陳婷婷， 王應明

(福州大學 經(jīng)濟與管理學院,福建 福州 350116)

P2P網(wǎng)貸平臺(Peer to Peer Lending或Person to Person Lending)為基于信用的借貸拍賣平臺，主要是利用網(wǎng)絡技術(shù)為借貸雙方提供信息以及信貸服務。因暫時沒有對該類金融中介出具專門的監(jiān)管辦法，P2P作為金融中介一直位于灰色監(jiān)管地帶，但平臺無需抵押就可借貸的低門檻、債務人分布渙散的特點，導致平臺風險問題一直頗受關注。我國作為P2P平臺市場規(guī)模最大的國家，與此同時也面臨著最嚴峻的行業(yè)風險問題。據(jù)統(tǒng)計，截至2016年4月，我國P2P行業(yè)累計問題平臺數(shù)量為1598家，P2P行業(yè)淘汰率達到了39.7%。在這些問題平臺中，跑路平臺達到784家，占問題平臺的49%。

銀行貸款、資本市場債券以及P2P網(wǎng)貸都涉及三個主體，也即融資人、借貸人和金融中介，但這三種融資方式中投資人、借款人和服務中介之間的關系是不一樣的。銀行貸款中借貸雙方是完全隔離的，資本市場中發(fā)行的債券等因有專門的監(jiān)管承銷、評級機構(gòu)使得融資產(chǎn)品是一種標準化的債權(quán)債務關系。而P2P網(wǎng)貸平臺僅作為服務中介，其主要是要求借貸人提供真實可信的個人信息，融資人可根據(jù)個人意愿選擇相應的借貸人，風險仍由債權(quán)人承擔，因此平臺具有更廣闊的選擇空間。

本文基于P2P網(wǎng)貸平臺中三方主體的相互作用，假設交易已完成的情況下，研究融資人偏好與平臺標的設計之間的聯(lián)系。

1 相關文獻回顧

P2P網(wǎng)貸平臺受到追捧的同時，其產(chǎn)生的風險也受到越來越多的關注，國內(nèi)外學者也對此開始關注和分析，針對P2P網(wǎng)貸行業(yè)的研究可分為以下幾個方面：

(1)分析P2P平臺的商業(yè)模式及其對傳統(tǒng)貸款行業(yè)的影響(Wang et al.，2009；Meyer et al.，2007；Galloway，2009)。P2P網(wǎng)貸市場通過互聯(lián)網(wǎng)作為信息媒介，從而極大減少了借貸雙方的信息不對稱程度，并擴大了交易的范圍，具有一定的包容性，且彌補了傳統(tǒng)借貸市場的不足。

(2)Herrero-Lopez(2009)、Sonenshein(2010)、Zhan和Fang(2010)等從社會資本、互動程度、信用評分、聲譽、隱私保護措施等方面研究了P2P網(wǎng)貸平臺的效率。而平臺標的大部分是通過像借貸人的信用值、工齡、借款用處確定其借款的利息值。例如借款人在Lending Club網(wǎng)站注冊并填寫FCIO得分、借貸值、用處、債務收入比、固定資產(chǎn)情況、借貸月份、居住地址等信息，平臺在接收到相關申請后根據(jù)借貸人的個人信息情況評估其風險級別、借款利息以及手續(xù)費率等，從而完成一個融資標的的設計。

(3)Ryan(2007)、Larrimore(2011)、Lin(2013)等通過借貸人的視角，嘗試分析借貸人的成功率受哪些決定性的因素影響。Puro等(2010)通過logistic回歸表明貸款越低，則貸款成本也越低，且貸款成功率越高。李文佳(2011)根據(jù)實證分析結(jié)果表明，借貸人信用評分、借貸金額、利息以及期限等對借貸成功與否起到?jīng)Q定性作用。Leetal(2012)研究表明借款人和融資人互動越頻繁，則會吸引更多的投資人，也即投資人有明顯的“羊群效應”。

