李 爽,劉婭婭,李曉彤

(西安財經(jīng)大學(xué) 統(tǒng)計學(xué)院, 陜西 西安 710100)

一、引言

我國P2P網(wǎng)絡(luò)借貸平臺借助互聯(lián)網(wǎng)技術(shù)的便利性和早期國家監(jiān)管體系的缺失,在2011—2015年呈現(xiàn)井噴式增長,但隨著2015年底“e租寶”事件的爆發(fā),正常運營平臺的數(shù)量逐年下降。截止到2019年年底,正常運營數(shù)量僅有343家,轉(zhuǎn)業(yè)平臺數(shù)量和問題平臺數(shù)量逐年增加[1]。網(wǎng)站關(guān)閉、延期兌付、提現(xiàn)困難、平臺跑路等問題層出不窮,嚴(yán)重影響了P2P網(wǎng)絡(luò)借貸行業(yè)的發(fā)展,充分暴露出行業(yè)的巨大風(fēng)險[2]。究其問題產(chǎn)生的原因:一方面,與現(xiàn)階段我國宏觀經(jīng)濟(jì)從高速增長轉(zhuǎn)換為中高速增長有關(guān)[3];另一方面,主要為平臺內(nèi)部風(fēng)險控制能力低下、有關(guān)部門對平臺早期的監(jiān)管體系不完善[4]。2017年4月,中共中央提出要維護(hù)國家金融安全,強調(diào)“金融活,經(jīng)濟(jì)就活;金融穩(wěn),經(jīng)濟(jì)就穩(wěn);維護(hù)國家金融安全是治國理政的一件大事”,這是中央高層首次專題研討國家金融安全與穩(wěn)定問題,反映了國家對防范金融風(fēng)險的高度重視。與傳統(tǒng)商業(yè)銀行申請門檻高、審核機制嚴(yán)相比[5],P2P網(wǎng)貸具有申請門檻低、審核寬松、金額小、放貸快等特點[6],這為小微企業(yè)及個人融資難、貸款難等問題提供了很好的解決方案[7]。此外,發(fā)揮網(wǎng)絡(luò)借貸平臺的優(yōu)勢,幫助有資金困難的小微企業(yè)渡過難關(guān),提高社會福利,對促進(jìn)欠發(fā)達(dá)地區(qū)的經(jīng)濟(jì)發(fā)展具有積極作用[8]。因此,為了防范風(fēng)險而對P2P網(wǎng)絡(luò)借貸平臺一刀切的政策有待商榷,而運用大數(shù)據(jù)技術(shù)對P2P平臺的風(fēng)險來源進(jìn)行全面分析,對風(fēng)險識別與預(yù)警具有一定的現(xiàn)實意義。

如何識別風(fēng)險并制定監(jiān)管規(guī)則是目前監(jiān)管部門和學(xué)術(shù)界研究的熱點問題。2016年4月12日,國務(wù)院辦公廳印發(fā)并實施的《互聯(lián)網(wǎng)金融風(fēng)險專項整治工作實施方案》指出,建立和完善適應(yīng)互聯(lián)網(wǎng)金融發(fā)展特點的監(jiān)管長效機制,實現(xiàn)規(guī)范與發(fā)展并舉、創(chuàng)新與防范風(fēng)險并重,重點指明了對P2P平臺的整治,這體現(xiàn)出監(jiān)管部門對P2P網(wǎng)絡(luò)借貸行業(yè)健康發(fā)展的重視。

對于P2P網(wǎng)絡(luò)借貸平臺的監(jiān)管,一些學(xué)者從不同角度提出了有益的監(jiān)管辦法。例如:趙建國、白昌易等人(2019)基于50家P2P網(wǎng)貸平臺經(jīng)營面板數(shù)據(jù),利用回歸分析方法,研究發(fā)現(xiàn)實施“1+3”政府監(jiān)管體系能夠使平臺成交量、投資人數(shù)增加,緩解市場失靈,保證市場有效運行,對P2P平臺的發(fā)展具有顯著的促進(jìn)作用[9]。馬淑琴、鄭佳豪等人(2019)基于信用中介化和流動性風(fēng)險循環(huán)視角,建立三種回歸模型進(jìn)行分析,研究結(jié)果表明P2P網(wǎng)貸平臺作為信息中介是產(chǎn)生平臺風(fēng)險的根源,建立第三方風(fēng)險監(jiān)測預(yù)警系統(tǒng)有利于防范P2P網(wǎng)貸平臺的風(fēng)險,并提出要加強平臺的信息披露、投資者金融風(fēng)險教育,完善征信體系、網(wǎng)貸平臺準(zhǔn)入機制等政策建議[10]。

