趙昕

[關鍵詞]互聯(lián)網(wǎng)；金融；系統(tǒng)性；風險；分析與展望

1 引言

隨著P2P網(wǎng)貸行業(yè)的興起，P2P在我國得到了較快的發(fā)展，但隨著而來的風險問題逐漸引起了政府管理部門、企業(yè)和國內(nèi)外學者的高度重視。

在金融危機爆發(fā)之前，對于系統(tǒng)性風險的度量主要沿著綜合指數(shù)法和早期預警方法兩條技術路線展開。在指標構建適當?shù)那疤嵯拢缙陬A警方法預測系統(tǒng)性危機的效果較好。但是，其實現(xiàn)準確預警的前提條件是基于歷史上的金融危機能夠?qū)崿F(xiàn)對系統(tǒng)性風險觸警事件的準確定義。這使得該方法在尚未發(fā)生過真正意義上金融危機的發(fā)展中國家的應用受到限制。金融危機爆發(fā)之后，隨著宏觀審慎監(jiān)管理念的提出，對于系統(tǒng)性風險的識別和評估方法的探討也逐漸深入。一方面，對于系統(tǒng)性風險評估的數(shù)據(jù)不僅基于資產(chǎn)負債表的數(shù)據(jù)，而且針對債券市場和股票市場上高頻和時效性較強的數(shù)據(jù)開發(fā)了一系列度量模型。另一方面，針對金融危機前較多圍繞著宏觀經(jīng)濟對金融體系影響的局限性，度量系統(tǒng)性風險的視角逐漸放開，更多地考慮金融體系內(nèi)部關聯(lián)性和傳染性度量。

本文提出了一個針對互聯(lián)網(wǎng)金融系統(tǒng)性風險的度量模型，該模型結合了綜合指標法，以及壓力測試法，通過構建指標體系來全面考察P2P網(wǎng)貸行業(yè)系統(tǒng)性風險的影響因素，并根據(jù)不同狀態(tài)下的宏觀因素來分別考慮在各種壓力下P2P行業(yè)系統(tǒng)的穩(wěn)定性，對互聯(lián)網(wǎng)金融系統(tǒng)性風險管理具有重要的理論意義和實踐價值。

2 文獻綜述

國內(nèi)外許多學者對金融風險管理已經(jīng)進行了深入研究，取得了一批重要的研究成果。Akerlof （1970）、Stiglitz和 Weiss（1981）認為由于信息的不對稱性導致借貸市場的危機，從而引發(fā)逆向選擇和道德風險的問題，如2008年美國金融次貸危機。Sunday Telegraph（2006）認為最大的問題是：不能有足夠的資金去滿足眾多借款人與貸款人的要求及管理層的指責，有些網(wǎng)絡借貸實行“零利率”，但這勢必會引發(fā)平臺的經(jīng)營問題，成本無法得到補償。同時，有些學者發(fā)覺了信息在風險把控問題上體現(xiàn)的尤為突出，Stiglitz（1981）出現(xiàn)代經(jīng)濟理論認為信息決定了借貸市場的成敗，由于在進行借款人開發(fā)的過程中需要這些個人信息，甚至這些信息成為貸款人十分關心的問題，雖然這些信息的部門僅限于可信度高的部門如銀行和信用管理機構，但問題是使個人隱私曝露在每一個可能的貸款人甚至是整個網(wǎng)絡的使用者下，勢必會產(chǎn)生信息暴露的風險，為不法分子供鉆空子的可能。以上這些金融風險管理傳統(tǒng)研究對互聯(lián)網(wǎng)金融風險管理具有重要的借鑒意義。

在互聯(lián)網(wǎng)金融風險管理方面，王艷、陳小輝、邢增藝（2009）認為網(wǎng)絡融資存在放貸資金安全難以保證，利率水平超法律保護范圍以及容易危及社會穩(wěn)定等諸多問題。陳初（2010）、陳靜?。?011）認為網(wǎng)絡借貸風險及對其的監(jiān)管與引導，可能出現(xiàn)重要信息泄露的情況，貸款用途難以核實，不排除有借款者將借入資金進行高風險投資的可能。官大飚（2012）分析了我國 P2P 網(wǎng)絡借貸運營過程中存在的諸如貸款資金鏈斷裂引發(fā)信用風險、挪用第三方賬戶資金造成操作風險、資金詐騙導致聲譽風險，以及可能弱化政府宏觀調(diào)控政策效果等風險問題，并提出建立聯(lián)席會議制度共同監(jiān)管、建立網(wǎng)絡借貸信用評價體系、建立 P2P 借貸資金第三方存管制度、建立P2P網(wǎng)絡借貸資金監(jiān)管體系和探索區(qū)域發(fā)展模式等P2P 網(wǎng)絡借貸監(jiān)管對策。張昭，朱峻萱，李安渝（2015）基于層次分析法構建了我國P2P 網(wǎng)貸行業(yè)綜合評價體系，并在此基礎上對網(wǎng)貸行業(yè)發(fā)展較快的的企業(yè)進行了實證分析，為該領域定量化指標體系的研究中打下了基礎。

