夏克雨

P2P網(wǎng)貸是互聯(lián)網(wǎng)金融的典型形式。鑒于近年來行業(yè)中經(jīng)常發(fā)生網(wǎng)貸平臺倒閉和跑路現(xiàn)象，導(dǎo)致投資者血本無歸，本文從P2P網(wǎng)貸平臺的角度出發(fā),采用隨機森林模型，對行業(yè)中出現(xiàn)的跑路現(xiàn)象進行分析，從而為監(jiān)管和平臺本身提出相應(yīng)的建議。

1 研究概述

1.1 P2P網(wǎng)貸概念和特征

P2P網(wǎng)絡(luò)借貸也叫社會借貸，它是指資金的供需雙方通過網(wǎng)絡(luò)借貸平臺進行資金的貸與借，而不通過傳統(tǒng)的金融機構(gòu)進行資金交易，P2P網(wǎng)貸是金融脫媒的一種典型形式。這種新型的借貸方式能夠使得貸款人從眾多潛在的借款人中選擇他們愿意貸款的借款人，允許貸款人進行分散化投資，同時為其帶來更高的收益率，所以具有較高的吸引力。對于中小企業(yè)融資難的問題，P2P網(wǎng)貸也為其提供新的融資渠道。P2P網(wǎng)貸在一定程度上具有普惠金融的特征，其本質(zhì)是普惠金融[1]。

P2P網(wǎng)貸在給大眾帶來金融服務(wù)的同時，其獨特的風(fēng)險也爆發(fā)出來，表現(xiàn)為近兩年各大網(wǎng)貸平臺倒閉跑路等事件。從國內(nèi)的“天使投資”，“銅都貸”,“e租寶”等眾多跑路事件到國外的Lending Club欺詐事件，P2P網(wǎng)貸行業(yè)正面臨極大的風(fēng)險。近日來，監(jiān)管雖然不斷加強，但是集資詐騙、跑路等事件仍然不斷。在強監(jiān)管下，深圳網(wǎng)貸市場仍然發(fā)生了典型的借助網(wǎng)貸平臺進行非法集資詐騙的事件，這足以引起投資者和相關(guān)當(dāng)局的重視。

1.2 P2P網(wǎng)貸平臺跑路原因

一般，P2P平臺跑路原因主要包括以下三類：一是詐騙跑路，這種平臺從誕生的那一刻就是為了詐騙并跑路。它根本沒有從事P2P相關(guān)的實質(zhì)性業(yè)務(wù)，僅做了一個類似的P2P網(wǎng)貸網(wǎng)站，然后用這個網(wǎng)站詐騙跑路；二是龐氏騙局類跑路。平臺根本沒有實際的P2P網(wǎng)貸業(yè)務(wù)，完全是在利用投資者的資金；第三類跑路是經(jīng)營不善跑路。由于平臺風(fēng)控能力和經(jīng)營管理不善，導(dǎo)致平臺逾期和壞賬增加，如果最終擠兌產(chǎn)生，平臺資金鏈斷裂，不得已也會跑路[2]。

1.3 研究現(xiàn)狀

1.3.1 從借款人的角度進行研究

國內(nèi)外很多學(xué)者對借款人進行研究。于曉虹、樓文高（2016）基于信用風(fēng)險評價指標建立隨機森林模型來評估P2P網(wǎng)貸信用風(fēng)險并進行實證研究。P2P網(wǎng)貸個人信用風(fēng)險評價指標包括年齡、婚姻狀況、文化程度、單位性質(zhì)、住房條件、違約筆數(shù)。研究結(jié)論顯示指標對借款人的信用風(fēng)險影響最大，其次是指標和[3]。ShunCai等人（2016）研究得出：對首次借款的借款人來說，投資者多數(shù)從利率、借款額度、認證信息和信用評級等方面進行投資決策，并且借款數(shù)量和借款成功的可能性成正比；對于重復(fù)借款但先前沒有貸款歷史的借款人來說，借款人的交易歷史對借款成功與否有著很重要的影響；對于重復(fù)借款且先前有過貸款歷史的借款人，借貸比成為影響借款成功可能性的主要因素[4]。StefanieP?tzsch等人(2010)研究得出借款人在借款項目中自愿披露的關(guān)于自己的私人信息越多，投資者對借款人的信任程度越高，獲得借款的可能性也越高且借款利率越低[5]。

