前言：尋找寫作靈感？中文期刊網用心挑選的網絡信貸信用風險影響因素，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘要：P2P網絡信貸行業的出現不僅順應了信息時代的潮流，也對中國經濟的發展起著舉足輕重的作用，其主要通過對閑散資金的重新配置，盤活資金市場從而影響實體經濟，在一定程度上有利于改善中國的經濟結構，促進中國經濟高質量增長。但在P2P網絡信貸迅猛發展的同時，也逐漸暴露出越來越多的問題。所以，現著重基于借款者信息特征，通過實證分析以及描述性統計對P2P網貸行業信用風險影響因素進行分析，從而提出有效降低信用風險、減少投資者損失的措施和建議，使P2P網貸平臺真正做到普惠于民，促進中國經濟的高質量發展。

關鍵詞：P2P網絡信貸；信用風險；借款人信息特征

一、引言

隨著“互聯網+”概念的提出，互聯網金融（ITFIN）迎來了“春天”。其中P2P網絡信貸平臺隨著互聯網的發展，以及金融體系的逐步放寬更是迎來了爆炸式的增長。P2P網絡信貸行業的出現，不僅順應了信息時代的潮流，而且也對中國經濟高質量的發展，特別是中小企業和互聯網金融行業起著舉足輕重的作用。但這一新興的金融模式也帶來了許多亟待解決的問題，比如根據P2P網貸之家最新數據，P2P網貸平臺截止2020年2月共有6611個平臺，但其中問題平臺和停業與轉型平臺就高達6272。P2P網絡信貸模式不僅面臨著與傳統信貸同樣的市場風險、政策風險等系統性風險，而且還面臨著比傳統金融信貸更高的平臺信譽風險、借款人違約風險等非系統性風險，所以研究P2P網絡信貸信用風險的影響因素是具有現實意義的?？梢酝ㄟ^分析這些因素分析借款者的違約行為，從而建立較為完善的個人征信機制來規避信用風險，這不僅為投資者營造了一個陽光、安全的投資平臺，也為P2P網絡信貸行業創造了更好的環境，對未來中國互聯網金融的發展具有重要意義，從而更利于提高P2P網絡信貸模式對中國經濟高質量增長的貢獻程度。

二、文獻述評

P2P網貸平臺早期出現于英國，CollierandHampshire（2010）發現借款人的信用等級、信用特征可有效地降低道德風險和逆向選擇。Lin（2010）研究發現，擁有豐富的社會網絡資源的人更容易獲得較低的貸款利率，貸款違約率較低。Freedman,etc.（2008）的研究發現，當貸款人與借款人在現實生活中存在類似于校友和同事的關系時，貸款拖欠率會降低。Klafft（2009）認為，信用評級對貸款利率的影響最大，其影響大于借款人的債務與收入比率。其他信息（如銀行帳戶信息、資產狀況等）與貸款利率幾乎毫無關系。從而可以看出，P2P網絡信貸在國外的研究主要集中在對借款人的信用等級，以及借款人的社交信息對違約風險影響的研究方面。而國內研究P2P網絡信貸起步相對較晚，早期，主要在于比較網絡信貸平臺的運作模式，孫之涵（2010）對網絡信貸平臺的運作模式進行了相關的研究概括。同時我國網貸市場不夠完善，在具體的交易過程中，還存在很大的風險，陳輝（2015）根據目前網貸市場風險較大這一特點，對網貸風險的分類情況，以及如何評估網貸風險和如何降低網貸風險做出了闡述。網絡信貸市場存在明顯的信息不對稱的現象，針對這一問題，胡海青（2015）研究了在這一狀況下，P2P交易過程中投資者的行為。研究發現，投資者在進行網貸交易時，投資人在做出投標這一行為時，除了與借款利率有關外，還會關注借款人成功借款這方面的信息，同時也會注重已經獲得的投標人數的信息。鄒珂瑩（2015）在對借款人的信息能夠影響出借者的出借行為進行研究時發現，借款利率對投資者行為能夠產生正向影響，借款期限產生的是負向影響。從上述文獻可知，國內對P2P網絡信貸的研究主要集中在平臺運作模式、制度建設、風險研究等方面。雖然國內學者對P2P網絡信貸的信用風險也進行了不同程度地分析，但其主要集中于對監管制度方面的研究，而從實證角度較少。