一些學(xué)者認(rèn)為P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險主要來自借款人的信用風(fēng)險和違約風(fēng)險,在借款人信用風(fēng)險和違約風(fēng)險識別與預(yù)警方面做了大量有益的研究。例如,全穎、敬然(2019)分析借款人信用風(fēng)險形成的原因,構(gòu)建了包括防范要素輸入、信用風(fēng)險預(yù)警、風(fēng)險防范、預(yù)警結(jié)果輸出等四個模塊的P2P網(wǎng)貸借款人信用風(fēng)險預(yù)警系統(tǒng),并提出防范借款人信用風(fēng)險,要加強借款人貸后風(fēng)險的監(jiān)控、信用風(fēng)險防范管理人才隊伍的建設(shè)、借款人信息庫的構(gòu)建等[11]。蔣先玲、張慶波等人(2020)基于人人貸平臺的歷史交易數(shù)據(jù),根據(jù)風(fēng)險定價理論,對借款人的信用風(fēng)險進(jìn)行識別,研究結(jié)果表明,無論是P2P平臺、投資者還是監(jiān)管部門對借款人的信用風(fēng)險的識別都存在偏差,由此建議打破個人征信數(shù)據(jù)壁壘、豐富個人征信產(chǎn)品[12]。涂艷、王翔宇(2018)基于拍拍貸的交易數(shù)據(jù),將交易樣本分為違約與非違約兩種狀態(tài),運用多種機器學(xué)習(xí)方法構(gòu)建借款人違約風(fēng)險預(yù)警模型,對比不同機器學(xué)習(xí)方法預(yù)警準(zhǔn)確率,該研究對實現(xiàn)借款人違約風(fēng)險的科學(xué)預(yù)警具有重要意義[13]。

在平臺本身的風(fēng)險識別與預(yù)警方面,也有學(xué)者從不同角度出發(fā)進(jìn)行了研究。例如,姚暢燕、吳姍姍(2016)分析了P2P網(wǎng)貸行業(yè)風(fēng)險的來源,認(rèn)為P2P網(wǎng)貸行業(yè)的風(fēng)險由宏觀經(jīng)濟(jì)環(huán)境風(fēng)險和平臺內(nèi)部風(fēng)險兩大部分組成,并利用主成分分析法對網(wǎng)貸市場風(fēng)險進(jìn)行綜合評估,依據(jù)經(jīng)驗將平臺風(fēng)險等級分為四個等級,將平臺風(fēng)險的四個等級作為BP神經(jīng)網(wǎng)絡(luò)的輸出,構(gòu)建了包含宏觀經(jīng)濟(jì)變量的P2P網(wǎng)貸行業(yè)風(fēng)險預(yù)警BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型[3]。范超、王磊等人(2017)在2016年6月13日國泰安數(shù)據(jù)庫444家中國P2P平臺內(nèi)部基本數(shù)據(jù)與交易數(shù)據(jù)的基礎(chǔ)上,引入平臺外部評論數(shù)據(jù)和新聞數(shù)據(jù),將平臺分為問題平臺和正常平臺,綜合使用11種機器學(xué)習(xí)方法選擇重要的風(fēng)險預(yù)警指標(biāo)并分析各個指標(biāo)的意義,研究結(jié)果表明外部信息和交易信息對平臺風(fēng)險的甄別具有重要作用,且SVM和樹類模型對P2P平臺的風(fēng)險預(yù)警更加有效[14]。崔炎炎、劉立新(2020)將網(wǎng)絡(luò)輿情信息和第三方資訊網(wǎng)站信息加入到傳統(tǒng)的P2P網(wǎng)貸風(fēng)險評價指標(biāo)體系中,將網(wǎng)貸平臺分為問題平臺和正常平臺,運用四種機器學(xué)習(xí)模型對網(wǎng)貸平臺進(jìn)行風(fēng)險評價,得出隨機森林和SVM的分類準(zhǔn)確率更高[15]。張璇(2020)基于投資者權(quán)益保護(hù)視角,構(gòu)建P2P平臺風(fēng)險預(yù)警指標(biāo)體系,利用主成分分析法對平臺風(fēng)險進(jìn)行評估,依據(jù)經(jīng)驗將平臺風(fēng)險劃分為五個等級,將風(fēng)險預(yù)警指標(biāo)體系作為BP神經(jīng)網(wǎng)絡(luò)的輸入,五個等級作為輸出,建立BP神經(jīng)網(wǎng)絡(luò)風(fēng)險預(yù)警模型[16]。

通過對以往研究的梳理,研究者們?yōu)榫S持P2P網(wǎng)絡(luò)借貸行業(yè)的穩(wěn)定健康發(fā)展,從不同角度分析了平臺風(fēng)險的來源、問題平臺產(chǎn)生的原因,并從構(gòu)建平臺監(jiān)管制度,識別借款人信用風(fēng)險、違約風(fēng)險以及平臺本身風(fēng)險等方面做出了重要貢獻(xiàn),特別是為解決P2P平臺風(fēng)險預(yù)警問題提出了很多有效的方案,對本文P2P網(wǎng)貸平臺風(fēng)險識別有重要的參考價值。但以往研究仍存在一些需要完善的地方:一方面,不管是對借款人信用風(fēng)險、違約風(fēng)險的識別,還是對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險的識別,已有的風(fēng)險預(yù)警系統(tǒng)只考慮已經(jīng)發(fā)生的和未發(fā)生的兩種類型(即借款成功和未成功,未違約和已經(jīng)違約,正常平臺和問題平臺),這種事后預(yù)警具有很強的滯后性,對平臺的管理者、監(jiān)管部門、投資者實時掌握平臺的風(fēng)險狀況造成了困難。本文將對正常運營的P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險進(jìn)行評估,并對風(fēng)險進(jìn)行等級的劃分,利用四種機器學(xué)習(xí)方法實現(xiàn)平臺的風(fēng)險預(yù)警,對比四種機器學(xué)習(xí)模型的效果,選出最有效的方法作為最終的風(fēng)險預(yù)警模型。另一方面,在少有的對平臺風(fēng)險進(jìn)行綜合評估和風(fēng)險等級劃分的研究中,只是通過經(jīng)驗的劃分方式對平臺的風(fēng)險等級進(jìn)行了較為簡單的劃分,科學(xué)客觀劃分的研究較少。本文將利用高斯混合模型對平臺的風(fēng)險等級進(jìn)行科學(xué)劃分,劃分結(jié)果將與風(fēng)險預(yù)警指標(biāo)一起作為機器學(xué)習(xí)模型輸入,訓(xùn)練風(fēng)險預(yù)警模型。