1.3.2 從平臺的角度進行研究

Lixin Cui等人（2016）對P2P網(wǎng)貸平臺破產(chǎn)進行分析，結(jié)論顯示注冊資本、運營時間、平均投資金額、貸款分散度、平均投資期限是前五個影響因素。即注冊資本越高，平臺的金融穩(wěn)定性越高；運營時間越長，平臺就積累了越多的風(fēng)險管理技巧；貸款越分散，表明平臺的安全性越高，利率也較低；平均投資金額和平均投資期限則反映了投資者對低風(fēng)險平臺的偏好[6]。武文杰、肖旭（2016）研究得出平臺發(fā)布的投資標的的利率越高越容易出現(xiàn)問題，且投資標的的利率每提高1%，平臺出現(xiàn)問題的概率平均增加近4.4%[7]。葉青等人(2016)研究得出高利率是識別問題平臺的最重要變量，同時實力薄弱、標的類型單一、風(fēng)控能力欠缺，亦是問題平臺的前兆[8]。陳芫青（2016）對我國P2P網(wǎng)貸平臺跑路原因進行分析，主要原因有部分網(wǎng)貸平臺非法經(jīng)營、網(wǎng)貸平臺經(jīng)營不善、網(wǎng)貸平臺準入門檻低和監(jiān)管力度小等[9]。

2 理論基礎(chǔ)和研究設(shè)計

2.1 理論分析和變量定義

本文主要根據(jù)已有信息對網(wǎng)貸平臺進行分析，據(jù)此來判斷平臺出現(xiàn)跑路的可能性。Altman（1968),Palepu(1986)將這一方法用在預(yù)測企業(yè)財務(wù)困境和并購目標的研究中，目前在行業(yè)得到廣泛應(yīng)用。本文主要從產(chǎn)品特征、平臺實力、運營情況、治理水平四個方面加以考量。

①產(chǎn)品特征。對于產(chǎn)品特征，本文選取選擇利率、保障模式。利率反映了投資者對借款人違約的預(yù)期，如果違約的可能性越高，則投資者要求的利率水平越高。如果平臺的綜合利率很高，那么平臺出問題的可能性很大。此外，那些初衷就是為了詐騙的平臺利用高利率為誘餌來欺騙投資者，在獲得資金后捐款跑路。葉青等人的研究結(jié)論也得出利率越高，平臺出問題的可能性越高。故預(yù)期，平臺的利率水平與跑路的概率成正比。

在信息不對稱的情況下，各家平臺為了吸引投資者，多會采取一些保障模式來增強投資者的安全感。如果平臺為產(chǎn)品提供相應(yīng)的保障，那么投資者對于平臺上的產(chǎn)品會更有安全感。故預(yù)期平臺保障模式與跑路概率成反比。

②平臺實力。平臺實力決定了平臺的抗風(fēng)險能力和風(fēng)險管理能力，且具有銀行背景、上市公司背景和國資背景等平臺存在欺詐和龐氏騙局的可能性很小，因為一旦出現(xiàn)跑路情況，那么對母公司的影響將是巨大的。本文選取注冊資本和平臺背景來衡量平臺實力，預(yù)期平臺實力和平臺出現(xiàn)跑路可能性成反比。

③平臺實際運營情況。一家正常經(jīng)營的網(wǎng)貸平臺的運營情況應(yīng)該是良好的，且持續(xù)性應(yīng)該較強。平臺上每天，每月應(yīng)該有合理的成交量、投資者、借款者等。文章選取月度平均成交量、月度人均投資人數(shù)作為平臺運營情況的指標。因此，本文預(yù)期成交量、投資人數(shù)與平臺出問題的可能性成反比。

