本站小編為你精心準備了網絡借貸信用風險論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、文獻回顧與理論分析

P2P網絡借貸作為新生事物，吸引了眾多研究者的關注，國內外學者對其進行了大量的研究，從最初的P2P網絡借貸起源與現狀、特征、經營模式，到后面的積極作用與消極作用、發展趨勢等方面，而近幾年則將目光集中在了網絡借貸的信用風險上。

（一）網絡借貸信用風險分析

早期的P2P網絡借貸信用風險研究表明，平臺中借款者的特征差異不大，但是信用風險卻很顯著。Herzensteinetal．（2008）和PopeandSydnor（2011）認為，P2P網絡借貸平臺是由投資者個人而非借貸平臺篩選確定借款人是否值得信賴，因此，更容易出現借款人通過虛假陳述騙取借款的情況，即網絡借貸的風險更大［2］。Michaels（2012）通過對Prosper網站上的數據分析，發現網絡借貸平臺責任的缺失使網絡借貸市場運行有效性下降，因而帶來較大的風險［3］。Sufi（2007），MichaelKlafft（2008）認為，如同在金融市場中一樣，網絡借貸市場也存在信息不對稱，此外，由于投資者缺乏經驗，網絡環境下貸款的信用風險更高［4］。Leeetal．（2012）研究韓國最大P2P平臺上的“從眾行為”發現，“從眾行為”導致網絡借貸信用風險加大，即信息不對稱現象非常嚴重，往往還會導致道德風險［5］。在國內，近幾年來由于網絡借貸平臺資質良莠不齊，發展模式并不規范，帶來很大的信用風險［6］。陳初（2010）也認為，P2P平臺可能泄露重要的信息，加之貸款用途難以核實，信用風險很大［7］。由于網絡借貸平臺作為交易平臺，實行的是無擔保無抵押，缺乏擔保的P2P借貸會使債權人的風險增加［8］。

（二）網絡借貸信用風險管理

信用風險管理就是通過有效的方法對信用風險進行分析、防范和控制，使風險貸款安全化，確保本息的收回。借貸平臺信用風險管理水平決定了自身的生存和發展，也對金融體系的穩定與發展產生巨大影響。國外的信用風險管理體系發展較早，在實踐和理論上已經形成相應的體系，不少學者的研究主要集中在如何使投資人更好地掌握借款人誠信信息以及怎樣通過借貸平臺自身機制有效緩解信息不對稱等方面。FreedmanandJin（2008）發現，雖然投資者由于信息不對稱問題面臨著逆向選擇的風險，但網站上提供的資料信息可以在一定程度上幫助識別潛在的信用風險［9］。Linetal．（2009）也指出社會互動作為一種軟信息資源，能夠一定程度上降低信息不對稱和道德風險［10］。HarpreetSingha（2009）使用決策樹對不同期限、風險配置的投資進行研究，認為目前主要是通過多樣化投資來降低信用風險［11］。國內的P2P網絡借貸模式尚處于起步階段，信用風險管理體系不健全，大多數平臺只是依據自身情況建立了基于專家判斷法的信用評分模型，但由于此模型的預測能力沒有通過系統驗證，在實際業務中的應用實效大打折扣［12］?？梢娫谖覈鴤€人信用體系缺失的情況下，國內網絡借貸平臺的信用評級對信用風險控制的作用并不大［8］。此外，李悅雷（2013）認為借貸中人際關系的應用能降低金融交易的風險和成本［13］。陳初（2010）則認為可把從事網絡借貸業務的網站界定為民間借貸中介組織，即可將網絡借貸納入相關的監管系統［7］。綜上所述，學者主要是基于理論對P2P網絡借貸信用風險進行分析，或者定性分析當前P2P網絡借貸的信用風險管理，而對網絡借貸平臺信用風險影響因素的實證研究較為缺乏。因此，本文擬從P2P網絡借貸平臺的內部視角，運用平臺具體數據，對網絡借貸信用風險的影響因素進行實證，分析網絡借貸平臺的信用風險管理體系是否能有效控制信用風險，并提出控制網絡借貸信用風險的政策建議。

