论文部分内容阅读
[摘要]P2P网络的监管不断下达，P2P平台走向规范化的同时也有部分问题平台加速暴露出来。鉴于网络借贷风险的主要影响方为出借人群体，文章针对出借人视角进行多阶段抽样，运用模糊综合评价法对出借人问卷中的量表进行综合评价，再通过预警分析得出各类风险的轻重缓急，找出亟须解决的消极影响因素，以期为有效控制P2P网络借贷风险提供系统完备的支持。
[关键词]P2P网络借贷；模糊综合评价；消极影响
[DOI]1013939/jcnkizgsc201720092
1引言
2017年2月，银监会下发的《网络借贷资金存管业务指引》，明确网贷平台存管人的定位与监管的基本框架。但由于监管时间短，仍有不少平台滥竽充数，问题频发。而网贷平台的挑选需要投资者花费大量时间和精力，并需具备一定的专业背景知识才能做出较准确的判断，大部分出借人是盲目的，对于P2P网络借贷体系目前主要风险与监管政策的实施情况不得而知。基于此，本文基于出借人视角探索网络借贷风险的级别，以期为我国P2P网络借贷体系的完善提供实质性的政策建议。
2P2P网络问卷介绍及数据基本情况
本文调查采用多阶段抽样，出借人调查问卷分基本信息，投资行为、投资偏好和风险感知与政策评价四块。出借人问卷共发放408份，回收有效问卷252份。
3P2P网络借贷风险消极影响综合评价：基于模糊综合评价法
31风险消极影响评判因素集和评判集的建立
对于风险消极影响指标分析，我们将风险消极影响评判因素集确定为两层。
第一层评判因素集：
U={U1，U2，U3}={法律风险，信用风险，系统风险}
第二层评判因素集：
U1={U11，U12，U13，U14}={产品利率，平台监管，坏账权益保护，资金流通过程}
U2={U21，U22，U23，U24}={信用评级标准，借贷审核流程，成交数据可信度，标的利率}
U3={U31，U32，U33}={资金交易存储，个人隐私资料，黑客壁垒}
综合比较各种文献，按照一般风险消极影响的等级划分标准，我们将风险消极影响的评判集设定为：
V={V1，V2，V3，V4，V5}={影响低，影响较低，影响一般，影响较高，影响高}
32基于AHP的风险消极影响评判因素的权重设定
在每次交易中，出借人受到各因素的消极影响程度不同，评判因素权重需按出借人自己的需要确定。由于个人偏好和倾向的不同，出借人可将重点考察的因素赋予较大的权重，这样对风险消极影响的评估将更具针对性和个性化。
本次调查分析通过专家打分法和层次分析法对权重进行综合计算。在问卷调查过程中，随机对部分调查者也进行各因素之间的比较，最后对结果经过汇总处理，计算平均值，得出如表1、表2、表3和表4的比較判断矩阵表。
根据上下层之间的隶属度关系建立递阶层次树状结构模型。根据决策目标，将相关影响因素按照所属关系及因素之间的关系自上而下地分为若干层次。对每一层次的各个因素，用成对比较法和1-9比例标度，根据对上一层因素的重要程度进行比较，直到最底层。列中元素比行中元素重要，则判断值为整数；如果列中元素不如行中元素重要，这时判断值为分数；当二者同等重要时，判断值为1。在指标权重计算中，根据判断矩阵，并作一致性检验，通过AHP计算软件，得到第一层次权因子权重为A=（011，063，026）；第二層次权因子权重：A1=（011，052，007，029），A2=（023，042，012，023），A3=（033，014，053）。
通过问卷调查来获得各因素与其对应的各级消极影响程度的隶属度关系。最终经过矩阵运算得到，二级模糊评判集（0200102020019580197902032）中可知，最大的数据为02032，对应的是第五个等级，即影响大。根据最大隶属度原则，我们可以得出目前网络借贷风险对出借人的整体消极影响大，并有向影响程度变大的趋势过渡。
4风险消极影响预警分析与对策建议
41风险影响因素预警灯与措施的制定
根据各因素对消费者的消极影响程度，由低到高设置蓝、绿、黄、橙、红五种不同的预警信号灯。蓝灯和绿灯表示风险处于低或较低区域，属正常的风险状态，应关注或监控风险状态和危机征兆；橙灯和红灯表示消极影响程度较高或高度风险状态，应立即采取应对措施，以抑制风险发生和扩散；黄灯对应中等影响程度，应根据具体情况给予不同对待。当指标的权重较高时，说明消极影响较大，必须给予充分重视并对各指标详细分析所暴露的因素，采取措施及时消除这部分的消极影响。当指标的权重较低时，即使显示黄灯预警信号，也可暂不采取措施，以把有限的资源放到其他更重要的因素上去。
42出借人角度的风险消极影响预警建议分析