綜上所述，現(xiàn)有的研究對互聯(lián)網(wǎng)金融網(wǎng)貸的研究視角各異，不同國家的研究也反應出各國發(fā)展的特色。而針對互聯(lián)網(wǎng)金融中P2P網(wǎng)貸行業(yè)系統(tǒng)性風險研究卻很少，由于P2P 網(wǎng)貸行業(yè)系統(tǒng)性風險對整個行業(yè)有著至關重要的作用，并且是一個較為復雜的度量過程，涉及的影響因素較多，以上研究正是為 P2P 網(wǎng)貸行業(yè)系統(tǒng)性風險分析研究奠定了一定的基礎。

3 P2P行業(yè)系統(tǒng)性風險模型構建

本部分通過指標體系的構建，并結合著回歸預測測度了整個行業(yè)系統(tǒng)性風險，同時，在測度風險的基礎上，為行業(yè)的風險指數(shù)進行預警。模型充分結合了宏觀因素，以及個體經(jīng)營狀況的影響，全面細致的剖析了整個行業(yè)的狀況。

該模型從具體對象出發(fā)，考慮行業(yè)整體，從投資人群體，P2P網(wǎng)貸行業(yè)，借款方群體，風險投資方這四方面的資金流向來測量P2P網(wǎng)貸行業(yè)的整體系統(tǒng)性風險。由于P2P網(wǎng)貸行業(yè)最重要的就是平臺流動性資產(chǎn)，這包括平臺通過利差獲得的利潤，以及平臺通過風險投資獲得的資金。這些資金一方面要補貼平臺的運營成本，主要包括獲客成本，人力成本，日常開銷等，另一方面將作為借款人違約而造成的壞賬并對于出資人的墊付，通過模型計算，一旦資金出現(xiàn)短時間內(nèi)的大量減少，那么就有理由認為P2P行業(yè)可能存在一定程度的系統(tǒng)性風險。

3.1 基本假設

由于不同平臺經(jīng)營模式各異，有些具有第三方資金托管平臺，第三方擔保機構等，但是這些做法并沒有從根源上消除流動性風險，只是將風險進行轉(zhuǎn)移，比如資金托管，這種說法通常只是一個噱頭，實際的資金賬戶只不過是由平臺在其他公司開設了第三方賬戶，仍對資金擁有控制權；而對于第三方擔保，由于這些有資質(zhì)的擔保公司擁有較全用戶信用數(shù)據(jù)，由其進行擔?？梢栽谝欢ǔ潭壬辖档蛪馁~率，減弱流動性風險，但是對于雇傭第三方擔保需要支付一定的費用，所以從整體上看，平臺并沒有因此獲益更多，所以在此模型中，可以簡化考慮，把P2P網(wǎng)貸平臺的定義擴大化，忽略第三方模式，將資金的中間過程全部當成P2P平臺之間的流轉(zhuǎn)，因此風險也就全部作用于之上P2P網(wǎng)貸平臺之上。

由于要從某一天為基準來預測未來三十日的資金狀況，包括未來三十日的投資量，實際還款量，運營成本，模型中需要確定宏觀經(jīng)濟因子和加權后整個系統(tǒng)的經(jīng)營因子，由于這些指標每天都會發(fā)生變化，應當選取當天的值來作為未來三十日的特征值，之所以這樣做，一方面是因為對于特征量而言未來的情況是不可預知的，因而不能從當天既定的數(shù)值來預測后三十天的情況；其次，由于市場的滯后性，比如，當前一階段的股票市場利好，往往會在下一階段反映出P2P網(wǎng)貸行業(yè)的蕭條，資金周轉(zhuǎn)是需要時間的?；诖耍覀冞x取時間周期始點的特征量的值是合意的。