④治理水平。本文主要是兩種治理機制，一種是資金托管，第二種是信息披露。資金托管是指設(shè)立專門的資金賬戶或者平臺與銀行等機構(gòu)簽訂托管協(xié)議進行專門的資金管理。本文預(yù)期資金托管與平臺出現(xiàn)問題可能性成反比。信息披露是投資者了解平臺的經(jīng)營狀況，做出相應(yīng)的投資決策的依據(jù)。本文選取借款用途、逾期率、基本綜合信息作為網(wǎng)貸平臺信息披露指標。本文預(yù)期信息披露水平與平臺出問題概率成反比。

2.2 樣本選擇和數(shù)據(jù)來源

數(shù)據(jù)來源于網(wǎng)貸之家網(wǎng)站上公布的數(shù)據(jù)，此外還參考了網(wǎng)貸之家公布的2016年P(guān)2P網(wǎng)貸行業(yè)發(fā)展報告以及各平臺的官網(wǎng)數(shù)據(jù)。本文選取成立時間在一年以上的100家網(wǎng)貸平臺作為研究樣本，對于成立時間短于一年的不予考慮?？紤]到有些時間段網(wǎng)貸平年臺運營情況會出現(xiàn)一定幅度的波動，故對成交量、投資人數(shù)、利率、和風(fēng)險等級取十二個月份的月度平均值。其他則是網(wǎng)站上公布的靜態(tài)指標。

3 模型構(gòu)建及結(jié)論分析

3.1 隨機森林模型介紹

隨機森林模型是一種機器學(xué)習(xí)模型，它可以用來進行分類或者回歸。它通過自助法（bootstrap）重采樣技術(shù)，從原始訓(xùn)練樣本集N中有放回地重復(fù)隨機抽取k個樣本生成新的訓(xùn)練樣本集合，然后根據(jù)自助樣本集生成k個分類樹組成隨機森林，新數(shù)據(jù)的分類結(jié)果按分類樹投票多少形成的分數(shù)而定。隨機森林在運算量沒有顯著提高的前提下提高了預(yù)測精度。隨機森林對多元共線性不敏感，不易陷入過擬合情況，隨機森林的OOB誤分率估計是無偏估計。

3.2 標準化處理

由于隨機森林模型中對象列變量的特征數(shù)不能超過32個，所以需要對列變量的數(shù)據(jù)進行標準化處理。參照商業(yè)銀行個人信用風(fēng)險評估指標體系構(gòu)建和姜巖關(guān)于P2P網(wǎng)絡(luò)借貸中借款人的信用風(fēng)險評估研究的方法，對各評價指標進行標準化處理[12]。

平臺背景類型（BT）：銀行背景得分9.5分；國資背景得分9分；上市公司背景得分8分；民營背景得分5分。

擔(dān)保類型（CT）：無擔(dān)保得分0分；以風(fēng)險準備金，第三方擔(dān)保，自有資金三種方式中的一種進行擔(dān)保得分5分；以風(fēng)險準備金，第三方擔(dān)保，自有資金中的兩種進行擔(dān)保得分6分；以風(fēng)險準備金，第三方擔(dān)保和自有資金進行擔(dān)保得分8分。

客戶資金存管狀態(tài)（DS）：若平臺對客戶資金進行存管，則得分9分，否則得6分。

借款用途(BP)：若平臺公布借款用途，則得8分，否則得5分。

逾期率(OR)：若平臺公布逾期率，則得8分，否則得5分。

?