二、實證分析

（一）數據選取

本文基于VBA開發環境，采用XMLHttpRe－quest方法。網絡借貸平臺的貸款頁面URL（Uni－versalResourceLocator）具有一定的規律，即每筆貸款都按照借款時間通過編號排列順序，URL的結尾都是以貸款編號結束，我們正好利用這一特點，通過固定編號獲取大量貸款數據。將需要的貸款編號列入Excel中的第一列，然后利用VBA函數讀取編號對應的網頁。將網頁轉換為文本格式以后，由于需要的數據都出現在頁面的特定位置上，VBA函數通過定位關鍵字，將對應變量的具體數據采集到Excel表格對應的其他列中。通過不斷地讀取對應網址頁面，本文對拍拍貸編號為220000～319999以及人人貸中編號為120000～179999的借款數據和相應的借款人信息進行以下收集。主要從人口特征、信用變量、歷史表現和借款信息四個方面選取網絡借貸信用風險影響因素的變量（見表1），即：從拍拍貸及人人貸網站平臺上提取的數據，刪除一些缺失數據以及審核未通過數據，從拍拍貸網站得到了61944組有效數據，其中存在信用風險的用戶數據共有3360組，違約率達到了5．42％；從人人貸網站得到了59972組有效數據，提取其中存在信用風險的數據810組，違約率為1．35％。對數據中借款人的基本人口特征進行初步分析，結果如表2、3所示。從表2、3的數據可以初步判斷，具有信用風險的借款人性別主要以男性為主，無論是占樣本比率還是占逾期比率，男性借款人逾期概率都要遠遠高于女性；年齡方面，26～31歲的逾期人數占到總逾期人數的比率明顯高于其他年齡段，且隨著年齡的增加，違約概率呈明顯降低趨勢。

（二）模型選擇

①類似于二元選擇模型，假設潛在變量y與解釋變量x存在線性關系y＊i＝x＊iβ＋u＊i，i＝1，2，3，…，N，其中ui是獨立同分布的隨機干擾。總共有M＋1個等級，觀測到yi位各個等級的概率為：P（yi＝0）＝F（c1－x′iβ），P（yi＝1）＝F（c2－x＇iβ）－F（c1－x′iβ），…，P（yi＝M）＝1－F（cM－x＇iβ）。模型采用極大似然法估計，其中，c1，c2，…，cM是M的臨界值，作為參數和回歸系數一起估計。