(4)Puro(2010)、Herzenstein等(2010)、Lee(2012)都從投資人的視角出發(fā)，研究融資人對債務人的信息了解程度與其是否投資之間的關系。由于網(wǎng)貸平臺的特殊性，債務人和債權(quán)人之間信息嚴重不對稱，債務人對自身情況顯然更熟悉，故具有一定優(yōu)勢，而債權(quán)人只掌握了借貸人在平臺上填寫的資料，顯然處于劣勢。但是，融資人有選擇借貸人的權(quán)利，其可結(jié)合借款人的公開信息以及自身的風險偏好選擇予以借款的對象。P2P網(wǎng)貸平臺需事先審核債務人填寫資料的真實性，故融資人的劣勢地位有所緩解。但若融資標的設計的不合理，即使融資標的的高利率對投資者具有吸引力，融資人在權(quán)衡高收益所要承擔的風險后，其或許會更傾向于資金的安全性，個人投資者可能更傾向于低風險或適中風險的金融產(chǎn)品，這時，即使融資標的的借款利率很高，也會面臨流標風險。故分析投資者偏好對平臺產(chǎn)品的設計及提高融資成功率具有著重要指導意義。

也有學者考慮到融資人所面臨的風險不僅僅來自借款人是否能夠按時還本付息的問題，還來自于網(wǎng)貸平臺的風險控制問題。一方面，針對借款人的風險，Hulme和Wright(2006)分析網(wǎng)貸平臺的營運模式和信用認證機制與網(wǎng)貸平臺的壞賬率之間的關系。美國、英國和中國是網(wǎng)貸平臺發(fā)展較快的國家，但是美國和英國具有完善的個人征信系統(tǒng)，故P2P平臺僅需線上認證即可，且平臺在保持較低壞賬率的同時平穩(wěn)運行。然而，中國面臨的狀況較為復雜，因其缺乏全面、完善的個人征信體系，網(wǎng)貸平臺必須對借款人的信息真實性和風險控制機制嚴加把控，進而降低P2P平臺和融資人所承擔的風險。

另一方面，針對網(wǎng)貸平臺自身的道德風險問題，主要的研究熱點是對設計平臺監(jiān)管制度的討論。對于美國和英國而言，因其完善的金融監(jiān)管制度，美國和英國平臺模式相對簡單，傳統(tǒng)的金融監(jiān)管制度完善，故已有相應的平臺的監(jiān)管條例。然而，我國P2P平臺數(shù)量多且模式多樣化，現(xiàn)階段仍屬監(jiān)管的灰色地帶。相應的監(jiān)管條例的制定設計還在艱難的探索階段。

通過文獻回顧可知，現(xiàn)階段針對網(wǎng)貸平臺中融資人的風險研究較少，然而，融資人作為網(wǎng)貸平臺運營的主體之一，其行為會對債務人、運營中介產(chǎn)生或高或低的影響。筆者認為，融資人的風險偏好、平臺產(chǎn)品結(jié)構(gòu)設計有著緊密聯(lián)系，并且這些也會影響P2P網(wǎng)絡借貸平臺的運營風險，故監(jiān)管條例的制定也需要考慮保證融資人、借款人和借款平臺之間的良性互動。融資人的偏好、借款人、網(wǎng)貸平臺相互作用，若平臺未能夠正確評估融資人的偏好設計出不具有吸引力的融資標的，增加了融資門檻，成功率下降，且更有甚者會增加平臺的運營風險。反向而言，P2P平臺有責任做好融資者的風險偏好評估工作，降低借貸雙方的信息不對稱程度。

