网贷市场风险评估,该文是风险评估方面有关本科论文怎么写与市场风险和评估相关学术论文怎么写.
风险评估论文参考文献：
张哲
（复旦大学经济学院,上海 200433）
[ 摘 要 ] 文章爬取了 469 家网贷平台的平均借款期限、累积待还余额等 16 个基础变量,通过模糊数学无量纲处理后,应用因子分析确立了运营、品牌、借款指数等 6 个准则层指标,应用层次分析法得到变量层指标的权重,最终计算得到每个平台的风险指数.积木盒子风险最小,为 5.6 ； 金票通风险最大,为 32,风险指数为右偏态分布.文章指出管理、借款、资本指数低是造成平台风险大的主要原因,进一步指出风险指数每增加一个单位,平台出现问题的概率增加0.0084935,其中提现困难的概率增加 0.0072826,跑路的概率增加 0.0009584.最后作者对网贷平台自身的风控及政府监管提出了建议.
[ 关键词 ] P2P 风险评估 ； 模糊数学 ； 因子分析 ； 层次分析
[ 中图分类号 ] F382 ［文献标识码］A ［文章编号］1000-4211(2018)06-0082-17
一、引言
近年来依托于互联网技术的 P2P（peer to peer lending 的缩写）金融服务业兴起,2013 年后呈现井喷式发展.P2P 网贷作为一种个人对个人的信贷模式,客户可以分为将资金借出的客户以及需要贷款的客户两类.其运营模式是 ： 以第三方互联网平台为*,借款人向*平台发放借款标,投资人通过平台竞标,竞标成功后向借款人提供贷款（Berger& Gleisner,2009） .网贷平台将融资困难的中小微型企业及个人与民间需要投资理财的个人联系起来,大大缩短了融资时间,提高了效率,在一定程度上缓解了小微企业融资难及民众理财渠道有限的问题.
然而网络借贷刚刚兴起,行业门槛低,相关法律不健全,政府监管缺位,平台风控薄弱,透明度低,投资者难以监督平台资金流向,网贷平台经常出现提现困难、跑路、经侦介入等问题,P2P 网贷比传统信贷行业有更大的风险.据“网贷之家”的数据显示,截至 2018 年6 月底,累计停业及问题平台达到 4347 家,占 P2P 网贷行业累计平台数量的 70.31%,问题平台牵涉的投资人数累计约为 69.9 万人,涉及贷款余额累计约为 417.5 亿元（见图 1） .在这些问题平台中,跑路平台高达 1209 家,占比 53%、提现困难平台有 1055 家,占比 46%、经侦介入平台有 36 家,占比 1%（见图 2） .P2P 平台鱼龙混杂,受到广泛质疑,面临着信誉危机.因此急需建立一套科学的风险评价体系来评估、预警平台运营风险.以促进网贷行业健康可持续发展.
建立网贷市场风险评估体系具有重大意义 ： 可以了解影响网贷平台风险的因素 ； 可以评估、预警各个网贷平台的风险水平,以及将来出问题的概率 ； 为政府监管、行业自律、平台风控提供新思路及依据 ； 为贷款者提供投资依据 ； 让网贷金融服务透明化,引导 P2P 行业健康发展,实现普惠金融.
二、文献综述
P2P 借贷双方信息不对称（Klafft,2008） ,借款人具有信息优势,完全了解自己的信用状况,而投资者往往是信息劣势的一方（Emekter、Tu,2015） ,投资者一般根据借款人的陈述来判断是否出借自己的资金,而借款人往往会通过虚假陈述来骗取借款,信用风险较大（Pope、Sydnor,2011） .利率低、信用好的借款人被逐渐驱逐出市场,最终留下来的都是信用较差的借款人.事后信息不对称还会产生道德风险,例如,借款人获得贷款后并未将资金用于自己事先所描述的用途,而是为了追求高利润,投向了风险更高的领域.因此对借款人进行信用评分十分必要,可以减少信息不对称的程度,降低信用风险.