在迭代過程中，每個周期的成交量，風投量，運營成本均與第一個周期的預測值相同。由于為了將風險效應放大，單純的看三十天的效果并不明顯，雖然有可能出現(xiàn)損失，但效果或許是微小的，因而增加迭代周期，也就是為了把這種可能存在的風險放大化。同時，預測模型只能預測一個周期，后續(xù)迭代周期的成交量等仍是未知的，但由于不能利用預測的結果再次進行預測，所以本研究粗略的將未來的迭代周期的未知資金量等同于第一個周期的估計值，因為該模型只要在數(shù)據(jù)充足的情況下，每天都可以執(zhí)行一次，預測的結果也會隨之更新，前一天的操作只是對該天的風險狀況的度量，目的也就是為了將當天的風險效應放大，并不會影響到后一天的結果，因而，可以對周期資金狀況進行復制。

3.2 模型建立

P2P網(wǎng)貸平臺系統(tǒng)性風險建模分為以下九個步驟。

3.2.1確定整個P2P網(wǎng)貸平臺體系經(jīng)營狀況加權值

在確定經(jīng)營狀況加權值的時候，需要對選定多家的平臺，分別確定其個體經(jīng)營風險值以及相應的平臺體量（平臺的歷史成交量總和）。該數(shù)值在后續(xù)投資量的預測中頻繁用到。具體計算公式如下：

3.2.2預測未來三十日成交總量

成交量指的是投資人向平臺投入的資金，在預測后三十天的資金投入總量時我們選用計量中的多元線性回歸模型進行預測。如上文所說，選取三年期存款利率，宏觀經(jīng)濟一致性指數(shù)，上證股票指數(shù)，上證基金指數(shù)，上證企債指數(shù)，上證國債指數(shù)和經(jīng)營狀況加權值作為回歸模型中的指標。利用測度日前T個時間周期（30天）作為模型的訓練，并根據(jù)假設5.3.2，將當天的指標數(shù)值作為預測的輸入來對未來三十日的投資量進行預測。通過訓練可得如下線性模型。

3.2.3預測未來三十日的風險投資量

由于風險投資也具有一定的時間序列的特性，同樣按照上文闡述，直接影響風險投資量主要是平臺的經(jīng)營狀況以及宏觀經(jīng)濟的大形勢，同時隨著P2P網(wǎng)貸行業(yè)的走紅，越來越多的風投開始青睞這個行業(yè)，所以看高整個行業(yè)的風投量是很合理的，在預測模型中，依然選用計量中的回歸模型，原理同上，因而對于未來三十天風投量可得如下模型。

3.2.4計算未來三十日的運營成本

根據(jù)上文描述，可以根據(jù)歷史的運營成本和平臺總的流動性資產(chǎn)的對應情況采用指數(shù)小于1的冪函數(shù)進行擬合，同時，為了計算未來三十日成交量的總和，用月初的總流動性資產(chǎn)來估計這一個月的運營成本，所以有如下關系。

3.2.5壞賬率的度量

經(jīng)調(diào)研，以及查閱書籍文獻資料，目前P2P網(wǎng)貸平臺并沒有一個壞賬率的精確統(tǒng)計，各家平臺只能給出一個的值，而且在統(tǒng)計的手段上也存在著真實性問題，所以當考慮整個體系時，先有一個行業(yè)基準的壞賬率的估計值，并通過個體經(jīng)營風險值對該參考值進行修正，得到每個平臺相對準確的估計值。我們可以按照成交量的不同對個體壞賬率進行加權，從而得到綜合壞賬率br。

對整個系統(tǒng)中不同平臺的壞賬率進行修正：

計算某一時間周期系統(tǒng)的整體修正值：

3.2.6計算三十日應歸還量

由于壞賬率的大小直接導致歸還資金的數(shù)量，可以根據(jù)平臺對于投資人群體累計待還金額與平均還款期限，算出平均每日待還，再用平均每日待還*30得到30日累計待還，即R30。根據(jù)平臺的平均利率得到投資人群體投入的初始資金，再利用平臺獲得的利差，計算可以得到借款人三十日內(nèi)應歸還平臺的款項數(shù)量，而實際的歸還受限于平均壞賬率，因而可以得到借款人群體三十日應歸還金額。