三、理論基礎

（一）信息不對稱理論

指處在市場交易中的雙方，一般賣方比買方掌握更多信息的不公平現象，這種理論不僅強調了信息的重要性，而且反映了市場體系的缺陷，解釋了完全的市場體系并不是完全有效率的原因，也解釋了道德風險和逆行選擇風險產生的原因。所以該理論對于研究P2P網貸信用風險是必不可少的。

（二）道德風險理論

用來解釋從事經濟活動的人，為了最大限度地擴大自身效用的時候做出損害他人利益的現象。這也正是P2P網貸面臨信用風險的基礎理論，其產生這種現象一方面是因為信息不對稱，另一方面是因為交易費用高于其自身承受而導致合約不完全。

四、P2P網絡信貸信用風險影響因素的實證研究

（一）數據的來源及處理

此次實證研究的數據共656條，分別來自人人貸、你我貸、拍拍貸、有利網這四個P2P網貸平臺的散標借款人信息。選取此平臺的原因主要有以下幾方面，其運營模式較為典型；平臺本身運營狀況良好；其提供的借款者信息較為全面；數據較易獲取。故現用火車頭和八爪魚軟件在四個平臺上對13個字段進行抓取，這13個字段分別是借款金額、借款期限、年利率、信用等級、年齡、性別、學歷、婚姻狀況、購房情況、購車狀況、投標人數、正常還清次數、逾期還清次數。由于現基于借款人的信息特征研究信用風險的影響因素，所以用正常還清率來間接表示信用風險，正常還清率越高，信用風險即違約風險就越低。其中，正常還清率=正常還清次數/(正常還清次數+違約次數+1）。

（二）變量定義及理論模型的選取

1.變量定義。見表1所示。2.理論模型的選取?，F基于借款人的信息特征，對信用風險影響因素進行分析，所以主要考察的是借款人的信息與反映信用風險的正常還清率之間的相關性，因此選用spss軟件對656條數據進行回歸來分析其相關程度?，F擬采用多元線性回歸的方法進行回歸，其中被解釋變量為正常還清率，解釋變量為借款金額，借款期限、年利率、信用等級、年齡、性別、學歷、婚姻狀況、購房情況、購車狀況、投標人數，擬回歸模型如下。

（三）理論假設

第一，借款金額與違約風險成正比，借款金額越大，借款人償還本金和利息的壓力就越大，其按時償還的可能性越低，則其違約風險越大。第二，借款利率與違約風險成正比，借款利率越高，則其利息壓力越大，其違約風險越大。第三，借款期限與違約風險成正比，借款期限越長，其面臨的未來不確定性越高，且期限長累積的利息金額越多，其違約風險越大。第四，信用等級與違約風險成反比，信用等級越高，則其信用水平越高，守信度越大，違約風險越低。第五，年齡與違約風險。據國外學者研究，借款者的違約風險與年齡呈雙峰曲線關系，即初步步入社會的借款人和36歲左右的借款人違約風險高于其他群體。第六，性別與違約風險。據研究表明，男性本身具有冒險主義，因此男性的違約率要大于女性。第七，學歷狀況與違約風險成反比。根據美國的某網站數據顯示，高學歷可以帶來高收入，從而面臨的還款壓力會變小，從而違約風險降低。第八，婚姻狀況與違約風險。已婚人士要比未婚人士的違約風險低，因為已婚人士有兩個人共同 承擔還款壓力。第九，購房情況、購車狀況與違約風險。房產和車產都屬于財產情況，財產擁有的越多，其還款途徑越廣泛，則違約風險越低。第十，投標人數和違約風險之間的關系還沒有理論研究，現無法做出理論假設。