20 世纪 50 年代美国 Fair Isaac Company 推出了个人信用评分系统 FICO,已成为美国个人信用评分的标准,异常贷款人大多信用评分很低（Li et al,2016） .信用信息是预测违约的重要因素（Zhang 等,2016） .例如 Emekter 、Yanbin（2015）等以 lending club的数据为例,发现 FICO 分数、信贷等级、债务收入比率和效用函数是导致贷款违约的关键因素.FICO 分数越高,违约风险越低 .但由于我国征信体系不完善,数据基础薄弱,在网贷行业应用 FICO 技术较为困难.近年来信用评估模型不断发展,出现了逻辑回归信用评估模型（Bekhet、Eletter,2014） 、以实例为基础设计的信用风险评估模型（Guo et al,2015） 、集群支持向量机（Harris,2015）信用评估模型等.
以上模型只适合于评价借款人的信用风险,却难以评价网贷平台自身的风险.网贷行业自诞生以来野蛮生长,鱼龙混杂,投资者不知如何选择平台； 另一方面我国征信制度缺失,网贷平台已由国外的信息*变异为信用*,所以政府防范网贷风险的重点是平台的风险而不是借款人的风险.影响平台风险的因素众多,其风险生成机理如下 ：
前景理论中的隔离效应指出投资者在选择投资产品时,往往忽视投资产品的共性,而关注它们之间的差异（Kahneman、Tversky,1979） .相对于银行理财,网贷平台多以高收益来吸引客户,投资者易受高收益的吸引,忽视了网贷平台存在的风险（宫晓林,2014） .投资者大多缺乏理财知识,风险意识薄弱,容易在其他出借人的影响下,放弃自己的决策,跟随其他人进行投资,这种从众效应也即羊群效应是由心理因素、简单模仿等非理性的“动物精神” 引起的.羊群效应可能使出借人放弃正确的投资决策, 盲目跟随他人, 导致风险积聚.一旦风险爆发会使投资者蒙受巨大损失（Eyster、Rabin,2009） .
隔离效应、羊群效应导致投资者做出不理性的投资决策,为网贷平台风险的产生提供了前提条件.
网贷行业无进入门槛,从业者大多没有经过专业金融知识培训,风险意识薄弱（唐艺军和葛世星 2015） ,在信息审核、信用评级、贷后资金监管等环节上存在大量人为运营、管理风险（卢馨和李慧敏,2015） .网贷交易软件大多委托第三方软件公司开发,可能存在安全漏洞,泄露借款人隐私（Slattery,2013） .并且平台存在信息披露风险（叶青,2016） ,鲜有平台公开财务、坏账率等经营信息,即便有个别平台公开,也未经过审计,投资者难以了解平台的真实经营状况.此外网贷平台一般杠杆率（累计待还余额 / 注册资本）较大,一旦资金链断裂,平台难以为继.
平台和贷款者之间也存在信息不对称, 平台通常比贷款者更了解自己的管理、 运营状况.贷款者易将资金投向利率虚高的平台,这样一来将会出现逆向选择,利率低,但质量好、风险低的平台将被逐渐驱逐出市场,最终聚集在网贷市场上的平台都是风险较高的平台.事后信息不对称还会产生道德风险, 导致非法集资, 庞氏骗局, 甚至跑路.例如有平台通过高利率、秒标吸引投资者,满标后跑路 ； 自融平台虚构借款标的,为母公司或关联企业融资.
需要注意的是在信息不对称这种机理作用下,网贷平台的风险进一步加大.网贷平台风险生成的机理见图 3.
国内已有机构对平台发展状况进行了评估.例如新浪财经 2014 年 P2P 企业评测从公司背景实力、风控、信息公开度、用户满意度等维度,对 6 个自愿测评的 P2P 平台进行了评估,数据由参评平台报送.中国社科院（2014）从基础指标、运营能力、风险管控、社会责任、信息披露等五方面对 20 个网贷平台的发展状况运用层次分析法构建了评价体系.以上报告仅仅使用层次分析法,定性因素多,当变量层的指标过多时,权重难以确定； 结果难以服众,且评价平台数量较少,难以代表整个网贷市场的情况.
