熊正德 ，孫萌婕

（湖南大學(xué)a.工商管理學(xué)院；b.戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展研究中心，長(zhǎng)沙 410082）

1 引言與文獻(xiàn)回顧

P2P 網(wǎng)絡(luò)借貸平臺(tái)借助互聯(lián)網(wǎng)優(yōu)勢(shì)在我國(guó)獲得迅猛發(fā)展，但近年來(lái)風(fēng)險(xiǎn)也急劇增大[1]。征信系統(tǒng)的不完善引發(fā)了網(wǎng)絡(luò)借貸市場(chǎng)的一系列問(wèn)題，如行業(yè)規(guī)范性差、平臺(tái)跑路失聯(lián)、行業(yè)風(fēng)險(xiǎn)積聚等[2]。網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)的集中爆發(fā)，給投資者造成巨大損失，也帶來(lái)區(qū)域性金融風(fēng)險(xiǎn)爆發(fā)的隱憂[3]。在互聯(lián)網(wǎng)金融浪潮中，信用風(fēng)險(xiǎn)一直是監(jiān)管部門和投資者關(guān)注的重大問(wèn)題，也是網(wǎng)貸平臺(tái)運(yùn)營(yíng)最為關(guān)鍵的影響因素。

結(jié)合中國(guó)人民銀行征信中心與金融研究所聯(lián)合課題組[4]與李明選等[5]學(xué)者的研究，本文認(rèn)為互聯(lián)網(wǎng)金融網(wǎng)貸客戶信用風(fēng)險(xiǎn)主要是指借款方由于經(jīng)濟(jì)能力、信用狀況的變化，無(wú)法如期足額償還合同約定的本金和利息，對(duì)網(wǎng)貸平臺(tái)運(yùn)營(yíng)和投資方的經(jīng)濟(jì)利益造成損失的可能性。已有研究對(duì)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的探討主要立足于不同交易主體，即網(wǎng)貸借款客戶的道德風(fēng)險(xiǎn)和投資者的甄別風(fēng)險(xiǎn)以及網(wǎng)貸平臺(tái)的經(jīng)營(yíng)風(fēng)險(xiǎn)、利率風(fēng)險(xiǎn)等。如魏明俠等指出網(wǎng)貸風(fēng)險(xiǎn)是平臺(tái)方和監(jiān)督方重復(fù)博弈的結(jié)果[6]。張成洪等基于校園消費(fèi)數(shù)據(jù)分析了大學(xué)生消費(fèi)頻率變化與網(wǎng)貸風(fēng)險(xiǎn)之間的關(guān)系[7]。沈艷等證實(shí)了在未成熟的金融市場(chǎng)中，媒體報(bào)道對(duì)網(wǎng)絡(luò)借貸市場(chǎng)資金供求兩端的影響存在不對(duì)稱性，加劇了平臺(tái)經(jīng)營(yíng)風(fēng)險(xiǎn)[8]。曹一秋等強(qiáng)調(diào)了息費(fèi)定價(jià)對(duì)降低網(wǎng)貸平臺(tái)運(yùn)營(yíng)風(fēng)險(xiǎn)的重要性[9]。王三興等驗(yàn)證了描述性語(yǔ)言特征在網(wǎng)貸違約風(fēng)險(xiǎn)識(shí)別中的作用[10]。馮博等指出貸款信息、信用信息、個(gè)人信息在互聯(lián)網(wǎng)金融網(wǎng)貸逾期風(fēng)險(xiǎn)中起到重要的甄別作用[11]。熊正德等證實(shí)了視頻認(rèn)證、親友聯(lián)系方式等軟信息在違約預(yù)測(cè)模型中的突出作用[12]。劉巧莉等研究表明，上傳照片行為能夠增加投資者對(duì)借款者的信任，但不能緩解道德風(fēng)險(xiǎn)問(wèn)題[13]。亦有學(xué)者從技術(shù)層面優(yōu)化了網(wǎng)貸平臺(tái)的風(fēng)險(xiǎn)危機(jī)預(yù)警模型，如張穎等通過(guò)分組進(jìn)行單模型和組合模擬預(yù)測(cè)，提高了新的破產(chǎn)指標(biāo)下模型違約預(yù)測(cè)的準(zhǔn)確率[14]。Freedman 等根據(jù)Prosper 平臺(tái)的交易數(shù)據(jù)，實(shí)證研究了影響P2P 網(wǎng)貸客戶信用風(fēng)險(xiǎn)的一系列變量并首次引入生理特征因素，例如投資者是黑人還是白人[15]。