（四）模型回歸

根據統計理論，從表2的初步回歸結果中可知，原模型中擬合較好的變量只有年利率和住房。認為出現上述擬合結果的原因可能由于自變量之間本身具有較強的相關性所致，所以現用對自變量進行相關性分析。根據相關性的指標及數據結果得出，項目期限與項目金額高度正相關，其r為0.7614。與年利率高度正相關，其r值為0.8382，所以有理由認為其之間具有一定的共線性。因此，對項目期限、項目金額、項目利率與正常還清率進行雙變量相關性分析，從而得到項目期限與正常還清率相關性最低，所以對此變量進行剔除。其他變量篩選方法同上，最終剔除的變量有項目期限、購車狀況。由于P2P網貸信用等級的評分是由此研究的其他自變量根據信用評級體系得到的，其與過多自變量有關，所以剔除信用等級。從最終回歸結果可知項目金額、年利率、學歷、房產情況與違約風險的關系與理論假設相符，而且得出投資人與違約風險成負相關。

（五）描述性統計分析

雖然對一些變量進行了剔除，但其并不完全代表其與違約風險無關，現分別對逾期中的性別、年齡、項目期限、購車情況、婚姻狀況、信用等級進行描述性統計，來看其對違約風險的影響。根據統計分析可得，逾期中的年齡分布主要為剛步入社會的占30%，36歲左右的青年占46%，中老年人群占24%，這與初步的理論假設基本吻合。逾期中的性別分布主要為男性與女性比例對等，這與理論假設有所出入。逾期中的借款期限分布，主要集中在項目期限為3個月和項目期限為12個月，其與理論假設有些出入。逾期中的購車情況分布主要為未購車人數達到了65%，所以這與理論假設基本一致。逾期中的婚姻狀況分布主要為未婚集中了50%，而離異和已婚各占25%，這與理論假設基本符合。逾期中的信用等級分布主要為信用等級最高的占的最多，其次是信用等級最多的人，這與理論假設有出入。

（六）研究結論

1.多元線性回歸模型的結論。經過上述最終的回歸模型結果，可得出如下結論。正常還清率與借款金額、年利率、房產情況成反比，這與理論假設相符。正常還清率與學歷成正比，即學歷越高違約風險越小，這與理論假設相符。且進一步發現，正常還清率與投標人數成反比，即投標人數越多違約風險越大，現認為出現這種現象的原因是借款人的“拆東墻補西墻”心理。借款人由于投標人數較多，從而更容易存在一種僥幸心理，容易出現道德風險，用一部分投標人的錢來還另一部分投標人的錢，從而導致的違約風險就會變高。所以借款金額、年利率、房產情況、學歷、投標人數這五個因素在P2P網貸信用風險管理中是不可或缺的借款人信息特征。2.描述統計的結論。經過對剔除的變量進行逾期中的描述性統計，可得如下結論。年齡段的分布對信用風險有一定的影響，剛步入社會的青年和36歲左右的青年其違約風險更高，這是由于處于這兩個階段的青年擁有更強的“冒險心理”和經濟壓力，這與理論假設基本一致。婚姻狀況對信用風險也有一定的影響，未婚者擁有的信用風險更高。這與理論假設一致。車輛擁有情況對信用風險有一定的影響，沒有車輛的更易發生違約，這些與理論假設基本相符。所以年齡、車產情況、婚姻狀況這三個因素在P2P網貸信用風險管理中是比較重要的借款人信息特征。而性別對信用風險基本無影響，故對性別進一步分析，發現在網貸平臺上借款人中男性是女性的兩倍，所以在進行逾期中的性別分布描述時，分別采取了各性別違約人數在各性別所占的比例為統計目標，發現其違約風險男性比女性略高，但這種差距并不明顯，所以性別這一特征對網貸信用風險管理來說并不是重要的信息特征。項目期限對信用風險有一定影響，逾期次數主要集中于項目期限為3個月和12個月，且3個月項目期限逾期次數最多，現對項目期限進一步分析發現，在統計數據中，3個月的利率大約在7%-8%之間，而一般短期借款金額不超過10000元，但借款人需償還的利息在本金中的比例過大，再加上期限短，所以借款人面臨的還款壓力上升，從而導致違約風險上升。對于項目期限12個月來說也是同樣的道理，現數據中借款期限為12個月的借款金額一般不超過5萬，但其年利率卻在10%左右，所還利息在本金中比重較大且時間相對較長，不確定因素的增加和較大的還款壓力使得借款人違約風險提升。所以，由于數據的局限性無法準確驗證項目期限與違約風險之間存在著正相關的關系。但其可以表明項目期限對信用風險有一定的影響程度，所以項目期限對P2P網貸信用風險管理來說是相對重要的信息特征。同時發現，信用等級對信用風險有一定影響。現對逾期中的信用等級分布進行分析，發現逾期中信用等級占比最高的不是最次的等級，而是最高的等級，造成這種現象的原因有兩點，現所采用的數據將近80%的人群處于AAA等級，而其他等級較少。現行大部分P2P網貸平臺的信用等級，主要還是根據借款人信息的完整性和正常還清率來界定，只要借款人沒有過分或嚴重違約，其一般都不會降低信用等級。所以，信用等級在P2P網貸信用風險管理中還是具有一定的作用。

