【作　　者】
潘 爽，魏建国（博士生导师）

【作者单位】
武汉理工大学经济学院，武汉430070

【摘　　要】

  【摘要】本文首先分析了引致P2P网贷平台信用风险的原因，然后以信号传递模型为基础，探讨了将信用中介角色剥离后第三方保险对P2P网贷平台信用风险管理的作用，研究了全额本金保障和部分本金保障机制下的分离均衡条件。研究结果表明，部分本金保障机制下的分离均衡状态可从借贷两方有效分散平台信用风险。最后，提出可采用部分本金保障机制、加强借款人资质审查及信息披露力度、完善征信制度建设等手段管理P2P网贷平台信用风险。
【关键词】P2P网贷平台；信用风险；信号传递；部分本金保障
【中图分类号】F830.5      【文献标识码】A      【文章编号】1004-0994（2017）11-0088-4一、引言
P2P网络借贷模式下，授信所需的资料、合同、手续等全部通过网络传递与办理，与传统模式相比在效率和成本方面具有较大优势，弥补了小微企业和个人的信贷资金缺口，是对现有正规金融体系的有效补充。然而，借贷行为中广泛存在的信息不对称在网络交易环境中尤其严重，极易引发逆向选择和道德风险问题。据网贷之家网站的不完全统计，截止到2016年9月，全国P2P网贷平台累计有4278家，其中问题平台达到2076家。以“e租宝”“大大集团”为代表的非法集资案件以及平台“跑路潮”的出现，表明P2P网络借贷的信用风险管理刻不容缓。
关于P2P网贷平台信用风险管理的手段，Greiner等（2010）基于详尽可能性模型的P2P网络借贷行为研究指出，网络信任机制可以减少借贷过程中的不确定性从而降低信息不对称程度。谈超等（2014）构建了“柠檬”模型和不确定性委托代理模型，认为建立网络信用数据库和引入外部信用担保可解决P2P网贷平台中的逆向选择和道德风险问题。杨东（2015）认为，应着眼于金融的本质，通过信用风险定价内化信息不对称成本。也有学者从量化角度研究网络借贷的信用风险管理问题。孙小丽等（2013）证实了KMV模型用于现阶段互联网金融中企业信用资质评估的可行性；温小霓等（2014）以拍拍贷网站为例，采用二元Logistic模型研究了影响网络借贷成功率的因素。
以上分析表明，现有文献大多从减缓信息不对称的角度研究P2P网贷平台信用风险管理，或从交易视角探索提高网络借贷成功率的微观变量，而缺乏对现有环境下网络借贷交易机制的分析与改进。本文在对P2P网贷平台信用风险聚集的制度环境成因进行探讨的基础上，采用信号传递模型引入第三方保险，剥离平台信用中介角色，以此建立分散信用风险的机制。
二、P2P网贷平台信用风险及其成因
简化的P2P网络借贷行为存在三个关联主体，即借款人、投资人和平台方。资金在三个主体间的流动构成了P2P网贷平台信用风险的内部结构：借款人违约导致投资人经济损失，尤其在借款人尚不具备相应还款能力时，提供虚高的回报率诱使投资人与之达成借贷交易；平台方对借款人进行贷前调查和贷中审查时，借款人提供虚假、不完整信息，使得平台方无法对其信用等级进行有效评估；平台方以自有资金对投资人承诺刚性兑付、提供收益保障，使得平台方利益与借款人勾连，无法充当监督者，无法克服信息不对称问题。刚性兑付承诺与本息保障使得信用风险在平台方高度聚集，当平台方对借款人资质审查不力导致一定规模的违约事件发生时，极易引发因无力承担高额本息而“卷钱跑路”的事件。
P2P网贷平台信用风险的主要成因如下：
1. 平台职能定位模糊。从P2P网贷平台在网络借贷中行使的职能角度分类，目前P2P网贷行业存在两种运营模式，即信用中介与信息中介：行使信用中介职能的P2P网贷平台以自身信用为担保，到期无条件向投资人支付本金和利息，并通过设立风险备付金的方式实现其刚性兑付的承诺；行使信息中介职能的P2P网贷平台秉持撮合交易但不参与的原则，直接连通投资人与借款人，减缓资金供需匹配上的信息不对称，具有金融脱媒特征。