3.2.7根據(jù)上述變量的確定，計算三十日后的流動性資產(chǎn)

由上文中的計算規(guī)則，以P2P網(wǎng)貸平臺系統(tǒng)為中心，流入的資金流為正，流出的資金流為負，計算三十日后的平臺系統(tǒng)總的流動性資金。

3.2.8多輪迭代放大風險效應

根據(jù)上文假設，迭代n個周期，每次迭代都會對值進行更新，最后計算出n次迭代后的平臺當前的流動性資產(chǎn)。

3.2.9根據(jù)預警信號定級

通過n個時間周期（30天）的迭代，得到未來一段時間的流動性資產(chǎn)的預后，需要與當前的流動性進行對比。采取比值的方法，并對最終的結果進行風險定級，定級的結果如表1所示。

在數(shù)據(jù)充分的情況下，通過該模型的測算可以得到整個P2P網(wǎng)貸行業(yè)在某一個時間點的風險效應，風險值越高就越需要提高警惕，越有可能在短期內(nèi)造成系統(tǒng)性風險的爆發(fā)。根據(jù)測算結果，政府可以出臺具有針對性的應對措施，盡可能的將系統(tǒng)性風險的爆發(fā)遏制在搖籃之中。

4 情景模擬

本研究主要考慮兩個因素的兩種情況，對于宏觀狀況，分為良好和低迷；對于行業(yè)整體經(jīng)營狀況，分為良好與低迷。通過宏觀情況及行業(yè)經(jīng)營性情況等兩個因素的兩種情況，可以將實際情況劃分為四種：

情景A：宏觀狀況良好，行業(yè)整體經(jīng)營性情況良好；

情景B：宏觀狀況良好，行業(yè)整體經(jīng)營性情況較差；

情景C：宏觀狀況低迷，行業(yè)整體經(jīng)營性情況良好；

情景D：宏觀狀況低迷，行業(yè)整體經(jīng)營性情況較差。

在情景模擬之前，根據(jù)參考資料和業(yè)內(nèi)人士訪談得出各定量數(shù)據(jù)指標在現(xiàn)有宏觀經(jīng)濟條件下所可能具備的最大值與最小值，在此基礎上，按照現(xiàn)有指標下的實際數(shù)據(jù)最大值放大到；最小值縮小到；分別計算出放大比例與縮小比例。將兩個比例分別于當下該指標實際數(shù)據(jù)相乘即得到在當前宏觀經(jīng)濟條件下的行業(yè)最優(yōu)仿真數(shù)據(jù)與最差仿真數(shù)據(jù)。經(jīng)過該種處理方法，可以確保數(shù)據(jù)均為正數(shù)，且體現(xiàn)出了因為企業(yè)自身差異導致的排序，屬于在現(xiàn)實條件下的合理仿真結果。

依據(jù)前節(jié)提出的模型進行情景模擬，模擬的結果如圖1-4所示。

通過上圖所示，當某一種情形確定的情況下，可以發(fā)現(xiàn)當前的流動性資產(chǎn)雖然在一定程度上影響了系統(tǒng)性風險的程度，但大體上變化趨勢比較平緩，并不會導致系統(tǒng)發(fā)生驟變。同時很有趣的一點在于經(jīng)營狀況良好的時候整個系統(tǒng)是不存在風險的，且預警信號值呈下降趨勢，反之，當經(jīng)營性風險較大時，預警信號呈上升趨勢，這個原因主要在于，運營成本是流動性資產(chǎn)的指數(shù)函數(shù)，所以在流動性資產(chǎn)的迭代過程中，并不是呈線性變化的。

從具體數(shù)據(jù)的角度來看，當其它指標值不變，當前行業(yè)總流動性資產(chǎn)在100-160億元間波動時，發(fā)現(xiàn)A條件下，行業(yè)系統(tǒng)性風險最低，其次是C、B、D。并且可以看出即使在宏觀情況不樂觀的情況下，由于經(jīng)營狀況良好，P2P網(wǎng)貸行業(yè)處于無風險的狀態(tài)，而經(jīng)營不好的情況下，P2P網(wǎng)貸行業(yè)會處于高風險區(qū)域。同時，A和C情境下，在經(jīng)營樂觀的情況下，由于流動性資產(chǎn)的增大導致系統(tǒng)運營成本的大規(guī)模增加，導致系統(tǒng)性風險隨著流動資產(chǎn)增多反而增加。