借款人的各項(xiàng)個(gè)人特征影響信用風(fēng)險(xiǎn)是顯而易見(jiàn)的，但宏觀經(jīng)濟(jì)走勢(shì)對(duì)客戶信用風(fēng)險(xiǎn)的影響也不容忽視[16]。目前關(guān)于宏觀經(jīng)濟(jì)對(duì)信用風(fēng)險(xiǎn)影響的成果主要集中在銀行、企業(yè)、個(gè)人住房信貸及個(gè)人信用卡違約方面，Boss 對(duì)澳大利亞企業(yè)違約率與宏觀經(jīng)濟(jì)的相關(guān)關(guān)系進(jìn)行研究，得出通貨膨脹率、名義短期利率、股票指數(shù)以及油價(jià)都是企業(yè)違約概率的影響變量[17]。Virolainen 根據(jù)特定行業(yè)的企業(yè)破產(chǎn)數(shù)據(jù)分析得出國(guó)內(nèi)生產(chǎn)總值、利率以及企業(yè)負(fù)債對(duì)企業(yè)違約率有顯著影響[18]。Castro 等在進(jìn)行農(nóng)村銀行信用風(fēng)險(xiǎn)研究時(shí)重點(diǎn)考慮到了大宗商品交易價(jià)格波動(dòng)因素[19]。耿中元等首次利用PSTR 模型，選取制造業(yè)采購(gòu)經(jīng)理指數(shù)為轉(zhuǎn)換變量，得出貨幣政策對(duì)銀行違約風(fēng)險(xiǎn)的影響隨著PMI 閥值的變化平滑、漸進(jìn)改變[20]。在宏觀經(jīng)濟(jì)變量的影響力大小方面，Sommar 等研究了非金融類上市公司預(yù)期違約率與宏觀經(jīng)濟(jì)變量間的相互依存關(guān)系，得出利率對(duì)其影響程度最高[21]。王博等通過(guò)構(gòu)建包含貨幣政策不確定性和風(fēng)險(xiǎn)沖擊的非線性DSGE 模型，得出貨幣政策不確定性的增加會(huì)帶來(lái)違約風(fēng)險(xiǎn)的上升和產(chǎn)出的下降[22]。張亦春等研究各宏觀經(jīng)濟(jì)因子對(duì)中國(guó)企業(yè)部門信用風(fēng)險(xiǎn)溢價(jià)期限結(jié)構(gòu)的影響，從而揭示中國(guó)企業(yè)部門信用風(fēng)險(xiǎn)定價(jià)的宏觀經(jīng)濟(jì)作用機(jī)理[23]。

從已有研究中可以發(fā)現(xiàn)，樣本群體間存在差異性，對(duì)同一宏觀經(jīng)濟(jì)變量與信用風(fēng)險(xiǎn)關(guān)系進(jìn)行研究時(shí)得出的結(jié)論可能不一致。如利率，Grieb 等基于信用卡違約數(shù)據(jù)研究得出消費(fèi)者信用違約與當(dāng)期利率負(fù)相關(guān)[24]。姜玉梅等檢驗(yàn)了宏觀因素對(duì)我國(guó)住房抵押貸款信用風(fēng)險(xiǎn)的影響，結(jié)果顯示利率與違約率正相關(guān)[25]。方匡南等基于不同形式的住房貸款樣本，模擬利率調(diào)整，發(fā)現(xiàn)利率對(duì)房貸違約率具有非線性及不對(duì)稱性的負(fù)向影響。對(duì)于結(jié)果呈現(xiàn)出的差別，變量影響過(guò)程的動(dòng)態(tài)變化和滯后性可能是原因之一，更重要的可能要?dú)w因于研究群體的異質(zhì)性[26]。此想法在相關(guān)研究中得到了印證，顏新秀就美國(guó)個(gè)人住房抵押貸款違約率與宏觀經(jīng)濟(jì)變量的相關(guān)性進(jìn)行了研究，提出個(gè)貸違約率對(duì)利率變化的反映是正向且滯后的[27]。譚燕芝等對(duì)比分析了中、美、日三國(guó)的銀行信用風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)的關(guān)系，得出不同國(guó)別的客戶受宏觀經(jīng)濟(jì)的影響情況存在差異性[28]。謝尚宇等在考慮違約風(fēng)險(xiǎn)影響的同時(shí)加入了公司個(gè)體因素和行業(yè)因素[29]。彭建剛等分行業(yè)對(duì)企業(yè)違約率與宏觀經(jīng)濟(jì)相關(guān)性進(jìn)行研究，強(qiáng)調(diào)樣本主體間的差異性[30]。在金融領(lǐng)域的客戶評(píng)級(jí)體系中，工薪階層和私營(yíng)業(yè)主是按收入來(lái)源劃分的兩大客戶主體，兩者在還款心態(tài)、還款能力波動(dòng)程度等方面都存在顯著差異，如趙萬(wàn)宏發(fā)現(xiàn)相對(duì)于收入較為穩(wěn)定的工薪階級(jí)，私營(yíng)業(yè)主在還款心態(tài)上更容易出現(xiàn)力不從心、嫌煩圖便、觀望等待的情況，私營(yíng)業(yè)主的收入也隨經(jīng)營(yíng)狀況、行業(yè)發(fā)展情況波動(dòng)較大，這樣的差異使得兩者在同一宏觀經(jīng)濟(jì)環(huán)境下具有不同的信用風(fēng)險(xiǎn)[31]。