目前，我国P2P网贷行业以信用中介为主导，红岭创投、人人贷等均提供平台担保，而大陆首家P2P网贷平台拍拍贷则延续国外P2P行业形态，保持信息中介角色，对于信用风险的管控采取线上审核模式。2015年年末，银监会等部门起草了《网络借贷信息中介机构业务活动管理暂行办法（征求意见稿）》，将P2P网贷平台的职能定位为信息中介，而非信用中介，因而平台本身不应涉及任何交易，或就某些业务提供担保或增信。规章制度的出台并未伴随着对于违规不整改平台的后续处理，致使平台实际定位模糊。
2. 征信方信用信息供给不足。现代金融中介理论强调金融中介的信息生产功能。在网络借贷的信息中介模式下，由于担保品、抵押品的缺位，信息工具成为规制信用风险的重要手段，征信机构作为主要信息供给方则扮演了信用中介的角色。以美国个人征信市场为例，从多元化信息源采集信息，将信息进行标准化处理并传递至征信机构，征信机构对信息进行加工并生产个性化信用产品，再出售给需求方，已形成以三大征信局为核心的完整产业链，使得P2P网贷平台能够收集足量的有效信息而无需自行生产信息。
我国征信行业起步较晚，直至2012年行业第一部法规《征信业管理条例（草案）》出台，征信活动才有法可依。目前，个人征信机构的法律地位尚不明确，无法设定标准化流程开展业务。行业内已经存在的网络金融征信系统（NFCS）、小额信贷行业信用信息共享服务平台（MSP）等征信系统，其信息覆盖面有限，内容、标准格式不统一，不仅会出现同一用户不同评级的分化现象，也可能导致不同评价体系下的跨平台套利行为。征信方信息供给不足时，P2P网贷平台只能通过信息工具之外的手段自行解决信用风险，即以自身信用参与网络借贷。
3. 网贷平台的信用风险管理能力不高。网贷平台的信用风险管理能力体现在信用风险评估与信用风险控制两个方面，其中风险评估是风险控制的基础，也是P2P网贷平台核心竞争力的体现。风险评估的功能就是揭示投资人关注的借款人信用风险，将不对称的信息量化为风险等级，帮助投资人根据自身风险偏好自主选择产品。平台对借款人的信用评估不同于征信方提供的信用产品。每个平台采取的评估方法不同，因而构成风险识别与评价层面的信息不对称，即具有最强风险定价能力的平台将使投资人承担最小风险、获得最大收益。
目前，我国以信用中介为主的P2P行业生态中，平台体现出对通过法律途径解决信息不对称与信用风险问题的规避，急于扩大平台交易规模，对借贷行为中的风险因子并未进行准确评估与控制。P2P网贷平台用户多为无法获得传统金融支持的群体，如中低收入人群或小微企业，且大多数贷款无抵押、无担保，本身就具有高风险属性。平台无法掌握借款人的真实信用状况，从而无法采取风险管理措施，使得信用风险累积，易引发风险事件。
4. 监管细则与监测机制缺位。2015年1月，P2P行业的监管主体正式划归银监会，至今已形成了以法律法规、部门规章制度、地方性政策与行业自律规则四个层次为主的监管框架。然而，由于基本业务规则制定不完善，具体细则仍存在大片空白，监管对行业的直接影响十分有限。P2P监管细则难以落地与其监管条件、监管环境的复杂性相关。
目前，央行与中国互联网金融协会计划共同建立互联网金融统计体系，然而如何监测、监测什么尚未明晰。P2P网贷平台对于如逾期率、坏账率等敏感指标避而不谈，即使公布，市场对其真实性也存在怀疑。
三、基于信号传递模型的风险分散机制设计
