本站小編為你精心準(zhǔn)備了談網(wǎng)絡(luò)借貸平臺(tái)金融風(fēng)險(xiǎn)溢出效應(yīng)的影響參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

摘要：文章選取了網(wǎng)絡(luò)借貸平臺(tái)發(fā)展相對(duì)較發(fā)達(dá)的8個(gè)城市，即北京、上海、江蘇、浙江、山東、湖北、廣東、四川作為樣本研究對(duì)象，首先分析8個(gè)城市的區(qū)域金融風(fēng)險(xiǎn)情況并檢驗(yàn)其空間溢出效應(yīng)，而后構(gòu)建空間Du⁃bin模型實(shí)證分析網(wǎng)絡(luò)借貸平臺(tái)對(duì)區(qū)域金融風(fēng)險(xiǎn)水平的影響，以期為我國(guó)互聯(lián)網(wǎng)金融的監(jiān)管及區(qū)域性風(fēng)險(xiǎn)防范提出政策建議。

關(guān)鍵詞：網(wǎng)絡(luò)借貸；區(qū)域金融風(fēng)險(xiǎn)；空間Dubin模型

1問(wèn)題的提出

網(wǎng)絡(luò)借貸平臺(tái)作為互聯(lián)網(wǎng)金融中最活躍的群體，在通過(guò)技術(shù)進(jìn)步和數(shù)據(jù)挖掘促成個(gè)人和中小企業(yè)獲得更加便捷融資的同時(shí)，行業(yè)自身也迎來(lái)了爆發(fā)式增長(zhǎng)。2007年我國(guó)第一家正式意義的網(wǎng)絡(luò)借貸平臺(tái)——拍拍貸成立，截止2018年1月，全國(guó)累計(jì)網(wǎng)絡(luò)借貸平臺(tái)6016家，歷史累計(jì)成交量達(dá)到64421.4億元。但隨著行業(yè)的發(fā)展，網(wǎng)絡(luò)借貸平臺(tái)問(wèn)題頻發(fā)，截止2018年1月，停業(yè)及問(wèn)題平臺(tái)累計(jì)達(dá)4110家，網(wǎng)絡(luò)借貸平臺(tái)的過(guò)快發(fā)展對(duì)金融經(jīng)濟(jì)安全形成了較強(qiáng)的沖擊，因此，專(zhuān)家學(xué)者針對(duì)網(wǎng)絡(luò)借貸平臺(tái)及其風(fēng)險(xiǎn)問(wèn)題展開(kāi)的研究日益深入。從已有文獻(xiàn)來(lái)看，艾金娣（2012）[1]通過(guò)國(guó)內(nèi)外網(wǎng)絡(luò)借貸平臺(tái)的對(duì)比，總結(jié)了網(wǎng)絡(luò)借貸平臺(tái)存在的風(fēng)險(xiǎn)類(lèi)型即制度風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)，并提出了相應(yīng)的對(duì)策與建議；宮曉林（2014）[2]以有限理性假設(shè)為基礎(chǔ),運(yùn)用前景理論和演化動(dòng)態(tài)博弈理論構(gòu)建分析框架和模型，研究了政府、P2P網(wǎng)絡(luò)借貸平臺(tái)和貸款人的行為選擇；王長(zhǎng)江和楊金葉（2015）[3]提出了網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)可分為平臺(tái)機(jī)構(gòu)風(fēng)險(xiǎn)、融資者風(fēng)險(xiǎn)、投資人風(fēng)險(xiǎn)和監(jiān)管者風(fēng)險(xiǎn)，建議盡快引入資金第三方存管平臺(tái)，進(jìn)行有效監(jiān)管；顧慧瑩和姚錚（2015）[4]考察了借款人信息與其違約行為之間的關(guān)系,找到了借款人違約的關(guān)鍵因素并確認(rèn)了其可信度，為構(gòu)建借款人違約風(fēng)險(xiǎn)的量化指標(biāo)提供了支撐；肖曼君等（2016）[5]采用排序選擇模型,基于excelVBA數(shù)據(jù)挖掘技術(shù)截取多個(gè)P2P網(wǎng)站數(shù)據(jù)，對(duì)平臺(tái)信用風(fēng)險(xiǎn)的影響因素進(jìn)行實(shí)證分析，發(fā)現(xiàn)網(wǎng)站提供的信息對(duì)投資者避免信用風(fēng)險(xiǎn)沒(méi)有起到實(shí)質(zhì)作用。通過(guò)梳理已有文獻(xiàn)，學(xué)者們對(duì)網(wǎng)絡(luò)借貸平臺(tái)所涉及的風(fēng)險(xiǎn)類(lèi)型進(jìn)行了深入的分析，并且隨著2014年網(wǎng)絡(luò)借貸平臺(tái)跑路事件頻發(fā)，有關(guān)信用風(fēng)險(xiǎn)、借貸風(fēng)險(xiǎn)等影響因素及預(yù)警模型均已進(jìn)行了多方面的討論，并針對(duì)風(fēng)險(xiǎn)防范提出了相應(yīng)措施。然而，目前對(duì)于網(wǎng)絡(luò)借貸平臺(tái)的空間效應(yīng)及對(duì)于地區(qū)間區(qū)域金融風(fēng)險(xiǎn)水平的影響研究較少。基于此，本文選擇網(wǎng)絡(luò)借貸平臺(tái)發(fā)展相對(duì)較發(fā)達(dá)的8個(gè)城市，即北京、上海、江蘇、浙江、山東、湖北、廣東、四川作為樣本研究對(duì)象，首先分析8個(gè)城市的區(qū)域金融風(fēng)險(xiǎn)情況并檢驗(yàn)其空間溢出效應(yīng)，而后構(gòu)建空間Dubin模型實(shí)證分析網(wǎng)絡(luò)借貸平臺(tái)對(duì)區(qū)域金融風(fēng)險(xiǎn)的影響，以期為我國(guó)互聯(lián)網(wǎng)金融的監(jiān)管及區(qū)域性風(fēng)險(xiǎn)防范提出政策建議。