基本信息（BI）：包括公司名稱、公司地址、客服電話、網(wǎng)址、法人代表、股東結(jié)構(gòu)、平臺運行數(shù)據(jù)、管理層結(jié)構(gòu)、高管學(xué)歷、高管經(jīng)驗。每項分值1分，披露則加1分。

說明：A等級代表低風(fēng)險，B等級代表中等風(fēng)險，C等級代表較高風(fēng)險。

3.3 隨機森林過程及結(jié)果分析

①隨機森林分類過程。本文隨機森林過程采用R軟件（R32 3.3.3版本）實現(xiàn)。首先打開R軟件，載入數(shù)據(jù)，然后查看數(shù)據(jù)結(jié)構(gòu)并對數(shù)據(jù)加以總結(jié)，最后加載隨機森林軟件包并進行以下操作。本文樹的棵樹選取200棵，每個節(jié)點處選擇的變量數(shù)為3個，將100組數(shù)據(jù)劃分為兩個部分，70%為訓(xùn)練集，30%為測試集。

②隨機森林結(jié)果分析。在對70%的訓(xùn)練樣本進行訓(xùn)練的時候，模型將訓(xùn)練樣本正確劃分為A類的數(shù)量有11個，將A類樣本劃分為B類和C類的數(shù)量分別是4個，1個；模型將訓(xùn)練樣本正確劃分為B類的數(shù)量有14個，將B類樣本劃分為A類和C類的數(shù)量分別是5個，7個；模型將訓(xùn)練樣本正確劃分為C類的數(shù)量有21個，將C類樣本劃分為A類和B類的數(shù)量分別是1個，8個。由隨機森林訓(xùn)練結(jié)果得出OOB錯誤率為31.2%，說明模型對對象的識別效果比較高，達到68.8%。

?

如表2所示，隨機森林模型的混合矩陣給出了各類型的風(fēng)險等級錯誤分類的概率，得出A類和C類錯誤分類的概率比較低，B類錯誤分類的概率較高，而且多數(shù)錯誤分類為C類。

如下圖1，是根據(jù)生成的隨機森林中不同的樹繪制的錯誤率圖。圖中，黑色的線條代表模型錯誤分類的走勢圖，紅色，綠色和藍色線條分別代表A類，B類和C類錯誤分類的走勢圖。由圖可以得出，當(dāng)樹的數(shù)量小于50棵時，錯誤分類的概率很高，當(dāng)樹的數(shù)量在50～100棵時，錯誤分類的概率出現(xiàn)波動，當(dāng)樹的數(shù)量為200棵時，錯誤分類的概率降低到比較低的水平并保持穩(wěn)定。

?

如上表3所示，模型得出各個變量的重要性判斷。月平均成交量最重要，系數(shù)達到8.501 693，其次是月平均投資者指標，系數(shù)達到6.968 717，平臺的基本信息也比較重要，重要性系數(shù)達到5.171 742。而資金存管與否這一個變量的重要性相比其他變量很低，重要性系數(shù)只有2.333 075，同樣，借款項目用途和逾期率這兩個指標的重要性也很低，分別為2.544 679和2.012 458。依據(jù)本模型的結(jié)論，通過對上述指標的分析，我們可以初步判斷P2P網(wǎng)貸平臺跑路的可能性，這里可以重點關(guān)注月平均成交量、月平均投資者數(shù)量、平臺基本信息披露情況。

接下來，使用測試集對已經(jīng)構(gòu)建好的隨機森林進行測試，并通過函數(shù)table()和函數(shù)margin()查看結(jié)果。

由模型得出測試集的分類結(jié)果可以看出，模型對測試集樣本正確分類為A類和B類的概率分別達到100%和75%，正確分類為C類的概率達31.3%。本文分析可能的原因可能有以下幾點：在對風(fēng)險等級取值的時候采取了四舍五入的方法，導(dǎo)致樣本本該分類到C類卻分類到B類；C類樣本和B類樣本的風(fēng)險值在分類臨界值處和相對差距較小的區(qū)間內(nèi)難以區(qū)分；模型將C類錯誤分類的都為B類，因此我們對B類平臺也應(yīng)重點關(guān)注。