本文就是基于這樣的想法，構(gòu)造了一個從投資人角度對融資標的各項屬性進行評價的模型。因涉及的影響因素較多，如何對其中多個影響因素綜合評估，得到其相對應的排序來確定融資人的偏好問題，屬于多屬性決策范疇。目前的研究方法主要包括層次分析法(AHP)[2]、模糊集[3]、D-S證據(jù)理論[4-5]和證據(jù)推理方法等。但是證據(jù)推理方法因其只能夠?qū)Ρ舜霜毩⒌男畔⑦M行整合而具有很大的局限性。在實際應用中，信息與信息之間多為復雜的非線性關系，基于此，文獻[12]提出了基于ER算法的置信規(guī)則庫(belief rule-based，BRB)系統(tǒng)，因其處理復雜信息的優(yōu)越性，此后很多學者開始將研究焦點轉(zhuǎn)向BRB系統(tǒng)的優(yōu)化及應用等，在很多領域如項目組合、臨床診斷、產(chǎn)品優(yōu)化涉及等都有重要的作用。在此，筆者利用發(fā)放調(diào)查問卷的方式得到融資人的偏好數(shù)據(jù)，建立相應的置信規(guī)則庫，從數(shù)據(jù)中挖掘規(guī)則，構(gòu)建融資標的的評價模型，計算不同融資標的的綜合得分并排序，從而測度融資人偏好，為產(chǎn)品的設計提供重要的參考信息。通過平臺融資產(chǎn)品產(chǎn)品結(jié)構(gòu)對不同偏好的投資者的吸引力程度，提取融資產(chǎn)品中影響融資成功率的決定性因素。

2 置信規(guī)則庫系統(tǒng)(BRB)

2.1 系統(tǒng)模型

圖1 指標模型

根據(jù)圖1，多屬性決策是會涉及到多層指標。也即A1,A2,…,Ak這k指標構(gòu)成了A這個總體，而對于第i個指標Ai，其由mi個下層指標Ai1,Ai2,…,Aimi構(gòu)成。這是因為Ai有時不能直接得到，需根據(jù)其下層屬性Ai1,Ai2,…,Aimi計算得到，Ai和Ai1,Ai2,…,Aimi是非線性關系，可用規(guī)則表達。

2.2 規(guī) 則

一般地，知識庫R=〈U,A,D,F〉。其中，U={Ui,i=1,2,…,T}為前驅(qū)屬性集；A={Ai,A2,…,Ar}，Ai={Aij,j=1,2,…,Ji=|Ai|}為Ui的值D={Dn,n=1,2,…,N}為結(jié)果屬性集；F為邏輯函數(shù)。定義規(guī)則Rk：

也即，規(guī)則：if投資進度影響程度為“中等”∧互動程度影響程度為“中等”，then羊群行為影響程度為{(高，0.21)，(中，0.66),(低，0.13)}。這也就是說，若前驅(qū)屬性投資進度和互動程度影響程度都為“中”，那么后驅(qū)屬性羊群行為的影響程度為“中”的信度是0.66，為“低”的信度是0.13，為“高”的信度是0.21。

規(guī)則權(quán)重代表規(guī)則的重要性，而屬性在這條規(guī)則中的重要程度由屬性權(quán)重表示。若問題是明確的，可通過專家或決策者的領域經(jīng)驗知識確定規(guī)則。在本文中，規(guī)則通過Weka軟件進行挖掘。

2.3 關聯(lián)規(guī)則

置信規(guī)則庫主要在于通過搭建相應的規(guī)則庫系統(tǒng)，表示屬性之間的因果關系。文獻[13-17]主要是根據(jù)專家的領域經(jīng)驗知識得到相應的規(guī)則庫。但是，第一，因?qū)＜业挠邢蘩硇灾R，當系統(tǒng)規(guī)模很大且更復雜時主觀定出規(guī)則便不再適用；第二，這是在有專家知識可供參考的情況下，但有些行業(yè)可能并沒有可提供決策支持的專家。因此，通過關聯(lián)規(guī)則挖掘規(guī)則，從而構(gòu)建規(guī)則庫是很有必要的。

在此，我們假設項集I={I1,I2,…,Im}，D為事務T的集合，并且每個事務T是項的集合，從而T?I，若A表示一個項集，則當且僅當A?T時表明事務包含A。

關聯(lián)規(guī)則可用A?B這樣的關系闡述，也就是說ifAthenB的形式，在這里A表示規(guī)則前件，B表示規(guī)則后件，A?I,B?I，A∩B=?。在事務集D中，若A?B成立，支持度為s，s表示D包含A∪B概率，也可表示為s(A?B)=P(A∪B)。

