【作 者】
王 丹，张洪潮（教授）
【作者单位】
太原理工大学经济管理学院，太原030024
【摘 要】
【摘要】 P2P网络借贷作为互联网金融的重要发展模式之一，受到社会各界的关注，网贷平台信用风险等级则是投资者选择平台最重要的影响因素。本文参照企业与银行的信用风险等级评价指标分析框架，构建了定性指标与定量指标相结合的、具有中国特色的P2P网贷平台信用风险评级指标体系；在此基础上，运用层次分析法（AHP）确定指标权重，构建基于模糊数学综合评价方法的定量指标评价模型和基于专家评分表的定性指标评价模型；最后，运用所构建的模型对我国具有代表性的30家网贷平台进行信用风险评级。
【关键词】 P2P网贷平台；信用风险；AHP；模糊数学综合评价
【中图分类号】F830.2 【文献标识码】A 【文章编号】1004-0994（2016）09-0076-5一、引言
近年来，互联网金融的高速发展已经引起社会各界的广泛关注，P2P网络借贷作为互联网金融的重要发展模式之一也在不断发展壮大。据统计报告显示，截至2015年9月30日，我国P2P网贷平台数量为2935家，P2P网贷行业总成交额达6274.22亿元。然而，由于相关法律法规及监管体系的不完善，我国P2P网贷行业违规及信用风险问题频发，平台“跑路潮”现象严重。据统计报告显示，2015年9月全国新增问题平台54家，比8月上升17.39%，这不仅严重损害了借贷双方利益，而且制约着整个P2P网贷行业的健康发展。因此，建立科学、合理的P2P网贷平台信用风险评级模型具有现实必要性，不仅有利于借贷双方甄选平台，而且有助于监管部门规范行业发展。
回顾以往文献，国外学者多基于国外P2P网贷行业数据进行实证研究。我国网贷行业风险具有其自身特点，因而研究并不能完全复制其模式。我国有关网络借贷的研究起步较晚，且多偏向定性研究，研究内容集中于P2P网贷平台信用风险控制存在的问题，强调加强P2P网贷平台信用风险控制的重要性。国内少数学者运用计量经济学方法构建P2P网贷平台信用评级模型，但就构建方法而言，多采用层次分析法与因子分析法，并且在指标选取方面多偏重于定量指标，这些指标虽然具有一定的代表性，但同时也具有片面性，不能对整个系统进行全面、准确的评价。目前，我国P2P网贷行业处于起步阶段，行业整体规模较小，平台相关信息透明度低，对于平台定性指标的评价就显得尤为重要。
基于此，本文采取定量指标与定性指标相结合、静态分析与动态分析相结合的方法，构建适用于我国P2P网贷行业的P2P网贷平台信用风险评级模型，并运用此模型对国内30家有代表性的P2P网贷平台进行信用风险评级。
二、指标评判体系构建及指标权重的确定
目前有关网贷评级的相关文献较少，且不够系统。但网贷平台信用风险评级与银行、企业等机构的信用风险评级具有共通之处，因此，笔者在参考了银行、企业信用评级的分析框架基础上，结合我国网贷行业风险特点，构建了定量指标与定性指标相结合的、具有中国特色的P2P网贷平台信用风险评级指标体系。
（一）指标体系构建
1. 指标体系构建特点。
（1）定性指标与定量指标相结合。我国P2P网贷行业整体规模较小，信息透明度低，因而在信用风险评级时不能单纯依靠定量指标。本文在构建P2P网贷平台信用风险指标评判体系的过程中采用定量指标与定性指标相结合的方法，且适当提高了定性指标部分评判权重。
（2）增加资金净流入指标。目前P2P网贷平台信用风险评级中定量指标部分缺乏对资金流指标的关注，资金净流入指标能在较大程度上反映平台经营状况。若平台资金净流入长期为负，则表明平台经营状况不佳。
（3）注重平台增信指标。定性指标除了包含比较受关注的平台基础信息和信息披露两部分，还增加了平台增信部分，此部分包括公开融资情况、品牌认知度和平台舆情三个指标。公开融资情况能够在一定程度上反映平台的发展前景，品牌认知度反映平台的行业影响力以及投资者追捧程度，平台舆情则反映了社会媒体与投资者对于平台的评价，这三项指标均能在中观行业层面上反映平台的信用风险状况。2. 定量指标选取。基于上文的分析，定量指标部分选取了能够反映P2P网贷平台经营状况的8项指标，包括：新借款成交额（X1）、资金净流入（X2）、平均年化收益率（X3）、平均借款额度（X4）、平均借款周期（X5）、平均满标时间（X6）、借款人人数（X7）、投资人人数（X8）。
（1）新借款成交额（X1）=月新增借款总金额。该指标反映平台业务的状况，新借款成交额越高，表示平台的业务状况越好。