綜上，已有宏觀經(jīng)濟(jì)與信用風(fēng)險(xiǎn)的研究多以企業(yè)和銀行違約率為對(duì)象，關(guān)注個(gè)人尤其是互聯(lián)網(wǎng)金融網(wǎng)貸客戶違約的研究較少，對(duì)于與傳統(tǒng)信貸相區(qū)別的互聯(lián)網(wǎng)金融網(wǎng)貸的宏觀經(jīng)濟(jì)影響也有待進(jìn)一步的分析，且現(xiàn)有研究基本是對(duì)整體樣本進(jìn)行考察，忽視了樣本內(nèi)群體間的差異性。鑒此，本文按收入來(lái)源和融資目的將互聯(lián)網(wǎng)金融網(wǎng)貸客戶劃分為工薪階層和私營(yíng)業(yè)主，結(jié)合最新的互聯(lián)網(wǎng)金融網(wǎng)貸客戶信用違約數(shù)據(jù)，從群體差異視角探討宏觀經(jīng)濟(jì)對(duì)這兩類互聯(lián)網(wǎng)金融網(wǎng)貸客戶信用風(fēng)險(xiǎn)影響的差異。

2 變量選擇與模型確定

2.1 變量選擇

由于現(xiàn)有宏觀經(jīng)濟(jì)與信用風(fēng)險(xiǎn)的研究對(duì)象多為銀行等金融機(jī)構(gòu)，對(duì)互聯(lián)網(wǎng)金融網(wǎng)貸公司鮮有涉及。本文嘗試在參考已有學(xué)者研究成果的同時(shí)，根據(jù)互聯(lián)網(wǎng)金融網(wǎng)貸信用風(fēng)險(xiǎn)特征選取了居民消費(fèi)價(jià)格指數(shù)（CPI）、國(guó)內(nèi)生產(chǎn)總值（GDP）、6~12 個(gè)月短期貸款利率（IR）、城鎮(zhèn)登記失業(yè)率（UR）、制造業(yè)采購(gòu)經(jīng)理人指數(shù)（PMI）和全國(guó)居民收入基尼系數(shù)（I）等宏觀經(jīng)濟(jì)變量[32]，將這些宏觀經(jīng)濟(jì)變量與收集到的互聯(lián)網(wǎng)金融網(wǎng)貸公司個(gè)人客戶的總違約率（W）進(jìn)行獨(dú)立性檢驗(yàn)，選出最有代表性的宏觀經(jīng)濟(jì)變量，檢驗(yàn)結(jié)果如表1 所示。

由表1 可以看出，互聯(lián)網(wǎng)金融網(wǎng)貸客戶違約率與各宏觀經(jīng)濟(jì)變量存在一定的相關(guān)性。變量UR 與W 在5%的顯著性水平下不相關(guān)，這可能是由于我國(guó)城鎮(zhèn)登記失業(yè)率，該變量長(zhǎng)期穩(wěn)定在4%左右，基本上不隨經(jīng)濟(jì)周期出現(xiàn)波動(dòng)，無(wú)法準(zhǔn)確表明借款客戶面臨的就業(yè)環(huán)境變化。變量I 與W 在5%的顯著性水平下不相關(guān)，不顯著的原因是借款客戶異質(zhì)性強(qiáng)，且選擇網(wǎng)貸平臺(tái)借款客戶的特征與非網(wǎng)貸借款客戶在收入及消費(fèi)方面差異甚大。變量的平均值性質(zhì)，不能反映借款人收入水平的差異及變化。CPI與GDP 在5%的顯著性水平下顯著相關(guān)，表明兩者存在共線性問(wèn)題。W 與GDP 在10%的顯著性水平下顯著相關(guān)，與CPI 在5%的顯著水平下顯著相關(guān)，因此選取CPI 更為合適。CPI反映居民家庭一般所購(gòu)買的消費(fèi)品和服務(wù)項(xiàng)目?jī)r(jià)格水平變動(dòng)情況，CPI 提升表明消費(fèi)品價(jià)格上漲，借款者預(yù)期支出上升，導(dǎo)致還款意愿下降。W 與IR在1%的顯著性水平下顯著相關(guān)，與PMI 在5%的顯著性水平下顯著相關(guān)。銀行貸款利率的上升反映網(wǎng)貸方式與銀行貸款方式之間借款成本差距的縮減，能夠在一定程度上降低違約意愿。PMI 上升反映宏觀經(jīng)濟(jì)的變化向好，一定程度上提升了借款者的收入預(yù)期，起到緩和違約風(fēng)險(xiǎn)的作用。綜上，本文選取CPI、IR 和PMI 三個(gè)較具代表性的宏觀經(jīng)濟(jì)變量進(jìn)行研究。