基于前文所建立的预警分析结构体系并根据最大隶属度原则，列出各个因素造成的消极影响程度并将其所对应至各预警灯，得到表5。各类指标大多处在橙灯和红灯上，即风险程度大多居高。对于法律风险来说，在第一层指标仅占11%，比重较小，即影响程度一般。然而风险程度却亮起红灯，说明了更深层次的隐患。尽管部分出借人认为网借平台在资金流通过程中做得不够完善，却未得到出借人自身的足够重视，尤其值得反思。另外，208%和224%的出借人分别认为产品利率和坏账权益保护仍需采取相关措施。对于平台监管来说，在第二层指标占比52%，其中有209%的出借人认为平台监管影响一般，由此我们合理推测，在平台监管方面，目前已颁布法律或规定在逐渐改进和完善中尚已得到大部分出借人的初步肯定，因此现阶段平台监管只需要进行必要的监督即可。
信用风险在第一层指标中占了63%，较高的比重表明信用风险对于网络借贷的影响举足轻重。208%的出借人认为借贷审核流程的影响低，但在信用风险中仍占有一定比重，因此也应继续关注。而其中204%的人认为信用评级标准对他们的消极影响最高，所以应采取针对性的紧急措施，严格制定信用评级标准，积极消除因评级偏差对出借人产生的消极影响。205%的出借人认为成交数据可信度对他们产生的消极影响较大，当交易的产品远低于网上描述，心中的落差会使得本次交易带来的效益大大降低，进而使出借人对于网络借贷产生不真实的消极影响。这类问题在本层次中只占12%，但同样值得引起重视。同时，有211%的出借人认为标的利率虚高问题对收益影响高，应采取紧急措施稳定标的利率，所以对于信用风险方面我们应马上采取措施，积极作为，尽可能为出借人的切实权益提供保障。
对于系统风险，在第一层指标中占了26%，二级指标都亮起了橙灯，而且黑客壁垒在二级指标中占53%，也一定程度地说明系统风险主要是由黑客壁垒转换而来，因此对这方面应高度关注其发展趋势，进而决定是否采取措施。对于资金交易储蓄与个人隐私资料，也有相当一部分出借人认为对他们产生较大的消极影响，这两方面对出借人造成的威胁更是不容小觑，因此也应对此采取措施。
综上所述，信用风险对出借人产生的消极影响非常大，外加信用评级与成交数据标准的信任流失，使得出借人对于网贷的消极程度越发严重。资金流通、信用评级、成交数据可信度与标的利率虚高，是目前亟须解决的首要危机，而产品利率、坏账权益保护等问题，也需要采取措施，防止其向更高级别过渡。
参考文献：
[1]柳顺基于数据包络分析的模糊综合评价方法及其应用[D].杭州：浙江大学，2010
[2]林亮春我国P2P网贷存在的问题及解决路径分析[J].鸡西大学学报，2016，16（1）
[关键词]P2P网络借贷；模糊综合评价；消极影响
[DOI]1013939/jcnkizgsc201720092
1引言
2017年2月，银监会下发的《网络借贷资金存管业务指引》，明确网贷平台存管人的定位与监管的基本框架。但由于监管时间短，仍有不少平台滥竽充数，问题频发。而网贷平台的挑选需要投资者花费大量时间和精力，并需具备一定的专业背景知识才能做出较准确的判断，大部分出借人是盲目的，对于P2P网络借贷体系目前主要风险与监管政策的实施情况不得而知。基于此，本文基于出借人视角探索网络借贷风险的级别，以期为我国P2P网络借贷体系的完善提供实质性的政策建议。
2P2P网络问卷介绍及数据基本情况
本文调查采用多阶段抽样，出借人调查问卷分基本信息，投资行为、投资偏好和风险感知与政策评价四块。出借人问卷共发放408份，回收有效问卷252份。
3P2P网络借贷风险消极影响综合评价：基于模糊综合评价法
31风险消极影响评判因素集和评判集的建立
对于风险消极影响指标分析，我们将风险消极影响评判因素集确定为两层。
第一层评判因素集：
U={U1，U2，U3}={法律风险，信用风险，系统风险}
第二层评判因素集：
U1={U11，U12，U13，U14}={产品利率，平台监管，坏账权益保护，资金流通过程}
U2={U21，U22，U23，U24}={信用评级标准，借贷审核流程，成交数据可信度，标的利率}
U3={U31，U32，U33}={资金交易存储，个人隐私资料，黑客壁垒}
综合比较各种文献，按照一般风险消极影响的等级划分标准，我们将风险消极影响的评判集设定为：
V={V1，V2，V3，V4，V5}={影响低，影响较低，影响一般，影响较高，影响高}
32基于AHP的风险消极影响评判因素的权重设定
在每次交易中，出借人受到各因素的消极影响程度不同，评判因素权重需按出借人自己的需要确定。由于个人偏好和倾向的不同，出借人可将重点考察的因素赋予较大的权重，这样对风险消极影响的评估将更具针对性和个性化。