若A?B成立，置信度為c，這里c表示D中包含A的同時包含B概率，也可表示為c(A?B)=P(B|A)。

2.4 規(guī)則推理

φ積(a，b)=ab，φ和(a，b)=a+b-ab。

本文規(guī)則的邏輯關系均為概率積，故我們選擇加權(quán)乘法聚集函數(shù)計算αk：

(1)

從而第k個規(guī)則的權(quán)重為：

(2)

其中，θk為規(guī)則的權(quán)重。

由此，運用ER算法對規(guī)則進行推理：

mj，k=ωkβj，k，j=1，2，…，N

(3)

(4)

(5)

(6)

進行聚合，有

(7)

(8)

(9)

(10)

(11)

(12)

在此，屬性結(jié)果的第j個值表示為Dj；具有置信度βj；未知信度用βD表示。基于效用函數(shù)，利用IDS軟件求解得出方案的最終得分為：

(13)

3 基于BRB系統(tǒng)的投資者偏好測度

3.1 投資者偏好測度指標體系構(gòu)建

在P2P網(wǎng)絡借貸市場，平臺要想長期經(jīng)營，或是借款人希望成功借款，必須及時了解市場行情，了解市場需求，關注投資者偏好。了解投資者偏好的前提是明確投資者決定投資與否時關注的因素，即對融資標的和借款人的評價指標。

網(wǎng)絡借貸平臺的模式呈現(xiàn)多樣化的態(tài)勢，標的的設計也各具特色，而投資者決定是否投資多是通過對平臺提供的信息感官評審。但投資者在進行投資時難以對產(chǎn)品結(jié)構(gòu)的所有因素進行綜合權(quán)衡，況且屬性的重要程度有高低之分。除此之外，因素之間是復雜非線性關系。例如，投資者的偏好與融資標的的利率，不一定是利率越高投資者越喜歡，因此可以用規(guī)則表示這種復雜非線性關聯(lián)關系，本文運用置信規(guī)則庫系統(tǒng)測度網(wǎng)絡借貸市場的投資者偏好。

為避免模型過于復雜，根據(jù)已有文獻以及專家訪談，選擇對投資人偏好影響較大的因素建立模型，如圖2所示。

圖2 投資者偏好測度BRB系統(tǒng)

此模型包括5個BRB子系統(tǒng)：參與度和互動程度決定羊群行為；信用評級、債務收入比、是否自有房產(chǎn)、年齡、婚姻狀況決定借款者個人情況；借款金額、借款期限、還款方式、還款利率、自我陳述決定借款信息；是否有朋友投標和背書決定社會資本；歷史流標次數(shù)、歷史借款成功次數(shù)、歷史借款失敗次數(shù)決定歷史信息。

3.2 數(shù)據(jù)收集

本文主要是研究網(wǎng)絡借貸市場投資者受融資標的吸引因素，考慮數(shù)據(jù)的難獲得性，故而采用發(fā)放調(diào)查問卷進行數(shù)據(jù)收集。

3.2.1 問卷設計 通過參考相關文獻和專家訪談，設計每一個屬性的評價等級。為避免產(chǎn)生過多的規(guī)則，將屬性信用評級定五個評價等級，剩下的屬性均為三個評價等級。

融資人對于羊群行為的評估體現(xiàn)在融資標的融資進度和借款人的互動程度，投資者可以直觀地感受到良好、一般還是差。借款人信用評級分為五個等級：AAA、AA、A、BBB、BB，將偏好分為非常愿意、愿意、一般、不愿意和非常不愿意。

為獲取足夠的數(shù)據(jù)，對基于置信規(guī)則庫系統(tǒng)P2P網(wǎng)絡借貸市場投資者偏好的測度模型進行應用，本文結(jié)合問卷調(diào)查法和網(wǎng)絡調(diào)查法，對有過在P2P網(wǎng)絡借貸平臺的進行投資的投資者進行問卷調(diào)查，通過QQ、微信等網(wǎng)絡通訊工具，發(fā)動有過投資經(jīng)歷的同學、朋友配合調(diào)查，共收取270余份數(shù)據(jù)。