表1 各變量2008Q1—2015Q3 相關(guān)系數(shù)矩陣

2.2 模型確定

Sims 首次建立向量自回歸模型（VAR），該模型采用多方程聯(lián)立的形式，不區(qū)分變量的內(nèi)生性和外生性[33]。VAR 模型的不足在于，變量之間當(dāng)期的相關(guān)關(guān)系容易隱藏在誤差項(xiàng)結(jié)構(gòu)中，信息間相關(guān)性較強(qiáng)，使得脈沖響應(yīng)函數(shù)對(duì)于經(jīng)濟(jì)含義的解釋能力較弱。Cooley 等和Blanchard 等在VAR 模型改進(jìn)的基礎(chǔ)上建立了結(jié)構(gòu)向量自回歸模型（SVAR）[34-35]。SVAR 模型在保留VAR 模型所有優(yōu)點(diǎn)的同時(shí)加入了變量間的同期影響關(guān)系，克服了VAR 模型存在的參數(shù)過(guò)多問(wèn)題，得到的結(jié)果對(duì)比實(shí)際經(jīng)濟(jì)行為而言也較為合理，能夠更好地描述互聯(lián)網(wǎng)金融網(wǎng)貸客戶信用風(fēng)險(xiǎn)在宏觀經(jīng)濟(jì)變化過(guò)程中的動(dòng)態(tài)變化。因此，本文選擇SVAR 模型來(lái)研究互聯(lián)網(wǎng)金融網(wǎng)貸客戶信用風(fēng)險(xiǎn)的宏觀影響。

3 實(shí)證分析

3.1 數(shù)據(jù)說(shuō)明及預(yù)處理

本文通過(guò)爬蟲(chóng)及內(nèi)部獲取方式收集了國(guó)內(nèi)某互聯(lián)網(wǎng)金融網(wǎng)貸平臺(tái)標(biāo)的期限為兩年的個(gè)人客戶還款信用記錄，該網(wǎng)貸平臺(tái)為我國(guó)最早成立的P2P平臺(tái)之一，總部位于上海，綜合評(píng)級(jí)多年穩(wěn)居網(wǎng)貸平臺(tái)前五名，是網(wǎng)貸行業(yè)協(xié)會(huì)成員且與商業(yè)銀行簽訂了資金托管協(xié)議，平臺(tái)上線十多年來(lái)運(yùn)營(yíng)良好，平臺(tái)的借款客戶具備代表性。本文將標(biāo)的期限結(jié)束時(shí)本息未結(jié)清的客戶狀態(tài)判定為違約，以個(gè)人客戶違約率來(lái)描述互聯(lián)網(wǎng)金融網(wǎng)貸客戶信用風(fēng)險(xiǎn)。基于客戶提交的工作單位及職務(wù)信息差異將違約率劃分為工薪階層客戶違約率（W1）和私營(yíng)業(yè)主客戶違約率（W2）。根據(jù)上文宏觀經(jīng)濟(jì)變量的討論分析，選取居民消費(fèi)價(jià)格指數(shù)（CPI）、6 ~ 12 個(gè)月短期貸款利率（IR）和制造業(yè)采購(gòu)經(jīng)理人指數(shù)（PMI）三個(gè)變量來(lái)刻畫宏觀經(jīng)濟(jì)走勢(shì)，數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局官方網(wǎng)站和國(guó)泰安數(shù)據(jù)庫(kù)。由于2017 年網(wǎng)貸行業(yè)主要受到政策沖擊的影響，風(fēng)險(xiǎn)的干擾因素較多。我們采用2017 年之前網(wǎng)貸平臺(tái)客戶的各項(xiàng)數(shù)據(jù)，加之樣本借款周期選取一年期12 個(gè)月，考慮數(shù)據(jù)的完整可得性，違約率的時(shí)間跨度設(shè)置為2008 年第1 季度至 2015 年第 4 季度（2008Q1—2015Q4），宏觀變量中沒(méi)有季度數(shù)據(jù)的，以月度平均數(shù)據(jù)替代，由于季度數(shù)據(jù)可能存在季節(jié)性趨勢(shì)，運(yùn)用CensusX12方法進(jìn)行了季節(jié)調(diào)整，處理后各變量的波動(dòng)趨勢(shì)如圖1 至圖4 所示。三個(gè)宏觀經(jīng)濟(jì)變量除2008—2009 年有大幅的下降趨勢(shì)之外，其他時(shí)間段的波動(dòng)情況都具有各自的特點(diǎn)，這體現(xiàn)了宏觀經(jīng)濟(jì)變量間的相關(guān)性和差異性。圖4 顯示了工薪階層客戶違約率整體呈下行漸歸平穩(wěn)的趨勢(shì)，而私營(yíng)業(yè)主則是震蕩波動(dòng)的形態(tài)，從趨勢(shì)圖的簡(jiǎn)單比較可發(fā)現(xiàn)兩類客戶違約率的表現(xiàn)確有一定的差異。

圖1 CPI 趨勢(shì)圖

圖4 W1 和 W2 趨勢(shì)圖

3.2 單位根和協(xié)整檢驗(yàn)