现有文献、报告多是对借款人信用风险进行评估,对极少数平台实力、发展状况进行排名,至多分析哪些因素会影响网贷平台的风险.鲜有文献量化评估平台的风险水平.本文从“网贷之家”网站上选取了 469 家 P2P 平台作为研究对象,选取 16 个基础变量,通过模糊数学,无量纲处理得到每个平台的相应基础变量得分,进而应用因子分析与层次分析法得到每个平台的风险指数.以期评估平台风险水平, 改善平台风险管理, 为投资者提供参考,为政府监管提供建议.论文的创新点有以下几个方面 ：
1. 现有文献、报告多是对借款人信用风险进行评估,对极少数平台的实力、发展状况进行排名,分析影响网贷平台风险的因素,然而鲜有文献量化评估平台风险水平.本文对数量高达 469 家的 P2P 平台进行了风险评估.
2. 计算出各平台的风险指数后,进一步以风险指数为解释变量,预测了平台出问题的概率,以及跑路、提现困难、经侦介入的概率.
3. 运用模糊数学综合评判模型对运营时间和注册资本进行科学评分,无量纲化处理,在此基础上对平台风险进行评估更为精确.
4. 运用因子分析,对 16 个基础变量科学地进行了分类,划分为 6 个准则层指标,并通过因子分析得到了准则层指标的权重,避免了划分的主观性.
5.AHP 方法得出的结果是粗略的变量权重、方案排序,人的主观判断、选择、偏好对结果的影响很大.如能和别的方法结合起来使用,会取得较为满意的结果.文中和因子分析法结合使用确定指标权重,减少了人的主观判断带来的误差.
6. 数据维度多,为准确地分析网贷平台的风险情况提供了基础.运用网络爬虫爬取了大量 P2P 平台的多维度数据,例如平台的平台的平均利率（廖理,2014 ； 叶青 2016） ； 资金杠杆（累积待还余额 / 注册资本） 、 时间加权成交量 / 注册资本、 成交量 / 注册资本（谢广营,2016） ； 人均借款金额、注册资本、平台背景（国资、银行、风投） 、舆情状况、问题发生时间、法人代表、平台上线时间等.
三、网贷市场风险评估
网贷平台的风险类型很多, 现有文献大多将风险类别主观分类, 风险类别划分标准不一.例如叶青（2016）主观地将风险划分为平台实力、风控能力、治理水平、标的特征 ； 而何光辉（2017）则将风险划分为道德风险、信用管理风险、公司治理风险及营运风险.并且学者将反应平台风险的基础变量归类也各不相同,例如叶青（2016）将注册资本、平台背景归为平台实力风险 ； 将平台利率归为标的特征风险.而何光辉（2017）将注册资本、平台背景归类为道德风险,将平台利率归类为信用管理风险.中科院（2014）将平台上线时长作为平台实力指标,而何光辉（2017）将运营年限归类为营运风险.因此十分有必要将反应平台风险的基础变量科学分类,避免划分的主观性,以准确评估平台风险.
本文从网贷之家和网贷天眼等网站上抓取了 469 家平台的能够反映平台风险的基础变量.这些基础变量主要有 ： 平台的平均利率（廖理,2014 ； 叶青 2016） ； 资金杠杆（累积待还余额 / 注册资本） 、时间加权成交量 / 注册资本、成交量 / 注册资本（谢广营,2016） ； 平均借款期限、 累积待还余额、 未来 60 日待还、 前 10 大土豪待收占比、 前 10 大借款待还占比、人均借款金额、平台背景（国资、银行、风投） 、注册资本（叶青,2016） ； 时间加权成交量、问题发生时间、 舆情状况、 运营时间、 平台上线时间（中国社科院, 2014） ； 公司地点（何光辉,2017） ； 人均投资金额、满标用时等.
先将数据进行无量纲化处理.注册资本与运营时间越大对平台越有利,采用模糊数学综合评判模型进行无量纲处理 ； 其余变量为“成本型”变量（变量越小对平台越有利） ,采用无量纲公式处理.再运用因子分析,将基础变量科学地分为几个因子,避免了划分的主观性,并计算了因子的权重.