如圖1所示,本文構(gòu)建的P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警系統(tǒng)分為風(fēng)險定性分析、風(fēng)險定量識別、風(fēng)險預(yù)警及結(jié)果處理三個階段。第一階段深入分析平臺風(fēng)險產(chǎn)生的原因、特點和主要的風(fēng)險來源,并構(gòu)建風(fēng)險預(yù)警指標(biāo)體系;第二階段根據(jù)建立的風(fēng)險預(yù)警指標(biāo)體系搜集數(shù)據(jù)并對數(shù)據(jù)進(jìn)行清洗,對P2P平臺風(fēng)險進(jìn)行綜合評價即風(fēng)險定量賦值,將風(fēng)險綜合評價結(jié)果輸入高斯混合模型,以劃分P2P網(wǎng)絡(luò)借貸平臺風(fēng)險等級;第三階段將風(fēng)險定量指標(biāo)輸入四種機器學(xué)習(xí)模型并輸出風(fēng)險預(yù)警結(jié)果,平臺管理者、投資人以及監(jiān)管部門可根據(jù)該P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警結(jié)果做出相應(yīng)的反應(yīng)。

圖1 P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警系統(tǒng)構(gòu)建過程

二、P2P網(wǎng)絡(luò)借貸平臺風(fēng)險定量識別

(一)P2P網(wǎng)絡(luò)借貸平臺風(fēng)險評價指標(biāo)體系的構(gòu)建

何德旭、王進(jìn)成(2013)認(rèn)為網(wǎng)絡(luò)借貸平臺應(yīng)借鑒商業(yè)銀行的資本管理辦法,以防止平臺風(fēng)險的積累[17]。方云龍、于博(2019)運用灰色關(guān)聯(lián)分析法對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險進(jìn)行了測度,認(rèn)為經(jīng)營風(fēng)險和流動性風(fēng)險是P2P平臺的主要風(fēng)險,其中流動性風(fēng)險是制約P2P網(wǎng)貸平臺穩(wěn)定發(fā)展的重要因素[18]。王立勇,石穎(2016)全面分析了P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險作用機理,提出應(yīng)當(dāng)類比傳統(tǒng)金融機構(gòu)對風(fēng)險的評價,將P2P平臺風(fēng)險分為流動性風(fēng)險、市場風(fēng)險、信用風(fēng)險和操作風(fēng)險四個維度,并指出信用風(fēng)險是金融風(fēng)險的重要來源[19]。張文、崔楊波等人(2018)認(rèn)為運營風(fēng)險是P2P網(wǎng)貸平臺系統(tǒng)風(fēng)險的重要風(fēng)險來源[6]。劉進(jìn)一(2020)基于6488家P2P網(wǎng)貸平臺數(shù)據(jù),將平臺分為正常平臺和問題平臺、逃避型平臺和非逃避型平臺,對四類平臺分別進(jìn)行回歸分析并對比,并指出應(yīng)當(dāng)將傳統(tǒng)金融機構(gòu)的準(zhǔn)入指標(biāo)納入P2P網(wǎng)絡(luò)借貸平臺[20]。通過梳理已有對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險測度的研究成果,可以看出大多數(shù)學(xué)者認(rèn)為P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險引發(fā)機制與傳統(tǒng)金融機構(gòu)有很多相似之處,對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險測度應(yīng)該類比傳統(tǒng)金融機構(gòu)的測度指標(biāo),因此借鑒我國商業(yè)銀行對風(fēng)險評價的“三性”原則和LAPP法,從流動性、活動性、盈利性三個角度,分析P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險,構(gòu)建P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警指標(biāo)體系對平臺風(fēng)險進(jìn)行量化評估(表1)。