為避免由于時(shí)間序列的非平穩(wěn)性導(dǎo)致的虛假回歸，通過(guò)ADF 檢驗(yàn)方法在變量進(jìn)入模型之前檢驗(yàn)序列的平穩(wěn)性。結(jié)果如表2 所示。

由表2 得知，經(jīng)季節(jié)調(diào)整后的5 個(gè)變量中CPI和PMI 在5%的顯著性水平下是平穩(wěn)的，其他三個(gè)變量在5%的顯著性水平下不平穩(wěn)，而所有變量的一階差分序列在5%的顯著性水平下都平穩(wěn)。Johansen 協(xié)整檢驗(yàn)表明，在5%的顯著性水平下W1 與CPI、IR、PMI 存在兩個(gè)協(xié)整關(guān)系（如表3 所示），在5%的顯著性水平下 W2 與 CPI、IR、PMI 至少存在三個(gè)協(xié)整關(guān)系（如表4 所示），即在研究的數(shù)據(jù)期間內(nèi)W1 和W2 都分別與三個(gè)宏觀經(jīng)濟(jì)變量CPI、IR、PMI 存在長(zhǎng)期均衡關(guān)系。

表4 W2 與宏觀經(jīng)濟(jì)變量間的協(xié)整關(guān)系檢驗(yàn)

圖2 IR 趨勢(shì)圖

圖3 PMI 趨勢(shì)圖

表2 變量的單位根檢驗(yàn)

表3 W1 與宏觀經(jīng)濟(jì)變量間的協(xié)整關(guān)系檢驗(yàn)

3.3 格蘭杰因果檢驗(yàn)

由之前的協(xié)整檢驗(yàn)結(jié)果得知變量間具有長(zhǎng)期均衡關(guān)系，為確定其具體影響以用于后續(xù)模型的識(shí)別，本文運(yùn)用Granger 因果檢驗(yàn)來(lái)驗(yàn)證變量間的因果聯(lián)系，結(jié)果如表5 所示。

由表 5 可知：（1）CPI 和 PMI 是 W1 的格蘭杰原因，IR 不是 W1 的格蘭杰原因；（2）W1 是 PMI的格蘭杰原因，W1 不是CPI 和IR 的格蘭杰原因；（3）CPI、IR 和 PMI 都是 W2 的格蘭杰原因，W2 是CPI 和 PMI 的格蘭杰原因，W2 不是 IR 的格蘭杰原因；（4）CPI 和 IR 都是 PMI 的格蘭杰原因，但 PMI不是CPI 和IR 的格蘭杰原因，CPI 與IR 之間不存在格蘭杰因果關(guān)系。

表5 格蘭杰因果檢驗(yàn)

3.4 模型的建立與估計(jì)

根據(jù)單位根檢驗(yàn)、協(xié)整檢驗(yàn)以及格蘭杰因果檢驗(yàn)的結(jié)果，可以分別建立W1、W2 和三個(gè)宏觀經(jīng)濟(jì)變量的SVAR 模型。

在構(gòu)建模型之前，首先確定其最佳滯后階數(shù)。本文依據(jù)SC 信息準(zhǔn)則設(shè)定兩個(gè)模型滯后階數(shù)都為 1，由此建立了包含 W1、CPI、IR 和 PMI 的結(jié)構(gòu)向量自回歸模型 SVAR1（1）和包含 W2、CPI、IR 和PMI 的結(jié)構(gòu)向量自回歸模型SVAR2（1）。進(jìn)一步對(duì)所構(gòu)建的 SVAR1（1）和 SVAR2（1）模型進(jìn)行平穩(wěn)性檢驗(yàn)，由圖5 的AR 根檢驗(yàn)結(jié)果得知，兩個(gè)模型全部特征方程根的倒數(shù)值均位于單位圓內(nèi)，表明所建立的 SVAR1（1）和SVAR2（1）模型都是穩(wěn)定的。

圖5 AR 根檢驗(yàn)結(jié)果

由此可得出模型 SVAR1（1）和 SVAR2（1）的一般矩陣形式，如式（1）（2）所示：

其中SVAR1（1）的變量和參數(shù)矩陣為：

在 SVAR1（1）中，yt為（4*1）維內(nèi)生變量，W1t、CPIt、IRt、PMIt分別為經(jīng)季節(jié)調(diào)整后的工薪階層客戶違約率、居民消費(fèi)價(jià)格指數(shù)、3~5 年中長(zhǎng)期貸款利率和制造業(yè)采購(gòu)經(jīng)理人指數(shù)的差分序列；C0是（4*4）維同期相關(guān)系數(shù)矩陣；Γ1是（4*4）維滯后相關(guān)系數(shù)矩陣；yt-1是 yt滯后 1 期的數(shù)值；Ut是白噪聲向量，Uit是分別作用于 W1、CPI、IR 和 PMI 上的結(jié)構(gòu)式?jīng)_擊，即結(jié)構(gòu)式殘差。