1. 模糊数学综合评判模型
由于这些变量间内部具有较强的依赖关系,例如时间加权成交量 / 注册资本是在成交量 / 注册资本的基础上考虑了借贷期限的长短对成交量的影响,为避免多重共线性,采用因子分析法,将这些变量归结为数量较少的几个因子,以便于准确评价网贷平台的风险.
3. 因子分析法
(1) 因子分析法概述
因子分析法是一种数据简化技术,通过研究众多变量之间的内部依赖关系,将相关性较强的几个变量归为一类,即因子,用少数几个因子来表示其基本的数据结构.因子分析可以在不丧失主要信息的状况下,解决多重共线性问题,在构建指标评价体系中得到了广泛的应用.接下来本文使用因子分析法将 16 个变量归结为数量较少的几个因子,并确定这些因子的权重.
(2) 确定公因子
在进行因子分析确定公因子和权重之前需要进行 KMO 和 BARTLATT 检验.KMO 值为 0.696大于 0.5,可以做因子分析 ； Bartlett 的球形度检验2χ 值为 1349.472（自由度 120） ,伴随概率 0.000<0.01, 拒绝原假设, 即变量间的相关矩阵不是单位矩阵, 原变量之间有共同因素,存在相关关系,适合做因子分析.
通过分析各因子的特征值及主因子的方差贡献率和累积方差贡献率,我们可以从变量中选取 6 个主因子,这 6 个主因子共解释了总变量的 60.714%.主因子的特征值、方差贡献率及累积方差贡献率见表 3.
为了具体确定哪几个变量可以归结为一个公因子,需要分析因子分析中的旋转成分矩阵,这个矩阵显示每个变量对公因子提供的信息有多少.表 4 为旋转成分矩阵.
从表 4 可以看出,时间加权成交量 / 注册资本、成交量 / 注册资本、资金杠杆在因子1 上有较大载荷,主要反映了以注册资本为基础的资本所能撬动的资金,可以将因子 1 命名为资本指数.注册资本、前 10 大土豪待收占比、前 10 大借款待还占比,在因子 2 上有较大载荷,是公司原始资本、团队管理、风控等各种能力的体现,可以将因子 2 命名为平台管理指数.人均借款金额、单位标的成交量、平均利率在因子 3 上有较大载荷,平均利率、单位标的成交量是影响平台借款的主要因素,可以将其命名为借款指数.满标用时在因子 4上有较大载荷,满标的速度反映了一个平台的效率,可以将其命名为效率指数 ； 人均投资金额、累计待还余额、平均借款期限在因子 5 上有较大载荷,是反映平台运营状况的重要指标,可以将其命名为运营指数.平台背景、平台舆情、运营时间在因子 6 上有较大载荷.平台强大的股东背景,以及较好的社会评价,才能使其长久经营下去,树立品牌,可以将因子 6命名为品牌指数.
通过以上过程,我们就构造了网贷平台风险评价体系,如表 5 所示.我们将网贷平台风险指数作为目标层,将 6 个公因子作为评价体系准则层,将 16 个变量作为变量层.
从图 4 可以看到,资本指数的权重最大,高达 31% ； 其次为管理指数,权重占 18%,二者之和占了准则层指标权重的近 50%,对网贷平台的风险评价具有重大影响.权重最小的是运营指数和品牌指数都为 12%.
下面我们的任务就是确定变量层指标对准则层指标的权重.确定权重的方法为层次分析法.
4. 变量层指标对准则层指标权重的确定
AHP (Analytic Hierarchy Process) 层次分析法是将定性定量结合起来的方法,由美国运筹学家 T.L.Saaty 教授于 20 世纪 70 年代提出.用 AHP 分析问题具体步骤为 ： (1) 建立层次结构模型 ； (2) 构造判断矩阵 ； (3) 权重及一致性检验.