流動性主要衡量P2P網(wǎng)貸平臺的資產(chǎn)在不受損的情況下以合理的價格迅速轉(zhuǎn)換給對方的能力以及償還對方債務(wù)的能力,平臺的流動性受流動性風(fēng)險的影響[17]。流動性風(fēng)險指P2P網(wǎng)貸平臺雖然有償還債務(wù)的能力,但無法及時獲得充足資金或無法以合理成本及時獲得充足資金以應(yīng)對資產(chǎn)增長或支付到期債務(wù)的風(fēng)險[18]。選取本月資金凈流入總額、投資人數(shù)、1/前十大投資人待收金額占比、1/前十大借款人待還金額占比、1/滿標(biāo)用時五個三級指標(biāo)來衡量流動性風(fēng)險,指標(biāo)越大說明平臺的變現(xiàn)能力和償債能力越強,流動性風(fēng)險越低?；顒有灾饕饬縋2P網(wǎng)貸平臺投入資產(chǎn)使用的經(jīng)營能力,平臺的活動性受運營風(fēng)險和操作風(fēng)險的影響[20]。運營風(fēng)險是指P2P網(wǎng)貸平臺在實際運營過程中,由于外部經(jīng)濟(jì)社會環(huán)境的復(fù)雜性和變動性,且平臺對這些復(fù)雜多變的環(huán)境的認(rèn)知能力和適應(yīng)能力有限,而導(dǎo)致的運營失敗或使運營活動達(dá)不到預(yù)期的目標(biāo)的可能性及其損失[6]?；谶\營風(fēng)險的定義,本文對運營風(fēng)險的衡量指標(biāo)為成交額/注冊資本、1/借款標(biāo)數(shù)、人均投資金額、1/借款人數(shù),指標(biāo)越大說明平臺的運營能力越強,適應(yīng)外界環(huán)境變化的能力越強,運營風(fēng)險越低。操作風(fēng)險是指由于P2P網(wǎng)貸平臺的內(nèi)部操作過程(如平臺的業(yè)務(wù)集中度)、操作系統(tǒng)(如資金的存放方式)等內(nèi)部設(shè)施不完善而導(dǎo)致的直接或間接損失的風(fēng)險[19],本文選取1/平均借款期限水平、1/人均借款金額、平臺背景這三個指標(biāo)來衡量操作風(fēng)險,指標(biāo)越大說明業(yè)務(wù)集中度越高,資金存放方式約合理,操作風(fēng)險越低。盈利性主要衡量P2P網(wǎng)貸平臺通過經(jīng)營貨幣以獲取相應(yīng)利潤的能力,平臺的盈利性受信用風(fēng)險的影響。信用風(fēng)險是指P2P網(wǎng)貸平臺無法履行到期債務(wù)的風(fēng)險[12]。選取平臺注冊資本、平均參考收益率、運營月份、成交量、1/待還余額來衡量平臺的信用風(fēng)險,指標(biāo)越大表明平臺的盈利能力越強,信用風(fēng)險越低。

表1 P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警指標(biāo)體系

(二)數(shù)據(jù)來源及有效性檢驗

1.樣本選取與數(shù)據(jù)來源

2017年8月25日,由銀監(jiān)會印發(fā)、國務(wù)院批準(zhǔn)實施的《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動信息披露指引》指出P2P網(wǎng)絡(luò)借貸平臺應(yīng)當(dāng)本著“真實、準(zhǔn)確、完整、及時”原則,向社會披露平臺的信息。比如:“應(yīng)當(dāng)在每月前5個工作日內(nèi),向公眾披露截至上月末平臺的交易信息、經(jīng)營信息等”,這一信息披露指引實施后,各類型P2P網(wǎng)絡(luò)借貸平臺都通過互聯(lián)網(wǎng)媒介,在各大網(wǎng)站如網(wǎng)貸之家、網(wǎng)貸天眼等披露平臺基本信息,這為本文的數(shù)據(jù)來源提供了支撐。從數(shù)據(jù)的可獲得性、可靠性以及時效性等方面考慮,本文選擇網(wǎng)貸之家截止到2019年10月正常營業(yè)平臺的數(shù)據(jù)進(jìn)行研究,包括民營系平臺76家、上市系平臺22家、國資系平臺25家、風(fēng)投系平臺21家,共144家P2P網(wǎng)貸平臺的數(shù)據(jù)。

2.樣本數(shù)據(jù)集的信度和效度檢驗

由于樣本數(shù)據(jù)集各個指標(biāo)是存在量綱的,考慮到各個指標(biāo)之間的可比性以及數(shù)據(jù)本身的誤差,本文采用z-score標(biāo)準(zhǔn)化方法對數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理,如公式(1)。

(1)

進(jìn)行標(biāo)準(zhǔn)化后的指標(biāo)為無量綱、均值為0、方差為1的標(biāo)準(zhǔn)化數(shù)據(jù)集,因此,可以對各個指標(biāo)進(jìn)行橫向和縱向的比較。利用KMO和Bartlett球形檢驗方法對標(biāo)準(zhǔn)化后樣本數(shù)據(jù)集進(jìn)行信度和效度的檢驗,以判斷數(shù)

據(jù)集是否適合主成分分析。由表2可知KMO統(tǒng)計量為0.601,表明各指標(biāo)之間具有良好的相關(guān)性和偏相關(guān)性,適合主成分分析方法;Bartlett球形檢驗的P值小于0.005,拒絕各指標(biāo)的相關(guān)系數(shù)陣為單位陣的原假設(shè),說明各指標(biāo)間具有相關(guān)性,主成分分析綜合評價方法有效。

表2 KMO和Bartlett球形檢驗

(三)平臺風(fēng)險綜合評價

主成分分析法是多元統(tǒng)計分析中的一種數(shù)據(jù)降維的方法,通過計算樣本矩陣的特征值、特征向量,綜合各指標(biāo)的信息并以最小的維度來度量樣本數(shù)據(jù)的大部分信息的一種方法[21]。對樣本量為n,指標(biāo)個數(shù)為p的數(shù)據(jù)集,數(shù)據(jù)集的矩陣表示為公式(2):