2區(qū)域金融風(fēng)險(xiǎn)的空間溢出效應(yīng)檢驗(yàn)

2.1區(qū)域金融風(fēng)險(xiǎn)水平度量

國(guó)內(nèi)外學(xué)者對(duì)于區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警已有深入研究，基于系統(tǒng)性、科學(xué)性、可操作性及廣泛的適用性原則，本文借鑒譚中明（2010）[6]及胡志強(qiáng)（2016）[7]的方法及指標(biāo)選取思路，從經(jīng)濟(jì)運(yùn)行、銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)四個(gè)層面選取了11個(gè)指標(biāo)構(gòu)建指標(biāo)體系，綜合測(cè)量樣本地區(qū)的金融風(fēng)險(xiǎn)水平（如下頁(yè)表1所示）。綜合多種因素，本文選取客觀賦權(quán)法中的熵值法確定各因素之間的權(quán)重，可以通過(guò)對(duì)數(shù)據(jù)歸一化處理量綱，有效避免指標(biāo)賦權(quán)的主觀性問(wèn)題，從而測(cè)度樣本地區(qū)各年度的金融風(fēng)險(xiǎn)水平，結(jié)果如下頁(yè)表2所示。由表2可以看出，北京、上海作為經(jīng)濟(jì)相對(duì)較發(fā)達(dá)地區(qū)金融風(fēng)險(xiǎn)較高，山東的金融風(fēng)險(xiǎn)水平在樣本地區(qū)中相對(duì)較低，各地區(qū)區(qū)域金融風(fēng)險(xiǎn)水平在觀測(cè)時(shí)間內(nèi)變化不大。

2.2空間溢出效應(yīng)檢驗(yàn)