根据层次分析法的计算步骤,可以得到资本指数中的时间加权成交量 / 注册资本、成交量 / 注册资本、资金杠杆的各权重分别为 0.229650794、0.122020192、0.648329014.管理指数中的注册资本、 前 10 大土豪待收占比、 前 10 大借款待还占比的各权重分别为 0.098883929、0.53682456、0.364291511.借款指数中的人均借款金额、单位标的成交量、平均利率的权重分别为 0.296961331、0.163424119、0.53961455.运营指数中的人均投资金额、累计待还余额、 平均利率的权重分别为 0.225535499、 0.673810571、 0.10065393.品牌指数中的平台背景、平台舆情、运营时间的权重分别为 0.249310525、0.593633685、0.157055789.
5. 计算网贷市场风险指数
运用整理过的数据和网贷平台风险指数计算公式得到 469 个平台的风险指数,如表 6所示（为了节省篇幅,仅显示了一部分平台的风险指数） .
从表 6、表 7 可以看到 469 个平台风险指数最小值为 5.619（积木盒子） ,最大值为32.046（金票通） ,平台之间的风险差异较大.均值为 15.377,中位数及 IQR（低四分位 -高四分位）为 15.159（11.341-18.870） ,四分位间距为 7.529.偏度为 0.263,呈右偏态分布,位于均值左边的数据比右边的多.峰度较大为 2.534,峰部陡峭.风险最小的 3 个平台是积木盒子、e 路同心、365 易贷,风险最大的 3 个平台是金票通、投米网、平平贷.一些行业内较为知名的大平台,并不见得风险都小（见图 5） ,例如陆金所、石投金融的风险就显得略大.陆金所平台风险较大的原因有 ： 运营指数较小,具体来说平均借款期限较长,存在诸多不确定风险,投资者可能难以获得回报 ； 人均投资金额多,说明平台有大额投资,一旦到时不能收回,会增加平台的风险； 累计待还余额多,借款人还款压力大.品牌指数小,这是由于陆金所近几年负面新闻较多, 例如“陆金所 2.5 亿坏账风波” 、 “陆金所被点名整改”等.此外资本指数相对较低,资金杠杆大.从而导致了陆金所的风险并不小.石投金融平台风险大的原因是 ： 注册资本略低,前 10 大土豪待收占比大,前 10 大借款待还占比较大,导致平台管理指数较低,平台风险变大.此外平台上线时间短,背景为民营系,投资者体验不佳,舆情偏向负面,致使品牌指数下降,平台风险增大.
运营指数的最小值为 27.725（陆金所） ,最大值为 99.898（荣通宝投资） .均值为97.614,中位数及 IQR（低四分位 - 高四分位）为 98.780（97.888-99.276） ,四分位间距为 1.388.偏度为 -8.138,呈左偏态分布,位于均值左边的数据比右边的少.峰度较大为96.822,与正态分布相比峰 部较为陡峭,由小于均值的极端值引起.运营指数绝大部分位于 90 以上,有 450 个平台位于 90 以上.
品牌指数最小值为 11.530（合众 e 贷） ,最大值为 95.014（九能金融） .均值为60.220,中位数及 IQR（低四分位 - 高四分位）为 74.493（23.660-77.438）四分位间距为53.778, 数据离散度最大, 偏度为 -0.912, 呈左偏态分布, 位于均值左边的数据比右边的少.峰度较大为 1.921,峰部陡峭.不同平台的背景、舆情及运营时间差别极大.
管理指数最小值为 7.211（汇付四海） ,最大值为 97.824（恒易融） ,平台管理水平参差不齐,均值为 60.461,中位数及 IQR（低四分位 - 高四分位）为 60.842（44.948-76.588） ,四分位间距为 31.64,数据离散度大.偏度为 -0.177,呈左偏态分布,位于均值左边的数据比右边的少.峰度为 2.160,峰部陡峭.仅有 40 个平台的运营指数在 90 以上,网贷平台整体管理水平较差.