(2)

將樣本數(shù)據(jù)標(biāo)準(zhǔn)化(無量綱化)后,利用公式(3)計算相關(guān)系數(shù)矩陣R:

(3)

將p個指標(biāo)按照公式(4)經(jīng)過降維處理變成m個主成分因子,式中(aij)為特征向量矩陣,X為樣本數(shù)據(jù)集。并按公式(5)和公式(6)分別計算方差貢獻(xiàn)率和累計方差貢獻(xiàn)率,其中λm為第m個指標(biāo)所對應(yīng)的特征值。該過程通常稱之為因子的提取與旋轉(zhuǎn)。

(4)

(5)

(6)

按照因子的提取原則,本文提取因子特征值大于1且累計方差貢獻(xiàn)率大于75%的前7個主成分因子,如表3。可以看出,提取前7個主成分因子就可以有效提取原來16個指標(biāo)78.4%的信息,說明主成分分析能夠達(dá)到有效提取信息和降維的效果。然后利用表4的前7個主成分因子的載荷矩陣進(jìn)行因子旋轉(zhuǎn),用矩陣F=[F1,F2,…,F7]表示7個主成分因子。

表3 主成分的特征值及方差貢獻(xiàn)率

利用公式(7)計算各網(wǎng)絡(luò)借貸平臺的綜合得分。綜合得分高的P2P網(wǎng)貸平臺表明其流動性、活動性、盈利性綜合能力強,平臺的總體風(fēng)險低;反之綜合能力弱,平臺總體風(fēng)險高。因此將主成分因子綜合得分當(dāng)作平臺的風(fēng)險值,得分越高的平臺說明其風(fēng)險防控能力強,反之風(fēng)險防控能力弱。

(7)

表4 前7個主成分的載荷矩陣

(四)平臺風(fēng)險等級識別

高斯混合模型是一種統(tǒng)計混合模型,它利用不同總體的分布信息對樣本進(jìn)行聚類,避免了一般的距離聚類方法無法對不同總體進(jìn)行聚類的缺陷,利用數(shù)據(jù)的整體信息,得到的是每個樣本屬于某一類的概率[22]。高斯混合模型如公式(8)所示:

(8)

由于無法判斷各個P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險得分是否屬于同一個總體,故更適合用高斯混合模型進(jìn)行聚類,進(jìn)而達(dá)到對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險進(jìn)行分級的目的。在本文中假設(shè)所有平臺風(fēng)險可分為5個等級即高斯混合模型中J=5,對于第i個平臺風(fēng)險得分Ci,把該風(fēng)險得分Ci帶入高斯混合模型中求出屬于第j個等級的概率:P(θj|Ci),其中j=1,2,3,4,5;i=1,2,…,n。然后選擇概率值最大的那個等級作為第i個平臺的最終風(fēng)險等級。這樣就完成了對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險等級的劃分。借助張璇(2020)對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險等級的命名方式[24],將這五個風(fēng)險等級由高到低命名為重警、中警、輕警、微警和無警,記為Y=[y1,y2,y3,y4,y5]=[重警,中警,輕警,微警,無警],對應(yīng)的預(yù)警顏色分別為紅色、橙色、黃色、綠色、藍(lán)色(表5)。若平臺處于紅色、橙色狀態(tài),表明該網(wǎng)絡(luò)借貸平臺的風(fēng)險防控能力處于極其弱的狀態(tài),急需調(diào)整平臺的運營體系;處于黃色狀態(tài)則警示網(wǎng)絡(luò)借貸平臺需要檢查其運營狀況,分析風(fēng)險來源,及時做出調(diào)整,以應(yīng)對金融風(fēng)險使平臺處于不利地位;處于綠色或藍(lán)色狀態(tài)表明平臺風(fēng)控能力較強,平臺運行正常。

表5 P2P網(wǎng)絡(luò)借貸平臺風(fēng)險等級劃分

根據(jù)高斯混合模型劃分的144家網(wǎng)絡(luò)借貸平臺風(fēng)險等級結(jié)果,計算出四個不同背景P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險等級分布如圖2所示。從整體來看,各類型平臺的風(fēng)險情況都不好,大多數(shù)P2P網(wǎng)絡(luò)借貸平臺都處于黃色、橙色甚至紅色狀態(tài)。這可能是由于現(xiàn)階段我國宏觀經(jīng)濟(jì)從高速增長轉(zhuǎn)換為中高速增長,部分小微企業(yè)在這個過程中倒閉、小型融資減少,也與P2P網(wǎng)貸平臺經(jīng)營體系不規(guī)范、管理體制不完善、各方面的風(fēng)險控制能力弱有很大關(guān)系。從各個類型的網(wǎng)貸平臺來看,50%的風(fēng)投系、約9%的上市系、約21%的民營系、43%的國資系平臺處于綠色和藍(lán)色狀態(tài),約一半以上的上市系、國資系、民營系平臺都處于橙色和紅色狀態(tài),即風(fēng)投系平臺風(fēng)險狀況總體優(yōu)于其他三種平臺。究其原因,風(fēng)投系平臺的資金來源主要是風(fēng)投機構(gòu),他們?yōu)槠脚_提供了充裕且穩(wěn)定的平臺資金,這樣有利于擴大平臺規(guī)模,提高風(fēng)險控制能力,且平臺運行體系較為完善,而其他三種類型的企業(yè)資金來源不穩(wěn)定,管理體系不完善,無法有效地控制風(fēng)險。