3.2.2 數(shù)據(jù)預處理 構(gòu)建置信規(guī)則庫關鍵在于從數(shù)據(jù)中挖掘規(guī)則，針對融資者偏好進行測度，多為定性屬性，很難從平臺獲取客觀數(shù)據(jù)，故本文采用網(wǎng)絡調(diào)查和線下調(diào)查相結(jié)合的方法，共收集數(shù)據(jù)270余份，經(jīng)過數(shù)據(jù)處理，將有漏填或填寫前后矛盾的問卷去除，最終得到有效數(shù)據(jù)141份進行試驗。

3.3 P2P網(wǎng)絡借貸市場投資者偏好測度實例

用SPSS分析出結(jié)果如下：

當按照“特征值大于1”和“累積覆蓋超過80%”的原則時，選擇前3個主成分符合要求。

personal situation(借款人情況)

borrowing terms(借款信息)

3.3.2 各子系統(tǒng)規(guī)則庫構(gòu)建 截取羊群行為屬性中部分數(shù)據(jù)為例，見表2(投資進度：low影響程度小，medium影響程度一般，high影響程度大；互動程度：low影響程度小，medium影響程度一般，high影響程度大；羊群行為：low影響程度小，medium影響程度一般，high影響程度大)。

將數(shù)據(jù)導入Weka中，運用關聯(lián)規(guī)則，結(jié)果如下：

Best rules found:

1.schedule=medium interaction=medium 32?herd degree=medium 21 conf:(0.66)

2.interaction=medium 60?herd degree=medium 38 conf:(0.63)

3.schedule=medium 56?herd degree=medium 34 conf:(0.61)

4.schedule=low 48?herd degree=medium 27 conf:(0.56)

……

在運算結(jié)果里選取后件為結(jié)果屬性herd degree的蘊含式，如結(jié)果2：

schedule=medium interaction=medium 32?herd degree=medium 21 conf:(0.66)

此結(jié)果的意義是：數(shù)據(jù)庫中有32個事務同時包含schedule=medium interaction=medium，在這樣的事務中同時包含herd degree=medium的有21個，那么支持度s=32/141=0.23,置信度c=0.66。統(tǒng)計包含schedule=medium interaction=medium余下的事務，同時包含herd degree=high的有7個，包含interaction degree=low的有4個，則此蘊含式schedule=medium interaction=medium 32?herd degree=high 7 conf:(0.21)；schedule=medium interaction=medium 32?herd degree=low 4 conf:(0.13)。通過梳理整合，置信度c也就是規(guī)則結(jié)果的置信度βjk用規(guī)則表示為：

if schedule=medium interaction=mediumthen

herd degree={(low,0.13),(medium,0.66),(high,0.21)}。

另規(guī)則權(quán)重等同于支持度s，θ=s。由此可得規(guī)則：

If投資進度“中”、借款人與投資者互動程度“中”then羊群行為影響程度為{(影響大，0.21)，(一般，0.66)，(影響小，0.13)}，此規(guī)則權(quán)重為0.66。

同理可得羊群行為的規(guī)則庫，見表3所列。

以層次T1為例,對于子系統(tǒng)羊群行為,輸入

schedule:(high,0.47),(medium,0.42),(low,0.11)

interaction:(high,0.6),(medium,0.27),(low,0.13)

(4)計算激活權(quán)重ωk。由(1)式αkk=1,2,…,9，再由(2)式計算ωkk=1,2,…,9。

(5)規(guī)則整合。將βjk、ωk的值代入(3)～(12)式，因工作量過于龐大，本文利用MATLAB計算。運算得T1的herd degree結(jié)果為：(high,0.26),(medium,0.6197),(low,0.123)。