借款指数最小值为 46.002（开源理财） ,最大值为 98.875（北城贷） ,均值为 81.762,中位数及 IQR（低四分位 - 高四分位）为 82.556（77.050-87.990） ,四分位间距为 10.94.偏度为 -0.762,呈左偏态分布,位于均值左边的数据比右边的少.峰度为 3.911,峰部陡峭.
效率指数最小值为 0,最大值为 100,均值为 98.354,中位数及 IQR（低四分位 - 高四分位）为 99.368（98.366-99.802） ,四分位间距为 1.436.偏度为 -15.095,呈左偏态分布,位于均值左边的数据比右边的少.峰度在风险指数及其分项指标最大为 280.128,与正态分布相比峰部最为陡峭, 是由小于均值的极端值 0 引起的.1+1 贷、 翼龙贷、 91 旺财、 华汇财富、恒易融、创世介贷和联豪创投 6 个平台的效率指数都为 100 ； 金票通的效率指数为 0.共有459 个平台的效率指数在 90 以上,网贷平台效率较高,满标速度快.
资本指数最小值为 32.076（投米网） ,最大值为 99.999（北城贷） ,均值为 98.096,中位数及 IQR（低四分位 - 高四分位）为 99.684（98.789-99.896）四分位间距为 1.107,数据离散度最小.偏度为 -7.26,呈左偏态分布,位于均值左边的数据比右边的少.峰度为69.955, 峰部陡峭.由于资本指数在平台风险评估中的比重大, 导致投米网的风险指数很大.
综上所述,除了风险指数为右偏态分布,位于均值左边的数据比右边的多（小于风险指数均值的有 242 个平台,大于风险均值的有 229 个平台） ,其余运营、品牌、管理、效率、资本指数全为左偏态分布,位于均值左边的数据比右边的少.效率指数的峰部最为陡峭,品牌指数的峰部最为平坦,但仍比正态分布的峰部陡峭.品牌指数的数据离散度最大、管理指数的数据离散度次之 ； 资本指数的数据最为集中,98% 的资本指数都在 91 以上.
为进一步观察平台风险指数及其准则层指数变化趋势, 将表 6 显示在图 6 中： 其中图（a）是运营、品牌、管理、风险指数的变化趋势图 ； 图（b）是借款、效率、杠杆、风险指数的变化趋势图.
从图6可以看到风险较大平台的风险主要来源是 （1） 管理指数低. 前10大土豪待收占比、前 10 大借款待还占比大导致平台管理指数低. （2）品牌指数较小.很多网贷平台都是最近成立,背景多为民营,社会评价低. （3）借款指数低.人均借款金额大,单位标的成交量大、平均利率高导致了借款指数较低.当人均借款金额较大时,借款资金不够分散 ； 当单位标的成交量较大时,若标的出现问题,不能及时还款,将会加大平台运营风险； 当平均利率高时,平均利率越高, 平台运营成本越高, 风险越大. （4） 资本指数低.时间加权成交量 / 注册资本、成交量 / 注册资本高,资金杠杆大,降低了资本指数,一旦资金链条断裂,会加速放大平台的风险,加剧平台、投资者的亏损.此外从图 4 可以看到管理指数、品牌指数、借款指数、资本指数的比重很大,四者合计高达 75%,是平台风险较大的主要来源.
6. 网贷平台出问题的概率
风险指数提供了平台风险大小的测度,然而平台在给定的风险指数下究竟会出现什么问题,是一个值得探讨的问题.我们将上文计算出来的风险指数作为解释变量,采用线性概率模型（LPM）预测上文 469 个网贷平台出问题的概率.
网贷平台出现问题的类型划分为跑路（abscond with money,记为 awm） 、提现困难（difficulty in raising money,记为 dirm） 、经侦介入（intervention of economic investigation,记为 ioei）三种类型,将其分别设置成哑变量.此外还将三种类型的问题统一设置为问题（question）哑变量.估计的线性概率模型如下表 8 所示.
从表 8 可以看出,风险指数每增加一个单位,平台出现问题的概率增加 0.0084935.其中风险指数每增加一个单位,平台跑路的概率增加 0.0009584 ；经侦介入的概率增加0.0002525（但不显著） ； 提现困难的概率增加 0.0072826.