未來三十日待還金額反應了P2P網(wǎng)貸系統(tǒng)的負債能力，金額越高伴隨著系統(tǒng)性風險也就越高，反之同理。從上圖也可以很好地看出，每一條線都隨著待還金額的增長，風險預警信號值越低，從而風險度也就越高。同時，藍色與紅色兩條直線的間距反應了經(jīng)營狀況的差異，藍色與綠色直線反應了宏觀狀況的不同，所以很明顯的發(fā)現(xiàn)經(jīng)營狀況的影響程度遠大于宏觀狀況對于系統(tǒng)性風險的影響的，而且當經(jīng)營狀況不佳的時候，系統(tǒng)性風險就會處于一個十分高的狀態(tài)，因而為了有效降低系統(tǒng)性風險最根本的還是應該從控制經(jīng)營風險上做文章，盡可能削弱個體經(jīng)營風險的影響力度。

從數(shù)據(jù)上來看，累計待還金額在160-220億元之間波動時，四種情景下系統(tǒng)性風險都隨著待還金額的增加而增大，其中同樣的，在累計待還金額增加的過程中，整體系統(tǒng)性風險情況是A情境下最小，其次是C、B、D。

綜合利率反應了P2P網(wǎng)貸平臺的平均借款成本，綜合利率越高，伴隨著借款人的信用違約風險就會越高，當出現(xiàn)大量借款人因為過高的貸款利率而無力償還時，就會出現(xiàn)大面積的違約現(xiàn)象，造成平臺流動性問題，從而引發(fā)系統(tǒng)性風險。從上圖幾條曲線的趨勢上看，風險預警信號都隨著綜合利率的提升而減小，也就是說風險在逐漸變大。與前兩種情況不同的是，幾條線的位置發(fā)生了改變，紅色與綠色的相對位置進行了交替，所以對于綜合利率的變化而言，宏觀狀況要比行業(yè)整體的經(jīng)營性的影響力度更大。其次，之所以是曲線，主要是由于在計算過程中綜合利率作為一個比例式導致其與風險預警信號為非線性關系。

壞賬率是P2P網(wǎng)貸平臺最為機密的數(shù)據(jù)，由于當下的P2P網(wǎng)貸行業(yè)存在信息不披露的問題，導致外界很難了解到真正的經(jīng)營狀況。但經(jīng)專業(yè)人士透露，行業(yè)壞賬率平均也要到十幾個百分點，所以將壞賬率控制在12%到24%變動是合理的。由上圖可以看出，隨著壞賬率的提高風險預警信號下降，系統(tǒng)性風險升高，而且根據(jù)不同顏色線之間的間距可以看出經(jīng)營性風險的影響機制同樣要高于宏觀狀況的影響力度的。

根據(jù)具體數(shù)據(jù)來講，壞賬率在12%至24%范圍內(nèi)波動時，同樣是宏觀情況好時風險越小，最好的情景為A，其次為C、B、D。

5 結論與展望

本文從P2P行業(yè)的實際情況出發(fā)，提出了一個針對互聯(lián)網(wǎng)金融系統(tǒng)性風險的度量模型，該模型結合了綜合指標法，以及壓力測試法，通過構建指標體系來全面考察P2P網(wǎng)貸行業(yè)系統(tǒng)性風險的影響因素，并根據(jù)不同狀態(tài)下的宏觀因素來分別考慮在各種壓力下P2P行業(yè)系統(tǒng)的穩(wěn)定性，對互聯(lián)網(wǎng)金融系統(tǒng)性風險管理具有重要的理論意義和實踐價值。

參考文獻

[1] Akerl of， G.A.， （1980）， “A Theory of Social Custom， of Which Unemployment May Be One Consequence”， Quarterly Journal of Economics， Vol. 94， 749—775.

[2] Joseph E. Stiglitz，& Andrew Weiss. （1981）.Credit Rationing in Markets with Imperfect Information. The American Economic Review， Vol 71， Issue 3， 393-410.

[3] 官大飚. （2012）. 我國P2P網(wǎng)絡借貸發(fā)展存在的風險及其監(jiān)管對策.臺灣農(nóng)業(yè)探索， 5， 61-64.

[4] 張昭， 朱峻萱， &李安渝. （2015）. 我國 P2P 網(wǎng)貸行業(yè)綜合評價體系研究.海南金融， 3， 009.

（編輯/周洋）