為了檢驗(yàn)樣本省市的區(qū)域性金融風(fēng)險(xiǎn)是否具有空間溢出效應(yīng)以及空間計(jì)量模型是否使用，首先測(cè)算各樣本省市金融風(fēng)險(xiǎn)評(píng)價(jià)值的年度Moran’I指數(shù)來(lái)分析其空間相關(guān)性。Cliff和Ord（1981）給出的Moran’I指數(shù)定義為：Moran’I指數(shù)反映出空間內(nèi)的區(qū)域單元的屬性值的相關(guān)程度。Moran’I指數(shù)的取值區(qū)間為[-1,1]。符號(hào)代表著相似程度的方向性，小于0表示空間負(fù)相關(guān)，大于0表示空間正相關(guān)，等于0表示空間不相關(guān)；而絕對(duì)值大小意味著關(guān)聯(lián)的強(qiáng)弱性。本文樣本省市金融風(fēng)險(xiǎn)水平計(jì)算結(jié)果如表3所示：表3結(jié)果顯示Moran’I指數(shù)均顯著為正，說(shuō)明各省市金融風(fēng)險(xiǎn)具有高度正相關(guān)性，需要建立空間計(jì)量模型進(jìn)行實(shí)證分析，考慮區(qū)域金融風(fēng)險(xiǎn)的空間效應(yīng)。

3區(qū)域金融風(fēng)險(xiǎn)水平的實(shí)證分析

3.1模型設(shè)定和變量選取

根據(jù)以上分析，本文選取空間Dubin模型進(jìn)行空間效應(yīng)的實(shí)證分析?？臻gDubin模型在普通空間面板模型的基礎(chǔ)上加入了解釋變量的空間滯后項(xiàng)和因變量的空間滯后項(xiàng)，形式如下：y＝ρWy＋Xβ1＋WXβ2+ε，ε～(0，σ2In)（2）相較于普通空間面板模型，空間Dubin模型能夠更好地表達(dá)地區(qū)之間自變量和因變量存在的依賴(lài)性，與本文網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)空間溢出效應(yīng)的研究目標(biāo)相符。基于以上分析，本文建立如下模型：其中i代表樣本省份，t代表時(shí)期，W代表空間權(quán)重矩陣，eit為擾動(dòng)項(xiàng)。模型以CIit各樣本省市的金融風(fēng)險(xiǎn)評(píng)價(jià)值作為因變量，以下列各指標(biāo)作為自變量：（1）IDDit表示網(wǎng)絡(luò)借貸發(fā)展水平。本文借鑒孫伍琴和朱順林（2008）[8]的相關(guān)研究，采用網(wǎng)絡(luò)借貸平臺(tái)的交易量與地區(qū)GDP之比表示網(wǎng)絡(luò)借貸平臺(tái)的發(fā)展水平；（2）IDIit表示網(wǎng)絡(luò)借貸集中度。本文借鑒賀小海和劉修巖（2008）[9]有關(guān)市場(chǎng)結(jié)構(gòu)衡量指標(biāo)市場(chǎng)集中度的概念，采用網(wǎng)絡(luò)借貸平臺(tái)貸款余額與樣本省市貸款余額之比表示網(wǎng)絡(luò)借貸集中度；（3）RFDit表示地區(qū)金融發(fā)展水平。本文使用樣本省市社會(huì)融資規(guī)模與地區(qū)GDP之比表示地區(qū)金融發(fā)展水平；（4）EOPit與GOVit分別表示樣本省市經(jīng)濟(jì)開(kāi)放程度與政府力量，作為本文模型中的控制變量，經(jīng)濟(jì)開(kāi)放程度EOPit以地區(qū)對(duì)外經(jīng)濟(jì)貿(mào)易總額除以地區(qū)GDP表示，政府力量GOVit采用政府年度財(cái)政支出總額與地區(qū)GDP之比。本文所使用的數(shù)據(jù)來(lái)自Wind經(jīng)濟(jì)數(shù)據(jù)庫(kù)、地區(qū)金融運(yùn)行報(bào)告、網(wǎng)貸之家等官方數(shù)據(jù)。