7. 与以往机构评估结果的对比
以上所构建的风险指数有别于以往机构对 P2P 平台的评级结果,以往机构评估的是平台的发展状况,并没有直接评测网贷平台的风险大小.例如中国社科院（2014）评价的是网贷平台的综合实力, 没有直接测算平台风险. 其将平台实力分为 AAA、 AA、 A、 B、 C 五个等级,未列出具体评分大小.所评测的 20 家平台综合实力全部在 A 级以上,或难以反应目前我国P2P 行业险象环生, 风险较大的现象.新浪财经（2014）测评的仍然是 P2P 公司的发展状况,没有直接评估平台风险大小.评测过程中采取自愿测评的方式, 仅有 6 家企业自愿进行测评,评价分数全部在 88 分以上,抑或难以反应目前我国 P2P 行业险象环生,风险较大的现象.以上两个机构对网贷平台的评级过程中,采取人工收集数据,收集成本较大,收集的数据量较小,分别为 20 家平台、6 家平台,或难以代表整个网贷市场的情况.
我们运用网络爬虫爬取了大量 P2P 平台的多维度数据,例如平台的平均利率、平均借款期限、累积待还余额、人均借款金额、注册资本、平台背景、舆情状况、问题发生时间、平台上线时间等.获取数据的成本较低,数据维度较多,为准确地分析网贷平台的风险情况提供了基础.此外我们将层次分析法和因子分析法结合使用确定指标权重,减少了人为主观判断带来的误差,使用因子分析法将评估指标科学分类,避免了评估指标主观划分,标准不一.对数量高达 469 家的 P2P 平台进行了定量直接风险评估,较为准确地反映了目前P2P 行业的风险现状.发现平台间风险差异较大, 指出了风险最大的平台和风险最小的平台,并指出大互金平台风险因平台而异,并不是每个大平台的风险都小.接着对平台风险指数做了统计分析,研究了风险在平台间的分布状况,分析了造成大多数网贷平台风险较大的主要原因,并以构建的风险指数为基础预测了网贷平台出问题的概率,以及跑路、提现困难、经侦介入的概率.
四、结论与建议
现有文献、报告多是对借款人信用风险进行评估,对极少数平台实力、发展状况进行排名,至多分析哪些因素会影响网贷平台的风险.鲜有文献量化评估平台的风险水平,鲜有文献预测平台出问题的概率. 本文从 “网贷之家” 网站上选取了469家P2P平台作为研究对象,选取 16 个基础变量,通过模糊数学,无量纲处理得到每个平台的相应基础变量得分,进而应用因子分析与层次分析法得到每个平台的风险指数.计算出各平台的风险指数后,进一步以风险指数为解释变量,预测了平台出问题的概率,以及跑路、提现困难、经侦介入的概率.以期评估平台风险水平,改善平台风险管理,为投资者提供参考,为政府监管提供建议.
平台风险指数最小值为 5.619,最大值为 32.046,平台之间的风险差异较大.在这 469家平台中,风险最小的 3 个平台是积木盒子、e 路同心、365 易贷,风险最大的 3 个平台是金票通、投米网、平平贷.一些行业内较为知名的大平台,并不见得风险都小,例如陆金所作为行业内的大平台由于平均借款期限较长,人均投资金额多,资金杠杆大,负面新闻多,而显得风险较大.总体平台风险指数呈右偏态分布,位于风险指数均值左边的平台比右边的多（小于风险指数均值的有 242 个平台, 大于风险均值的有 229 个平台） .运营、 品牌、 管理、效率、资本指数全为左偏态分布,位于均值左边的平台比右边的少.效率指数的峰部最为陡峭, 品牌指数的峰部最为平坦, 但仍比正态分布的峰部陡峭.品牌指数的数据离散度最大、管理指数的数据离散度次之 ； 资本指数的数据最为集中,98% 的资本指数都在 91 以上.