圖2 不同背景P2P網(wǎng)絡(luò)借貸平臺風(fēng)險等級分布

(五)風(fēng)險評估模型驗證

接下來選取截止到2020年6月7日各個平臺的實際運營狀況,以驗證構(gòu)建的風(fēng)險評價指標(biāo)體系以及風(fēng)險分級的合理性與有效性。如圖3所示,僅僅經(jīng)過8個月的發(fā)展,2019年10月正常運營的平臺中有24家轉(zhuǎn)型或停業(yè),20家出現(xiàn)因提現(xiàn)困難、延期兌付、網(wǎng)站關(guān)閉等問題而被迫關(guān)閉的問題,僅有17家平臺還在正常運營。從以上數(shù)據(jù)可以看出P2P網(wǎng)絡(luò)借貸行業(yè)確實存在很高的風(fēng)險,在44家轉(zhuǎn)型、停業(yè)和問題平臺中有75%的平臺風(fēng)險在輕警以上,17家正常運營平臺中有70.6%的平臺風(fēng)險在微警以下,說明本文構(gòu)建的風(fēng)險評價指標(biāo)體系合理,風(fēng)險識別方法有效。

圖3 風(fēng)險評估模型驗證

三、P2P網(wǎng)貸平臺風(fēng)險預(yù)警

(一)P2P網(wǎng)貸平臺風(fēng)險預(yù)警模型選擇與模型評估指標(biāo)

機器學(xué)習(xí)方法是處理分類問題的經(jīng)典方法,適用于處理P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警問題。選擇樸素貝葉斯模型、Softmax回歸模型、隨機森林和支持向量機四種方法處理P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險預(yù)警問題,接下來將對這四種機器學(xué)習(xí)模型以及本文選用的模型評估指標(biāo)進(jìn)行簡要介紹。

1.樸素貝葉斯(NB)

樸素貝葉斯分類方法是基于貝葉斯公式的一種有監(jiān)督統(tǒng)計分類方法[23],它利用144家網(wǎng)貸平臺的16個風(fēng)險評估指標(biāo)所包含的統(tǒng)計信息,計算出后驗概率,將后驗概率最大的類別作為最后的分類結(jié)果,模型的具體形式如公式(9):

(9)

根據(jù)貝葉斯公式計算后驗概率如公式(10):

(10)

假設(shè)各指標(biāo)Xi之間相互獨立,則公式(10)可改寫為公式(11):

(11)

根據(jù)貝葉斯分類結(jié)果得出P2P網(wǎng)貸平臺的風(fēng)險等級,以起到風(fēng)險預(yù)警作用。

2.Softmax回歸模型

Softmax回歸直接對分類的可能性進(jìn)行建模,對數(shù)據(jù)的分布沒有要求,具有較強的適用性[24]。本文的分類對象是網(wǎng)貸平臺的風(fēng)險等級,為五分類問題,故能夠選用Softmax回歸完成分類任務(wù)。Softmax回歸能夠得到平臺屬于某個風(fēng)險等級的近似概率預(yù)測,將每個類別經(jīng)過對數(shù)幾率函數(shù)(logit)變換,得到Softmax函數(shù)如公式(12):

(12)

3.隨機森林(RF)

隨機森林是由多個決策樹組成的并行式集成學(xué)習(xí)方法的一個擴展變體[25],分類結(jié)果依據(jù)多個決策樹預(yù)測結(jié)果運用自助采樣法(Bootstrap)投票匯總而成,具有預(yù)測精度高,可解釋性強等優(yōu)點。本文將16個風(fēng)險評估指標(biāo)作為輸入,網(wǎng)貸平臺的風(fēng)險等級作為分類對象,運用交叉驗證的方法對決策樹的數(shù)量和每棵決策樹的深度進(jìn)行調(diào)參,訓(xùn)練隨機森林分類器,并利用隨機森林模型的可解釋性挖掘平臺風(fēng)險的重要指標(biāo)。

4.多分類支持向量機(SVMs)

5.模型的評估指標(biāo)

機器學(xué)習(xí)模型有很多成熟的模型評估指標(biāo),比如準(zhǔn)確率、精確率、召回率、F1-score等,這些評估指標(biāo)大多數(shù)適用于二分類機器學(xué)習(xí)模型,對于多分類機器學(xué)習(xí)模型目前使用最多的評估指標(biāo)為準(zhǔn)確率[27]。結(jié)合風(fēng)險預(yù)警的目的,本文定義了預(yù)警準(zhǔn)確率和預(yù)警有效率兩個評估指標(biāo)綜合評估預(yù)警模型的優(yōu)劣。預(yù)警準(zhǔn)確率定義為模型預(yù)測正確的P2P平臺個數(shù)與測試集總的P2P平臺個數(shù)之比,預(yù)警有效率定義為模型預(yù)測正確的P2P平臺個數(shù)和預(yù)測風(fēng)險比實際風(fēng)險高的P2P平臺個數(shù)之和與測試集總的P2P平臺個數(shù)之比。評估指標(biāo)的值越大,表明該模型的風(fēng)險預(yù)警能力越強。

