湯兆博

摘 要：近年來，P2P平臺“跑路”事件頻發(fā)。本文利用某區(qū)域性P2P網(wǎng)絡(luò)借貸平臺項目數(shù)據(jù)，對融資企業(yè)屬性、融資項目屬性與市場環(huán)境進(jìn)行綜合性考量，實證分析P2P“跑路”事件對尚存平臺項目融資效率的影響。研究表明，整體來看市場環(huán)境對企業(yè)網(wǎng)絡(luò)融資效率起決定性作用；“跑路”事件對企業(yè)網(wǎng)絡(luò)融資效率的影響不容忽視。在此基礎(chǔ)上，給出對P2P網(wǎng)絡(luò)借貸平臺建設(shè)以及融資企業(yè)發(fā)展的相關(guān)啟示。

關(guān)鍵詞：網(wǎng)絡(luò)融資效率 P2P 市場環(huán)境 “跑路”事件

中圖分類號：F832 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2018）05（b）-029-02

P2P作為網(wǎng)絡(luò)借貸的重要形式，起源于歐美國家，從相關(guān)文獻(xiàn)上來看，已有學(xué)者對此進(jìn)行了理論與實證上的分析。在探索網(wǎng)絡(luò)平臺融資效率方面，國外研究主要是基于Prospect平臺上的公開數(shù)據(jù)進(jìn)行的。Samuel et al.（2008）研究發(fā)現(xiàn)，市場上自然形成的團(tuán)體可以降低借款人的融資成本，說明貸款人信用和團(tuán)體的形成影響網(wǎng)絡(luò)借款的效率[1]。Palvia et al.（2009）認(rèn)為，信任是網(wǎng)絡(luò)融資得以順利進(jìn)行的重要因素[2]。而Benjamin et al.（2010）則從信息不對稱的角度出發(fā)，認(rèn)為網(wǎng)絡(luò)社區(qū)里的個人聲譽和名聲可以影響融資效率[3]。Lin et al.（2009）認(rèn)為影響網(wǎng)絡(luò)融資效率的首要因素是社會因素[4]。而從國內(nèi)研究情況來看，自謝平等（2012）以及李海峰（2013）給出了互聯(lián)網(wǎng)金融概念，并分析了其特征[5][6]以來，有越來越多的學(xué)者在此基礎(chǔ)上開始逐漸關(guān)注網(wǎng)絡(luò)融資問題。盧馨（2014）證明了互聯(lián)網(wǎng)金融在降低小微企業(yè)融資成本上所體現(xiàn)的優(yōu)勢和潛力[7]。廖理等（2014）通過人人貸平臺數(shù)據(jù)研究指出在我國信貸市場中的投資者是具有良好的風(fēng)險判斷能力的[8]。李焰（2014）認(rèn)為提供更多描述性信息的借款人具有較高的融資效率[9]。

基于此，本文利用某區(qū)域性P2P網(wǎng)絡(luò)借貸平臺項目數(shù)據(jù)，對融資企業(yè)屬性、融資項目屬性與市場環(huán)境進(jìn)行綜合性考量，實證分析P2P“跑路”事件對尚存平臺項目融資效率的影響。

1 實證設(shè)計：數(shù)據(jù)選取與模型設(shè)計

本文依據(jù)RRC融資平臺（以下簡稱A平臺）、“第一網(wǎng)貸”網(wǎng)站所披露的公開數(shù)據(jù)獲取當(dāng)月發(fā)生“跑路”事件的平臺數(shù)（PROB）、當(dāng)月全國P2P網(wǎng)絡(luò)借貸平臺人氣指數(shù)（POPU）等相關(guān)數(shù)據(jù)。選取企業(yè)網(wǎng)絡(luò)融資時間（TERM）作為因變量。其他的變量分為三個類別，第一類別是企業(yè)基本屬性，包括企業(yè)所屬行業(yè)：制造業(yè)（MANU）、娛樂業(yè)（ENTA）、零售業(yè)（RETA）、建筑業(yè)（CNST）、科學(xué)研究與技術(shù)服務(wù)業(yè)（SCIE）、住宿和餐飲業(yè)（CATE）、商務(wù)服務(wù)業(yè)（BUSI）、企業(yè)規(guī)模（SCAL）等；第二類別是項目風(fēng)險及收益，項目還款時間（REPA）、融資規(guī)模（VOLU）、項目收益率（RATE）、企業(yè)擔(dān)保程度（RISK）等；第三類別是市場環(huán)境，當(dāng)月發(fā)生“跑路”事件的平臺數(shù)（PROB）、當(dāng)月全國P2P網(wǎng)絡(luò)借貸平臺人氣指數(shù)（POPU）等。選取變量建立模型（1）。

2 實證分析

為避免量綱不一致，降低異方差的程度，將數(shù)據(jù)企業(yè)規(guī)模、融資期限、融資規(guī)模、當(dāng)月發(fā)生“跑路”事件的平臺數(shù)、當(dāng)月全國網(wǎng)絡(luò)融資人氣指數(shù)這5個變量取對數(shù)處理。本文采用OLS方法對模型（1）進(jìn)行估計，最終到回歸結(jié)果，如表1所示。