由图 4 和图 6 可以看出,造成大多数网贷平台风险较大的主要原因是 ： 管理指数低.前 10 大土豪待收占比、前 10 大借款待还占比大导致平台管理指数低 : 品牌指数较小.很多网贷平台都是最近成立,多为民营公司,社会评价低.借款指数低.人均借款金额大,单位标的成交量大、平均利率高导致了借款指数较低.当人均借款金额较大时,借款资金不够分散； 当单位标的成交量较大时,若标的出现问题,不能及时还款,将会加大平台运营风险；当平均利率高时,平均利率越高,平台运营成本越高,风险越大.资本指数低.时间加权成交量 / 注册资本、 成交量 / 注册资本高, 资金杠杆大导致了资本指数低.一旦资金链条断裂,会加速放大平台的风险,加剧平台、投资者的亏损.因此平台在运营过程中要想降低平台风险,可以采取降低前 10 大土豪待收占比、前 10 大借款待还占比等举措来加强管理 ； 通过网贷平台优化产品设计,重视客户体验,开展营销活动,提高客户忠诚度,增强平台股东实力,提升公司美誉度等举措来塑造品牌； 通过降低人均借款金额,降低单位标的成交量,降低平均利率等举措来提高借款指数 ； 通过增加注册资本来提高资本指数,降低杠杆.
网贷平台还应分析具体哪些因素导致了风险指数较大,以便更有针对性地化解风险.从文中计算的风险指数可知,金票通的风险指数最大,主要是因为品牌指数、管理指数、效率指数较低.因此金票通在风险管理中,要重点注意平台形象,不要出现负面新闻,提高品牌指数 ； 降低前 10 大土豪待收占比、前 10 大借款待还占比,提高平台管理指数 ； 降低满标用时,提高平台效率.
文中还分析了网贷平台出问题的概率.通过线性概率模型发现风险指数每增加一个单位,平台出现问题的概率增加 0.0084935.其中风险指数每增加一个单位,平台跑路的概率增加 0.0009584 ； 经侦介入的概率增加 0.0002525 ； 提现困难的概率增加 0.0072826.监管部门在观察到风险指数不断上升时,应重点注意监督防范平台出现提现困难的问题,因为风险指数每增加 1 个单位,提现困难这一类型问题出现的概率较大.
此外还有许多平台不公开成交量、人均借款金额,平均借款利率、平均借款期限等运营信息,即便公开,也未经过审计,社会难以了解平台的真实经营状况,难以对这些平台进行风险评估.建议网贷平台及时公布相关数据,加强审计,在此基础上构建风险指数既能使政府、网贷平台了解平台风险大小,进而改善管理,也能为投资者提供投资参考.
该文总结,这是一篇关于风险评估方面的大学硕士和本科毕业论文以及市场风险和评估相关风险评估论文开题报告范文和职称论文写作参考文献资料.
网贷黑名单和公布的限度
近年来,公民被泄露、、贩卖、非法使用的问题日趋严重 互联网时代信息存储、传播的便捷性进一步加剧了问题的严重性 如何依法保护公民的安全,不仅涉及传统的隐私权问题,更关乎个人的生命财产安全权利 近日,媒体.
P2P网贷机构退出经营风险的防控和应对
一、多家P2P网贷机构退出经营的背景及现状为整顿我国互联网金融行业的乱象,促进行业健康有序发展,和地方密集出台了一系列的行政法规和规范,仅层面自2016年至今已经累计出台了各类相关文件接近20份 其中.
我国食品安全风险评估制度实施与应用
李水红,李彦毅（湖南渔米之湘食品有限公司,湖南 岳阳 414000）摘 要本文阐述了食品安全的概念及风险评估制度实施的具体意义,通过分析我国现阶段食品安全风险评估现状,剖析了食品安全风险评估制度存在的.
食品安全监管风险评估体系的构建
构建食品安全监管风险评估体系的意义 食品安全问题是关系到国计民生的基本问题,在食品安全监管的整个体系中,构建食品安全监管风险评估体系是一项重要内容,它的价值和意义主要体现在四个方面 它有利于监管资.