本次调查分析通过专家打分法和层次分析法对权重进行综合计算。在问卷调查过程中，随机对部分调查者也进行各因素之间的比较，最后对结果经过汇总处理，计算平均值，得出如表1、表2、表3和表4的比較判断矩阵表。
根据上下层之间的隶属度关系建立递阶层次树状结构模型。根据决策目标，将相关影响因素按照所属关系及因素之间的关系自上而下地分为若干层次。对每一层次的各个因素，用成对比较法和1-9比例标度，根据对上一层因素的重要程度进行比较，直到最底层。列中元素比行中元素重要，则判断值为整数；如果列中元素不如行中元素重要，这时判断值为分数；当二者同等重要时，判断值为1。在指标权重计算中，根据判断矩阵，并作一致性检验，通过AHP计算软件，得到第一层次权因子权重为A=（011，063，026）；第二層次权因子权重：A1=（011，052，007，029），A2=（023，042，012，023），A3=（033，014，053）。
通过问卷调查来获得各因素与其对应的各级消极影响程度的隶属度关系。最终经过矩阵运算得到，二级模糊评判集（0200102020019580197902032）中可知，最大的数据为02032，对应的是第五个等级，即影响大。根据最大隶属度原则，我们可以得出目前网络借贷风险对出借人的整体消极影响大，并有向影响程度变大的趋势过渡。
4风险消极影响预警分析与对策建议
41风险影响因素预警灯与措施的制定
根据各因素对消费者的消极影响程度，由低到高设置蓝、绿、黄、橙、红五种不同的预警信号灯。蓝灯和绿灯表示风险处于低或较低区域，属正常的风险状态，应关注或监控风险状态和危机征兆；橙灯和红灯表示消极影响程度较高或高度风险状态，应立即采取应对措施，以抑制风险发生和扩散；黄灯对应中等影响程度，应根据具体情况给予不同对待。当指标的权重较高时，说明消极影响较大，必须给予充分重视并对各指标详细分析所暴露的因素，采取措施及时消除这部分的消极影响。当指标的权重较低时，即使显示黄灯预警信号，也可暂不采取措施，以把有限的资源放到其他更重要的因素上去。
42出借人角度的风险消极影响预警建议分析
基于前文所建立的预警分析结构体系并根据最大隶属度原则，列出各个因素造成的消极影响程度并将其所对应至各预警灯，得到表5。各类指标大多处在橙灯和红灯上，即风险程度大多居高。对于法律风险来说，在第一层指标仅占11%，比重较小，即影响程度一般。然而风险程度却亮起红灯，说明了更深层次的隐患。尽管部分出借人认为网借平台在资金流通过程中做得不够完善，却未得到出借人自身的足够重视，尤其值得反思。另外，208%和224%的出借人分别认为产品利率和坏账权益保护仍需采取相关措施。对于平台监管来说，在第二层指标占比52%，其中有209%的出借人认为平台监管影响一般，由此我们合理推测，在平台监管方面，目前已颁布法律或规定在逐渐改进和完善中尚已得到大部分出借人的初步肯定，因此现阶段平台监管只需要进行必要的监督即可。
信用风险在第一层指标中占了63%，较高的比重表明信用风险对于网络借贷的影响举足轻重。208%的出借人认为借贷审核流程的影响低，但在信用风险中仍占有一定比重，因此也应继续关注。而其中204%的人认为信用评级标准对他们的消极影响最高，所以应采取针对性的紧急措施，严格制定信用评级标准，积极消除因评级偏差对出借人产生的消极影响。205%的出借人认为成交数据可信度对他们产生的消极影响较大，当交易的产品远低于网上描述，心中的落差会使得本次交易带来的效益大大降低，进而使出借人对于网络借贷产生不真实的消极影响。这类问题在本层次中只占12%，但同样值得引起重视。同时，有211%的出借人认为标的利率虚高问题对收益影响高，应采取紧急措施稳定标的利率，所以对于信用风险方面我们应马上采取措施，积极作为，尽可能为出借人的切实权益提供保障。
对于系统风险，在第一层指标中占了26%，二级指标都亮起了橙灯，而且黑客壁垒在二级指标中占53%，也一定程度地说明系统风险主要是由黑客壁垒转换而来，因此对这方面应高度关注其发展趋势，进而决定是否采取措施。对于资金交易储蓄与个人隐私资料，也有相当一部分出借人认为对他们产生较大的消极影响，这两方面对出借人造成的威胁更是不容小觑，因此也应对此采取措施。
综上所述，信用风险对出借人产生的消极影响非常大，外加信用评级与成交数据标准的信任流失，使得出借人对于网贷的消极程度越发严重。资金流通、信用评级、成交数据可信度与标的利率虚高，是目前亟须解决的首要危机，而产品利率、坏账权益保护等问题，也需要采取措施，防止其向更高级别过渡。
参考文献：
[1]柳顺基于数据包络分析的模糊综合评价方法及其应用[D].杭州：浙江大学，2010
[2]林亮春我国P2P网贷存在的问题及解决路径分析[J].鸡西大学学报，2016，16（1）