（三）實證研究

從結果可以看出，除了age不夠顯著（P值＜10％，呈負相關）以外，剩下的變量fail、gender、credit、success、rate和time對于信用風險的影響都很顯著（P值＜5％，呈正相關）。正如Iyeretal．（2009）發現的，信用變量、歷史信用等對信用風險有相關影響［14］。而FreedmanandJin（2008）也發現，高利率的借款人通常具有較高的信用風險［9］。人人貸中gender、success不夠顯著，可能是因為人人貸網站中具有信用風險的用戶較少，人口特征和歷史表現無法在一定程度上反映信用風險。排序選擇模型是概率模型，由于有多個等級，圖2為觀測到的屬于各個等級的概率預測，每個觀測都是對應信用風險等級的概率預測，并且概率之和為1。從圖2看出，基本各個風險的概率處于穩定。以上分別從人口特征、信用變量、歷史表現和借款信息四個方面對信用風險的影響進行了研究，結果發現：1．人口特征（age、gender）對信用風險的影響都較為顯著，說明人口特征對網絡借貸過程中的信用風險具有一定的影響。從表2和3中也可以看出，在具有信用風險的借款人中，男性的比率遠遠高于女性。由于P2P網絡借貸依托于互聯網，參與用戶體現出年齡較小的趨勢，但是年輕的用戶經濟基礎較為薄弱，經濟來源也不太穩定，往往容易出現資金短缺的情況，信用風險較高；年齡較大的用戶社會資源豐富，經濟來源也較為穩定，信用風險就相對較低。2．信用變量（credit）中，認證等級是網站對用戶各項資料進行評分，然后加總起來得到的信用評級。理論上，認證等級越高信用風險就越低，但實證結果顯示，認證等級與信用風險正相關。網站上的認證分僅僅只是對一些基礎信息打出的分數，如身份證、學歷、視頻等認證，但平臺往往無法保證其真實性，所以，網站由于自身能力有限而無法達到控制信用風險的預期效果，即平臺的信用等級評分對用戶避免信用風險起到的作用不大，有時還導致一些反效果。3．歷史表現（success、fail）中，失敗和成功的次數都是用戶在平臺的活躍程度。成功的次數越高，說明在此次借款之前，借款人都按時完成還款，即信用等級很高，但對某些人來說，成功的次數只是為了提高自己的信用，最終借到需要的金額，所以與信用風險呈正相關。失敗的次數多，說明借款人的信息無法給投資者安全感，即被大多數投資者認為具有較高的信用風險，在借款成功后出現違約的可能性更大，即失敗次數與信用風險負相關。4．借款信息（rate、time）中，優質的借款者往往難以提供足夠高的收益率，即利率與信用風險呈正相關。還款期限也和風險呈正相關關系，在網絡借貸平臺上的借貸行為，由于沒有人際關系作為潛在的信用保障，一筆投資無疑是時間越短，所要面臨的信用風險就越小。時間越長，投資者的相對風險就越大，因此，時間成為正向影響信用風險的顯著因素。從以上的數據分析以及實證中發現，網站對于借款人的信用評分對信用風險管理并沒有起到實質性作用，評分高的用戶依然具有較高的信用風險。網站為滿足借款人的資金安全性要求，在借款滿額后進行內部審核，但是內部審核主要也是以信用評分為基礎，對防止信用風險效果不大。出現逾期現象后，平臺對借款人實行本金保障制度，但在監管缺失的情況下，由于沒有特定的維權部門，逾期還款的追討難度很大，而風險儲備池的資金有限，加大了平臺的經營風險，所以，單靠平臺本身無法對信用風險進行有效管理。

三、結論與政策建議

在傳統的借貸模式中，銀行等金融機構承擔了審貸和管理的角色。由于銀行有借款人的詳細信息，同時也掌握復雜的風險評估方法，因而能相對較好地消除借貸過程中的信息不對稱。而在P2P網絡借貸環境中，出借人幾乎無法掌握借款人的真實情況，信息不對稱問題非常嚴重。以上實證發現，網站中所提供的信用數據，對防范信用風險沒有起到實質性作用，即單靠網站來解決信用風險是不夠的。為了有效控制網絡借貸信用風險，需要從以下幾個方面進行努力：（1）在平臺外部，政府應確立專門的監管體系，規范網絡借貸平臺運行機制，明確網絡借貸中網站、借款人、貸款人和監管方的權利和義務，尤其要注意維護用戶的合法權益（如知情權、隱私權等），制定平臺用戶信息安全保障的具體內容，最大程度地使網絡借貸安全有序進行。同時，要構建客觀全面的客戶信用評級體系，將網絡信用的數據與人民銀行的個人征信系統結合起來，實現統一的信用體系，達到控制風險、促進網絡借貸有序發展的目標。（2）在平臺之間，也要開展相互合作，各網絡借貸公司可以聯手打造“公共網絡平臺”，在該平臺借款、還款記錄以及用戶評價等信息，完善風險控制機制，實現網絡借貸健康發展。（3）在平臺內部，網絡借貸平臺應建立全面的風險管理體系與完善的網絡借貸檢測體系，對借款期限、借款利率、歷史信用、償還情況和用途說明等因素進行全面有效的監測，同時，網站必須定期向監管部門提交數據報表。通過各方面的努力，最終使P2P網絡借貸達到控制風險，健康有序發展的目標。

作者：肖曼君歐緣媛李穎單位：湖南大學金融與統計學院