3.2實(shí)證結(jié)果分析

基于以上空間Dubin模型，本文實(shí)證分析了網(wǎng)絡(luò)借貸平臺(tái)對(duì)區(qū)域金融風(fēng)險(xiǎn)以及空間溢出效應(yīng)的影響，結(jié)果如下頁(yè)表4所示：從表4可以看出，模型擬合優(yōu)度情況較好，空間自相關(guān)系數(shù)估計(jì)值為0.834，顯著為正，表明空間因素對(duì)區(qū)域金融風(fēng)險(xiǎn)水平影響顯著，根據(jù)以上結(jié)果，可得出如下結(jié)論：（1）網(wǎng)絡(luò)借貸平臺(tái)規(guī)模的發(fā)展并不會(huì)導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)的增加，但網(wǎng)絡(luò)借貸平臺(tái)規(guī)模的集中，即區(qū)域金融貸款規(guī)模集中于網(wǎng)絡(luò)借貸會(huì)增加地區(qū)金融風(fēng)險(xiǎn)。（2）地區(qū)金融業(yè)的整體發(fā)展有利于降低金融風(fēng)險(xiǎn)，目前，區(qū)域金融仍以傳統(tǒng)的銀行、保險(xiǎn)、證券業(yè)為主，金融業(yè)規(guī)模的整體擴(kuò)張，服務(wù)實(shí)體經(jīng)濟(jì)能力越強(qiáng)，在一定程度上可以抑制金融風(fēng)險(xiǎn)的發(fā)生。（3）控制變量區(qū)域經(jīng)濟(jì)開(kāi)放程度的提高會(huì)促進(jìn)區(qū)域金融風(fēng)險(xiǎn)的增加，其原因在于區(qū)域經(jīng)濟(jì)開(kāi)放受全球金融市場(chǎng)波動(dòng)，國(guó)際金融市場(chǎng)風(fēng)險(xiǎn)易通過(guò)地區(qū)對(duì)外貿(mào)易進(jìn)行傳導(dǎo)，導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)上升。（4）政府財(cái)政干預(yù)能力增強(qiáng)并不會(huì)使區(qū)域金融風(fēng)險(xiǎn)降低，例如部分區(qū)域銀行業(yè)以及證券業(yè)金融資源的壟斷性導(dǎo)致地方政府對(duì)市場(chǎng)干預(yù)過(guò)多，政府色彩明顯使市場(chǎng)的運(yùn)作機(jī)制弱化，金融市場(chǎng)資源得不到有效配置反而會(huì)導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)上升。（5）網(wǎng)絡(luò)借貸平臺(tái)發(fā)展規(guī)模及集中度的空間效應(yīng)顯著，鄰近區(qū)域網(wǎng)絡(luò)借貸平臺(tái)規(guī)模的發(fā)展會(huì)導(dǎo)致本地風(fēng)險(xiǎn)的上升，這應(yīng)與金融風(fēng)險(xiǎn)在地區(qū)間的傳導(dǎo)機(jī)制有關(guān)；而鄰近區(qū)域網(wǎng)絡(luò)借貸平臺(tái)的集中會(huì)抑制本地金融風(fēng)險(xiǎn)，集中度較高的地區(qū)雖會(huì)提升本地金融風(fēng)險(xiǎn)，但其也為鄰近地區(qū)提供了警示，加強(qiáng)了鄰近地區(qū)抵御風(fēng)險(xiǎn)的意識(shí)和能力。