（2）资金净流入（X2）=月新增借款总金额-月还款总金额。若该指标长期为负，则平台可能面临流动性风险。
（3）平均年化收益率（X3）=月所有标的加权平均年化收益率。平台长期收益率高会给平台带来运营压力，并且根据以往经验，大部分问题平台都具有高收益率。
（4）平均借款额度（X4）=月新增借款总金额/月借款人数。该指标反映平台风险聚集度，平均借款金额越高，表示平台风险聚集度越高。
（5）平均借款周期（X5）=月所有借款标的期限的加权平均值。该指标反映平台资金的流动性，期限越长，对平台的资金周转越有利。
（6）平均满标时间（X6）=月发布的所有标的满标时间的平均值。满标时间越少，表示该平台的投资人热情程度越高，平台的融资能力越强。
（7）借款人人数（X7）=平台当月借款人数。平台借款人数越多，表明平台业务范围越广，平台业务状况越好。
（8）投资人人数（X8）=平台当月投资人数。该指标能够反映平台投资人活跃度，投资人越多，平台人气越高，平台业务状况越好。
3. 定性指标选取。本文的定性指标从平台基本信息、信息披露、平台增信三个层面选取12项指标，包括：平台背景（X9）、注册资本（X10）、产品类型（X11）、管理团队（X12）、风险准备金（X13）、第三方托管（X14）、借款人信息（X15）、抵押担保信息（X16）、财务数据公开（X17）、平台舆情（X18）、品牌认知度（X19）、公开融资情况（X20）。P2P网贷平台信用风险评级指标体系见表1。
（二）P2P网贷平台信用风险评级指标权重的确定
1. 基本思路。首先，针对P2P网贷平台信用风险评级的重要性将定量和定性指标做一个大的权重划分。本文参考国际及国内具有代表性的权重设计方案，并考虑网贷行业的特殊性，将定量指标权重设定为60%，定性指标权重设定为40%。其次，在确定了定性指标与定量指标权重后，运用层次分析法确定每个单独指标的权重，具体步骤如下：
（1）建立层次结构模型。
（2）构造判断矩阵。根据标度说明表（详见表2）对判断矩阵中的元素进行两两比较打分。
（3）运用方根法求指标权重。对n阶判断矩阵每行元素的乘积求n次方根：[wi=j=1naijn]；对向量W=（w1，w2，…，wn）做归一化处理：[wi=wjj=1nwj]，则wi为因素i的指标权重。
（4）一致性检验。所谓一致性是指判断思维的逻辑一致性。计算判断矩阵的最大特征根：[λmax=1ni=1nj=1naijwjwi]；计算判断矩阵的一致性指标：[C.I.=λmax-nn-1]；计算判断矩阵的一致性比率：[C.R.=C.I.R.I.]，R.I.为平均随机性指标值；根据计算结果，若C.R.≤0.1，则判断矩阵通过一致性检验，否则，需要对判断矩阵重新进行修订。
2. 指标权重。根据以上层次分析法计算指标权重的步骤，我们得到各指标的权重如下：
a1=0.297；a2=0.255；a3=0.121；a4=0.121；a5=0.068；a6=0.066；a7=0.042；a8=0.030；a9=0.215；a10=0.031；a11=0.139；a12=0.086；a13=0.050；a14=0.050；a15=0.122；a16=0.122；a17=0.041；a18=0.029；a19=0.086；a20=0.029。
三、P2P网贷平台信用风险评级模型构建
本文在构建P2P网贷平台信用风险评级模型时采用静态分析与动态分析相结合的技术，对于定量指标通过模糊数学综合评判模型输出分数，对于定性指标通过专家评判法打分，最后相加得到平台综合评判总分数，并对照信用风险等级参照表确认平台等级。
（一）定量指标评判模型
定量指标采用模糊数学综合评判模型进行评判得分，主要涉及三个因素：因素集合X={x1，x2，…，xn}；评判集合Y={y1，y2，…，yn}；单因素评价层R=（Rij）n×m。
1. 确定因素集合。将构建的8个定量指标作为模型的因素集X，每个指标记为xi，则因素集为X={x1，x2，…，x8}。
2. 确定评判集合。按照评级满分100以及定量指标部分60%的权重分配，确定本文定量模型满分为60；在此基础上本文采用四等级评价，将评价集合设定为Y={优、良、一般、差}，其所对应的各等级分数见表3。
3. 确定单因素模糊评价矩阵。首先，根据P2P网贷行业平均值及行业权威专家给出的区间参考值，确定各定量指标的分级标准参照表，见表5。