结合目前我国的互联网金融环境，可引入第三方保险角色，以弥补线上征信的缺位，在控制交易中信用风险的同时将P2P网贷平台承担的风险分散出去。本文通过构建投资人与借款人的不完全信息动态博弈模型，探讨全额本金保障与部分本金保障机制对P2P网贷信用风险的影响（文中探讨的平台仅负责撮合交易并收取中介费用）。
1. 模型假设。P2P网贷平台上有两个参与方——借款人与投资人。投资人知晓借款人类型有两-p）的概率为低信用等级借款人提供资金。低信用等级借款人必须伪装成高信用等级借款人才有可能获得投资，其伪装成本为C，两类借款人的借款本金均为M，利率为r，平台在借款人发布借款申请时收取中介费Q，高信用等级借款人按期还款的概率为δ1，低信用等级借款人按期还款概率为δ2，δ1>δ2。若借款人投资成功，其收益率为R；若投资失败，则损失全部本金从而无法偿还贷款。低信用等级借款人在违约后有一定的概率p0会因提供虚假信息被平台罚款F。
2. 全额本金保障机制的博弈分析。假设本金全额保障的费用为I，借贷关系达成后由借款人支付；保险公司与投资人对借款人按期还款概率的信念一致。该情形下的博弈树如图1所示。

由图1可知，由于保险可在借款人违约时全额赔偿投资人本金，无论借款人的信用等级是高还是低，投资人选择“出借”的预期损益总是大于选择“不出借”的预期损益，因而“出借”为投资人的严格占优策略。投资人选择出借时，高信用等级借款人预期损益为：
E1=δ1（MR-Mr-Q-I）+（1-δ1）（-Q-I） （1）
低信用等级借款人预期损益为：
E2=δ2（MR-Mr-Q-I-C）+（1-δ2）（-Q-I-C-p0F） （2）
要实现借贷市场的有效，则上述博弈中应仅存在分离均衡，即高信用等级借款人以1的概率选择借款、低信用等级借款人以1的概率选择不伪装。若满足上述条件，高信用等级借款人预期损益严格大于0；低信用等级借款人选择“伪装”的预期损益应严格小于选择“不伪装”，则有如下不等式组成立：
 （3）
整理得：
[Q+Iδ1]<（MR-Mr）<[Q+I+Cδ2]+（[1δ2]-1）p0F
 （4）
由于保费I与平台抽取的中介费用Q被借款人的投资收益水平所限制，因此P2P网贷平台可通过加大事后罚款力度F或通过加强贷前审查增加低信用等级借款人的伪装成本C，以实现分离均衡。
3. 部分本金保障机制的博弈分析。假设保费为I时，保险担保产品对投资人的最高赔付为NI，且NI<M，即借款人违约时，投资人的损益为（NI-M）。由于投资人存在亏本的可能，“出借”不再是其严格占优策略，故假设投资人以q的概率选择“出借”，（1-q）的概率选择“不出借”。投资人选择“出借”意味着投资人认为借款人具有好的信誉。该情形下的博弈树如图2所示。

在分离均衡下，信誉好的借款人以1的概率选择“借款”，信誉差的借款人以1的概率选择“不伪装”，则有：
           （5）
整理得：
[Q+qIqδ1]<（MR-Mr）<[Q+Cq]+I+（1-δ1）p0F （6）
投资人应获得非负期望收益，即：
pq［δ1Mr+（1-δ1）（NI-M）］+（1-p）q［δ2Mr+（1-δ2）（NI-M）］≥0    （7）
整理得：
pδ1+δ2（1-p）≥[M-NIMr+M-NI] （8）
（6）式与（4）式相较，得：[Q+qIqδ1]<[Q+Iδ1]。
在部分本金保障机制下，当保费I相同时，有效的P2P网贷市场对于借款人所借款项的最低投资回报要求更高；当借款人投资同一项目获得收益R时，部分本金保障机制下信誉好的借款人的借款成本r更低。当q趋近于1，即投资人认为平台上的借款人绝大部分具有较好信誉时，部分本金保障机制下的分离均衡条件与全额本金保障机制趋同。
考虑P2P网络借贷市场的混同均衡情形，高、低信用等级借款人均可选择借款或不借款。若高、低信用等级借款人均选择借款，则：