3.4 結(jié)果的解釋

通過前文分析，隨機森林模型能夠很好的對對象進行分類，對不同風(fēng)險等級的平臺能夠有效識別并且能夠很輕松處理高維度的變量數(shù)據(jù)。此外，模型給出了各個變量重要性系數(shù)，月平均成交量、月平均投資者人數(shù)、基本信息和注冊資本四個指標的重要性系數(shù)均達到5以上，說明可以參照這四個指標判斷平臺出現(xiàn)問題的可能性。這對行業(yè)監(jiān)管來說很重要，也可以作為投資者識別問題平臺的信號。這與一般觀點有所不同，一般認為銀行存管、平臺背景和利率非常重要?？赡艿脑蛉缦拢罕疚闹校芏鄾]有銀行存管的平臺安全性也是比較高的；雖然行業(yè)中出現(xiàn)跑路等事件的平臺主要是民營背景的平臺，但是越來越多的上市公司參股或者國資控股的平臺也出現(xiàn)了各種風(fēng)險事件；本文數(shù)據(jù)采集時間段是2016年，這段時間網(wǎng)貸行業(yè)的平均利率水平都在下降，不斷接近正常的利率水平范圍，所以利率的重要性有所下降。

4 防范P2P網(wǎng)貸平臺跑路風(fēng)險的建議

4.1 投資者角度

①查詢平臺運營情況，規(guī)避虛假平臺。平臺的運營情況反映了平臺的真實交易，平臺上的成交量、投資者人數(shù)、借款人數(shù)和待還款余額等信息能夠反映出一個平臺是真實運營的平臺還是只是詐取投資者資金的平臺。所以，對于那些宣揚高利率、風(fēng)險低但卻沒有很活躍的成交和投資者，建議投資者要多加小心，盡量避免選擇這類平臺進行投資。

②實地走訪網(wǎng)貸企業(yè)，充分考察平臺的真實性。由于信息不對稱，加之網(wǎng)貸行業(yè)風(fēng)險種類比較多，網(wǎng)貸行業(yè)的風(fēng)險比傳統(tǒng)的借貸行業(yè)較大，所以一般的投資者對平臺的安全性難以有效識別。對于利率較高的平臺，投資者更應(yīng)該考察網(wǎng)貸平臺的真實性，投資者可以實地考察所投資的網(wǎng)貸企業(yè)，調(diào)查考證網(wǎng)貸平臺的真實性和安全性。從而充分保障投資者的利益。

③建立投資者聯(lián)盟，加強對網(wǎng)貸平臺的監(jiān)督。在網(wǎng)貸行業(yè)中，投資者處于信息不對稱的劣勢一方，投資事關(guān)投資者的資金安全，一旦出現(xiàn)跑路事件，投資者將血本無歸。作為投資者，也有義務(wù)對自己資金的安全性負責(zé)，所以投資者也應(yīng)該加強對平臺的監(jiān)督?？梢越⑼顿Y者聯(lián)盟或者投資者監(jiān)督團體對所投資的網(wǎng)貸平臺加強監(jiān)督，防止平臺跑路。

4.2 監(jiān)管主體角度

①完善網(wǎng)貸行業(yè)法律法規(guī)。網(wǎng)貸行業(yè)在我國發(fā)展迅速，發(fā)展現(xiàn)狀比較復(fù)雜，網(wǎng)貸立法很難考慮現(xiàn)實中的各種情況，所以網(wǎng)貸行業(yè)法律法規(guī)難免有所疏漏。所以，監(jiān)管主體在考慮現(xiàn)實情況和參考國外網(wǎng)貸行業(yè)立法的基礎(chǔ)上，完善法律法規(guī)，用法律來規(guī)范行業(yè)發(fā)展。

②強制規(guī)定平臺進行資金存管。資金存管是防止平臺挪用和詐取客戶資金的重要手段。由銀行業(yè)金融機構(gòu)對客戶資金和網(wǎng)貸機構(gòu)自身資金實行分賬管理，從機制上保證客戶資金安全，防止網(wǎng)貸機構(gòu)侵占、挪用客戶資金。