為了對(duì)模型進(jìn)行識(shí)別，本文基于AB 型SVAR（Aεt=But），對(duì)SVAR1（1）施加短期約束。對(duì)于k 元p 階的SVAR 模型，至少需要施加 k（k-1）/2 個(gè)約束，SVAR1（1）模型中k=4，因此至少需要施加6 個(gè)約束。根據(jù)前面的Granger 因果檢驗(yàn)結(jié)果及我國(guó)經(jīng)濟(jì)現(xiàn)實(shí)，本文提出如下假設(shè)：第一，IR 對(duì)W1 有一定影響，但其作用存在滯后性，因此W1 不受同期IR 變化的影響，即 α13=0；第二，W1 對(duì)同期 CPI、IR和 PMI 都沒(méi)有影響，即 α21=0，α31=0，α41=0；第三，CPI 對(duì)當(dāng)期PMI 的變化沒(méi)有反映，即α24=0；第四，IR 不受當(dāng)期 CPI 變化的影響，即 α32=0；第五，IR 不受當(dāng)期 PMI 變化的影響，即 α34=0；第六，PMI 對(duì)當(dāng)期IR 的變化沒(méi)有反映，即α43=0。由此，將矩陣A、B 設(shè)定為式（7）（8）：

借助 Eviews 8 軟件，本文可以得到 SVAR1（1）模型約束矩陣A、B 的缺省值估計(jì)結(jié)果，如表6 所示：

同理，可得到SVAR2（1）模型的約束矩陣A、B的缺省值的估計(jì)結(jié)果，如表7 所示：

在表6 和表7 中，第一列的系數(shù)值即是約束矩陣中缺省值的估計(jì)結(jié)果，系數(shù)為正代表其影響關(guān)系是正向的，系數(shù)為負(fù)則代表負(fù)向影響。結(jié)果顯示，所有變量系數(shù)的估計(jì)值在5%的顯著性水平下都顯著，說(shuō)明矩陣中缺省值所代表的影響關(guān)系確實(shí)存在，這為本文進(jìn)行下面的脈沖響應(yīng)分析及方差分解奠定了良好的基礎(chǔ)。

3.5 脈沖響應(yīng)函數(shù)分析

脈沖響應(yīng)函數(shù)能夠反映隨機(jī)干擾項(xiàng)沖擊對(duì)系統(tǒng)的動(dòng)態(tài)影響，并對(duì)系統(tǒng)中內(nèi)生變量間的作用過(guò)程進(jìn)行揭示。本文采用結(jié)構(gòu)分解（Structural Decomposition）方法得到脈沖響應(yīng)函數(shù)，從而考察各宏觀經(jīng)濟(jì)變量對(duì)互聯(lián)網(wǎng)金融網(wǎng)貸工薪階層和私營(yíng)業(yè)主客戶信用風(fēng)險(xiǎn)的動(dòng)態(tài)影響。圖6 至圖9 給出了W1 和W2 對(duì)各內(nèi)生變量的沖擊的響應(yīng)。

圖6 W1&W2 對(duì)自身的響應(yīng)

圖9 W1&W2 對(duì) PMI 的響應(yīng)

3.5.1 互聯(lián)網(wǎng)金融網(wǎng)貸客戶違約率沖擊響應(yīng)

如圖6 所示，W1 對(duì)于自身的一個(gè)正向結(jié)構(gòu)化沖擊在第1 期的反應(yīng)最為強(qiáng)烈，違約率上升至最大值，之后快速回落，正響應(yīng)持續(xù)時(shí)間近一年。W2 的響應(yīng)也在第1 期最為積極，違約率達(dá)最大值，之后快速回落且逐漸下降，正響應(yīng)持續(xù)時(shí)間達(dá)一年。從總體上看，我國(guó)的互聯(lián)網(wǎng)金融網(wǎng)貸客戶，不論工薪階層還是私營(yíng)業(yè)主屬性，其違約率都具有一定的歷史記憶性，客戶當(dāng)前的違約狀況與其歷史違約情況相關(guān)，但在初期的影響較大，后期效果并不明顯。

3.5.2 居民消費(fèi)價(jià)格指數(shù)沖擊響應(yīng)

如圖 7 所示，W1 和 W2 對(duì) CPI 沖擊的響應(yīng)走勢(shì)大體相同，在CPI 上升之初，兩類客戶違約率均有所上升，而之后都較快下降轉(zhuǎn)變?yōu)樨?fù)響應(yīng)，且都在第2 期達(dá)至負(fù)響應(yīng)的最大值，之后漸漸減弱至消失，負(fù)響應(yīng)持續(xù)1 年以上。可以看到，CPI 提高對(duì)互聯(lián)網(wǎng)金融網(wǎng)貸客戶違約率具有短期促進(jìn)影響，長(zhǎng)期卻是抑制效應(yīng)。CPI 的上升造成客戶短期內(nèi)的名義收入減少，實(shí)際購(gòu)買力與還款能力下降，在短期會(huì)導(dǎo)致互聯(lián)網(wǎng)金融網(wǎng)貸個(gè)人客戶違約率提高，通脹的情況下客戶更容易選擇違約，而在CPI 持續(xù)上漲一段時(shí)間后，引發(fā)一定程度的通脹，也產(chǎn)生了積極的正面效應(yīng)，如增大個(gè)人的資產(chǎn)價(jià)值，相對(duì)貶低負(fù)債等，這些都增加了客戶對(duì)于未來(lái)收入的預(yù)期，這可能是后期影響違約率形成快速下降趨勢(shì)的重要原因。

