMarkowitz,ScottGorski.Peertopeerlending:therelationshipbetweenlanguagefeatures,trustworthiness,andpersuasionsuccess[J].JournalofAppliedCommunicationResearch,2011,39(1):19-37.Lin,M.,Prabhala,N.R.,andViswanathan,S.(2013).Judgingborrowersbythecompanytheykeep:friendshipnetworksandinformationasymmetryinonlinepeer-to-peerlending[J].ManagementScience,59(1),17-35.SvenC.Berger,FabianGleisner.Emergence

薛坤躍畢業(yè)于廈門大學(xué)，金融 financialintermediariesinelectronicmarkets:ThecaseofonlineP2Plending.BusinessResearch[J],2009,2(1):39–65.Everett,C.R.(2010).Groupmembership,relationshipbankingandloandefaultrisk:thecaseofonlinesociallending.RelationshipBankingandLoanDefaultRisk:TheCaseofOnlineSocialLending(March15,2010).Duarte,J.,Siegel,S.,andYoung,L.Trustandcredit:theroleofappearanceinpeer-to-peerlending[J].ReviewofFinancialStudies,2012,25(8),2455-2484.Bhattacharya,U.,andSpiegel,M.Insiders,outsiders,andmarketbreakdowns[J].ReviewofFinancialStudies,1991,4(2):255–282.Bruett,T.Cows,Kiva,and :howdisintermediationandtheInternetarechangingmicrofinance[J].CommunityDevelopmentInvestmentReview,FederalReserveBankofSanFrancisco,2007:44—76.Hartley,S.E.K:Crowd-sourcedmicrofinanceandcooperationingrouplending.Workingpaper,SocialScienceResearchNetwork,March25,2010.Martina,E.G.,andHui,W.BuildingConsumer-to-ConsumerTrustinE-FinanceMarketplaces:AnEmpiricalysis[J].International,JournalofElectronicCommerce,2010,15(2):105-136.

紅嶺創(chuàng)投資產(chǎn)保全部內(nèi)容提要：：最高額抵押合同最高額抵押登記法律風(fēng)一、案情導(dǎo)物向乙公司申請，金額共計人民權(quán)證中記載的最高債權(quán)余額

款本息，并判令乙公司依法對提

二、法律風(fēng)險分依照我國《擔(dān)保法》及其司法解釋

因此，在發(fā)生最高額項下每筆新業(yè)務(wù)前，都應(yīng)注意收集 必須以登記記載的權(quán)利為準(zhǔn)。這樣的初衷，是為了有效抵押權(quán)登記公信力，交易安全和當(dāng)事人各方的利益。三、法律風(fēng)險防范措

示公信原則，最終乙公司優(yōu)先受的上述 導(dǎo)致乙公司只能在 正確理解最高額抵押登記范圍的公信

在填寫債權(quán)最高余額時應(yīng)根據(jù)擔(dān)保息、復(fù)利及實現(xiàn)債權(quán)的一切費用預(yù)算在超過最高限額部分不承擔(dān)擔(dān)保責(zé)任的風(fēng)

（三）密切關(guān)注人、抵押人以及定的規(guī)定，當(dāng)?shù)盅贺敭a(chǎn)被、扣押，債 新業(yè)務(wù)前，都應(yīng)注意收集人、抵押人以及抵押財產(chǎn)的信息，避免出現(xiàn)法定黃俊亮嶺創(chuàng)投資產(chǎn)保全部清收保全室副經(jīng)

化解流動性風(fēng)

1、引

逐漸認識和接受此項金新業(yè)務(wù)。

投放7.37萬億元，同比增長約35比和流動性管理形成了巨大的壓力。同時，央行和銀監(jiān)會 增速過快的大P2P行業(yè) 2、債權(quán)轉(zhuǎn)讓概債權(quán)轉(zhuǎn)讓即合同權(quán)利的轉(zhuǎn)讓。根據(jù)《合同法》第78條規(guī)定，“債權(quán)人可以將合同的權(quán)利全部或者部分轉(zhuǎn)讓給第三

根據(jù)之家2015年10年月底正常運營平臺為家，新家。多家問題平臺出現(xiàn)提現(xiàn)、逾期提斷累積的流動性問題。如何解決流動要的。本篇旨在探索通過采權(quán)及原債權(quán)的從屬權(quán)利，均轉(zhuǎn)歸新債權(quán)

年我國為應(yīng)對金融對國內(nèi)經(jīng)濟的貨幣政策。商業(yè)銀行的信貸額在國家2009我國債權(quán)轉(zhuǎn)讓市場雖然起步較晚，雙買斷模式和“雙”模式。

轉(zhuǎn)出的債權(quán)資產(chǎn)提供了容

人。單純轉(zhuǎn)讓債權(quán)一般不須 人同

王薪龍，我國信貸資產(chǎn)轉(zhuǎn)讓業(yè)務(wù)模式初探及風(fēng)險防范措施，《金融會計》，2013第8期第62王薪龍，我國信貸資產(chǎn)轉(zhuǎn)讓業(yè)務(wù)模式初探及風(fēng)險防范措施，《金融會計》，2013第8期第62

隨著回購型債權(quán)轉(zhuǎn)讓的應(yīng)用及會計

被銀監(jiān)會第113號《通知》后，商業(yè)銀行又誕生了“雙”的業(yè)務(wù)操作手法。雙模式是指銀行通過發(fā)售產(chǎn)品籌金委托給公司，公司再來銀行的信貸資產(chǎn)，實質(zhì)上就是使用 新增。對于“雙

不得安排任何顯性或隱性的回購條件；資產(chǎn)轉(zhuǎn)讓雙方采取簽訂回購協(xié)議、即期買斷加遠期回購協(xié)議等方式規(guī)避。將信貸資產(chǎn)售給受讓方，以及遠期合同不良債權(quán)本身具有的不確定