其次，构建模糊变换矩阵R=（rij）n×m（i=1，2，…，n；j=1，2，…，m）。其中，rij表示对第i个因素做出第j级评语的隶属度。设各指标的实际值为Ui，Ui的指标分级标准参照值为uij，则隶属度rij的计算如下：
（1）极大型指标的特点是越大越好，公式为：
[ri1=1 ui1<Ui(Ui-ui2)(ui1-ui2) ui2<Ui<ui10 Ui<ui2]
[rij=0 ui,j-1<Ui,Ui<ui,j+1(ui,j-1-Ui)(ui,j-1-uij) uij<Ui<ui,j-1(Ui-ui,j+1)(uij-ui,j+1) ui,j+1<Ui<uij]
[rin=1 Ui<uin(ui,n-1-Ui)(ui,n-1-uin)uin<Ui<ui,n-10 Ui>ui,n-1]
（2）极小型指标的特点是越小越好，公式为：
[ri1=1 Ui<ui1(ui1-Ui)(ui1-ui2) ui1<Ui<ui20 Ui>ui2]
[rij=0 Ui<ui,j-1,Ui>ui,j+1(Ui-ui,j-1)(ui,j-1-uij) ui,j-1<Ui<uij(uij-Ui)(uij-ui,j+1) uij<Ui<ui,j+1]
[rin=1 Ui<uin(Ui-uin)(ui,n-1-uin) ui,n-1<Ui<uin0 Ui>ui,n-1]
4. 确定定量指标权重。依据上文定量指标权重结果，定量指标权重向量为：A=（a1，a2，…，a8）。
5. 计算定量指标综合得分。由表4得出定量指标评分分数值向量P=（p1，p2，p3，p4）T，则定量指标综合评判得分为：
[F1=A×R×P =a1,a2,…,a8r11r12r13r14r21r22r23r24r31r32r33r34r41r42r43r44p1,p2,p3,p4]
（二）定性指标评判法
对于定性指标部分采用专家评分表法进行评判打分，具体步骤如下：①按照评级满分100分，定性指标40%的权重分配，则定性指标的满分为40分；②将P2P网贷平台评分标准设计成四级，即{优，良，一般，差}，所对应的分数区间为{75～100，50～75，25～50，0～25}，见表5；③邀请专家对平的各定性指标进行打分，并计算出各定性指标专家打分平均值，此处需要强调的是，为了避免极端数据造成的不良影响，在计算各指标分数平均值时需要去掉一个最高分和一个最低分；④平台定性指标综合得分计算，公式为：[F2=i=112ai×fi÷100×40]，其中：ai表示各定性指标相应的权重；fi表示各定性指标专家打分平均值。
（三）P2P网贷平台信用风险评级
首先，计算平台的综合评判总分数，公式为：F=F1+F2。其中：F1为平台定量指标总分数；F2为平台定性指标总分数。其次，对照P2P网贷平台信用风险等级参照表确认平台等级。
四、实证分析
本文选取具有代表性的30家P2P网贷平台，运用所构建信用风险评级模型进行信用风险评级。
（一）数据来源
本文P2P网贷平台数据主要来源于网贷之家网站的公开数据；定量指标中时间点数据采用各平台2015年9月30日的数据，时间段数据采用各平台2015年9月的数据。
（二）定量指标评判
以你我贷网贷平台为例说明定量指标评判得分的算法：
首先，根据上文定量指标的分级标准以及隶属度计算公式，得到单因素评价矩阵R：
[R=100010000.230.7700100010000.790.210010001000]
其次，根据上文权重计算结果可得权重向量A、分数集向量P：
A=（0.297，0.255，0.121，0.121，0.068，0.066，0.042，0.030）
P=（60，45，30，15）
则你我贷网贷平台定量指标部分综合评判得分为：
F1你我贷=A×R×P=58.39
同理，可以计算出其余29家P2P网贷平台定量指标综合评判得分，各平台定量指标综合评判得分汇总见表7。
（三）定性指标评判
邀请10位网贷行业专家通过平台定性指标评分表对30家平台定性指标进行打分，并按照公式计算出30家P2P网贷平台定性指标综合评判得分。
将各P2P网贷平台的定量指标综合评判得分与定性指标综合评判得分相加，得到各平台的综合评判总分数，并对照信用风险等级参照表确认平台等级，具体见表7。
四、实证分析结果
笔者将评级结果与中国社科院、网贷之家和网贷天眼等机构出具的P2P网贷平台信用风险评级报告进行对比研究，并将评级结果反馈给行业专家进行评定，结果均表明本文构建的P2P网贷平台信用风险评级模型具有科学性与合理性，能够对P2P网贷平台信用风险进行有效评价。