4結(jié)論與政策建議

本文選取網(wǎng)絡(luò)借貸平臺(tái)分布較為集中的北京、上海、江蘇、浙江、山東、湖北、廣東、四川8個(gè)城市作為樣本省市，從經(jīng)濟(jì)運(yùn)行及區(qū)域金融市場(chǎng)的層面構(gòu)建了區(qū)域風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，通過(guò)對(duì)區(qū)域風(fēng)險(xiǎn)評(píng)價(jià)值莫蘭指數(shù)的計(jì)算，驗(yàn)證了樣本區(qū)域省市存在空間溢出效應(yīng)，區(qū)域金融風(fēng)險(xiǎn)存在高度正相關(guān)；因此建立了空間Dubin模型，進(jìn)一步探究網(wǎng)絡(luò)借貸平臺(tái)對(duì)區(qū)域金融風(fēng)險(xiǎn)的影響及空間溢出效應(yīng)，研究結(jié)果表明：網(wǎng)絡(luò)借貸平臺(tái)規(guī)模的發(fā)展并不會(huì)導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)的提升，而地方貸款集中于網(wǎng)絡(luò)借貸平臺(tái)則會(huì)促使金融風(fēng)險(xiǎn)的發(fā)生；同時(shí)網(wǎng)絡(luò)借貸平臺(tái)的發(fā)展規(guī)模及集中度的空間效應(yīng)顯著，鄰近地區(qū)的網(wǎng)絡(luò)借貸平臺(tái)發(fā)展規(guī)模及集中度對(duì)本地區(qū)域金融風(fēng)險(xiǎn)的影響與本地網(wǎng)絡(luò)借貸平臺(tái)發(fā)展規(guī)模及集中度的影響相反?；谝陨辖Y(jié)論，本文對(duì)區(qū)域金融風(fēng)險(xiǎn)防范及網(wǎng)絡(luò)借貸平臺(tái)的發(fā)展提出以下建議：（1）網(wǎng)絡(luò)借貸平臺(tái)作為互聯(lián)網(wǎng)金融創(chuàng)新的主要形式與傳統(tǒng)金融融資功能實(shí)現(xiàn)互補(bǔ)，有效滿(mǎn)足了個(gè)人及中小、小微企業(yè)的貸款需求，地方政府應(yīng)充分利用網(wǎng)絡(luò)借貸平臺(tái)進(jìn)行資源的合理配置，而網(wǎng)絡(luò)借貸平臺(tái)融資的集中易導(dǎo)致地方金融風(fēng)險(xiǎn)水平的提升也不容忽視，地方政府在鼓勵(lì)網(wǎng)絡(luò)借貸平臺(tái)發(fā)展的同時(shí)，也應(yīng)避免其不合理發(fā)展可能對(duì)地方金融業(yè)的沖擊；（2）區(qū)域金融風(fēng)險(xiǎn)具有正向的空間溢出效應(yīng)，網(wǎng)絡(luò)借貸平臺(tái)的發(fā)展進(jìn)一步加劇了區(qū)域金融風(fēng)險(xiǎn)的傳導(dǎo)，因此針對(duì)由網(wǎng)絡(luò)借貸平臺(tái)引發(fā)的地方金融風(fēng)險(xiǎn)的防范應(yīng)及時(shí)監(jiān)控相鄰區(qū)域網(wǎng)絡(luò)借貸平臺(tái)的發(fā)展規(guī)模及集中程度，避免由于空間溢出效應(yīng)引發(fā)本地區(qū)金融風(fēng)險(xiǎn)的提升；（3）網(wǎng)絡(luò)借貸平臺(tái)仍然不能取代地區(qū)傳統(tǒng)金融業(yè)的融資功能，傳統(tǒng)金融業(yè)與互聯(lián)網(wǎng)金融創(chuàng)新平臺(tái)的平衡協(xié)調(diào)發(fā)展可以有效抑制區(qū)域金融風(fēng)險(xiǎn)的發(fā)生。

參考文獻(xiàn)

[1]艾金娣.P2P網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)防范[J].中國(guó)金融,2012,(14).

[2]宮曉林.P2P網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)與監(jiān)管——基于有限理性假設(shè)的分析[J].投資研究，2014，(6).

[3]王長(zhǎng)江,楊金葉.P2P網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)與監(jiān)管模式研究[J].經(jīng)濟(jì)縱橫,2015，(4).

[4]顧慧瑩,姚錚.P2P網(wǎng)絡(luò)借貸平臺(tái)中借款人違約風(fēng)險(xiǎn)影響因素研究——以WDW為例[J].上海經(jīng)濟(jì)研究,2015，(11).

[5]肖曼君,歐緣媛,李穎.P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)影響因素研究——基于排序選擇模型的實(shí)證分析[J].財(cái)經(jīng)理論與實(shí)踐，2015，(1).

[6]譚中明.區(qū)域金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的設(shè)計(jì)和綜合度量[J].軟科學(xué),2010，(3).

[7]孫伍琴,朱順林.金融發(fā)展促進(jìn)技術(shù)創(chuàng)新的效率研究——基于Mal⁃muquist指數(shù)的分析[J].統(tǒng)計(jì)研究,2008,(3).

[8]賀小海，劉修巖.我國(guó)銀行業(yè)結(jié)構(gòu)地區(qū)差異的實(shí)證分析[J].生產(chǎn)力研究，2008，(23).

作者：溫春然 沈傳河 單位：山東女子學(xué)院