③實行地方金融監(jiān)管部門備案制度和電信業(yè)務(wù)經(jīng)營許可證制度。P2P網(wǎng)貸由于風(fēng)險較大，所以應(yīng)該從源頭上加以有效監(jiān)管。對于申請從事P2P網(wǎng)貸業(yè)務(wù)的企業(yè)，需要通過當(dāng)?shù)刂鞴芙鹑诒O(jiān)管部門備案，并獲得電信業(yè)務(wù)經(jīng)營許可證。這樣可以防止那些以詐騙為目的的平臺進入行業(yè)。

4.3 行業(yè)自律組織角度

①建立強制信息披露制度。本來網(wǎng)貸行業(yè)就存在嚴重的信息不對稱，再加上網(wǎng)貸企業(yè)不對外公布任何信息，那么信息不對稱程度更加嚴重。所以行業(yè)自律組織應(yīng)該制定信息披露制度，包括借款項目信息、借款人或借款企業(yè)信息、平臺基本信息、平臺重大事項變更信息、平臺的運營報告、財務(wù)審計報告、會計報表等。通過強制信息披露，減少信息不對稱，使平臺運營陽光透明。

②建立黑名單制度。建立網(wǎng)貸行業(yè)黑名單制度可以防止同樣的平臺在被查處后繼續(xù)以同樣的手段游離在網(wǎng)貸行業(yè)，繼續(xù)從事欺詐投資者的事情。對于跑路事件的平臺和平臺負責(zé)人要進行嚴格查處，使失信人員和平臺必受懲罰，守信人員和平臺繼續(xù)運行。

本文從平臺的角度對網(wǎng)貸行業(yè)的跑路風(fēng)險進行了詳細的分析，并得出平臺月均成交量、平臺月均投資者人數(shù)、平臺基本信息披露和平臺注冊資本對網(wǎng)貸平臺跑路風(fēng)險具有重要影響。因而，投資者和監(jiān)管機構(gòu)可以將這些指標作為投資和監(jiān)管決策的參考。本文的不足之處在于樣本數(shù)據(jù)較少，研究的時間跨度只有一年，還有待還款余額、平臺運行時間、平臺技術(shù)水平和輿論等可能影響因素沒有加以考慮，接下來可從這些方面加以研究。

[1]何五星.互聯(lián)網(wǎng)金融模式與實戰(zhàn)[M].廣州：廣東人民出版社,2015.

[2]曾丹華.P2P跑路平臺的四大風(fēng)險點分析[EB/OL].(2014-11-26)[2017-9-20].http://www.wdzj.com/news/zhuan lan/15445.html.

[3]于曉虹,樓文高.基于隨機森林的P2P網(wǎng)貸信用風(fēng)險評價、預(yù)警與實證研究[J].金融理論與實踐,2016(2):53-58.

[4]Cai S,Lin X,Xu D,et al.Judging Online Peer-to-Peer Lending Behavior:A Comparison of First-time and Repeated Borrowing Requests[J].Information&Management,2016,53(7):857-867.

[5]P?tzsch S,B?hme R.The Role of Soft Information in Trust Building:Evidence from Online Social Lending[C].International Conference on Trust and Trustworthy Computing.Springer-Verlag,2010:381-395.

[6]Cui L,Bai L,Wang Y,et al.P2P Lending Analysis Using the Most Relevant Graph-Based Features[C].Joint Iapr International Workshops on Statistical Techniques in Pattern Recognition.Springer,Cham,2016:3-14.

[7]武文杰,肖旭.我國P2P網(wǎng)貸平臺問題及監(jiān)管研究[J].中國商論,2016(23):68-71.

[8]葉青,李增泉,徐偉航.P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險識別研究[J].會計研究,2016(6):38-45.

[9]陳芫青.我國P2P網(wǎng)貸平臺“跑路”現(xiàn)象原因探析[J].現(xiàn)代經(jīng)濟信息,2016(6):285-286.