      （9）
整理得：
（MR-Mr）>[Q+Cq]+I+（1-δ1）p0F  （10）
该种混同均衡说明平台借款成本偏低，若存在多个竞争对手，则该平台很有可能因收益过低而造成投资人资源的流失，或伪装成本C及罚款金额F偏低。由（8）式可知，当r很小时，不等式右侧趋近于1。若要使投资人具有非负期望收益从而选择“出借”行为，则市场需具有较高比例的高信用等级借款人，或高、低信用等级借款人均具有较高的按期还款概率。
若信誉好、信誉差的借款人均选择不借款，则：
 （11）
整理得：
（MR-Mr）<[Q+qIqδ1] （12）
该种混同均衡说明平台借款成本过高，平台方在无法主动调整保费时可适当降低中介费用Q，以吸引投资人、借款人在平台上进行交易。
四、P2P网贷平台信用风险管理之政策建议
1. 引入部分本金保障机制，剥离平台信用中介职能。部分本金保险的引入可帮助P2P网贷平台剥离信用中介职能，且能够提升借款人所借款项的最低要求回报率，有效分散信用风险。在平台承诺刚性兑付和以自有资金参与投融资担保的行业“潜规则”下，投资者往往缺乏自我判断和对象判断的能动性，即缺乏对“我的投资和风险承受能力是什么”和“投资对象的风险 — 收益水平是否在我的承受范围内”的判断。投融资者在高额回报等利益的驱使下，明知交易成本和风险的存在却铤而走险。部分本金保障机制使得投资者的严格占优策略消失，投资者出于保护自身利益的动机，投资时会更加审慎。于是，这就从资金供需两方着手同时降低了信用风险。
2. 加强借款人资质审查，提升造假成本。要实现P2P网贷市场的分离均衡，使不同信用水平的借款人主动发送真实信号，需增加造假者成本，或是扩大不同信用等级借款人发送同一信号的成本差异。在坚持线上征信的原则下，平台方一方面需提升贷前依据数据模型对借款人进行信用风险评估的能力，另一方面需加强贷中、贷后监控力度，一旦发现借款人申请材料与事实不符，可取消借款资格或降低借款额度，并处以罚款。还可以建立借款人线上信息互通平台，实现信息的高效、快速传递，使每笔业务有迹可循。设立P2P网贷黑名单与预警名单，对存在欺诈、伪造材料等失信行为的借款人实行全网通报。
3. 建立P2P平台信息报送机制，控制行业风险。P2P平台信息报送是以P2P平台为单位由监管主体负责收集、统计并定期公开其运营指标，主要指标有：成交额、成交利率、期限、待收款额、风险准备金、坏账率、逾期率等。真实、准确的数据可以体现平台可持续运营能力，是评价平台安全性的重要参考信息。建立P2P平台信息报送机制，一方面可利用市场化手段完善P2P行业退出机制，将经营能力较差或存在违规违法行为的平台淘汰，规范行业发展，控制行业总体风险；另一方面可观测P2P业态的利率决定机制，有利于补充利率市场化趋势下的基准利率体系。
4. 加快征信行业标准体系建设，强化有效信息供给。完善的征信体系是P2P网贷平台履行其信息中介职能的必要条件，大数据征信体系的构建有助于形成完善的信用风险定价机制。大数据征信依托多样化、高频率和高体量的非结构化数据，建立反映主体性格特征、身份特质、履约能力等多维度定量模型，获得量化评估结果。监管部门应以形成既不垄断、也不过度分割的市场格局为目标，明确征信机构的法律地位，联合央行征信中心与商业征信机构成立全国性征信行业协会，以个人征信、企业征信为对象分别搭建标准技术框架，使得各机构的征信产品实现共享。

主要参考文献：
郑联盛．中国互联网金融：模式、影响、本质与风险［J］．国际经济评论，2014（5）．
刘芬华，吴非，李华民．互联网金融：创新金融体征、泡沫风险衍生与规制逻辑［J］．经济学家，2016（6）．