圖7 W1&W2 對(duì)CPI 的響應(yīng)

3.5.3 中長(zhǎng)期貸款利率沖擊響應(yīng)

如圖8 所示，IR 對(duì)W1 具有正向沖擊效應(yīng)，違約率在第1 期達(dá)到最大值后便開(kāi)始下降，第3 期基本消失，累積沖擊0.302%。W2 對(duì)IR 沖擊的響應(yīng)表現(xiàn)為，生息之初對(duì)違約率上漲的促進(jìn)效應(yīng)不明顯，正響應(yīng)不斷增強(qiáng)，第3 期達(dá)到最大值，正向效應(yīng)一直持續(xù)到第6 期，且下降速度緩慢，累積沖擊0.749%?？梢钥吹?，IR 對(duì)兩者的違約率都具有明顯的正向沖擊效應(yīng)，但相比之下，工薪階層客戶響應(yīng)速度快，持續(xù)時(shí)間短，私營(yíng)業(yè)主客戶雖響應(yīng)速度慢，但響應(yīng)幅度更大，歷時(shí)更長(zhǎng)。私營(yíng)業(yè)主的收入獲取方式相對(duì)于工薪階層較為自由，對(duì)利率變化的反應(yīng)沒(méi)有工薪階層敏感，但因其收入穩(wěn)定性低于工薪階層，當(dāng)察覺(jué)經(jīng)濟(jì)環(huán)境不佳時(shí)有對(duì)未來(lái)收入不確定性的擔(dān)憂，這可能是私營(yíng)業(yè)主響應(yīng)幅度較工薪階層大的重要原因。

圖8 W1&W2 對(duì)IR 的響應(yīng)

3.5.4 制造業(yè)采購(gòu)經(jīng)理人指數(shù)沖擊響應(yīng)

如圖 9 所示，W1 對(duì) PMI 沖擊的響應(yīng)在第 1 期最為強(qiáng)烈，違約率下降至-0.246 個(gè)百分點(diǎn)，之后逐漸上升且經(jīng)過(guò)小幅震蕩后約第六期回歸平穩(wěn)，累積沖擊-0.242%。W2 對(duì)PMI 沖擊的響應(yīng)也是第1 期最為強(qiáng)烈，違約率下降至-0.542 個(gè)百分點(diǎn)后緩慢上升，負(fù)響應(yīng)持續(xù)時(shí)間達(dá)一年，累積響應(yīng)-0.832%?？梢钥吹剑琍MI 對(duì)W1 和W2 都具有明顯的負(fù)向沖擊效應(yīng)，但私營(yíng)業(yè)主所受的沖擊效應(yīng)明顯大于工薪階層，且私營(yíng)業(yè)主的響應(yīng)時(shí)間更長(zhǎng)。另外，兩者的違約率在后期都出現(xiàn)小幅的正向回彈，出現(xiàn)這種情況的原因可能是由訂單、產(chǎn)量等增加帶來(lái)的PMI 指數(shù)上升，使得要素市場(chǎng)上原材料和勞動(dòng)力價(jià)格上漲，成本的增加帶來(lái)產(chǎn)品價(jià)格的提高，繼而導(dǎo)致膨脹的產(chǎn)生引發(fā)違約率的短期提高。當(dāng)然，也有可能是存貨積壓和產(chǎn)能過(guò)剩帶來(lái)的后期負(fù)面影響等。

3.6 方差分解分析

為了進(jìn)一步分析來(lái)自居民消費(fèi)價(jià)格指數(shù)、中長(zhǎng)期貸款利率、制造業(yè)采購(gòu)經(jīng)理人指數(shù)和自身的結(jié)構(gòu)沖擊的重要程度，本文借助方差分解來(lái)分析每一個(gè)結(jié)構(gòu)沖擊分別對(duì)互聯(lián)網(wǎng)金融網(wǎng)貸工薪階層客戶違約率和私營(yíng)業(yè)主客戶違約率變化的貢獻(xiàn)程度，結(jié)果如表8、表9 所示。