本文选取的P2P网贷平台均在行业内具有代表性，但从评级结果来看，我国P2P网贷平台整体信用风险等级较低，大部分P2P网贷平台的风险控制能力较弱。对此，笔者认为应采取如下应对措施：一方面，政府和各级监管部门应出台更为详细的监管细则，同时完善相关监管体系和机制，逐步使P2P网贷行业管理规范化；另一方面，P2P网贷平台为了自身长远发展应提高自身风险控制能力，例如在平台内部构建完善的风险控制系统，培养有能力的风险控制人员等。
对比平台定量指标综合评判得分与定性指标综合评判得分发现，各平台定性指标综合评判得分普遍较低。这主要是由于目前我国P2P网贷行业仍处于初步发展阶段，还未形成规范的行业秩序，整个网贷行业信息透明度较低，很多平台存在借款信息不完整、财务数据不公开、拆标行为严重和投资人反馈差等问题。对此，笔者认为平台若想获得投资人信赖，获得持久竞争力与健康发展，必须杜绝业务操作中的不规范行为，并且提升平台的信息透明度，对风险准备金、借款项目等信息进行完整披露。
五、总结
建立科学、系统的P2P网贷平台信用风险评级模型，使P2P网贷平台信用风险等级透明化，同时净化风险等级低、运行不规范的平台，这不仅有利于保护借贷双方的切身利益，而且有利于推动网贷行业更快更好发展。
本文借鉴以往国内外有关银行、企业信用评级的分析框架，结合我国网贷行业特点，从平台的经营数据、基本信息、信息披露和平台增信四个维度出发，构建定量指标与定性指标相结合的P2P网贷平台信用风险评级指标体系。
本文建立模糊数学综合评判与专家评判相结合的P2P网贷平台信用风险评级模型，并运用此模型对30家具有代表性的P2P网贷平台进行信用风险评级，同时通过与其他评级模型结果对比，验证了此模型的科学性与合理性。
本文初步尝试建立模糊数学综合评判与专家评判相结合的P2P网贷平台信用风险评级模型且验证了其科学性与合理性。但该预测模型仍存在不足，例如由于数据获取问题，未能将平台坏账率指标列入评判体系。在后续的工作中，会对评判指标进行更加深入的研究，并且寻求更有效的评判模型，以提高模型判别度。
主要参考文献：
Puro L.， Teich J. E.，Wallenius Hannele， Wallenius J.. Borrower Decision Aid for People-to-People Lending［J］. Decision Support Systems，2010（1）.
Lin Mingfeng，Prabhala N.，Viswanathan R.S.. Judging Borrowers by the Company They Keep：Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending［J］. Management Science，2013（1）.
李渊琦，陈芳.我国P2P网贷的风险分析及监管对策［J］.上海金融，2015（7）.
董妍.P2P网贷平台风险控制研究［J］.兰州学刊，2015（4）.
田俊领.我国P2P网络借贷发展现状及其监管思考［J］.金融理论与实践，2014（12）.
李敏芳，田晨君.基于因子分析法的我国P2P网贷平台评级研究［J］.湖北经济学院学报（人文社会科学版），2015（6）.
王贤玲，张天航.基于用户偏好的P2P网贷平台评价模型的建立［J］.时代金融，2015（21）.
冯旭日，张晶晶.基于Fisher判别法的P2P网络借贷平台信誉等级评价模型［J］.金融理论与实践，2014（11）.
岳铭，张思敏，谢朝阳.我国P2P网络借贷平台的信用评级问题探讨［J］.商业时代，2014（31）.
潘庄晨，邢博，范小云.信用风险评价模型综述及对我国P2P网络借贷平台的借鉴［J］.现代管理科学，2015（1）.
程骏俊.我国P2P网贷平台发展现状及问题研究［J］.品牌，2015（5）.
周宇.我国P2P的发展困境与监管对策［J］.探索与争鸣，2014（12）.
康书生，鲍静海，史娜，李纯杰.中小企业信用评级模型的构建［J］.河北大学学报（哲学社会科学版），2007（2）.
夏敏仁，林汉川.企业信用评级——基于国外经验的中国体系研究［M］.上海：上海财经大学出版社，2006.
树柏.实用决策方法：层次分析法原理［M］.天津：天津大学出版社，1988.