同理計算borrowing terms系統(tǒng)的結(jié)果為：(high,0.7029),(medium,0.2687),(low,0.0284)。

(6)計算得分。取線性效用函數(shù)，u1=0,u2=0.5,u3=1，代入(13)式計算各層次總得分，結(jié)果見表5所列。

3.4 結(jié)果對比與分析

從收集的數(shù)據(jù)中統(tǒng)計題項“總的來說，你覺得自己對以下每個影響因素進行的影響程度進行打分？T3.影響大，T2，一般，T1，影響小”。各子系統(tǒng)統(tǒng)計得分和排名情況見表6。

表3 羊群行為子系統(tǒng)規(guī)則庫

表4 3種層次標的的2種屬性值

表5 各子系統(tǒng)計算得分結(jié)果

表6 各子系統(tǒng)統(tǒng)計得分結(jié)果

表5為利用置信規(guī)則庫系統(tǒng)計算得出的結(jié)果，表6是利用問卷統(tǒng)計的結(jié)果，對比表明利用置信規(guī)則庫計算得到的結(jié)果和利用問卷統(tǒng)計得到的結(jié)果基本一致，表明問卷設計的合理性，同時在對比中也看出，2種方法對personal information和historical information的排名不同，主要是數(shù)據(jù)量較少的原因。此外表5問卷計算得分和表7利用人人貸數(shù)據(jù)計算得分對比結(jié)果排名一致，表明利用關聯(lián)規(guī)則挖掘規(guī)則并構(gòu)建規(guī)則庫的可行性和合理性。

從結(jié)果來看，融資人最關心的是融資標的中諸如貸款額度、貸款利息、還款方式、貸款期限、自我陳述這些信息，故平臺在設計標的時應要求借款人對這些信息表述詳盡，而借款人情況及歷史信息屬性也會顯著影響投資者做決策。相較于統(tǒng)計結(jié)果，本文通過關聯(lián)規(guī)則理論運用Weka軟件來挖掘規(guī)則，避免了專家打分法的主觀性。此外，因投資者對融資標的偏好與其各屬性值存在著非線性的因果關系，故運用置信規(guī)則庫系統(tǒng)合理測度投資者偏好，這樣的系統(tǒng)也可以為后續(xù)融資標的的設計提供決策。

表7 人人貸數(shù)據(jù)中各子系統(tǒng)計算結(jié)果

注:數(shù)據(jù)來自2010—2015年在人人貸注冊申請借款者相關數(shù)據(jù)。

綜上可得，利用置信規(guī)則庫測度P2P網(wǎng)絡借貸平臺投資者偏好是合理有效的，故而可據(jù)此有針對性地進行產(chǎn)品研發(fā)設計。產(chǎn)品經(jīng)理可考慮多個產(chǎn)品，將備選的多個產(chǎn)品輸入模型計算得分和排名，可據(jù)此選擇排名較高的產(chǎn)品方案，準確定位產(chǎn)品，為融資人提供合理且有吸引力的融資產(chǎn)品。

4 結(jié) 語

國內(nèi)P2P網(wǎng)絡信貸平臺快速發(fā)展，作為具有普惠、包容特點的互聯(lián)網(wǎng)融資方式，是傳統(tǒng)金融體系有益的補充。但目前仍面臨兩大問題：第一、平臺融資成功率仍然相對較低；第二、P2P網(wǎng)貸平臺高額的融資成本嚴重阻礙了市場的健康發(fā)展。

本文通過構(gòu)造了一個從投資人角度對融資標的進行評價的模型，通過構(gòu)建相應的置信規(guī)則庫，關注融資人偏好和融資標的的設計對三方主體的相互作用。若平臺可根據(jù)融資人的偏好差異化地給予相應的融資建議，這將非常利于融資人認清適用于自己的投資方法，理性投資，降低投資風險。與此同時，若平臺結(jié)合融資人的偏好模型進行融資產(chǎn)品的設計，則可實現(xiàn)融資效果最優(yōu)化。平臺可據(jù)此更好的匹配借貸主體，從而提升平臺的運營效率。

投資者偏好對產(chǎn)品的研發(fā)設計、市場的準確定位、細分市場的及時搶占都有著不可忽視的影響，故而基于置信規(guī)則庫系統(tǒng)的投資者偏好模型有著重要的應用價值。