表8 SVAR1（1）模型 W1 的方差分解

表9 SVAR2（1）模型 W2 的方差分解

由方差分解的結(jié)果可以看到：（1）W1 的方差分解在第8 期左右基本穩(wěn)定，除自身貢獻(xiàn)率之外，來(lái)自CPI 的信息對(duì)預(yù)測(cè)誤差的貢獻(xiàn)度約占到31.7%，這表明CPI 對(duì)W1 的影響較顯著。來(lái)自IR 和PMI的貢獻(xiàn)度大約分別為5.75%和9.57%，說(shuō)明與W1本身和CPI 相比，IR 和PMI 的變化對(duì) W1 的影響較小。（2）W2 的方差分解在第10 期左右基本穩(wěn)定，除自身貢獻(xiàn)率以外，CPI、IR 和PMI 的貢獻(xiàn)率大約分別為16.6%、12.9%和28.1%，相比之下，PMI 對(duì)W2的影響顯著，CPI 和IR 對(duì)其影響相對(duì)較小。（3）CPI對(duì)工薪階層客戶的影響程度明顯高于對(duì)私營(yíng)業(yè)主的影響，而IR 和PMI 對(duì)私營(yíng)業(yè)主客戶產(chǎn)生的影響更為顯著。

4 結(jié)論與建議

本文通過(guò)建立SVAR 模型，運(yùn)用脈沖響應(yīng)函數(shù)和方差分解，對(duì)影響互聯(lián)網(wǎng)金融網(wǎng)貸工薪階層客戶和私營(yíng)業(yè)主客戶信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)變量進(jìn)行了實(shí)證研究和對(duì)比分析，得出以下主要結(jié)論：（1）CPI、IR 和PMI 與互聯(lián)網(wǎng)金融網(wǎng)貸客戶違約率的相關(guān)程度較高，其中CPI 和PMI 分別是工薪階層和私營(yíng)業(yè)主客戶違約率最主要的影響因素。CPI 的上升短期內(nèi)使得兩類客戶違約率小幅提高，長(zhǎng)期呈抑制效應(yīng)；IR 的上升即使是細(xì)微的提高也會(huì)顯著提升整體客戶的違約率；PMI 的上升短期內(nèi)使兩類客戶違約率急促下降，之后迅速正向回彈甚至超出起始水平，其作用時(shí)間短，影響程度高，客戶適應(yīng)性較強(qiáng)，能夠很快做出調(diào)整不受其波動(dòng)影響。（2）兩類客戶違約率均具有一定的歷史記憶性，客戶當(dāng)前的違約狀況與歷史違約情況相聯(lián)系，但在初期的影響較大，后期效果并不明顯。（3）工薪階層、私營(yíng)業(yè)主兩類客戶違約率受各宏觀經(jīng)濟(jì)變量的影響存在差異，私營(yíng)業(yè)主客戶違約率的反應(yīng)幅度和持續(xù)時(shí)間都在工薪階層之上。

基于上述研究結(jié)論，本文提出如下建議：（1）進(jìn)一步完善風(fēng)險(xiǎn)管理體系，融入宏觀因素變量?；ヂ?lián)網(wǎng)金融網(wǎng)貸企業(yè)應(yīng)將宏觀經(jīng)濟(jì)的不確定性納入風(fēng)險(xiǎn)度量模型當(dāng)中，對(duì)風(fēng)險(xiǎn)進(jìn)行量化和監(jiān)控。（2）結(jié)合互聯(lián)網(wǎng)金融網(wǎng)貸客戶分類特征與宏觀經(jīng)濟(jì)動(dòng)向進(jìn)行動(dòng)態(tài)的、區(qū)別性的授信管理。對(duì)于與互聯(lián)網(wǎng)金融網(wǎng)貸客戶信用風(fēng)險(xiǎn)相關(guān)程度較高的CPI、IR 和PMI 三個(gè)宏觀經(jīng)濟(jì)變量，互聯(lián)網(wǎng)金融網(wǎng)貸企業(yè)應(yīng)當(dāng)密切關(guān)注，并根據(jù)其波動(dòng)做出相應(yīng)的授信調(diào)整。具體而言，在CPI 上漲時(shí)，短期內(nèi)可以結(jié)合宏觀經(jīng)濟(jì)變量的權(quán)重調(diào)整工薪階層原有的授信等級(jí)，給予更嚴(yán)格的審查標(biāo)準(zhǔn)；當(dāng)IR 上升時(shí)，應(yīng)當(dāng)提高全體客戶的審查標(biāo)準(zhǔn)，尤其對(duì)于私營(yíng)業(yè)主，不僅應(yīng)當(dāng)考察其當(dāng)前的收入負(fù)債狀況，還要對(duì)其融資后的還款情況進(jìn)行動(dòng)態(tài)監(jiān)控；當(dāng)PMI 正向波動(dòng)較大時(shí)，應(yīng)該嚴(yán)格控制私營(yíng)業(yè)主的授信額度與比例。（3）將滯后因素納入違約風(fēng)險(xiǎn)的考量?；ヂ?lián)網(wǎng)金融網(wǎng)貸公司可以根據(jù)IR 的滯后時(shí)間動(dòng)態(tài)監(jiān)測(cè)客戶信用狀況，提前發(fā)現(xiàn)潛在的違約客戶，以便采取催收、減少授信額度等貸后管理行為，做到風(fēng)險(xiǎn)的有效防范。