五、網絡信貸安全保障措施

由于當今互聯網技術的發展以及傳統信貸行業的高準入門檻和較保守的投資收益，使得P2P網貸行業具有廣泛的發展市場，P2P網貸行業的發展不僅解決了“兩多兩難”的問題，而且盤活了資本市場上的閑散資金，其在一定程度上提高了資本市場的效率，并且其通過資金渠道滲透于各行各業，在一定程度上提高了社會服務的高附加值，促進了經濟高質量增長。但P2P面臨的各種風險特別是信用風險對P2P網貸行業的發展產生了阻礙，因此，現主要從平臺征信和政府等監管機構對P2P網貸信用風險管理給予建議措施。從完善借款人信息特征方面，通過上述的理論和實證分析，可知借款人的借款金額、借款利率、借款期限、年齡、學歷、是否已婚、是否有車有房、信用等級、投標人數都對P2P網貸信用風險管理有著比較重要的影響，而且像美國的Prosper，其借款人信息中不僅包含了信息特征數據，而且還加入了朋友或鄰居對借款人的評價，這樣的社會資本信息大大降低了違約風險。同時，現行的國內大中小P2P網貸平臺中，借款人的信息包含并不完全，平臺信息要求的不一致，為違約風險高的借款人提供了機會。因此，建議P2P網貸平臺可與社交平臺或購物平臺進行合作，利用其平臺上的個人信息來保證個人征信機制中信息的準確性和完整性，利用大數據來提高和完善借款人信息特征的質量，從而降低信用風險。且在個人信息的收集中，也要注意軟性信息像雇用信息、人際信息的搜集。同時平臺也可以利用“小組激勵”機制來降低借款人的信用風險。從完善信用評級體系角度，研究中發現信用等級高并不會降低其違約風險，主要原因是現行國內網貸平臺的信用評級體系，不會依據其違約行為進行動態調整，只有拍拍貸在發生嚴重違約時會公布黑名單，但這基本無濟于事。所以，平臺不僅要采用較為完善的信用評級體系進行真正地信用評級，而且要注意對借款人的信用等級進行實時地調整和更新。從政府、金融機構和金融監管機構方面，需提高P2P行業的準入門檻，重點提高P2P網貸企業金融專業技術人員在工作員工中的比例，以及采用云征信與區塊鏈相結合的模式，完善平臺的征信系統，并需政府等權威機構制定統一的數據錄入標準，進行全方位監督和管理。

參考文獻：

[1]孫之涵.P2P網絡小額信貸探析[J].征信，2010(14):248+253.

[2]陳輝.P2P網絡信貸平臺風險評估研究.[J].全國商情，2015(19):86-87.

[3]鄒珂瑩.P2P網貸平臺個人信息對投資者決策的影響研究[J].物流工程與管理，2015(7)：208-212.

[4]胡海青.信息不對稱下P2P網絡借貸投資者行為的實證[J].中國流通經濟，2015(10)：49-55.

作者:李昕瑋 單位:南京審計大學