（1）整體來看，市場環(huán)境對企業(yè)網(wǎng)絡(luò)融資時間起決定性作用，項目屬性對其也存在重要影響。根據(jù)表1所示，企業(yè)的行業(yè)屬性對企業(yè)發(fā)布融資項目進(jìn)行融資的時間的解釋能力為25.19%，再加入項目信息后，解釋能力提升了5.53%，達(dá)到30.72%。而在考慮了P2P平臺“跑路”事件的影響之后，解釋變量對因變量的解釋能力提升了5.82%，達(dá)到36.54%。一旦市場環(huán)境稍微發(fā)生變化，諸如“跑路”事件頻發(fā)，就會對企業(yè)網(wǎng)絡(luò)融資時間產(chǎn)生很大影響。而項目屬性發(fā)生相應(yīng)變化，如項目融資收益率發(fā)生變動，企業(yè)網(wǎng)絡(luò)融資時間也會發(fā)生較大變化?？梢姡来渭尤氩煌悇e的變量后，方程對因變量的解釋能力逐步提升，市場環(huán)境更為對融資效率的影響更為重要一些，其變量對因變量的影響程度略大于項目屬性對因變量的影響程度。

（2）“跑路”事件對企業(yè)網(wǎng)絡(luò)融資效率的影響不容忽視。從方程3看，市場環(huán)境這一類別中，當(dāng)月全國網(wǎng)絡(luò)借貸平臺參與人數(shù)的人氣指數(shù)（POPU）當(dāng)期在10%水平下顯著，而滯后一期對因變量無顯著影響；而當(dāng)月全國平臺“跑路”事件數(shù)（PROB）在當(dāng)期與滯后一期分別在5%和10%水平下顯著。鑒于這兩個變量是全市場范圍內(nèi)的數(shù)據(jù)，所以這一顯著結(jié)果說明，A平臺雖然作為一個區(qū)域型網(wǎng)絡(luò)借貸平臺，具有自身特異性，但是全國總體趨勢對其的影響依舊是非常大的。據(jù)表1數(shù)據(jù)顯示，當(dāng)月全國人氣指數(shù)越高，即參與網(wǎng)絡(luò)借貸平臺的人數(shù)越多，企業(yè)網(wǎng)絡(luò)融資時間會越長。

這可能是由于網(wǎng)絡(luò)融資平臺在制定項目收益率的時候，會考慮央行的貸款利率、項目的風(fēng)險情況、融資企業(yè)愿意接受的利率和自身收取的相關(guān)服務(wù)費，而當(dāng)在參與人數(shù)過多時，一方面想要融資的企業(yè)會順勢制定更多的融資項目，平臺的信息處理量就會增加，增加企業(yè)網(wǎng)絡(luò)融資的時間；另一方面，從投資者的角度來看，更多的投資項目，也會造成投資者自身的信息超載，即投資者所接收的信息遠(yuǎn)遠(yuǎn)超出其信息處理能力，因此投資者在進(jìn)行投資項目選擇時就會受到影響，這無疑也會延長企業(yè)網(wǎng)絡(luò)融資的時間。

3 結(jié)論與啟示

對P2P網(wǎng)絡(luò)借貸平臺而言，要想持續(xù)健康的發(fā)展，應(yīng)改善自身治理結(jié)構(gòu)，增加行業(yè)實力，優(yōu)化市場環(huán)境，重新樹立市場信心。從網(wǎng)絡(luò)借貸平臺發(fā)展至今，一直缺乏規(guī)范的管理，“跑路”事件頻發(fā)。培育一個成熟的市場環(huán)境是非常困難的，需要一個長期的發(fā)展過程。同時，市場環(huán)境在發(fā)展過程中一旦開始惡化，造成市場信心下降，要想恢復(fù)也是很困難的?！芭苈贰笔录陌l(fā)生，不僅損害了投資者的權(quán)益、阻礙了企業(yè)發(fā)展，還使得形成不久的網(wǎng)絡(luò)借貸平臺市場環(huán)境惡化。因此，P2P網(wǎng)絡(luò)借貸平臺應(yīng)及時制定權(quán)威、科學(xué)的制度，高度重視“跑路”事件，提升平臺實力。與此同時，所有P2P平臺還應(yīng)該聯(lián)合起來，抵制、杜絕違規(guī)經(jīng)營，共同構(gòu)建良好的市場環(huán)境，重新樹立市場信心。

參考文獻(xiàn)

[1] Samuel R.Garman，Robert C.Hampshire，Ramayya Krishnan.Person-to-Person Lending：The Pursuit of（More）Competitive Credit Markets[J].Political Economy，2008（115）.

[2] Palvia.S.T.，Pasquariello.P.，Wu.G.Does Asymmetric Information Drive Capital Structure Decisions？[D].AFA 2008 New Orleans Meetings Paper，2009.

[3] Benjamin Collier，Robert Hampshire.Sending Mixed Signals：Multilevel Reputation Effects in Peer-to-Peer Lending Markets[C].ACM conference on Computer supported cooperative work，2010.

[4] Mingfeng Lin，N.R.Prabhala and Siva Viswanathan. Judging Borrowers By The Company They Keep：Social Net Works and Adverse Selection in Online Peer-toPeer Lending[J].Management Science，2009（2）.

[5] 謝平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[J].金融研究，2012（12）.

[6] 李海峰.網(wǎng)絡(luò)融資——互聯(lián)網(wǎng)經(jīng)濟下的新金融[M].北京：中國金融出版社，2013.

[7] 廖理，李夢然，王正位.聰明的投資者：非完全市場化利率與風(fēng)險識別——來自網(wǎng)絡(luò)借貸的證據(jù)[J].經(jīng)濟研究，2014（7）.

[8] 盧馨，汪柳希，楊宜.互聯(lián)網(wǎng)金融與小微企業(yè)融資成本研究[J].財經(jīng)金融，2014（5）.

[9] 李焰，高弋君.借款人描述性信息對投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺的分析[J].經(jīng)濟研究，2014（1）.