(二)P2P網(wǎng)貸平臺風(fēng)險預(yù)警模型實證

本文依據(jù)構(gòu)造的網(wǎng)絡(luò)借貸平臺風(fēng)險評價指標(biāo)體系以及對風(fēng)險等級的識別,將指標(biāo)體系中的17個三級指標(biāo)作為每個P2P網(wǎng)絡(luò)借貸平臺的特征,將5個風(fēng)險等級作為P2P網(wǎng)絡(luò)借貸平臺的5個類別,采用分層抽樣的方式抽取不同背景的平臺,按3∶1的比例劃分訓(xùn)練集和測試集,即抽取55家民營系平臺、14家上市系平臺、17家國資系平臺、12家風(fēng)投系平臺作為訓(xùn)練集,其余平臺作為測試集。將訓(xùn)練集數(shù)據(jù)輸入到風(fēng)險預(yù)警模型中訓(xùn)練各個分類器。將測試集的特征輸入到已經(jīng)訓(xùn)練好的分類器中,并輸出預(yù)警的分類結(jié)果,借助預(yù)警準(zhǔn)確率和預(yù)警有效率兩個評估指標(biāo)對比各模型的優(yōu)劣,試驗出最好的一個風(fēng)險預(yù)警模型。這樣可以將訓(xùn)練好的最優(yōu)預(yù)警模型保存,從而不用每次監(jiān)測風(fēng)險時都對平臺再進(jìn)行風(fēng)險識別,從而簡化平臺風(fēng)險評估過程,提高風(fēng)險監(jiān)測效率,達(dá)到對各個P2P平臺風(fēng)險進(jìn)行實時監(jiān)測預(yù)警的目的。

模型的分類結(jié)果如表6所示。根據(jù)表6的混淆矩陣計算四個模型的預(yù)警準(zhǔn)確率和預(yù)警有效率如表7所示。綜合混淆矩陣和模型評估結(jié)果來看,樸素貝葉斯模型的綜合表現(xiàn)優(yōu)于其他三個模型,對P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警問題具有較強的判別能力,更能夠達(dá)到P2P網(wǎng)貸平臺風(fēng)險預(yù)警的目的。

表6 四個風(fēng)險預(yù)警模型分類結(jié)果混淆矩陣

表7 四個風(fēng)險預(yù)警模型評估結(jié)果

利用隨機森林模型的可解釋性特征,探索風(fēng)險評價指標(biāo)體系中各三級指標(biāo)對平臺總體風(fēng)險影響的重要性,從而分析P2P網(wǎng)絡(luò)借貸平臺主要的風(fēng)險來源。如表8所示,可以看出平均借款期限水平是判斷平臺總體風(fēng)險等級最重要的指標(biāo),表征流動性風(fēng)險的指標(biāo)投資人數(shù)和前十大借款人待還金額占比的重要性分別排名第二、第三。

表8 排名前10的三級指標(biāo)重要性

將表征每個風(fēng)險維度的三級指標(biāo)重要性加總,得到四個維度風(fēng)險的重要性排名如表9所示。在各個維度風(fēng)險的重要性排名中,流動性風(fēng)險排名第一,信用風(fēng)險排名第二,操作風(fēng)險的重要性最低。從表8可以看到,表征流動性風(fēng)險大小的兩個指標(biāo)的單個重要性排到了前三位,表明風(fēng)險評價指標(biāo)體系設(shè)計符合實際。信用風(fēng)險也占據(jù)了相當(dāng)重要的地位,這與我國P2P網(wǎng)絡(luò)借貸行業(yè)以經(jīng)營小微企業(yè)和個人的小額信貸業(yè)務(wù)為主,且個人征信系統(tǒng)不完善的事實相符。小微企業(yè)由于本身資金不雄厚,一旦創(chuàng)業(yè)失敗或者經(jīng)營虧損就難以如期還款,個人一旦失業(yè)或者由于其他因素影響很容易導(dǎo)致逾期還款,由此可見小微企業(yè)和個人能否如期還款的不確定性因素很多,因此信用風(fēng)險在總體風(fēng)險中占據(jù)相當(dāng)重要的地位。運營風(fēng)險和操作風(fēng)險主要反應(yīng)P2P網(wǎng)絡(luò)借貸平臺對借款人的管理規(guī)則、平臺本身的狀況、以及資金的運營狀況,這其中特別是平臺本身的狀況如平臺背景、注冊資金在平臺成立時就定了,幾乎不會隨著時間和交易過程的變化而變化,而風(fēng)險是在動態(tài)交易過程中產(chǎn)生的,這些幾乎不變的指標(biāo)對總體風(fēng)險的影響不大,由表8也可以看到,只有表征操作風(fēng)險的平均借款期限水平指標(biāo)排名前十,所以這兩個維度風(fēng)險的重要性相對較低也是合理的。平均借款期限水平單個指標(biāo)對總體風(fēng)險的貢獻(xiàn)較大,所以對操作風(fēng)險的控制主要留意平均借款期限水平指標(biāo)。

表9 各個維度風(fēng)險重要性排名

四、結(jié)論與建議

在當(dāng)前我國防范化解金融風(fēng)險的大背景下,P2P網(wǎng)貸平臺作為我國互聯(lián)網(wǎng)金融的重要組成部分,對化解中小企業(yè)融資難、盤活欠發(fā)達(dá)地區(qū)經(jīng)濟(jì)具有重要作用。尤其對P2P平臺風(fēng)險進(jìn)行識別與監(jiān)測,對風(fēng)險高的平臺進(jìn)行警示和過濾,能夠幫助平臺管理者、投資者和監(jiān)管部門有效識別風(fēng)險,減少由于信息不對稱導(dǎo)致的一系列風(fēng)險問題,使互聯(lián)網(wǎng)金融行業(yè)可持續(xù)發(fā)展。本文選取了正常運營的P2P網(wǎng)貸平臺作為樣本數(shù)據(jù),而忽略了問題平臺,這可能導(dǎo)致對平臺的風(fēng)險度量和分級高于實際的風(fēng)險狀況,從而夸大P2P行業(yè)的風(fēng)險狀況,這樣選取樣本平臺的研究策略正好符合當(dāng)前各監(jiān)管部門對高風(fēng)險屬性的P2P網(wǎng)絡(luò)借貸行業(yè)的規(guī)范與引導(dǎo)政策。通過利用主成分綜合評分法對P2P網(wǎng)貸平臺的風(fēng)險值進(jìn)行度量,采用高斯混合模型對平臺風(fēng)險得分劃分了五個風(fēng)險等級,分別是重警、中警、輕警、微警、無警,利用機器學(xué)習(xí)方法構(gòu)建了四個P2P網(wǎng)貸平臺風(fēng)險預(yù)警模型,選擇最優(yōu)模型構(gòu)建P2P平臺的風(fēng)險預(yù)警系統(tǒng),結(jié)果表明:樸素貝葉斯模型對P2P網(wǎng)貸平臺風(fēng)險的識別能力最強,由此可以看出基于概率統(tǒng)計思想的樸素貝葉斯模型充分利用了先驗信息和樣本的統(tǒng)計信息,樣本數(shù)量的多少對模型預(yù)警結(jié)果不會產(chǎn)生較大影響,因此在樣本量不大時其預(yù)警結(jié)果好于其他機器學(xué)習(xí)模型。隨機森林模型顯示流動性風(fēng)險和信用風(fēng)險在P2P網(wǎng)絡(luò)借貸平臺總體風(fēng)險中起著重要作用,操作風(fēng)險主要來源于平均借款期限水平。從P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險預(yù)警結(jié)果方面來看,較多平臺處于高風(fēng)險狀態(tài),這足以說明平臺本身的風(fēng)險控制能力弱,風(fēng)險防范意識不強,急需政府制定有效的監(jiān)管措施來防范金融風(fēng)險。因此,對防范P2P網(wǎng)貸平臺引起的互聯(lián)網(wǎng)金融風(fēng)險提出以下幾點意見:

第一,針對不同類型的P2P網(wǎng)貸平臺采取不同監(jiān)管辦法,建立不同的監(jiān)管策略。如對風(fēng)險等級較低的風(fēng)投系平臺可以制定相對寬松的風(fēng)險監(jiān)管政策,而對于其他類型的平臺則要嚴(yán)格把控、重點防范。如預(yù)警狀態(tài)達(dá)到橙色區(qū),應(yīng)予以相應(yīng)的處理。

第二,應(yīng)從控制流動性風(fēng)險和信用風(fēng)險方面入手,控制P2P網(wǎng)絡(luò)借貸平臺的總體風(fēng)險。如建立平臺登記制度,網(wǎng)貸平臺應(yīng)到相關(guān)的政府部門辦理登記,相關(guān)機構(gòu)應(yīng)及時披露平臺的登記信息,減少信息不對稱造成的風(fēng)險;健全對問題平臺的處置機制,對存在非法集資、卷資金跑路、違規(guī)交易等問題的平臺要嚴(yán)厲處置;對處于中警和重警狀態(tài)的平臺要及時警示,以防范其風(fēng)險問題的進(jìn)一步惡化。

第三,應(yīng)加強相關(guān)人才的培養(yǎng),加大資金及科研投入,建立和完善P2P網(wǎng)絡(luò)借貸平臺的數(shù)據(jù)庫,構(gòu)建長效的P2P網(wǎng)絡(luò)借貸平臺風(fēng)險預(yù)警機制。

綜上,為了防范互聯(lián)網(wǎng)金融風(fēng)險,政府監(jiān)管部門和平臺自身都應(yīng)提升風(fēng)險防范意識,保持用戶與平臺之間、監(jiān)管部門與平臺之間、平臺與平臺之間的信息暢通,對可能出現(xiàn)風(fēng)險的環(huán)節(jié)重點監(jiān)控,加強P2P網(wǎng)絡(luò)借貸平臺風(fēng)險防范與抵御能力,推動互聯(lián)網(wǎng)金融行業(yè)的穩(wěn)定健康發(fā)展。